AIっぽい日本語と、意味を変えずに直すyomiyasu

目次
  1. 生成AI以後の文章の変化
  2. AIっぽい日本語になる理由
  3. 医療における例
  4. 点検の手順
  5. yomiyasuとは
  6. yomiyasuのよいところ
  7. 使い方
  8. 参考文献

生成AIに書かせた日本語は、文法は正しいのに、読み終えても誰が何をするのかが分からないことがあります。この記事ではこうしたAIっぽい日本語の特徴と点検の手順を図にまとめ、点検に使える公開ツールyomiyasu(よみやす)のよいところを紹介します。

生成AI以後の文章の変化

2019年から2026年までのQiitaの記事70,524件を数えた調査があります1。1文の平均の長さは35.4字から39.2字で、AI以前からの自然な伸びの範囲でした。大きく変わったのは形式で、太字は約3倍、箇条書きは約1.8倍、ダッシュ記号は約10倍に増えました。見た目は整理されていても、中身が増えたわけではありません。

語彙も変わりました。「効く」が出てくる記事の割合は2.0%から22.3%に、「壊れる」は0.8%から13.1%に、「実測」は0.1%から9.4%に増えています。

生成AI以後に増えた形式と語

形式(生成AI以前と比べた増え方)

太字
約3倍
箇条書き
約1.8倍
ダッシュ記号
約10倍

語が出てくる記事の割合

AI以前2026年

「効く」約11倍
2.0%
22.3%
「壊れる」約16倍
0.8%
13.1%
「実測」約94倍
0.1%
9.4%

文の長さ1文の平均は35.4字から39.2字で、AI以前からの自然な伸びの範囲

Qiitaの記事70,524件(2019〜2026年)を数えた調査1

AIっぽい日本語になる理由

公開されている大規模言語モデルは、事前学習のデータが英語に大きく偏っています2。多言語のモデルがほかの言語で出力するときにも、英語の構文が表れることが報告されています3。さらに、モデルが翻訳を経ずに直接書いた文章も、翻訳調と判定されることが多いという研究があります4。英語の「silently break」が「静かに壊れる」になるのは、この直訳の例です。

英語の構文が日本語に表れるまで
  1. 1事前学習のデータが英語に大きく偏っている公開されている大規模言語モデル2
  2. 2ほかの言語で出力しても英語の構文が表れる多言語のモデル3
  3. 3翻訳を経ずに直接書いた文章も翻訳調と判定されるモデルが直接書いた文章4

直訳の例silently break → 静かに壊れる

医療における例

患者向けの説明文、院内の手引き、紹介状を想定した例文を4つ示します。

AIっぽい文の例と直した文

1物を主語にした比喩動詞

AIっぽい文丁寧な説明が、患者さんの不安に寄り添います。

修正後担当医は、患者さんが不安に思っていることを聞き、質問に答えます。

誰が、誰に、何をするかを書く

2名詞の詰め込み

AIっぽい文説明資料の共通化により、説明内容の標準化を図る。

修正後担当医は、共通の資料に沿って必要な項目を説明する。

名詞を動詞に戻す

3架空の誤解を否定する対比

AIっぽい文不眠は、単なる睡眠の問題ではなく、こころからのサインです。

修正後眠れない日が続くときは、診察で睡眠や生活の状況、気分の落ち込みについて伺います。

必要な情報を肯定文で書く

4曖昧な指示語と回りくどい前置き

前提:10月9日に受診予定。前日までに直近の血液検査結果を送ってもらうことが決まっている

AIっぽい文重要なのは、この点について事前に情報を共有していただくことです。

修正後10月8日までに、直近の血液検査結果を当科へお送りください。

指示語の指す内容を書き出す

例文は説明のために作った作例

1つ目は物を主語にして、人の動作を表す動詞でまとめる書き方です。「説明が寄り添う」と書くと温かく聞こえますが、誰が何をするのかが分かりません。主語を担当医に戻すと、不安を聞き、質問に答えるという動作になります。

2つ目は「共通化」「標準化」のような名詞を重ねる書き方です。院内の手引きでよく見る形で、整って見えますが、誰が何をするのかは書かれていません。名詞を動詞に戻すと、担当医が資料に沿って説明する、という行動になります。

3つ目は「AではなくB」という対比です。まず「単なる睡眠の問題」という見方を立て、それを否定してから本題に入っています。さらに「こころからのサイン」とまとめると、身体の病気や薬、生活リズムといった不眠のほかの原因が抜け落ちます。肯定文で、診察で何を聞くかを書けば十分です。

4つ目は「この点」のような指示語と、「重要なのは」のような前置きです。紹介元の先生にこう書いても、何を、いつまでに送ればよいのかが伝わりません。日付と送ってほしいものは、前提として決まっていた情報です。書き直すときは、その情報を書き出すだけにして、元にない情報は足しません。

点検の手順

点検の手順は次の5つです。

  1. 誰が何をどうしたかを書く。
  2. 比喩動詞をふだんの言葉にする。
  3. 名詞の連鎖を動詞に戻す。
  4. 不要な否定と前置きを削る。
  5. 直すときに、元にない情報を足さない。

yomiyasuとは

yomiyasuは、AIが生成した日本語の不自然な比喩、曖昧な主述関係、不要な装飾を直し、読みやすい文章に整えるAgent Skillです5。nanaismさんが2026年9月にGitHubで公開し、MITライセンスで配布しています。READMEには、株式会社ALGO ARTISで作られたことが書かれています。主な対象は技術記事、設計書・仕様書、PR説明文、社内レポートのような実務の文章です。Claude Code、Codex、CursorなどのAIコーディング環境に読み込ませて使います。2026年11月14日の時点で、最新版は3.1.0、GitHubのスターは3,225です。

yomiyasuのよいところ

yomiyasuは書き直す前に、元の文の主張、比重、言い切りの強さ、文の働きの4点を確かめ、書き直したあとも同じに保つことを最優先にしています。「〜場合がある」を言い切りにしない、「必ず」を足さない、のように、強さの扱いまで細かく決めています。説明文や紹介状では、推量が断定に変わると内容の誤りになります。読みやすさより先に意味を守る順序が、医療の文書に向いています。

元にない情報を足さないことも、はっきり決めています。原文から分からない動作主、原因、条件、数値を推測で補いません。意味を決められない所は本文に注記を入れず、本文のあとの「書き手に確かめたい点」で尋ねます。上で示した4つ目の例の直し方も、この考え方に沿っています。

直すときの手順も決まっています。本文を置換でまとめて直さず、前後の文を読んで1か所ずつ直します。直す案は何について述べるか、何を認め何を否定するか、誰が誰にするか、範囲と条件、言い切りの強さ、数値・固有名詞・時期の6点で原文と比べ、1つでも変われば原文を残します。最後に付属のスクリプトで直す前と後を比べ、提出する本文が検査した本文と同じかを照合します。

yomiyasuが文章を直す流れ
  1. 1守る4点を確かめる主張、比重、言い切りの強さ、文の働き
  2. 21か所ずつ直す前後の文を読み、置換でまとめて直さない
  3. 3案を原文と6点で比べる1つでも変われば原文を残す
  4. 4スクリプトで検査する直す前と後を比べ、提出する本文が検査した本文と同じかを照合する

分からない所推測で足さず、本文のあとの「書き手に確かめたい点」で尋ねる

yomiyasu 3.1.0 の SKILL.md と README5

文書の種類と読み手に合わせて、直し方も変えます。種類はPR、記事、障害報告、議事録、メール、論文など13種類、読み手は専門家から一般の読者まで3段階です。エッセイや小説では、何を何に例えたか読める比喩を残すように、種類ごとに当てない規則も決まっています。自然に読める部分は残すことも、READMEに書かれています。

使い方

推奨されているインストールの方法は、次のコマンドです。

npx skills add nanaism/yomiyasu

インストールしたあとは、AIエージェントに「draft.md を yomiyasu で読みやすくして」のように頼みます。本体を入れられない環境のために、本体から作ったyomiyasu-miniとyomiyasu-pocketも公開されています。

この記事もyomiyasuで点検しました。

参考文献

  1. 逆瀬川ちゃん. 生成AI以前と以後でエンジニアの文章はどう変わったのか: Qiitaの7万記事を数えてみた話. 2026年9月. https://nyosegawa.com/posts/qiita-writing-before-after-ai/
  2. 高瀬翔, 本多右京. 英語中心の大規模言語モデル開発からの脱却に向けて. 言語処理学会第32回年次大会(NLP2026)C7-23. https://arxiv.org/abs/2605.15613
  3. Guo Y, et al. Do Large Language Models have an English Accent? ACL 2025:3823-38. https://aclanthology.org/2025.acl-long.193/
  4. Valentini M, et al. An Investigation of Translationese in the Generations of Multilingual LLMs. COLM 2026. https://arxiv.org/abs/2608.17399
  5. nanaism. yomiyasu. GitHub. https://github.com/nanaism/yomiyasu