2026年7月14日、プログラマーのJohanna Larssonが、読了に2分もかからないブログ記事を公開した。彼女は自身が常用するAIプログラミングアシスタントの中で、うんざりするほど繰り返される単語——「load-bearing」「honest take」「you’re absolutely right」——を、とんちんかんなジョークの言葉に自動置換する小さなスクリプトを書いた。この軽い技術ブログが、Hacker Newsで405の支持と464件のコメントを爆発させた。しかもコメント欄の流れは、技術そのものから完全に離れていった——人々は、自分がAIに「逆感染」した物語を語り始めたのだ。
その中の一つのコメントがあった。
「私はもうずっとそのAIを使っていない。でも同僚たちはみんな使っている。彼らが書いた文書を読んでいて、『load-bearing』という言葉に気づいた。なかなか良い言葉だなと思って、日常会話で使い始めた。ある人に『あなた、話し方がClaudeに似てきたね』と言われるまでずっと。今ではもう、この言葉は絶対使わない。」
このコメントは大量の賛同を集めた。なぜなら、それを口にしたのは彼一人ではないからだ。
一つの単語はどうやって「人から人へ」伝染するのか
「load-bearing」はもともと建築用語で、「荷重を支える」——たとえば「荷重壁」——という意味だ。AIがこの言葉を使ってコードの中の「重要なロジック」や「消せない部分」を形容するとき、本質的には比喩をしているだけで、間違いではない。問題は頻度にある。
Hacker Newsのそのスレッドのコメント欄で、誰かが記録していた。彼らのAIアシスタントは最近の対話の中で、固定して使う好みの単語として「projection」（投影・写像）、「strand」（孤立した糸）、「frontier」（最先端の境界）、「quiescence」（アルゴリズムの静寂期）、「honest」（誠実な）、「residuals」（残差データ）、「rescission」（取り消し行為）、「supersession」（置換プロセス）を含んでいた、と。これらの言葉自体に問題はない。だがAIがあらゆる返答でこれらを繰り返し使うと、ある種の「言語的指紋」が形成される——回答者の署名を見なくても、言葉遣いだけで誰の書いたものかわかってしまう。
これは本来、一人のエンジニアの悩みに過ぎなかった。本当にこの件をエスカレートさせたのは、コメント欄の二つ目の糸口——「人から人へ」——だ。
複数の人が似た経験を報告している。自分は直接AIを使っていないのに、同僚が使っているから、取引先が使っているから、業界レポートが使っているから、これらのAI高頻度語が、文書・メール・会議録を通じて、ひそかに彼らの語彙庫に浸透していったのだ。ある「元職業ライター」を名乗るコメンテーターは、協業ソフトで同僚に感謝の言葉を書いたら、半分の人がそれをAI generatedだと思ったと言う——「彼らは『お前が二文以上まとめて書いたのを見たことがないから、ちょっとでも修辞的なのは人間の仕業じゃない』って言うんだ」。
より具体的に言った別のコメンテーターもいた。「本を一冊読んでいたら、至る所にAIの決まり文句が散らばっていることに気づいた。AI代筆だと決めつけようとしたその時、出版年を見た。2019年。その時は、今の主流のチャットボットはまだどれもリリースされていなかった。」
AIになぜ「口癖」があるのか
この問いの答えは、あなたが思うより具体的だ。
「honest」という言葉を例に取ろう。あるHacker Newsユーザーが追跡して発見したところによると、あるAIの学習データの中に「Constitution（憲法）」と呼ばれる中核ドキュメントがあり、その中で「honest」およびその活用形が57回出現していた。言い換えれば、AIは自分の判断を「誠実な」で修飾することを「学習」したのだ——この振る舞いの根源は、学習データの重み付け分布にある。その中核ドキュメントで「honest」およびその活用形が57回出現していたため、モデルは確率的にその方向へ押しやられたのだ。つまり「honest」を使うのが、最も安全で、人間に受け入れられやすい選択なのだ。
同じ論理はすべてのAI高頻度語に当てはまる。「delve」（深く掘り下げる）、「tapestry」（織物のように複雑な）、「crucial」（極めて重要な）、「underscore」（強調する）、「moreover」（さらに）、「landscape」（分野の全体像）——2026年の統計分析によれば、AIによるこれらの単語の使用頻度は人間の書き手の50倍から269倍に上る。
この現象は正確に測定できる。言語モデルの本質は、膨大な人間のテキストの上で訓練された確率予測器だ——「類似の文脈で最も出現確率の高い単語」を選ぶ。あるモデルが一日に数百億のtoken（意味の単位）を生成するとき、その内部の微細な確率の偏りは、出力側で目を疑うような言語の単一化へと増幅される。
あるコメンテーターはこれを的確に総括している。「一人の人間に言語的偏好があって、一日5000字書いても誰もおかしいとは思わない。だが一つのAIモデルの偏好は、一日に100億倍されて出力される。どんな偏好も、禿頭の虱（しらみ）のように目立つことになる。」
決定的な証拠：人間は確かにAIに「訓練」されている
2025年8月、フロリダ州立大学（FSU）の査読付き研究が初めて実証データで、多くの人がぼんやりと懸念していたことを裏付けた。研究チームはChatGPTのリリース前後における人間の日常会話での語彙使用頻度の変化を分析し、明確な方向を示す結果を得た。AIの高頻度語が、本物の人間の対話に浸透しつつあるのだ。
具体的に言えば、彼らは「underscore」（強調する）という言葉の使用頻度がChatGPTリリース後に測定可能な増加を示した一方で、その同義語である「accentuate」には増加が見られなかった、と発見した。もしこれが自然な言語の変容——「給力」が「厲害」に取って代わったように——なら、同義語も同時に上昇するか、少なくとも似たような傾向を示すはずだ。だが実際のデータはそうではなかった。AIが好むその特定の単語だけが上がっていたのだ。
研究者たちはこの現象を「seep-in effect（浸透効果）」と名付けた。『Newsweek』がこの研究を報じた際、行動分析家の警告を引用している。人々が最も恐れるべきは「個の消失」だ、と。
マックス・プランク研究所の別の研究は、学術系YouTubeのコンテンツ制作者に焦点を当てていた。ChatGPTリリース後の18か月間で、これらの制作者が「meticulous」（綿密な）、「adept」（熟達した）、「delve」（深く掘り下げる）などの単語を使う頻度が51%上昇したことを彼らは発見した。研究者は、大半の人は自分がこれらの言葉を使っていることすら意識していないと指摘している——個人には、より大きなスケールの言語パターンの変化が見えないからだ。
これはまさに蛙の沸騰だ。ある朝目覚めて突然「underscore」を使い始めるようにはならない。だが毎日読む記事も、見る動画の字幕も、受け取る仕事のメールもが、この言葉を高頻度で使っていると、あなたの語彙庫はひそかに変化する。人間の言語学習メカニズム——模倣——は、今やAIの出力規模にハイジャックされている。
論争：これは汚染か、それとも良いことか
事態は完全に一方通行ではない。
これらの言葉自体は多くの場合、良い書き方の習慣だ——「delve into」は「look into」より正確だし、「underscore」は「say again」より公式だ。問題は過剰使用による語感の疲弊にある。良い歌を500回ループ再生した後、あなたがしたいのはスピーカーを叩き壊すことだけ、というように。
また、いわゆる「AIの口癖」の多くは、実はAIが現れる前から企業のホワイトペーパーや経営コンサルティングのレポート、学術的な文体の中に存在していた、と指摘するコメンテーターもいた。AIは、もともと高頻度で使われていたこれらのパターンを、人が不快に感じる程度まで増幅しただけなのだ。誰かが回想していた。「load-bearing」の前には、業界で「stove pipe」（煙突式）や「silo」（サイロ式）といった比喩が流行っていた——使い古されてから置き換えられただけだ。
言い換えれば、AIは新しい言語を作ったわけではない——単に言語ファッションの新陳代謝サイクルを加速させただけだ。一人の人間がある表現を繰り返せば、それは「個人のスタイル」と呼ばれる。一つのAIがある表現を繰り返せば、それは「データ汚染」と呼ばれる。その違いは規模にあるだけだ。
だが裏を返せば、規模こそが問題の核心だ。あるコメンテーターはこう書いていた。「要件定義書の1ページ目に『load-bearing』のダッシュが13個あるのを見た瞬間、今日は最悪の一日になるとわかる。」この苛立ちの裏には一つの信号判断がある。これらの特徴的な言葉を見た時、あなたは一瞬で、この文章の背後に本当に考えている人間がいないことを察知する。それは単に組み立てられただけのものなのだと。
私たちは「言語の相互訓練」の時代に入っている
この議論が本当に人を動かすのは、AIに口癖があること——それはとっくにニュースではない——ではない。本当に背筋が冷たくなるのは、自分自身が訓練される対象になりつつあると気づくことだ。
Hacker Newsで、あるコメンテーターが不安な自己観察を語っていた。AIは彼が悪態をつくとより良い返答をすることを発見したため、彼はAIに対して暴言を吐く癖を身につけた、と。この癖は次第に一般化し、コーヒーを買いに行く時でもわざと自分に悪態をつかないよう注意しなければならなくなった。「この経験を書き出すだけでも」と彼は書いている、「この問題の不条理さを強調するため、いくつかF-bombを放り込まずにはいられない。」
だがこれは一方向ではない。人間とAIの間には、双方向の訓練プロセスが存在する。人間はフィードバックメカニズム（いいね、書き直し、返答の選択）を通じて、AIをより人間らしく訓練する。そしてAIは、至る所に遍在する出力を通じて、人間をよりAIらしく訓練する。あるコメントがこれを的確に予言していた。「もし毎日、人気モデルがすべての開発者に『load-bearing』を繰り返し聞かせれば、最終的に開発者たち——特にこれがAIの口癖だと知らない新人たち——もそう言い始めるだろう。」
そして今、私たちが見ているのは：この予言はすでに現実のものとなっている。開発者が真っ先に影響を受け、報告書を書くマーケター、会議録をとる事務、課題論文を書く学生がそれに続く。AIの言語パターンは、「文書が文書に感染し、人が人に感染する」という経路を通じて、ゆっくりとだが不可逆的に、私たちの表現方法を作り替えている。
では、どうすればいいのか
これを「解決」する必要はないが、「自覚」する必要はある。
VICE誌はある報道の中でこう書いている。「AIは人間のコミュニケーションのざらざらした角を滑らかに磨き上げ、人と人を区別する微細な言語的差異をぬぐい去り、私たちをますます同じ一人の人間のように——過剰に磨き上げられた、不気味に熱狂的な、偽物の人間の複製のように——聞こえさせている。」
だが、コインの裏側を見る者もいる。AIが過剰使用する言葉——「honest」「underscore」「delve」——をどんな作文指南に載せても、推奨される正確な表現だ。それらが「口癖」になった理由はただ一つ。使われすぎたからだ。これは実は、古くからの作文の原則を指し示している。良い言葉は使うべきだが、それは切り札として使うべきだ。
Hacker Newsに、今の対策として「私」という字を執筆中に意識的に多く使う、と書いたコメンテーターがいた——なぜならAIは、特に求められない限り、一人称をあまり自発的に使わないからだ。この単純なテクニックで、彼は文章の質を保ちながら、文字に微妙な「人間の透かし」を押すことができる。
筆者が言いたいのはこうだ。言語はこれまでだって固定的なシステムなどではなかった。インターネットは私たちの話し方を変えた（「哈哈哈」が「笑死我了」に取って代わったように）、入力方式は私たちの書き方を変えた（ピンイン予測変換で特定の言葉が選ばれやすくなった）。AIはこの長い連鎖の上の最新の一環に過ぎない。これまでと異なるのは、その速度と規模——そして、見過ごされがちな一事実だ。今回は、ツールがあなたがそれを使う方法を逆に形作っているのだ、と。
このことに気づくことこそが、変化の第一歩だ。
参考リンク
- Johanna Larsson：How to stop Claude from saying load-bearing（個人技術ブログ）
- Hacker News 議論スレッド
- On-screen and now IRL: FSU researchers find evidence of ChatGPT buzzwords turning up in everyday speech — Florida State University News
- AI Is Changing How We Speak — Newsweek
- AI Is Changing the Way Humans Speak to Each Other — VICE
- Delving into the load-bearing tapestry of AI’s overused words — Jake Orlowitz / Medium
- Wikipedia: Signs of AI writing
- 50 Words AI Overuses (And What to Write Instead) — HumanizeThisAI
- マックス・プランク研究所：ChatGPTリリース後の学術YouTuberの言語変化研究
出典：jola.devブログ、AI高頻度語がスクリプトで置換された後の効果を示す
出典：フロリダ州立大学 文理学部、Adobe Stock画像、ChatGPTがいかに人間の口語に影響したかについてのFSU研究