LLMを使って書く方法：AIをコピーエディターとして使うこと、ゴーストライターとして使わないこと

核心的な主張：LLMをゴーストライターではなくコピーエディターとして使う

文章が「pasteurized（加熱殺菌された）」風味や「出力」のような響きにならないように防ぐため、LLMはゴーストライターとしてではなくコピーエディターとして使うべきである。主な目的は、モデルに文章を生成させることではなく、人間が書いたドラフトに含まれる欠陥を特定させることである。このアプローチにより、著者の独自の声が保たれつつ、モデルの機械的ミスや構造上の問題を発見する能力を活用できる。

AI補助書き方の2つの厳格なルール

AI生成テキストの「不気味な谷」を避けるため、著者は以下の2つの基本ルールに従うべきである。

ルール1：LLMが提案する単語を1つも使わない

最先端モデルは、しばしば雑誌の見出しのように魅力的な表現を選択するように設計されている。それらの提案を「より良い」と感じても、使用することは読者に気づかれる微妙な人工的な風味をもたらす。LLMが提案するすべての具体的な表現を禁じるという姿勢により、著者の知的声が「LLM-creep（LLMの影響）」から守られる。

ルール2：AIの励ましを禁止し、無視する

LLMは過剰な称賛をしがちで、著者の初稿を「金のように価値がある」とよく言う。この励ましは逆効果である。初稿は通常、整合性がなく、冗長である。著者がモデルの称賛を信じると、初稿の直感に固執し、必要な批判的再考や段落の置き換えを行わなくなる。

これを緩和するため、著者はモデルに励ましを提供させることを明確に禁止し、称賛が現れた際には常に警戒を怠らないべきである。

実践的な応用：問題のマーク付け

LLMは声の生成には向いていないが、機械的・構造的な問題を指摘するという退屈な作業には非常に優れている。以下のような点を特定できる。

繰り返しパターン： 受動態、名詞化された動詞、繰り返しの語選び。
不要な語： 「very」、「unfortunately」、「really」、「actually」などの過剰使用。
構造上の欠陥： 他のセクションに移動すれば文章の明確さが向上する可能性のある段落。

より形式的な編集フレームワークを求める人には、Style: Lessons in Clarity and Grace を推奨する。この本は、コピーエディティングを体系的なプロセスに変えるためのガイドとなる。

反復編集のための提案ワークフロー

客観性を保ち、モデルが著者の変更に同意する傾向を避けるため、以下のワークフローを推奨する。

問題の特定： モデルに文章内の特定の問題を特定してもらう。
再構成： 著者がそのマークに基づいて、手作業で段落やセクションを再構成する。
ブラインド比較： 原文と再構成後のバージョンを、編集プロセスの文脈を持たない「新規の」モデルインスタンスに提示し、どちらが優れているかを判断させる。

コミュニティの知見と反論

技術ライターおよび開発者間の議論から、LLMを活用する他の方法や、この手法に対する意見の相違点が浮き彫りになっている。

AIの代替的活用法

事実の正確性： 一部のユーザーは、「事実の正確性の確認」がLLMの最も価値ある用途の一つであると指摘しており、誤った前提を裏付けるドキュメントを指摘できるためである。
物語の探索： 本文を書く前に、LLMを使って箇条書きで物語を構築することで、AIが最終的な表現を汚染するのを防ぎつつ、アイデアを探索できる。
多言語ドラフト： あるユーザーは、LLMを使ってターゲット言語以外の言語でドラフトを書いた後、手作業で翻訳・再構成することを提案しており、AI出力を「肉代理（meatproxying）」する誘惑を避けるためである。
同義語辞書機能： 一部の意見では、特定のニュアンスを持つ語を見つけるためにLLMを「雰囲気ベースの辞書」として使うことは、ルール1の例外として正当化できると主張している。

AI補助手法に対する批判

「味覚」の問題： 批判者は、LLMは文章において「ひどい味覚」を持ち、スタイルに関するフィードバックはしばしば一般的で役立たないと言っている。
「思考」の問題： 一部の意見では、「文章は思考である」とし、プロセスの一部（たとえ問題のマーク付けであっても）を外部に委ねることは、コミュニケーションの核心的な認知的行為を外部化することだと主張している。
「声」のパラドックス： 複数のコメントで、著者が「load-bearing」という表現を使っていること自体が、もしかするとAI由来の表現かもしれないと指摘されており、現代のデジタル環境ではAI生成言語の影響から完全に逃れるのはほぼ不可能であると示唆している。