AIスロップとは何か, 定義と例

3つの段落を読んでも、そこには何の問題もない。文法は保たれている。つながりもある。文体は場に適しており、その中のあらゆる主張は擁護可能である。4つ目の段落を読むと、実際の問題が現れる。それは、今読んだことを他人に一つとして言い直せない、という点である。

AI slop は、その体験に対して定着した呼称である。AI slop とは何かを一文で言えば、ジャンルの表面的な要件はすべて満たしながら、読者が利用できる情報をほとんど含まない、きわめて低コストで生成された内容である。この語は、画像や検索スパムの説明として生まれた。その後、散文における特定の失敗を指す最も正確な用語となった。この定義を正確にしておく価値は高い。なぜなら、「自分が嫌いな文章」だけを意味する語は、締切を抱えた編集者にとって何の役にも立たないからである。

AI Slop とは何か, 作業上の定義

3つの条件が同時に成り立たなければならない。テキストは、モデルによるものであれ、自動操縦で書く人間によるものであれ、語あたりのコストがきわめて低く生成されていること。ざっと読んでも通る程度には流暢であり、したがって欠陥は文レベルでは見えないこと。そして、その情報密度が長さに比して低く、最後まで読んだ読者が、冒頭の段落で読むのをやめた読者以上のものを持たないこと。この3つのうち1つでも欠ければ、この語は当てはまらなくなる。文法的に誤った文章は第2条件を満たさない。密度が高く、難解な研究論文は第3条件を満たさない。

同じ定義によって、slop は混同されやすい2つのものと区別される。誤情報は偽であるが、slop は完全に正確であってもなお slop でありうる。なぜなら、正確さは情報とは別の性質だからである。スパムは意図として欺瞞的であるが、slop は、下書きが完成したと信じた誰かによって、しばしば完全に誠実に書かれている。そこにある文レベルの習慣、つまり段落を機械的な形に感じさせる語彙とリズムは、TextPulse の AI writing patterns の分析で整理されている。この節は、それらの習慣が総体として何を意味するのかを扱う。

この語はどこから来たのか

slop を低品質な機械出力として捉える感覚は、画像生成器が 2022 年に広く利用可能になってまもなく、オンラインコミュニティに現れた。そして、この語に関する Wikipedia の記事は、その初期用法を、いかなる出版物でもなく、フォーラムやコメントのスレッドにたどっている。英国のプログラマー Simon Willison は 2024 年 5 月に自身のブログでこの語を公に擁護し、その後、彼はそれが自分が後押しする前からすでに流通していたと述べている。使用はその年の第 2 四半期を通じて増加し、検索結果の上部に機械生成の要約が現れたことと並行していた。

2025 年末までに、この語はフォーラムをはるかに超えて広まっていた。Merriam-Webster は slop を 2025 年の word of the year に選び、American Dialect Society も同じ語を選んだ。その背後にある比喩は実際に分析上の働きを持ち、疑わしいものを読む際には念頭に置く価値がある。slop は安価な飼料であり、大量に生産され、栄養を与えずに満腹にする。この比喩の各要素はテキストに対応している。単位当たりのコストはほぼゼロで、出力は事実上無制限であり、読者は満腹感を覚えるが、何も学んでいない。

テキストを slop として読ませる 4 つの症状

最初に来るのは水増しである。なぜなら、何を見ればよいか分かってしまえば、これが最も見つけやすいからである。34 語の文は、命題を失わずに 9 語に縮められる。そこにあった 25 語は、何も運んでいなかった。こうした作業のための構文は、すでにいくつも存在する。つまり、主題を名指しする前にそれを告げる句や、どの要因かを言わずに複数の要因が作用していると報告する節である。水増しはスペルチェッカーが決して捉えられない症状である。なぜなら、水増しされた文もまた、文法的に正しい文だからである。

第 2 は、重ねられた留保である。研究文書が留保を付すのには、正当な理由がある。慎重な方法論の節は、限定付きの主張で満ちている。そこにある不確実性は現実だからである。しかし、slop は、何も不確実でないところで留保を付し、しかも 1 つの主張に対して 1 回以上それを行う。1 つの知見に 3 つの修飾語が付くと、読者に残るのは知見ではなく、その形だけである。

第三は、直前の段落を言い換える要約である。通常は前方ではなく後方を指し示すように始まり、その後、前の段落の内容を別の名詞を付けて述べる。そこに含まれる内容は誤りではなく、また新しいものでもない。千語未満の文章において、四百語の時点で要約を必要とする読者はどこにもいない。これこそが、この症状が草稿の組み立て方についてこれほど信頼できる संकेतとなる理由である。

第四は、何も付け加えない結びの段落である。そこでは、この分野が今後も発展し続ける未来が示唆されるか、あるいは導入部が時制だけを変えて言い直される。真の結論は、議論から何が導かれるのかを示し、著者の考えを変えるものが何であるかを述べ、あるいは読者に何かを行うよう促す。そうしたことを何もしない結びの段落は、slop が最も隠れやすい最後の場所である。読者は結びを注意深く読むことが少ないため、それに気づきにくいからである。

slop とその修正, 並列表

以下の表では、各症状を取り上げ、草稿の中でどのように読まれるかを示し、編集者がそれに対して何をするかを述べる。修正のいずれも同義語への置換ではない。それぞれは、文が回り続けていた命題を明示するか、あるいは命題を持たないためにその文を削除するかのどちらかである。

症状	下書きでの見え方	編集者がそれに対して行うこと
Padding	包括的な枠組みを活用するためには、まず、関与している可能性のある幅広い要因を考慮する必要がある。	要因を挙げ、その枠組みがどれを扱うのかを示し、前置きを削除する
Stacked hedging	その結果は、ある程度の可能性のある効果を示唆しているかもしれない。	修飾語は多くても1つにとどめ、その修飾語が関わる数値を述べる
Vague authority	研究は、このアプローチが広く効果的だと見なされていることを示している。	研究、年、効果の大きさを示すか、主張を削除する
The restating summary	上で述べたように、これらの知見は、前に議論した要因の重要性を強調している。	文を削除する。知見はすでに一度述べられている
The empty close	全体として、これはなお発展途上の分野であり、今後も発展し続けるだろう。	段落を削除し、採用に値した最後の知見で締めくくる
Borrowed register	この文章は、話題を解きほぐすために、さまざまな視点を活用する。	この文章が何を論じているのかを、書き手が実際に口にする語彙で述べる

これらの修正のうち2つは語レベルのものであり、ソフトウェアは人よりも速くそれらを処理する。TextPulseのfree AI word cleanerは、paddingされた段落の中に集まりやすい形式的で情報量の少ない語彙を示し、その結果、下にある構造上の症状が見えるようになる。残りの4つには、その文章が本来何を論じるはずだったのかを知っている読者が必要である。

冗長さ, 段落レベルの版

前置きの導入部

のど払いの導入文は、ある節の最初の段落であり、その内容全体は、その主題が存在し、人々がそれを研究してきており、そしてそれが重要であるということだけである。しばしば、日付を示さない時間参照で始まる。実際の主題にたどり着くとしても、それは最後の節においてである。もしその段落を飛ばした読者であっても、二つ目の段落に至る時点で必要なものはすべて手元にある。

それが編集で残るのは、文脈のように感じられるからであり、文脈は読者が時に必要とする実在のものである。両者の違いは検証可能である。真の文脈は問いを絞り込むか、読者がまだ知らないことを伝える。のど払いは節の主題を告げるが、それは見出しがすでに行っており、しかもより適切に行っている。これを削るには、その段落を削除し、次の段落から読む。もしある用語を本当に定義する必要があるなら、その用語が最初に現れる節で定義し、それでもなおその段落は削る。

言い換え、そして編集者がそれを見落とす理由

言い換え段落とは、その上の段落を別の名詞で二度言い直したものである。時には、それは節の途中での要約として現れ、90秒前に読んだ読者のために400語をまとめる。時には、より微妙である。同じ主張が抽象から具体へ、あるいはその逆へ移され、その移動に新しい命題が付随していないのである。

編集者がそれを見落とすのは、その中の各文がすべて問題ないからである。修正すべき文法も、問いただすべき曖昧さもなく、校正の工程が拾うように作られたものは何もない。機能する確認は機械的である。二つの段落を並べ、それぞれの命題をすべて印を付ける。ここでいう命題とは、真にも偽にもなりうる各記述を意味する。二つ目の段落に一つ目にない命題が含まれていないなら、それを削除し、新しい何かを担っていた節だけを残す。

取り外されることのなかった足場

スキャフォールド文は、書き手がこれから行うことを、実際に行う代わりに告げる文である。これらは枠組みで始まり、枠組みを提示し、そして主張に到達するのは従属節の中か、その次の文である。一般的な枠組みには "It should be noted that", "This section will discuss" and "In terms of" があり、いずれも主張を読者からさらに一つ文法的に遠ざける。これらだけで構成された一つの段落は、実際には書かれなかった段落を説明している。

枠組みを削除するだけでは修正の半分にすぎない。なぜなら、その文は主張を中心にではなく、告知を中心に組み立てられているからである。主張を先頭に移し、その後で文がなお自分の残りを必要とするかを確認する。語レベルの点検では枠組みをすばやく見つけられ、TextPulse の free AI word cleaner は、それらが組み立てられている形式的な接続語彙を示し、その下にある構造的な問題を可視化する。

語数を満たすために書かれた段落

これは、何を導入し、二度とそこへ戻らないかによって識別できる。新しい名詞句が現れ、一文だけ丁寧な注意を受け、その後は二度と触れられない。段落は一つのことを主張する代わりに、考慮事項を列挙する。主張が一度もなされていない以上、それは最後まで留保を続けるしかなく、その留保は防御の代わりをしているのである。

ここでの検査は、文ごとに適用する反証可能性である。段落の中で、どの文が偽であり得るかを問う。どの文も偽であり得ないなら、その中では何も主張されておらず、長さだけがそこから生じたものである。これは、誰が書いたにせよ、目標語数に合わせて書かれたあらゆる文章に最も現れやすい冗長表現の類型であり、初稿において語数と質がこれほど確実に拮抗する理由でもある。

議論を削らずに冗長さを削るにはどうすればよいか?

上から下へ作業する。まず削除テストを用いて段落全体を削除し、その後で通読して連続性を確認し、2つの残った段落が隣り合うことで生じた継ぎ目を修復する。その後になって初めて、文ごとに進むべきである。逆順で行うと、すでに削除される予定だった段落に対して文レベルの作業を費やすことになり、これが、冗長部分の削除作業が3時間かかり、最終的に開始時と同じ長さの草稿を返す最も一般的な原因である。文レベルの作業はその後にもなお必要であり、TextPulse's AI humanizer はその層を処理し、いかなる detector の判定でもなく、テキストから算出された推定 Human Score を報告する。

冗長の種類	現れ方	テスト	対処法
前置きの導入	その話題が存在し、研究されてきたことを示す最初の段落	それを削除し、次の段落から読む	それを削除し、その用語が最初に現れる箇所で必要な定義を与える
言い換えの再述	上の段落を別の名詞で繰り返している段落	両方のすべての命題に印を付けてから比較する	新しい命題を担っている節があればそれを残し、2つ目を削除する
足場文	本論が来る前に主張を予告する枠組み	その枠組みを取り除き、主張が残るかどうかを見る	主張を前面に出し、枠組みを削る
字数稼ぎの段落	考慮事項が列挙されているだけで、何も断定されず、全体にわたって婉曲的である	その中のどの文が偽でありうるかを問う	それを削除するか、避けていた唯一の主張を書く
説明の先送り	本文の後半で何かを説明すると約束する文	その約束が果たされる箇所を探す	説明をその用語が最初に現れる箇所へ移し、約束を削る

適切に削るとは、文章を目標字数より少なくすることであり、その瞬間に多くの書き手は余分な部分を戻してしまう。削って得られた語数は、余分な部分が代わりに担っていた主張に充てるべきである。すなわち、数値、反例、すでに引用したものと異なる研究である。TextPulseの論文の語数を減らすためのガイドは、同じ取引を章単位で扱っており、削除した内容を復元したくなる圧力が最も強い場面を扱っている。

他人のページにこれを適用することと、自分自身の文章にこれを適用することは、別の技能である。何かがAIによって書かれたかどうかを見分けることは別ページで説明しており、自分の文章がそれのように聞こえるかどうかという、より不快な問いも同様である。

最後に書いた節を取り上げ、その冒頭段落を、もう一度読まずに削除してみる。次の段落の終わりに達した時点で何が失われたのかを言えないなら、その冒頭は余分な部分であり、おそらくファイル内の他のすべての節の冒頭も同様である。

Slop は悪い文章と同じか

いいえ。悪い文章は表層で失敗する。すなわち、不明瞭であるか、文法的に誤っているか、あるいは読者が筋を見失うほどひどく構成されている。Slop は表層を通過し、その下で失敗する。実際上の帰結は、定義よりも重要である。文ごとに校正する校正者は、Slop の下書きをほとんど手を加えずに返すことになる。文のレベルでは修正すべきものが何もないからであり、まさにそのために、Slop は本当に悪い散文ならば引き裂いてしまうような編集作業を生き延びるのである。代わりに、構造編集がそれを捉える。そして、TextPulseのエッセイを編集するためのガイドは、そのレベルで機能する。

Slopは、一般的なAI支援執筆とも区別される。モデルを用いて下書きを作成し、その後でモデルが水増しした部分を削除し、すべての引用を確認し、モデルなら決して取らなかったであろう立場を論じる研究者は、その中に論証を含む何かに行き着く。Slopとは、その過程の後半が決して起こらないときに現れるものである。自分の著作がそれと誤認されたことのある書き手に対して、TextPulse's AI humanizerは、いかなる検出器の判定でもなく、テキスト自体から算出された推定Human Scoreを報告する。

同じ問題を指すより狭い用語は fluff であり、これは別ページで定義されている。ラベルではなく実用的な方法を求めるなら、何かがAIによって書かれたかどうかを見分けることが、その方法を示している。

任意の段落を手で覆い、それが論証に何を加えたのかを声に出して言ってみる。何も思い浮かばないなら、その段落は、誰が、あるいは何が生み出したものであれ、slopであった。この判定には10秒しかかからず、費用は一切不要であり、どのモデルが関与したかを一度たりとも気にしたことはない。