取材・調査・データ報道で使える無料データ源(API)のカタログ。政府統計(e-Stat)、地域経済(RESAS)、気象(気象庁)、法令(e-Gov)、企業開示(EDINET)、書誌・国会会議録(国立国会図書館)、地理空間(国土地理院)、汎用の国際API(GDELT・Open-Meteo・Wayback等)を用途別に整理し、登録要否・利用条件・選び方を示す。「無料のデータ源が欲しい」「このテーマのAPIは?」「公的データをプログラムで取りたい」といった依頼で使う。
ai-bun-shuusei
AIが生成しがちな「いかにもAIっぽい」日本語の定型表現・水増し・空疎な形容を取り除き、読者の信頼を損なわない自然な文章に直す。記事・原稿・プレスリリース・告知・SNS投稿など、AIの支援を受けて書いた文章を公開前に点検するときに使う。「AI臭を消したい」「文章が機械っぽい」「人が書いたように直したい」などの依頼で使う。
実行スコア 未検証
インストール方法を見る含まれるファイル(1)
- SKILL.md14.5 KB
SKILL.md(原文)
インストールする前に、エージェントに与えられる指示の中身を確認できます。
AI文章の修正(AI臭の除去)
良い文章は目立たない。読者が文体に気を取られているなら、文章が中身の邪魔をしている。 AI特有のクセは読者に気づかれやすく、気づかれた瞬間に信頼が損なわれる。
このスキルは、AIの支援で書いた日本語から「いかにもAIが書いた」と感じさせる表現・構造を見つけ、人が書いたとわかる自然な日本語に直すための検出・言い換え・点検の手引きである。最終的な文面の判断は書き手が行う。
注意:言葉づかいの良し悪しは媒体・記事種別・読者層で変わる。ここに挙げた表現も、文脈によっては適切なことがある。一律に禁止するためのリストではなく、無意識に使っていないかを点検するためのものとして使う。各社の用語・表記ルール(記者ハンドブック等)が優先される場合は、そちらに従う。
いつ使うか
- 記事・原稿を書く、または推敲するとき
- プレスリリース・媒体向け告知・お知らせ文を作るとき
- 報告書・資料・解説文を起草するとき
- SNS投稿・見出し・リード文を書くとき
- AIの支援で書いた文章を公開・入稿する前の最終点検
禁止語(削るか言い換える)
AIが好んで使う、中身が薄い・大げさ・もったいぶった語。多くは削るか、平易な語に置き換えられる。
| 語 | なぜ良くないか | 言い換え |
|---|---|---|
| 〜していきましょう/〜しましょう | 読者への呼びかけが過剰で説教くさい | (言い切る。事実・主張をそのまま書く) |
| ぜひ | 空疎な勧誘。中身を足さない | (削除) |
| いかがでしょうか/〜してみてはいかがでしょうか | もったいぶった勧め。記事には不要 | (削除。事実を示して読者に委ねる) |
| まさに | 強調の水増し | (削除) |
| まさしく | 同上 | (削除) |
| 非常に/とても/きわめて | 程度の水増し。具体的な数値・事実に置き換える | (削除、または具体値を示す) |
| しっかりと/きちんと | 中身のない強調 | (削除、または何をどうするか具体的に) |
| さまざまな/様々な | 中身をぼかす | (具体的に列挙する。挙げられないなら削除) |
| 多種多様な | 大げさ | さまざまな、または具体的に |
| 革新的な/画期的な | 空疎な称賛 | (何が新しいのかを書く) |
| 最先端の/次世代の | 宣伝文句 | (新しい点を具体的に) |
| 圧倒的な | 誇張 | (数字・事実で示す) |
| 〜と言っても過言ではない | もったいぶった断定回避 | (言い切るか、削除) |
| 〜の世界/〜の世界観 | ふわっとした比喩 | (対象を具体的に名指す) |
| 〜という側面 | 抽象的な水増し | (具体的に。または削除) |
| 〜における/〜に関して | 硬く回りくどい | 〜の、〜で |
| 〜を実現する | 宣伝くさい | 〜する、〜できる |
| 〜を可能にする | 同上 | 〜できる |
| 利活用 | 役所・企業ジャーゴン | 利用、活用 |
| 親和性が高い | ジャーゴン | 相性が良い、合う |
| 〜に資する | 硬い役所言葉 | 〜に役立つ |
禁止フレーズ
もったいぶった前置き(丸ごと削る)
- 「結論から言うと、〜」(言い切ればよい)
- 「ここで重要なのは、〜」
- 「まず押さえておきたいのは、〜」
- 「言うまでもなく、〜」
- 「ご存じの方も多いと思いますが、〜」
- 「本記事では、〜について解説します」
- 「それでは、見ていきましょう」
- 「早速ですが、〜」
空疎な留保・ぼかし(削る)
- 「ある意味では〜」
- 「言ってしまえば〜」
- 「正直に言うと〜」
- 「結局のところ〜」
- 「〜という点においては」
- 「〜に関して言えば」
AI特有の高揚・あいづち
- 「これはまさにゲームチェンジャーです」
- 「〜、これはとても素晴らしいことです」
- 「実はここがポイントで、〜」
- 「〜、これで安心ですね」
- 「ぜひ覚えておいてください」
企業・役所ジャーゴン
- 「今後ともよろしくお願いいたします」(記事本文には不要)
- 「〜していく所存です」
- 「現時点におきまして」
- 「〜という観点から」
- 「〜の観点に立ち」
禁止構造
文頭に置かない
- 「さて、」「では、」「そして、」(接続の水増し)
- 「実は、」(もったいぶり)
- 「つまり、」(多用すると要約過多のAI臭)
- 「ちなみに、」(本筋から外れる挿入)
- 「なんと、」(誇張の合図)
文末で多用しない
- 「〜なのです。」(多用すると説明口調が過剰)
- 「〜ですよね。」(なれなれしい同意の押しつけ)
- 「〜ではないでしょうか。」(断定回避の水増し)
- 「〜と言えるでしょう。」(同上)
言い換え表
| こう書いていたら | こう直す |
|---|---|
| 〜することが可能です | 〜できます |
| 〜を行う | 〜する |
| 〜を実施する | 〜する |
| 〜という形になります | 〜です/〜になります |
| 〜させていただきます | 〜します |
| 〜することができます | 〜できます |
| 多くの〜が存在します | 〜が多い/〜がある |
| 〜する必要があります | 〜が必要です/〜しなければならない |
| 〜に対して | 〜に |
| 〜に関する | 〜の |
| 〜をはじめとする | 〜など |
| 〜という事実があります | (事実をそのまま書く) |
| 〜ということになります | 〜です |
| 利用することによって | 使えば/使って |
| 〜の状況下において | 〜では |
文体の統一
敬体(です・ます)と常体(だ・である)を混在させない。 媒体・記事種別で決めた文体を一貫させる。AIの出力は、同じ文章内で文末がぶれることが多い。
| 良くない | 良い |
|---|---|
| 市は方針を示した。今後の対応が注目されます。 | 市は方針を示した。今後の対応が注目される。 |
| 申請は無料です。手続きは郵送でも行える。 | 申請は無料だ。手続きは郵送でもできる。 |
- 一人称・敬語の水準(御中/様/呼び捨て)も記事内でそろえる。
- 漢字とひらがなの開き方(例:「事」→「こと」、「為」→「ため」)も媒体ルールにそろえる。表記ゆれはAI臭の典型。
記事で特に避けたいパターン
「単なる〜ではない、〜だ」構文
- 避ける:「これは単なる事件ではない。社会への警鐘だ」
- 避ける:「これは記者会見ではなかった。転換点だった」
- 代わりに:劇的な対比で煽らず、事実をそのまま書く。意味づけは読者に委ねる。
「〜を根本から変える」構文
- 避ける:「この制度は報道のあり方を根本から変える」
- 避ける:「これは業界の大きな転換点を意味する」
- 代わりに:実際に何がどう変わるのかを、誇張せず具体的に書く。
誇張した形容
- 避ける:「衝撃の事実」「大きな節目」「画期的な調査」
- 代わりに:事実に語らせる。重大さは読者が判断する。
空疎なつなぎ
- 避ける:「そうした中で」「これを踏まえて」「さらに一歩進んで」
- 代わりに:次の論点をそのまま述べる。
「問題は〜ではなく〜だ」構文
- 避ける:「問題は技術ではなく、人だ」
- 避ける:「これはアクセス数の話ではない。信頼の話だ」
- 代わりに:レトリックの前振りなしに、言いたいことをそのまま述べる。「Xではなく、Yだ」という対比は、近年のAIが多用する代表的な言い回し。
三つ並べのクセ(反射的な三点列挙)
- 避ける:「正確で、簡潔で、力強い報道」
- 避ける:「信頼は、正確さと、透明性と、一貫性で築かれる」
- 代わりに:一つか二つの具体的な点に絞る。語呂のよい三点セットは、内容が伴わないと水増しに見える。
体言止めの乱発
- 避ける:「市が新制度を発表。住民は困惑。識者は懸念。」
- 代わりに:体言止めはリズムの道具。連発するとそっけなく機械的に見える。要所に絞って使う。
過剰な箇条書き
- 避ける:地の文で書けば自然な説明を、何でも箇条書きに分解する
- 代わりに:手順・並列・条件など箇条書きが向く場合に限る。物語や因果のある説明は文章で書く。
修正の前後例
例1:一般的な説明文
AI臭い文:
昨今の急速に変化するメディア環境において、AIツールの多面的な側面を理解することは非常に重要です。これらの革新的なソリューションが、いかにジャーナリストの業務を効率化していくのか、さっそく見ていきましょう。
人が書いた文:
AIツールは、下書き・調べもの・分析の三つが得意だ。それぞれをいつ使うか順に説明する。
例2:ニュースのリード
AI臭い文:
市議会で行われた今回の会議は、住民に影響を与える重要な課題に根本から向き合う、包括的かつ画期的な議論となりました。
人が書いた文:
市議会は火曜日、固定資産税を3パーセント引き上げる条例案を5対2で可決した。
例3:特集の書き出し
AI臭い文:
日本の地方ジャーナリズムという豊かな世界の中で、これから語られる物語ほど心を打つものはないでしょう。これは単なる人物紹介ではありません。地域報道が本当に大切な理由の核心に迫る、一つの旅なのです。
人が書いた文:
山田道子さんは47年間、地域新聞を発行し続けてきた。一度も休刊したことがない。
例4:分析記事
AI臭い文:
今後、関係者は革新的なアプローチを活用し、デジタル変革という困難な状況を乗り越えていく必要があると言えるでしょう。
人が書いた文:
生き残りたい地方紙は、デジタルで収益を得る道を見つけるしかない。だが、多くはまだ見つけられていない。
音読テスト
書いた文章を声に出して読む。次のように聞こえたら直す。
- 講演会の冒頭あいさつのように聞こえる → 直す
- ビジネス系SNSの投稿のように聞こえる → 直す
- 広報のプレスリリースのように聞こえる → 直す
- 役所の文書のように聞こえる → 直す
- 同僚に口頭で説明するときの言い方 → そのままでよい
公開前のクイック自己点検
文章を検索して、次を探す。
- 「〜していきましょう」「ぜひ」→ 削る
- 「非常に」「とても」→ 本当に必要か。数値・事実に置き換えられないか
- 「さまざまな」→ 具体的に書けないか
- 「重要なのは」→ もったいぶっていないか。言い切れないか
- 「〜ではないでしょうか」→ 言い切れないか
- 「実は」「さて」で始まる文 → 削れないか
- 文末が「です・ます」と「だ・である」で混ざっていないか
一つでも見つかったら、もう一度推敲する。
解説・分析文での危険信号
- 似た意味の語の重ね書き:「包括的で、高度で、強固な」(一つに絞るか、すべて削る)
- 過剰な留保:「〜かもしれない可能性も考えられなくもない」
- 名詞の積み重ね:「業務効率化推進体制整備」(分解して動詞で書く)
- 主語を隠す受け身:「〜と判断された」(誰が判断したのか)
- 堂々巡りの説明:「この機能はユーザーが機能を使えるようにする機能だ」
最終テスト
AIの支援で書いた文章を採用する前に、次を問う。
- この語・この句を削っても意味が通るか → 通るなら削る
- これが一番シンプルな言い方か → そうでないなら簡潔にする
- 同僚に口頭で言うか → 言わないなら書き直す
- これは情報を足しているか、立派に見せているだけか → 後者なら削る
読者に「これAIが書いたな」と思われた時点で、すでに信頼は失われている。
良い文章は目立たない。読者が文章に気を取られているなら、文章が中身の邪魔をしている。
出典・ライセンス(帰属表示)
本スキルは claude-skills-journalism(by Joe Amditis, MIT License, © 2025 Joe Amditis,
https://github.com/jamditis/claude-skills-journalism )の journalism-core/skills/ai-writing-detox を
原典の構成(検出すべき語・フレーズ・構造の一覧、言い換え表、修正の前後例、自己点検、最終テスト)に沿って日本語化し、
英語特有のAI定型表現を日本語のAI臭(過剰な定型句・水増し・空疎な形容・文体のぶれ等)に再構成したものです。
英語固有の禁止語表・英文の例文・米国向けの参考は日本語の実情に置き換え、該当しない部分は割愛しています。
原典の著作物本文は転載していません。原作者の公認・推奨を受けたものではありません。
MIT ライセンス全文は同梱の LICENSE-MIT.txt を参照。
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
コメント
ログインなしで書き込めます。使ってみた感想、質問、動かなかった環境などを気軽にどうぞ。
まだコメントはありません。最初のコメントを書いてみませんか。
同じリポジトリのスキル
データ報道(データジャーナリズム)の手順を支援する。データセットの分析、グラフや地図の作成、雑然としたデータのクリーニング、統計の算出、データに基づく記事の構築に使う。「e-Statのデータを分析したい」「人口あたりで比較したい」「グラフが誤解を招かないか確認したい」「統計から記事を組み立てたい」などの依頼で使う。記者・編集者・調査担当向け。
取材で集めた資料(開示文書・記事・SNS・反訳など)をデジタルアーカイブ化し、AIで要約・分類・エンティティ抽出・関係づけ(知識グラフ化)して横断検索できる調査基盤を作るための手引き。「取材資料を整理したい」「大量の開示文書をデータベース化したい」「人物・組織・出来事の関係を可視化したい」「調査報道のアーカイブを作りたい」などの依頼で使う。
発言・記事・SNS投稿などの主張を体系的にファクトチェックする。主張の抽出、検証可能な命題への分解、根拠の収集、当事者への確認、判定(レーティング)、記録、訂正対応までを支援する。掲載前の裏取り、ファクトチェック記事の作成、編集部の検証手順づくりに使う。「ファクトチェックして」「この発言は本当か」「裏取りの手順を」などの依頼で使う。
テキスト・記事・ウェブページの内容を、厳密な検証方法論にもとづいてファクトチェックする。検証可能な主張を抽出し、信頼できる一次情報・公的データ・検証機関と突き合わせ、各主張の真偽と確からしさ(確信度)、情報源の信頼度スコアを評価し、根拠つきの検証レポートにまとめる。「この主張を検証して」「記事をファクトチェックして」「情報源の信頼性を見て」「真偽を判定して」「誤情報か確かめて」などの依頼で使う。付属の references(信頼できる情報源/検証方法論)を参照する検証重視版。
学術的な文章執筆・研究設計・学術コミュニケーションの作業を支援する。論文の執筆、文献レビュー、IMRaD構成、研究費(科研費・JST・AMED等)申請、引用管理、査読対応、オープンアクセス(OA)の選択、プレプリント投稿、ORCID/DOI等の識別子、CRediT役割分担、事前登録、生成AI(LLM)利用の開示などを扱う。研究者・大学院生のほか、調査報道で学術論文や研究手法を読み解き引用する記者にも使う。「論文を書く」「研究計画を立てる」「文献レビュー」「査読コメントへの返信」「科研費の申請書」などの依頼で使う。