「AI 臭さ」を 29 パターンで自動除去 — Claude Code スキル「Humanizer」が示す検出回避の定常化

Wikipedia ガイドの 29 パターンで AI 文章を「洗濯」 #

開発者 blader 氏が公開した「Humanizer」は、Claude Code と OpenCode 向けの軽量スキルだ。git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer で導入し、/humanizer コマンドを叩けば AI が書いた文章を「人間らしさ」へ変換する。検出ロジックは Wikipedia の「AI ライティングの兆候」ガイドに基づく 29 パターンで、コンテンツ・言語・スタイル・コミュニケーション・決まり文句の 5 カテゴリに分類されている。曖昧な帰属、過剰な絵文字、AI 特有の定型句などを書き換えて自然に整える。ユーザ過去の文体を学習して再現する「ボイスキャリブレーション」も備え、日本語版 humanizer-ja も別途公開されている。

表向きは「読みやすさ」、実態は検出回避ツール #

ツール自体は単純で、目的は「AI が書いたとバレないようにする」ことに尽きる。AI 製と気づかれると読者の共感や信頼が失われる、という発想だ。だがこれは、ChatGPT 登場以降続いてきた AI 検出ツールとの軍拡競争の最新章でもある。検出側は GPTZero や Turnitin の AI Writing Indicator が代表格だが、いずれも誤検出率の高さと回避の容易さで信頼性を疑問視されてきた。Humanizer のように Claude Code のスキルとして配布されると、回避は コマンド一発の日常作業に降りる。

ハッカー視点: 「文体ロンダリング」の悪用余地 #

セキュリティ屋として注意したいのは、この技術が デュアルユースである点だ。大学のレポート提出やコンテンツファーム量産だけでなく、フィッシングメール・偽サポート窓口・偽プレスリリースの説得力を一段引き上げる用途にも転用できる。voice calibration で過去メールを学習すれば、上司や同僚を装う BEC (ビジネスメール詐欺) の精度が上がる。すでに「AI 検出は教育現場で禁じ手」とする大学も増えており、検出を技術的に追うより、出所が確かなプロセス (草稿の版管理、ライブ執筆のタイムスタンプ) で本人性を示す方向にシフトせざるを得ない。Humanizer は問題そのものではなく、「検出はもはや当てにならない」 という現実を改めて突きつけたツールだ。