AIが作った画面は、どれも似て見える。ひと目で分かる型がある。

  • 紫から青へのグラデーションを使ったヒーローセクション
  • 見出しの横に並ぶ絵文字
  • 同じ角丸、同じやわらかい影のカード
  • 無難なサンセリフ体の2書体の組み合わせ

どれも壊れてはいない。ページは表示され、レイアウトも崩れない。それでも、だれも選んでいないように見える。

小さなオープンソースのツール、pbakaus/impeccableは、この印象を確かめられる形にしようとしている。Apache-2.0ライセンスのコマンドラインツールだ。

固定の62個のルールで、こうした「AI slop」(AIっぽい雑な見た目)のパターンを見つける。

大規模言語モデル(LLM)は使わない。APIキーもいらず、ネットワーク通信もしない。1

ある開発者が、このツールを実際のHTMLに使ってみた。X向けに作った31枚のシェアカードと、そのカードが受け継ぐテンプレートだ。

カードは、日本国外のAIツールを試す100日連載のために作られた。impeccableの指摘は94件だった。この数字の先に目を向けると、役に立つ教訓の大半が見えてくる。

この記事のポイント

  • impeccableは62個の固定ルールでHTMLを調べる。同じ入力なら結果も同じだが、見つかるのは書き出し済みのパターンだけだ。
  • 94件には、本物の問題、テンプレートの1つの選択が毎回数えられたもの、固定サイズの画像に合わないルールによるものが混ざっていた。
  • 共通テンプレートを直すほうが、カードを1枚ずつ直すより効果が大きい。ルールはコーディングエージェントへの制約として渡すと役に立つ。デザインの最低ラインを決めるもので、デザインの判断を置き換えるものではない。

「AIっぽさ」をデザインの欠陥として扱う理由

「AIっぽさ」は、好みの問題ではなく、名前をつけて検査できる欠陥として扱える。impeccableの出発点はこの見方だ。

「AI slop」はもともと、中身のない文章や、ありきたりな画像への不満から生まれた言葉だった。

画面デザインでは、もう少し狭い意味になっている。指示がないときにコーディングエージェントが頼るレイアウトや装飾を指す。

よく見かける特徴

繰り返し現れるのは、次のようなパターンだ。

  • グラデーションのヒーローブロック:どんなソフトウェアの紹介ページの上にも置けそうなバナー。
  • 飾りの絵文字:見出しや箇条書きに入り、意味を足さずに場所だけ埋めるアイコン。
  • そろいすぎた角丸と影:カードもボタンも入力欄も、同じ角丸、同じやわらかい影。
  • ありきたりな書体の組み合わせ:読みやすく無難だが、個性がない。
  • 中央そろえの繰り返し:同じ左右対称のブロックと同じ余白が、ページの最後まで続く。

なぜ見過ごされるのか

1つずつ見れば、どれも問題ない。グラデーションはバグではない。絵文字もそうだ。

だから、テストにもコードチェッカーにもコードレビューにも引っかからない。失敗するものがないので、指摘されることもない。

何が失われるのか

ただ、重なると代償がある。読み手はこの見た目を見慣れていて、だれも注意を払わなかったしるしだと受け取る。

この見た目の製品ページには、さりげない疑問がわく。ほかに何が自動操縦のままなのだろうか。

見た目は信頼に影響する。信頼は、エラーログに出なくても品質の一部だ。

「好きか」から「見つけられるか」へ

欠陥と呼ぶと、問いが変わる。好きかどうかではなく、見つけられるほど正確に言葉にできるか、という問いになる。

「AIが作ったように見える」が具体的なルールに分けられるなら、測れる。時間を追って記録でき、リリースを止める条件にもできる。

分けられないなら、好みのままだ。デザインレビューで議論が続くだけになる。

impeccableは、分けられるという賭けの上に作られている。

impeccableの中身:モデルを使わない62個の決まったルール

impeccableは、HTMLとCSSを調べて、AI生成ページに多いUIパターンを見つけるコマンドラインツールだ。大きな設計上の選択は、チェックにAIモデルを使わないことにある。

このツールは、GitHubのJavaScript/TypeScriptのトレンド一覧で急速に順位を上げた。ライセンスはApache-2.0だ。

検出は62個の決まったルールで動く。APIキーはいらず、ネットワーク通信もしない。同じ入力なら、いつも同じ結果が出る。

モデルを使わないことが大切な理由

モデルがないのは、機能が足りないように見えるかもしれない。しかし、コードを変えるたびに走らせるチェックでは、これが結果への信頼を支える。

次の表は、固定ルールと、言語モデルにページを判定させる方法を比べたものだ。

項目固定ルール(impeccable)LLMに判定させる方法
同じ入力で同じ結果出る保証されない
実行ごとの結果を1行ずつ比べるできるおおまかにしかできない
マージを止める判断に使う安全結果が変わりうる
実行に必要なものローカルの計算だけトークン、APIキー、通信
新しい種類のパターンを見つけるできないできるかもしれない
指摘の説明ルールそのもの毎回変わりうる生成文

毎回同じ答えが出ると、実際に3つの利点がある。

  1. 指摘の増減が本物だ。 プルリクエストで指摘が3件増えたなら、原因は新しいコードだ。その回のモデルの「気分」は関係ない。
  2. 失敗の原因をたどれる。 失敗は1つのルールと1つの行に行き着く。よい結果が出るのを期待してやり直す必要はない。
  3. レビューの話が具体的になる。 「このカードでルールXが反応した」なら、チームは受け入れるか、退けるか、オフにするか決められる。「モデルはありきたりに見えると考えている」では、手がかりにならない。

固定ルールには見えないもの

この設計の代償も、はっきりしている。固定ルールが見つけられるのは、すでにルールとして書き出されたものだけだ。

正確に言い表せるパターンには強い。たとえば、特定のグラデーションの作り方、どこでも同じ角丸、見出しの絵文字などだ。ページ全体の雰囲気に左右されるものは見逃す。

これは両方向に働く。

  • 誤った安心:62個のルールをすべて通っても、生気のないページはありうる。
  • 誤った警報:ルールをいくつか破っていても、作り手がわざと破ったなら、よくできたデザインでありうる。

つまりimpeccableは、センスを測るものではない。測っているのは、既知のありきたりな型から、ページがどれだけ離れているかだ。センスよりは狭い目標だが、1件ずつの指摘は、チームが動ける形になっている。

動作テストとの違い

もう1つ、AIのチェックを自動ビルドに入れるツールと比べると、impeccableの位置が分かりやすい。CATTは、工程の反対側にある。模擬の相手に対してエージェントやサービスを動かし、そのふるまいを試すツールだ。

次の表で、それぞれが何を見るかを比べる。

CATTimpeccable
調べるものエージェントやサービスのふるまい残されたHTML/CSS
問いエージェントは正しく動いたかページは意図して作られたように見えるか
方法模擬の相手に対して実行するマークアップとスタイルへの固定ルール
失敗の姿誤った動作や応答ありきたりで初期設定のようなUI

並べてみると、すき間が見える。CATTのようなツールはふるまいを試す。ふつうのリンターや型チェッカーは、機能するコードを見る。

どちらも、生成されたページが実際にどう見えるかは見ていない。impeccableは、その部分のために作られている。

検査の対象:1つのテンプレートで作った31枚のシェアカード

検査したのは、デモページではなく、実際に使っているファイル一式だ。X向けの投稿用に毎日作った31枚のHTMLシェアカード(posts/cards/day-NNN.html)と、すべてのカードが受け継ぐ1つのテンプレートである。

この検出器には厳しいテストになる。理由は4つある。

  • カードはほぼ見た目がすべてだ。 シェアカードは、タイムラインで1〜2秒しか見られない。価値のほとんどは見た目にあり、そこがimpeccableの調べる領域だ。
  • 締め切りのある中で、繰り返し作られる。 毎日のカードは、初期設定が残りやすいファイルだ。初日の選択が、31日目まで続くことがある。
  • 一部はAIの助けで作られた。 AIらしいくせが、気づかないうちにたまりやすい。作り手にとって当たり前に見えると、目立たなくなる。
  • 固定サイズの文書だ。 シェアカードは、実質的にHTMLで作った固定サイズの画像だ。画面に合わせて組み直されず、入力も受けず、タブ移動もされない。UIのルールの多くは、そうしたページを想定して書かれている。

共通テンプレートは、このテストでいちばん役に立つ部分だ。検出器がうまく働くなら、指摘はいくつかの根本原因にたどり着くはずだ。

テンプレートの問題は、すべてのカードに同じ指摘として現れるはずだ。

31個の別々の問題に見えてはいけない。このパターンを見えるようにできないツールだと、ユーザーは同じ問題をカード1枚ずつ直すことになる。

94件の指摘を読む:本物の指摘、繰り返し、ずれ

impeccableは、カードとテンプレートに対して94件の指摘を出した。この数字は、指摘がどこから来たかで分けて初めて意味を持つ。

そのまま読むと、94件はたくさんの作業に聞こえる。しかし、ルールベースのチェッカーの件数は、作業量をそのまま表すものではない。分けてみると、理由が分かる。

指摘は3つのグループに分かれる。次の表は、各グループが何で、作業にとって何を意味するかをまとめたものだ。

グループ中身作業にとっての意味
本物の指摘見た目を弱めるAIらしいパターン直す価値がある
重複による水増しテンプレートの1つの選択が、カードごとに報告される1回の修正で多くが消える
場面のずれウェブページ向けのルールが、固定画像に反応した理由を記録すれば許容できることが多い

元の資料には、各グループの件数が書かれていない。だから内訳は分からず、そこから見える作業量もはっきりしない。

それでも、3つに分ける考え方は成り立つ。こちらのほうが役に立つ収穫だ。

繰り返しが件数を膨らませる

ルールベースのツールが数えるのは、判断ではなく出現だ。テンプレートがルールの指摘する書き方を使っていれば、それで作られたカードすべてに同じ指摘が出る。

31枚コピーした手紙のひな形に、誤字が1つあるところを考えてみよう。間違いは1つで、31個ではない。

実際には、3つの影響がある。

  • 件数は、判断の数より多く見える。 94件の多くは、1つの原因を共有しているかもしれない。
  • 症状に手間がかかる。 ファイルごとに順に直すと、テンプレートが同じままカードだけを直すことになりかねない。新しいカードを作るたびに、問題が戻ってくる。
  • 繰り返しは手がかりになる。 1つのルールがすべてのカードに反応するなら、原因はテンプレートにありそうだ。ファイル別ではなくルール別にまとめると、長い一覧が診断に変わる。

だから合計は、出現の数であって、品質の点数ではない。動く前に、まとめる作業が必要だ。

ずれが、ルールの前提を見せる

2つ目の教訓は、少し気づきにくい。検出器は62個のルールをすべての文書に同じように当てるので、各ルールは、ある種のページを黙って前提にしている。

UIのルールの多くは、画面の大きさに合わせて変わり、スクロールされ、入力に応え、時間をかけて読まれるページを思い浮かべている。シェアカードは、そのどれも行わない。

ランディングページなら、ありきたりに見えたり問題になったりする選択も、タイムラインでざっと見られる固定画像なら妥当なことがある。

固定の寸法、大きな見出し文字、画面サイズに合わせなくてよいスタイルなどだ。ウェブページ向けのルールがこうしたカードで反応しても、ルールが一般に間違っているわけではない。この形式に合っていないだけだ。

これはツールの欠点ではない。場面を補う人が必要だということだ。補うのは、ツールかユーザーのどちらかになる。

信頼できる指摘はどれか

指摘がどれだけ信頼できるかは、おもに、背後にあるルールの種類で決まる。

  • いちばんはっきりした指摘は、見て分かるありきたりな型のルールから出る。この記事で述べた飾りや、定番の初期スタイルがこれにあたる。目で見て確かめやすい。
  • 判断が要る指摘は、レイアウト、サイズ、動作のルールから出る。その理屈は、固定画像より、画面に合わせて変わるページに向いている。

出力をそのまま行動に移せるようにするには、準備がいる。指摘をルール別にまとめ、繰り返し出るものはテンプレートにたどる。そのうえで、形式に合わないルールはオフにするか、理由を書き残す。

そうすれば、94件は、本物の判断だけの短い一覧に縮むはずだ。

根本から直す:テンプレートでの修正と、認める例外

指摘の多くは1つの共通テンプレートから来ている。だから、いちばん安い直し方は、そのテンプレートを変えることだ。1回直して、ツールをもう一度走らせ、31枚すべてで件数が減ったかを確かめる。

テンプレートを1回直しただけで、1つのルールがすべてのカードで消えるなら、テンプレートが原因だという強い証拠になる。完全な証明ではない。それでも、共通の元が少なくとも主な原因だったことは分かる。

決まったルールだと、再実行を信頼できる理由

このツールには、モデルが入っていない。同じファイルなら、いつも同じ結果が出る。

この繰り返しでは、そこが大切になる。2回の実行のあいだに変わったのがテンプレートだけだとしよう。すると、指摘が減ったのは、その修正のおかげだと言える。

ただし、それは実行のあいだにほかのファイルが何も変わっていない場合に限る。

指摘を整理する4つのステップ

指摘は、4つのステップで整理できる。

  1. ファイル別ではなく、ルール別にまとめる。 すべてのカードに反応するルールは、おそらくテンプレートが原因だ。
  2. 本物の指摘は、まずテンプレートで直す。 こうすると、1回の修正で消える指摘がいちばん多い。新しいカードにも、問題が引き継がれなくなる。
  3. 意図した例外を書き残す。 固定サイズのカードには、ウェブページ向けのルールを破る正当な理由があるかもしれない。その理由は、抑制の設定のそばに残す。理由があれば、デザインの判断になる。なければ、ただ音を消した警報だ。
  4. カードごとに残った指摘は、カードの作り方へのフィードバックとして読む。 テンプレートがきれいになっても、AIらしいパターンが残るカードがあるかもしれない。その場合は、各カードの背後にあるプロンプトやエージェントへの指示が原因らしい。直すべきはそちらだ。

4つ目のステップから、このツールは1回の掃除を超えて役に立つようになる。個々のカードに繰り返し出る指摘は、何も止めないときにエージェントが何をするかを示す。そのため、よりよい指示を作る材料になる。

「完了」とはどんな状態か

目指すのは、残っている指摘がすべて、だれかが意図して選んだものになっている報告だ。指摘ゼロが目標ではない。

指摘がゼロでも、味気ないカードはありうる。記録された例外が3つあるカードが、セットの中でいちばんよいカードかもしれない。

報告の状態分かること
指摘ゼロ既知のありきたりな型はない。品質については何も言えない。
理由つきの指摘この形式のための意図した選択
理由のない指摘問題、または吟味されていない初期設定

「センスのリンター」をエージェントの流れに入れる

エージェントが書く画面のコードは、どんどん増えている。そこで残る問いは、こうしたツールをその流れのどこに置くかだ。

チェックを走らせる2つの場所

1つ目は、コードを生成したあとでチェックする方法だ。2つ目は、エージェントが書く前にルールを渡す方法だ。

  • CIの関門として:生成されたHTMLとCSSにimpeccableを走らせる。新しい指摘が出たら、警告するかビルドを失敗させる。ツールは結果が決まっていて、オフラインで動くので、追加する負担は小さい。
  • エージェントへの指示として:62個のルールは、書き出されていて、結果も決まっている。だから、明確な制約としてコーディングエージェントに渡せる。エージェントは書きながらパターンを避けられ、あとで拾う数が減る。

2つ目の方法では、リンターはレビューの一部であると同時に、指示の一部にもなる。

チェックの4つの層

動作テストと組み合わせると、チェックは4つの層に分かれる。次の表は、各層が何を問い、何が答えになりうるかを示す。

層問いチェックの例
ふるまいエージェントは正しく動くかCATTのような模擬の相手
機能生成されたコードは動くかテスト、型チェック、リンター
見た目出力は意図して作られたように見えるかimpeccableのようなルール集
判断本当によいものかデザインのセンスを持つ人

どの層も、ほかの層が見逃す問題を拾う。impeccableのようなルール集は、見た目の層を埋める。これがないと、見た目の問題が、そのまま人のレビュアーに届く。

うまくいかなくなるところ

このツールには限界がある。使い込むほど悪くなるものもある。

  • 固定ルールから遠ざけられたエージェントは、新しいありきたりを見つけるかもしれない。 既知の62パターンから遠ざけたエージェントは、まだだれも書き出していないパターンに流れる可能性がある。ルール集は、ずっと手入れが要る。
  • チェックを通っても、デザインがよいとは限らない。 「明らかにAIらしくない」というチェックは、最低ラインを決めるだけだ。分かりやすさ、独自性、ブランドとの合い方は評価しない。
  • 形式への思い込みが入りこむ。 シェアカードのテストで、これが見えた。ウェブページ向けのルールは、形式に合わせて設定しないと、すべての出力をウェブページの標準に寄せるおそれがある。
  • 件数は、数字合わせを招く。 数を減らすことで評価されるなら、判断するより、指摘を抑え込むほうが簡単だ。

始め方の例

こうした限界があっても、慎重に使えば、このツールは役に立つ。最初の一巡は、次のようにするとよい。

  1. デモではなく、実際に公開するものに1回走らせる。 合計を見る前に、出力をルール別にまとめる。
  2. 共通テンプレートとデザイントークンを先に直す。 そのうえで再実行し、それらから作られたすべてのファイルで減ったかを確かめる。
  3. 形式のための短い例外リストを持つ。 抑制したルールごとに、理由をそばに書く。
  4. ファイルごとに繰り返し出る指摘は、エージェントへの指示にする。 明確な「やらない」という制約として書く。
  5. 通ったものには、人によるデザインレビューを続ける。 チェックがありきたりな型を取り除くので、レビュアーはデザインそのものに集中できる。

ちょっと立ち止まって

見た目がすっきりして動いているなら、そのデザインの選択は自分のものだ。この話は、そんな静かな思い込みを揺さぶる。

62個のルールを持つ検出器は、エージェントが書いたHTMLに何度も現れるパターンを見つけた。だれが選んだのかは、検出器には分からない。分かるのは、初期設定にどれだけ頼ったかだけだ。

最近、エージェントの助けを借りて公開したものを思い出してみよう。その見た目の選択のうち、自分で決めたものはどれだろうか。

おかしく見えないからと、そのまま受け入れたものはどれだろうか。自分でも見分けられないなら、気づくためには何が必要だろうか。

impeccable の仕組みを左から右への流れで示した図。入力のHTMLを、62個の固定ルールを持つCLIのimpeccable(Apache-2.0)にかけると、出力として指摘一覧が得られる。CLIの下には「LLMなし」「APIキー不要」「ネットワーク通信なし」の3つの条件が並ぶ。出力の下には、長所として「同じ入力なら常に同じ結果になり、実行ごとの比較がしやすい」、限界として「すでに書き出されたパターンしか検出できない」が対になって示されている。

図2:impeccable は62個の固定ルールでHTMLを決定的に検査する(出典:pbakaus/impeccable リポジトリ)

検査対象の構成を示す図。上段に共通テンプレートが1つあり、そこから矢印が分かれてカード1、カード2、カード3、…、カード31の計31枚のシェアカードへ継承されている。カードはX投稿用に毎日作るHTMLシェアカードで、テンプレートの問題は全カードに広がる。下段では、テンプレートとカード31枚の両方をimpeccableで検査し、テンプレート起因の問題は31件の別々の問題ではなく、全カード共通の指摘として出るはずだという流れを示している。

図3:1つのテンプレートを継承する31枚のカードを検査した構成

エージェントの作業に検査を組み込むループを示す図。コーディングエージェントが HTML と CSS を生成し、impeccable が 62 のルールで検査して指摘を出す。指摘は制約としてエージェントに返され、エージェントが修正して再び検査に戻る。この流れを繰り返す。ループの外の注記では、このルールはデザインの最低基準であり、人によるデザイン判断の代わりにはならないと示している。

図6:検出ルールを制約としてエージェントに返すループ

2つの修正方法を2列で比べた図。左列の「カードを1枚ずつ直す」方法では、同じ修正を31枚に繰り返す必要があり、1回の修正で消える指摘は少なく、新しいカードも問題を引き継ぐ。右列の「共有テンプレートを直す」方法では、1か所直すだけで31枚すべてに反映され、繰り返し出ていた指摘がまとめて消え、新しいカードも問題を引き継がない。下の注記には、固定サイズのカードに合わないWebページ向けのルールは、理由を添えて意図的な「受け入れる例外」として記録すると書かれている。

図5:カード単位の修正とテンプレート単位の修正の違い

要点として「94件という数字は、そのまま問題の件数ではない」と示している。補足では指摘を3つに分けている。1つ目はシグナルで、見た目を弱める本当の問題であり、直す価値がある。2つ目は重複で、テンプレート上の1つの選択がカードごとに1件ずつ数えられたものであり、1回の修正で多くが消える。3つ目は不一致で、Webページ向けのルールがサイズ固定のSNS用画像に当たったものであり、理由を記録すれば許容できることが多い。各分類の件数は示していない。

図4:94件の指摘は「本当の問題・重複・不一致」に分かれる

要点として「AIっぽい見た目は好みの問題ではなく、名前を付けて検査できる欠陥として扱える」と大きく示している。補足は3点ある。1点目は典型的な兆候で、グラデーションのヒーロー、装飾目的の絵文字、角丸と影の画一化、無難なフォントの組み合わせ、中央寄せセクションの繰り返しを挙げている。2点目は、1つずつ見れば問題がないため、テストやコードチェッカー、コードレビューをすり抜けること。3点目は、それでも全部そろうと、読者が「誰も選んでいない」見た目として見抜くことである。

図1:「AIっぽさ」を検査できる欠陥として捉え直す

脚注

  1. https://github.com/pbakaus/impeccable ↩