AIが書いた小説は、文体を人間っぽく直しても見破られる。しかも、どのAIが書いたかまで当てられる——そんな研究結果が出ました。手がかりになるのは言葉づかいではなく、話の組み立て方そのものです。
メリーランド大学カレッジパーク校とGoogle DeepMindの研究チームが公開したプレプリント（査読前の論文）「StoryScope」の話です。61,608本の短編小説を並べて比べたところ、AIの小説には共通した構造上のパターンがあり、さらにモデルごとにも固有の癖が残っていました。GPTは夢の場面を多用し、Geminiは登場人物の外見描写から入りたがり、Claudeは出来事の盛り上がりが平坦——といった具合です。
文体ではなく物語構造への着目
これまでのAI文章検出は、ほとんどが文体を見るものでした。ダッシュ（—）を使いすぎる、「delve（掘り下げる）」のような特定の単語が多い、といった表面的な特徴です。実際これはよく効きます。ただ、研究チームが指摘するとおり、文体は消えやすい手がかりでもあります。GPT-5.4ではダッシュの使用が大きく減りましたし、人間の文体を真似るようファインチューニングすると、創作文章の検出率が97％から3％まで落ちたという報告もあります。人が数分かけて直すだけでも、文体の痕跡は薄まります。
そこで研究チームは、まったく別のところを見ることにしました。誰が主人公の運命を決めるのか、時間軸をどう並べるのか、テーマをどこまで言葉にして説明してしまうのか。物語の設計図にあたる部分です。こうした選択は、文章を磨き直しても変わりません。変えようとすれば構成ごと書き直すしかないからです。もしここに人間とAIの差が出るなら、それは文体より息の長い手がかりになります。
61,608本の小説を並べた比較実験
実験の作りは、かなり力技です。まず、書籍データセット「Books3」から人間が書いた短編を10,272本抜き出します。次に、その一本一本をAIに読ませて「この話を書くとしたら、どんなお題になるか」を逆算させ、執筆プロンプトを作りました。そのお題を、Claude Sonnet 4.6、GPT-5.4、Gemini 3 Flash、DeepSeek V3.2、Kimi K2.5の5つのモデルに投げて書かせます。
結果として、同じお題に対して「人間版＋AI 5社版」の6本がそろった小説群ができあがりました。合計61,608本、1本あたり平均4,753語というボリュームです。お題が同じなので、出てきた違いはジャンルや題材の違いではなく、純粋に「話の作り方の違い」になります。
この6万本を、StoryScopeというパイプラインが処理します。各作品をいったんJSON形式の構造化テンプレート（登場人物、因果関係、時間構成、視点など）に変換し、同じお題から生まれた6本を突き合わせて、どこが食い違うかを抽出する。そこから304個の「物語の特徴」を導き出し、全作品に対して1つずつ答えを付けていく。「主人公の選択で結末が決まるか、それとも外部の出来事で決まるか」「語り手が読者に直接語りかけるか」といった304項目を、6万本すべてに対して答えていったわけです。この一連の生成と解析にかかった費用は、論文によれば約4,400米ドルでした。
AI小説に共通する傾向
まず、人間とAIを見分ける課題での成績です。文体に関する特徴をすべて取り除き、物語構造の特徴だけを使った分類器は、マクロF1値で93.2％を記録しました。文体の特徴も足したモデル（96.0％）の97％の性能を、文体なしで再現できたことになります。
面白いのは、その内訳です。AIの小説は、語り手が作品のテーマをはっきり言葉で説明してしまう割合が77％。人間は52％でした。悲しみを抱えた人物の話なら、最後に語り手が「彼はこうして喪失を受け入れることを学んだ」と教訓を言い切ってしまう、というわけです。会話が哲学的な議論の場になる割合も59％対34％でAIが高い。要するにAIは、読者に察してもらうのではなく、意味を先に書いてしまう傾向があります。
構成も整いすぎています。AIの小説は79％が「サブプロット（脇筋）なし」で、人間は57％。結末が主人公自身の選択で決まる割合は69％対46％、解決が「内面的な理解や受容」で訪れる割合は47％対27％。一本道で、伏線が回収されて、主人公が何かに気づいて終わる。時間軸をいじる回数も少なく、回想や時間跳躍を使って真相を後出しにするのは、もっぱら人間のほうでした。人間のミステリーは葬儀の場面から始まって何十年も前へさかのぼるのに、AIは最初の手がかりから大団円まで素直に順番どおり書く、と論文は例えています。
身体感覚の書き込みすぎも目立ちます。感情を身体の反応や比喩で表す割合はAIが81％、人間は38％。「怖い」と書けば済むところを、AIは胸の締めつけと冷や汗とランプの光が弱まる描写に変換してしまう。逆に「怖かった」と感情をそのまま名指しするのは人間が29％で、AIはわずか8％です。嗅覚のイメージを使う割合も82％対57％でAIが上でした。一方、人間は実在の作品や作家を名指しで引き合いに出し（47％対24％）、「読者のみなさん」と第四の壁を越えて語りかける（28％対7％）。AIは誰も見ていないかのように書き、人間は読者がそこにいる前提で書く、という差です。
そして最も示唆的なのが、5つのAIが物語の特徴空間で1か所に固まっていたことでした。人間の作品は広く散らばり、AI同士は互いにずっと近い。人間とAIの重心の距離は、AI同士の重心距離の1.6倍あります。統計的な「珍しさ」でも人間が上回り、同じお題から生まれた6本のうち人間版がいちばん珍しい構造だった割合は57.8％（偶然なら16.7％）でした。つまり、それぞれ別の会社が別々に作ったはずのAIが、物語の作り方については同じ場所に集まってしまっている——それがこの研究のいちばん大きな発見です。
モデルごとの指紋
6択（人間＋5モデル）で書き手を当てる課題では、物語構造の特徴だけで68.4％のマクロF1値でした。当てずっぽうなら16.7％なので、構造だけでもかなり言い当てられていることになります。各モデルが、他とは違う「指紋」を持っているためです。
GPT-5.4は、噂話やゴシップを筋を動かす仕掛けとして使う割合が64％（他は44〜55％）と高く、「何年も前の出来事の回想」という枠に話を収めたがります。読者の予想を裏切る度合いも他のAIより高めでした。そして、これがネタ元の見出しにもなった特徴ですが、夢や幻視の場面を過剰に使う傾向があります。
Gemini 3 Flashは、登場人物をまず外見の描写から紹介する型に寄りがちで、結末はもっとも「きれいに」畳まれ、締めくくりの後日談が長くなります。舞台設定は5モデル中もっとも陰鬱で、88％が「重苦しい／抑圧的」と分類されました。
Claude Sonnet 4.6は、5つのAIのなかでいちばん個性が際立っていました。ただし、その個性は「抑制」です。出来事の盛り上がり方がどのモデルよりも平坦で、語りの声は最も均質。文学の伝統に対しては敬意を払って踏襲する姿勢（62％、他は39〜56％）で、エピローグを好み、夢の場面はむしろ避ける。GPTと正反対の癖と言えます。
残るDeepSeek V3.2とKimi K2.5は、Geminiと合わせて互いに混同されやすい「三つ子」でした。DeepSeekは重要な背景情報を早い段階で出してしまう癖があり、Kimiにいたっては指紋と呼べる特徴が3つしか見つからず、AI分布のど真ん中に居座っています。誤分類の上位はすべてAI同士のペアで、人間が取り違えられるケースはずっと少なかった。個体差より、AI全体としての共通性のほうがずっと強い、ということです。
文体編集への頑健性
この手法の狙いは「文体を直されても効くか」でした。そこで研究チームは、AIっぽい言い回し（クリシェ、冗長な説明、過剰に凝った文章など7カテゴリ）を専門作家の実例をもとに書き換える既存の手法を使い、Gemini製の278本を磨き直してから再テストしています。
結果は93.9％。編集前の95.5％からわずか1.6ポイントしか落ちませんでした。決まり文句を消したり、気取った文章を整えたりしても、因果の一本道ぶりも、テーマの説明しすぎも、感覚描写の過多も変わらないからです。つまり、文体を磨いても物語の骨格は残る。ここがこの研究の芯にあたる部分です。
検出手法としての位置づけ
ここで注意しておきたいのは、この93.2％という数字は「最強の検出器ができた」という話ではないことです。同じデータで、生のテキストをそのまま学習させた既存手法（ModernBERTのファインチューニングなど）は99.7〜99.9％を叩き出しています。数字だけ見れば、そちらのほうがずっと強い。
物語構造による検出の価値は、精度ではなく別のところにあります。ひとつは、なぜそう判定したのかを説明できること。「サブプロットがゼロで、語り手がテーマを明言していて、感情をすべて身体反応で描いているから」と、具体的な項目を指し示せます。もうひとつが、さきほどの頑健性です。文体ベースの検出器は、モデルが新しくなるたび、あるいは人が少し手を入れるたびに効かなくなっていきます。構造の癖は、そう簡単には消せません。研究チームが「文体の痕跡が短命になっていく時代に、より長持ちする土台になりうる」と位置づけるのは、この点です。
解釈上の留意点
まず、この論文は査読前のプレプリントです。結論は今後変わりうる、という前提で読むのが正しい。
データの出自にも問題があります。人間の小説を集めたBooks3は、海賊版の電子書籍を集めたデータセットとして知られ、複数の訴訟の対象になっています。研究チームもそれを認めており、学術目的に限る旨を論文に明記したうえで、人間が書いた作品そのものは公開していません（AIが生成した51,336本とプロンプトは公開）。実験に使われたのはジョイス・キャロル・オーツやスティーヴン・キング、ハーラン・エリスンといった作家の作品で、著者本人が快く思うとは考えにくい題材です。
それから、これは「AIが書いた文章はすべて見抜ける」という話ではありません。対象は約5,000語の短編小説で、細かい構造の特徴を取り出せるだけの長さがあることが前提です。ブログ記事やメールのような短い文章に、そのまま当てはまるわけではありません。数値も、あくまで今回の5モデル・今回のデータでの話です。
最後にひとつ、皮肉が効いている点を。論文のAI利用の開示欄には、執筆の補助や図表の生成にLLMとコーディングエージェント（Claude CodeとCodex）を使ったと書かれています。著者のJenna Russell氏は404 Mediaの取材に対して、研究者の多くがAIを使っているのに開示していない現状を変えたい、と語っています。AIが書いた小説の癖を暴く論文が、AIの助けを借りて書かれ、それをきちんと申告している。「人がその中心にいるかどうか」が問われている、というのが、この研究がたどり着いた場所なのだと思います。
出典
論文（プレプリント／査読前）：Jenna Russell, Rishanth Rajendhran, Chau Minh Pham, Mohit Iyyer, John Wieting, “StoryScope: Investigating idiosyncrasies in AI fiction”, arXiv:2604.03136 https://arxiv.org/abs/2604.03136
コード・データ：StoryScope（GitHub）
報道：Matthew Gault, 404 Media（2026年7月10日付）AI Fiction Is Easy to Detect Because It’s Stupid and Bad, Research Finds
コメント