Humanizer JA — AIくさい日本語を人間の文章に変える
AI（Claude、ChatGPT、Gemini等）が生成した日本語テキストから「AIっぽさ」を除去し、人間が書いたように読める文章に書き換えるスキル。
WikiProject AI Cleanupの知見をベースに、日本語特有のパターンを追加。英語版 blader/humanizer にインスパイアされたオリジナル実装。
使い方
- このフォルダを
~/.claude/skills/humanizer-ja/に配置 - Claude Codeで文章を生成した後、「人間っぽくして」「humanize」等と指示
ルール
以下の20パターンをチェックし、該当箇所を書き換える。 消すだけでなく、必ず「人間らしい表現」に置き換えること。
カテゴリ1: 語彙・表現（AI頻出語）
1. 意義の過剰強調
AIは物事の重要性を盛りすぎる。
NG例: 「この取り組みは、業界全体のDX推進において極めて重要な役割を果たしており、その意義は計り知れない。」
OK例: 「この取り組みで、社内の申請処理が3日から4時間に縮まった。」
原則: 「重要な」「極めて」「計り知れない」を消す → 具体的な数字・事実に置き換える。
2. 定型評価語
以下の語句が出てきたら、ほぼ確実にAI生成。すべて書き換え対象。
| NGワード | 置き換え方 |
|---|---|
| 浮き彫りにしており | 具体的に何が見えたか書く |
| 今後の展開が注目されます | 削除するか、自分の予測を書く |
| 多面的な / 包括的な / 画期的な | 何がどう多面的なのか具体化する |
| 注目に値する | なぜ自分が注目したか1文で書く |
| 〜と言えるでしょう | 断定するか、削除する |
| 〜ではないでしょうか | 言い切る |
| 重要な示唆を与えている | 何の示唆か具体的に書く |
3. カタカナ語の過剰使用
AIは多言語データで学習しているため、日本語でもカタカナ外来語を多用する。
NG例: 「ソリューションをレバレッジして、イノベーティブなアプローチでトランスフォーメーションを推進する。」
OK例: 「既存の仕組みを活かして、新しいやり方で業務を変える。」
原則: 和語で言えるなら和語を使う。カタカナが3語以上連続したら疑う。
4. 曖昧な出典
NG例: 「業界の専門家によると」「調査結果が示すように」「多くの企業が指摘しているように」
OK例: 「Ahrefsが90万ページを分析したデータでは」「Meta社のAIチームが2025年に発表した論文では」
原則: 出典を出すなら具体的に。出せないなら「出典なし」と認めるか、自分の意見として書く。
カテゴリ2: 構造・フォーマット
5. 太字+コロンの箇条書き
Claude・ChatGPT共通の最大の特徴の1つ。人間はこの書式をほぼ使わない。
NG例:
- 速度: 処理速度が3倍に向上
- 安全性: セキュリティ基準を満たす
- コスト: 月額費用を40%削減
OK例:
- 処理速度が3倍になった
- セキュリティ基準もクリアしてる
- 月額費用は40%減
原則: 「ラベル: 内容」の形式を見つけたら、ラベルを消して内容だけにする。
6. 三点セットの強制
AIはあらゆるものを3つにまとめたがる。メリット3つ、ステップ3つ、ポイント3つ。
原則: 本当に3つなら3つでいい。でも4つあるなら4つ書く。1つだけでもいい。「3つにまとめると」で始まる文を見たら疑う。
7. 全角ダッシュ（——）の乱用
ChatGPTの最大の書式癖。日本語でもemダッシュで補足を挟む。
NG例: 「Claude Code——Anthropicが開発したCLIツール——を使えば」
OK例: 「Claude Code（AnthropicのCLIツール）を使えば」
原則: 全角ダッシュ → カッコまたは読点に置き換える。
8. 見出しの過剰構造化
AIは短い文章でもh2/h3で細かく区切りたがる。
原則: 300字以下のセクションに小見出しは不要。読者が自然に読める流れを優先する。
カテゴリ3: 文体・トーン
9. 説教くさい前置き
NG例: 「ここで重要なのは〜という点です」「〜について理解しておく必要があります」「注意すべき点として」
OK例: 前置きを消して、内容をそのまま書く。
原則: 「important to note」の日本語版をすべて削除する。読者は大人なので、何が重要かは自分で判断できる。
10. 接続詞の多用
NG語: 「一方で」「しかしながら」「加えて」「このように」「さらに」「とりわけ」
1つの文章に3回以上出てきたら多すぎる。半分は削除して、文の順序で論理を伝える。
11. 否定並列構文
NG例: 「単なるツールではない。パラダイムシフトだ。」 「コストの問題ではない。文化の問題だ。」
原則: 「〜ではない。〜だ。」が2回以上出てきたら、片方を別の構文に書き換える。
12. 追従的なトーン
NG例: 「素晴らしいご質問ですね！」「非常に良い指摘です」「おっしゃる通り」
原則: 読者に媚びない。褒めるなら具体的に何が良いか書く。
13. -ing的付け足し構文
データや事実の後に、AIが勝手に意義を付け足すパターン。
NG例: 「売上は前年比120%でした。これは同社の戦略が功を奏していることを示しており、今後の成長が期待されます。」
OK例: 「売上は前年比120%でした。」（読者に解釈を委ねる）
原則: データの後に「〜を示しており」「〜を物語っています」が続いたら、その文を丸ごと削除する。
カテゴリ4: 日本語固有パターン
14. 敬語の均一化
AIの敬語は全文均一で、緩急がない。人間は場面によって敬語レベルを変える。
原則: ですます調の中に、体言止めや短い断定文を混ぜる。全部同じ語尾にしない。
15. 主語の過剰明示
日本語は主語を省略する言語。AIは英語の癖で主語を毎文入れる。
NG例: 「このツールは高速です。このツールはセキュリティも強固です。このツールは無料で使えます。」
OK例: 「高速で、セキュリティも強固。しかも無料。」
16. 「〜することができます」の多用
NG: 「設定を変更することができます」 OK: 「設定を変更できます」（さらに良い：「設定は変えられます」）
原則: 「することができます」を見つけたらすべて短縮する。
17. 体温のない結論
NG例: 「以上のことから、AIツールの活用は今後ますます重要になると考えられます。」
OK例: 「正直、もうAIなしで仕事するのは無理だと思ってます。」
原則: 結論には自分の体温を入れる。「考えられます」ではなく「思ってます」「感じてます」。
カテゴリ5: セルフ監査
18. 冒頭チェック
以下のパターンで始まっていたら書き直す:
- 「ここでは〜について解説します」
- 「〜が注目を集めています」
- 「近年、〜が急速に進展しており」
代わりに: 具体的な数字、体験、場面から始める。
19. 結論チェック
以下のパターンで終わっていたら書き直す:
- 「今後の展開が注目されます」
- 「〜が期待されます」
- 「〜と言えるでしょう」
代わりに: 自分の意見、具体的な次のアクション、余韻のある短文で締める。
20. 二重チェック（最重要）
書き換えが終わったら、自分自身にこう問いかける:
「この文章を読んで、AIが書いたと思うか？」
もし「はい」なら、以下を確認:
- 定型評価語が残っていないか
- 太字+コロンの箇条書きが残っていないか
- 全文が同じトーンで均一すぎないか
- 具体的な体験や数字が入っているか
- 結論に自分の声が入っているか
該当箇所を見つけたら、もう一度書き換える。
「声」を入れる
パターンを消すだけでは、空っぽの文章になる。消した後に「人間の声」を入れる。
声の入れ方:
- 自分の体験を1つ入れる。 「自分の場合は〜」「うちでは〜」「実際に試したら〜」
- 意見を1つ入れる。 「正直、これは微妙だと思ってます」「個人的にはこっちの方がいい」
- リズムを崩す。 長い文の後に短い文。丁寧語の後に体言止め。均一さを壊す。
- 不完全さを認める。 「まだ試してない」「ここは自信ない」。完璧な文章はAIっぽい。
クイックリファレンス（チェックリスト）
書き換え後、最低限これだけ確認:
- 「浮き彫りにしており」「今後の展開が注目」が消えてるか
- 「ラベル: 内容」形式の箇条書きがないか
- 全角ダッシュ（——）がないか
- 「〜と言えるでしょう」「〜ではないでしょうか」がないか
- 「することができます」がないか
- 冒頭と結論がテンプレ文で始まって/終わっていないか
- 自分の体験or意見が最低1箇所入っているか
- 読み返して「AIが書いた」と感じないか