Keigo, IA y el correo de negocios en japonés: por qué se desliza el registro

Resumen: Los borradores de correo con keigo hechos por IA fallan de una manera concreta. La gramática suele estar bien. El registro está mal: el nivel de formalidad, la cantidad de amortiguación, la forma del cierre. La IA trata la cortesía como un único dial y lo ajusta al promedio de todos los correos de negocios en japonés que ha visto en su vida. Su lector lo nota en la primera línea. Decirle al modelo que sea "cortés y profesional" no ayuda, porque esa frase describe a miles de escritores y a ninguno de sus hábitos reales. Una voz vive en las decisiones concretas: qué saludo, cuántas frases de amortiguación, qué forma verbal cierra la petición. Mida esas decisiones en sus propios correos, entréguelas como reglas, y cada modelo futuro las ejecutará mejor que el anterior.

Usted le pide a ChatGPT un correo de seguimiento para un cliente en japonés. Vuelve con un 尊敬語 impecable, una apertura de manual y un cierre que usted jamás escribiría. Lo envía de todos modos, y la respuesta del cliente llega un tono más fría que de costumbre.

Nada en ese borrador era incorrecto. Todo en él era de otra persona.

¿Por qué la IA se equivoca con el keigo en el correo de negocios?

Porque el keigo son dos problemas y la IA resuelve solo el primero. El primer problema es la gramática: producir formas honoríficas, humildes y corteses bien construidas, y un modelo moderno lo hace de forma fiable. El segundo problema es el registro: elegir cuán formal, cuán amortiguado y cuán distante ser con este lector hoy. El modelo lo resuelve por defecto, y el defecto es el centro estadístico de toda la escritura de negocios en japonés con la que fue entrenado.

El Consejo de Asuntos Culturales de Japón describió las cinco categorías del keigo en su guía de 2007, 敬語の指針: 尊敬語, 謙譲語Ⅰ, 謙譲語Ⅱ, 丁寧語 y 美化語. Esa es la capa gramatical, y se puede enseñar. Lo que la guía no puede decirle, y lo que ningún modelo puede deducir de la gramática, es si usted personalmente escribe ご確認ください o ご確認いただけますでしょうか a un proveedor que conoce desde hace seis años. Ambas son correctas. Solo una es suya.

Esto es lo que un borrador de IA suele acertar y fallar en un solo correo:

Cada fila de la columna derecha es un fallo de registro, no de gramática. Los correctores ortográficos y gramaticales aprobarán el borrador. Su cliente no.

¿Qué cambia realmente entre registros en japonés?

Cuatro cosas, y cada escritor las ajusta de forma independiente: el nivel de cortesía en sí, la cantidad de amortiguación antes de una petición, las fórmulas de apertura y cierre, y el ritmo de las oraciones. La IA colapsa las cuatro en un único ajuste llamado "formal" y lo aplica de manera uniforme.

Tome a una gerente de producto en Osaka que escribe tres correos en una mañana. Al proveedor con el que trabaja desde hace dos años, la apertura es いつもお世話になっております, la petición llega en la segunda oración y el cierre es よろしくお願いします sin el いたします. Al director de un cliente potencial, la apertura lleva una línea estacional, la petición va envuelta en お忙しいところ恐縮ですが y ご検討いただけますと幸いです, y el cierre adopta el 何卒よろしくお願い申し上げます completo. A su propio equipo, en japonés, el asunto es la petición, las oraciones terminan en です y ます, y no hay fórmula de cierre alguna.

La misma persona. Tres registros. Ninguno de ellos es "cortés y profesional" de una manera que un adjetivo pudiera distinguir, y los tres son corteses y profesionales.

Escribimos sobre la versión general de esto en por qué su voz de escritura cambia cuando cambia de idioma. El caso japonés es más agudo porque la maquinaria del registro está gramaticalizada. En inglés, un escritor que es un poco demasiado formal con un colega suena algo rígido. En japonés, un escritor que usa 謙譲語Ⅱ con un compañero suena como si se dirigiera a un desconocido, y el compañero se preguntará qué cambió.

Las cuatro partes móviles, detalladas:

1. Nivel de cortesía. No es un espectro con dos extremos sino un conjunto de decisiones discretas por verbo. させていただきます frente a いたします frente a します son tres posiciones sociales distintas, y la mayoría de los escritores tiene un hábito firme para cada relación.
2. Amortiguación. Cuántas クッション言葉 preceden a una petición, y cuáles. Algunos escritores usan una, siempre la misma. Algunos acumulan tres para un primer contacto y cero para uno habitual. La IA acumula por defecto.
3. Fórmulas. Líneas de apertura y cierre. El conjunto es pequeño y público, así que la elección dentro de él transmite información. Un escritor que siempre cierra el correo interno con 以上です y el correo a clientes con 引き続きよろしくお願いいたします tiene una firma, y no está en ningún adjetivo.
4. Ritmo. Longitud de las oraciones, con qué frecuencia una oración termina en un sustantivo en lugar de un verbo, si la petición va en su propio párrafo. Esta es la parte de la voz que sobrevive a la traducción de las otras tres y la parte que la IA aplana con más minuciosidad.

Nuestras propias mediciones confirman el aplanamiento. En el benchmark de 320 muestras que sustenta nuestras líneas base por idioma, la producción de IA en japonés se sitúa en 59 de formalidad y 45 de concisión, con la riqueza de vocabulario más baja de los cuatro idiomas que medimos, en 37. Son promedios, y el promedio es el problema: el modelo no escribe en su nivel de formalidad, escribe en 59. (Retiramos nuestra cifra de expresividad en japonés tras encontrar un defecto de medición, y no la citamos aquí.)

¿Por qué "cortés y profesional" no lo arregla?

Porque la frase es un puntero hacia un registro que el modelo ya conoce, y hacia donde apunta es el centro de todo lo escrito bajo esa etiqueta. Escriba 丁寧でプロフェッショナルに, o "cortés, profesional, apropiado para negocios en Japón", y el modelo recupera su promedio de correspondencia de negocios en japonés: el mismo promedio que recibe cualquier otro usuario de esa frase. Su colega que escribe las mismas palabras obtiene el mismo correo. Ustedes dos no escriben en nada parecido.

La IA no conoce su tono. Conoce palabras que describen el tono.

Es el mismo fallo que desmontamos para el inglés en por qué los adjetivos de tono no son su voz, y el japonés lo empeora de dos maneras. Primero, el vocabulario del registro es más rico, así que el adjetivo cubre más terreno y restringe menos. "Cortés" en japonés abarca desde un mensaje de Slack hasta una carta formal de disculpa. Segundo, la sensibilidad del lector es mayor. Los lectores de negocios japoneses leen el registro como información sobre la relación, así que un desajuste no es un detalle de estilo. Es un mensaje que usted no quiso enviar.

Las soluciones alternativas habituales tampoco cierran la brecha:

• Subir correos anteriores como archivos de referencia. El modelo los recupera cuando juzga que son relevantes y parafrasea el contenido. No absorbe los hábitos. Cinco correos no pueden decirle si su única frase de amortiguación es una regla o un estado de ánimo.
• Pedir "el mismo tono que mi último correo". Funciona para un borrador, se evapora en la siguiente conversación y copia la superficie de ese único correo, incluido lo que tuviera de inusual.
• Escribir en inglés y pedir una traducción al japonés. Produce franqueza inglesa con gramática japonesa. La petición llega demasiado pronto, falta la amortiguación y el resultado le suena brusco a cualquier colega japonés. La dirección inversa, un inglés de IA que suena traducido, es el mismo fallo con los idiomas intercambiados.
• Cambiar a un modelo más nuevo. Un modelo más capaz sigue las instrucciones con más fidelidad. Dele un adjetivo y producirá una versión más pulida del mismo promedio. El borrador se lee mejor y no suena más a usted.

Ese último punto merece su propia sección, porque es al que la gente apuesta.

¿Un modelo mejor aprenderá mi registro en japonés?

No, y la razón es estructural. La capacidad del modelo y el condicionamiento con datos del usuario son capas separadas. El laboratorio mejora la primera con cada versión. No puede suministrar la segunda, porque la segunda está hecha de correos que usted envió y el laboratorio nunca los ha visto.

Lo que un modelo más potente ofrece es fidelidad a las instrucciones. Dele "cortés y profesional" y ejecutará esa instrucción con más minuciosidad que el modelo anterior: keigo más fluido, nivel más consistente, fórmulas más limpias. Se ha acercado al promedio, no a usted. Los lectores que cuentan que sus borradores en japonés se volvieron "más genéricos" tras una actualización del modelo describen exactamente esto.

La misma propiedad juega a su favor en el momento en que la instrucción contiene algo preciso. Un perfil que dice "abrir el correo a clientes con いつもお世話になっております, nunca con el saludo estacional; una frase de amortiguación antes de una petición, siempre お手数ですが; cerrar con よろしくお願いいたします, nunca con 申し上げます; pedir en la segunda oración" es un conjunto de reglas que un modelo más potente acierta con más exactitud que uno más débil. Cuanto mejor sea el modelo siguiendo instrucciones matizadas, mejor ejecutará su perfil. Expusimos el argumento general en por qué los mejores modelos de IA siguen sin conocer su voz. El japonés es el caso donde el argumento muerde con más fuerza, porque la brecha entre "cortés" y su cortés es la más amplia.

Así que el menú desplegable del modelo es lo último que hay que cambiar. Arregle lo que se le pide al modelo que ejecute, y cada versión futura lo ejecutará mejor.

¿Cómo le da a la IA su propio registro en japonés?

Mídalo a partir de correos que ya envió, y luego entregue las mediciones como reglas. Su registro es contable. Cada una de las cuatro partes móviles anteriores puede leerse en diez o quince correos en una hora, y cada una se convierte en una instrucción sin ningún adjetivo.

Empiece por separar sus muestras. El japonés en una carpeta, el inglés en otra, y dentro del japonés, etiquete cada correo por relación: cliente de larga data, contacto nuevo, interno, proveedor, disculpa. No los mezcle. Un perfil promediado entre su correo a clientes y su correo al equipo es un perfil de nadie, que es el error del que intenta escapar.

Luego cuente, por registro:

Nivel. Para cada petición, ¿qué forma verbal usó? Haga el recuento de いたします, させていただきます, します. Para cada solicitud, ください o いただけますでしょうか o いただけますと幸いです. Encontrará un hábito firme por relación, y un hábito es una regla.

Amortiguación. Cuente las クッション言葉 por petición. Anote cuáles. La mayoría de los escritores tiene una o dos favoritas y un máximo que nunca supera. Escriba ese máximo como un tope estricto.

Fórmulas. Liste sus aperturas y cierres por registro. Anote lo que nunca usa. La ausencia es invisible en una muestra y hay que declararla: "nunca 拝啓, nunca 何卒 en el correo interno".

Ritmo. Palabras o caracteres por oración, valor típico y rango. Dónde va la petición (primera oración, segunda, su propio párrafo). Si usa listas con viñetas en el correo a clientes. Con qué frecuencia una oración termina en un sustantivo.

Un bloque terminado para un registro se ve así:

Registro: cliente existente, contacto semanal. Abrir con いつもお世話になっております, sin línea estacional. Petición en la oración dos. Una frase de amortiguación, お手数ですが o 恐れ入りますが, nunca acumuladas. Solicitudes como いただけますでしょうか. Nivel verbal いたします; nunca させていただきます. Oraciones de 25 a 45 caracteres, una idea cada una. Cerrar con 引き続きよろしくお願いいたします. Nunca 何卒, nunca 申し上げます.

Pegue eso donde viven sus instrucciones: las instrucciones personalizadas de ChatGPT, un Claude Project, un Gem de Gemini, el campo de instrucciones de un Custom GPT. Mantenga un bloque por registro y dígale al modelo cuál aplica. Nuestra guía para conectar su estilo de escritura a ChatGPT explica dónde va cada bloque y cómo evitar que se desvíe en una conversación larga.

Esto es también lo que hace un perfil de estilo de MyWritingTwin.com, por idioma. Las muestras en japonés de un usuario multilingüe reciben su propio análisis de ADN de escritura, medido contra una línea base japonesa y no inglesa, en más dimensiones que las cuatro anteriores. El resultado es un bloque de restricciones, y su Writing Twin para ChatGPT, Claude y Gemini es ese bloque implementado dentro de las herramientas que ya usa. Sus muestras en inglés reciben un perfil separado. Ninguno es traducción del otro, porque sus dos voces no son traducciones la una de la otra.

Dos propiedades de un perfil medido importan aquí más que en cualquier otro lugar. Se puede comprobar: "¿fue lo bastante cortés?" no tiene respuesta, y "¿hubo una frase de amortiguación, y fue お手数ですが?" sí la tiene. Y sobrevive al modelo, porque las reglas lo describen a usted y no a la herramienta.

¿Cómo comprueba si el borrador es suyo?

Dele al modelo el resumen de un correo en japonés que ya envió, ponga su borrador junto al suyo y cuente. Sin herramientas, cinco minutos, y la respuesta es un conjunto de números y no una sensación.

Elija un correo por registro del último mes. Escriba un resumen de dos líneas para cada uno: a quién iba dirigido, qué necesitaba, qué sabía ya el destinatario. Pídale al modelo el correo en japonés y compare:

• Línea de apertura: ¿la misma fórmula, o la de manual?
• Posición de la petición: ¿en qué oración?
• Frases de amortiguación: ¿cuántas, y cuáles?
• Nivel verbal en la petición: ¿いたします, させていただきます o します?
• Cierre: ¿el suyo, o よろしくお願いいたします por defecto?
• Caracteres por oración: típico, la más corta, la más larga

Si los recuentos difieren, el modelo no conoce su registro, diga lo que diga cuando se lo pregunte directamente (dirá que sí; siempre dice que sí). Las configuraciones basadas en adjetivos suelen aprobar el correo formal a un cliente, porque el promedio está más cerca de ese registro, y fallar los correos internos y a clientes de larga data, porque es ahí donde sus hábitos se alejan del centro.

Repita la misma prueba tras reemplazar el adjetivo por el bloque medido. Los recuentos convergen en el primer borrador y siguen convergiendo a medida que ajusta reglas sueltas. Esa convergencia es la diferencia entre un correo con su firma y un correo con usted dentro.

El keigo nunca fue el problema. El registro sí lo era, y el registro nunca se entregó.

Vea cuán lejos quedan sus borradores de IA de su escritura real con la prueba Humanity Score, o suba sus muestras en japonés y deje que un perfil de estilo haga el recuento.