自分らしいAIライティングとは：トーンのラベルよりリズムが決め手

要約： 自分らしいAIライティングは、プロンプトの問題ではなくデータの問題です。どのモデルも一般的なビジネス定型文に流れます。それが学習データの統計的な中心だからです。トーンのラベル（「プロフェッショナルだが温かみのある」）では、その中心から引き離せません。ライティングDNAプロフィールなら可能です。文章をあなたらしくしている二つの要素、つまりリズム（文の長さ、修飾語の位置、接続表現）と語彙の選び方を保存しているからです。プロフィールをChatGPT、Claude、Geminiに渡せば、モデルは形容詞を当て推量する代わりに、従うべき証拠を手にします。

ChatGPTにクライアント宛ての短い連絡文を頼んだとします。返ってきたのは「お世話になっております。今後の納品物の件でご連絡差し上げました。」どちらの文も、あなたは人生で一度も書いたことがありません。

自分なら打ったであろう文章と、モデルが出した文章とのこの隔たりこそが問題のすべてです。それを埋めるには、「自分らしくして」よりもっと具体的なものが必要です。

AIライティングはなぜ一般的なビジネス定型文に流れるのか？

大規模言語モデルは、できるだけ幅広い読者に受け入れられるよう調整されており、全員に受け入れられる最も安全な方法は、誰の文体でもない文章を書くことです。その結果、ベンダーをまたいで共有される一種の「社内文体」が生まれます。中くらいの長さの文、バランスの取れた構造、含みを持たせた主張、そして丁寧な書き出しと結びのストックです。実務上「一般的なビジネス定型文」とはこのことであり、それがモデルの静止状態です。

これは5つのAIモデルを6つのスタイル次元で測定したときに直接確認できました。ベンダーが違い、アーキテクチャが違っても、出力の特徴はほぼ同一でした。文の長さが収束し、フォーマル度が収束し、接続語まで収束していました。モデル同士が真似し合っていたわけではありません。すべてが同じ目的、つまり平均的な読者に受け入れられることに最適化されていたため、同じ統計的平均に回帰していたのです。

ほぼすべての無指示の下書きに、いくつかの目印が現れます。

• 反射的な書き出し。「お世話になっております。」「ご連絡差し上げたく存じます。」
• **均一な文の長さ。**15語から20語が延々と続き、短い一撃も長い一続きもありません。
• 要点の前に積み重なる含み表現。「〜を検討する価値があるかもしれません」であって、「〜を検討してください」ではない。
• 何のコストもかからない結び。「ご不明な点がございましたらお気軽にお問い合わせください。」「今後ともよろしくお願いいたします。」

どれも間違いではありません。すべてが交換可能です。そしてその交換可能性こそ、読者が「AIっぽい」と感じるときに検知しているものです。彼らは中心を認識しているのです。

実際に文章を自分らしくしているものは何か？

文章が自分らしく聞こえるのは、気分ではなく測定可能な習慣のおかげです。最も強い信号を持つ二つがリズムと語彙の選び方で、どちらもトーンのラベルよりはるかに具体的です。

リズムとは、時間の流れの中での文の形です。断続的に書く人もいます。12語の文、次に4語、次に20語。安定して22語を保つ人もいます。リズムには修飾語の置き方も含まれます。ある書き手は前に置きます（「スケジュールを考えると、出荷すべきだと思います」）。別の書き手は結論を述べてから修飾します（「出荷しましょう。スケジュールはきついですが、正しい判断です」）。接続表現もリズムの一部です。「だから」「つまり」「とはいえ」でつなぐのか、何もつながないのか。

語彙の選び方とは、通常の状態での実用語彙です。手が伸びる動詞。決して使わない言葉（多くの経営幹部は「改めて共有させていただく」と一生書かないのに、モデルは常にそれに手を伸ばします）。「見極める」と言うか「判断する」と言うか、「始める」か「着手する」か、「ちょっと連絡」か「簡単なご報告」か。

同じメッセージを、一般的な初期値と保存された声で比べてみます。

右の列は、カテゴリーとして「より親しみやすい」とか「よりカジュアル」というものではありません。具体的なリズム（短い、中くらい、短い）があり、具体的な修飾語の位置（結論が先、理由が後）があり、具体的な語彙（「ずらす」「声かけて」「壊れた」）があります。これらがプロフィールで保存すべきものです。トーンの形容詞はどれ一つ保存しません。

同じ人が日本語、フランス語、ドイツ語で書くと違って聞こえるのに、別人には聞こえないのもこのためです。多言語での声の保存に関するガイドで扱っているとおり、レジスターは言語とともに変わりますが、根底にあるリズムの習慣と語彙の好みは移動します。モデルは指示されない限り、その区別を平らにしてしまいます。

トーンのラベルやカスタム指示ではなぜ直らないのか？

トーンのラベルが失敗するのは、それが集団を指すからで、集団を与えられたモデルは集団の平均を選びます。「プロフェッショナルかつ親しみやすい」は、まったく異なる文のリズムを持つ何千人にも当てはまります。モデルにはあなたがそのうちの誰なのか知る手段がないため、中央値の「プロフェッショナルかつ親しみやすい」書き手を出力します。それは笑顔を足したビジネス初期値です。

カスタム指示は無いよりは役に立ちますし、OpenAIのカスタム指示のドキュメントは、声のルールを手に入れたあとに置くべき正しい場所です。失敗は機能より上流にあります。ほとんどの人はその欄を形容詞（「簡潔、温かい、自信のある」）で埋めます。形容詞は私たちが言葉にできるものだからです。「平均文長14語、根拠より先に結論、挨拶で始めない、『判断する』ではなく『見極める』を使う」と書く人はほぼいません。しかしモデルが実行できるのは後者のほうです。

二つ目の問題があります。AIはあなたのトーンを知りません。トーンを説明する言葉を知っているだけです。「温かい」と書けば、モデルは学習データ全体から温かそうな文章の姿を取り出しますが、その取り出したものはまたしても中心です。個人の特徴を求めて、カテゴリーを受け取ったわけです。

だからよくある対処法は、予測どおりの形で失敗します。

1. 形容詞の積み重ね（「プロフェッショナル、親しみやすい、明快」）はペルソナを描写するため、モデルはペルソナを出力します。
2. **メール1通を貼って「こんなふうに書いて」**は、モデルに単一のデータ点しか与えません。その1通の表面を真似し、そのメッセージにたまたま含まれなかったものはすべて無視します。
3. 出力をあとから編集するのは一度は効きますが、明日もその翌日も同じことをします。AI出力の編集が最も遅い直し方である理由について書きましたが、修正は指示に戻ることが決してありません。
4. ベンダーのメモリ機能は、あなたに関する事実を覚えるのであって、あなたの韻律を覚えるのではありません。あなたが金融で働いていることは知っています。セミコロンを決して使わないことは知りません。

これらはどれもプロンプト、つまりどう聞こえたいかの説明です。欠けているのは、実際にどう書いているかの証拠です。

ライティングDNAプロフィールはどうやってリズムと語彙を保存するのか？

ライティングDNAプロフィールは、実際の文章をモデルが従える明示的で測定可能なルールに変換するため、生成される文章にはビジネス初期値以外の行き先が生まれます。これが私たちの立場の核心です。プロフィールは個人のリズムと語彙の選び方を保存するために存在し、それらが保存されれば、一般的な定型文が埋めるべき隙間は残りません。

プロセスは三段階で、一段階目はほとんどの人が飛ばすものです。

**1. 習慣が見えるサンプルを集める。**実際に送った文章を、書く場面ごとに15〜20点。クライアントへのメール、チームへのメッセージ、少し長めの文書を1〜2点。サンプルが証拠です。AI分析用のライティングサンプルの選び方ガイドでは、含めるべきものと外すべきもの（他人が大幅に編集したもの、自分ではない声で書いたもの）を扱っています。

**2. パターンを抽出する。**ここでプロフィールはその名にふさわしい働きをします。分析はサンプル全体を読み、安定しているものを記録します。文長の分布、短文と長文の比率、修飾語の落ち着く位置、好む接続表現、繰り返し使う動詞、避ける語彙、読者によるレジスターの変化。スタイル抽出の仕組みでは各次元をさらに掘り下げていますが、重要なのは、そのすべてが形容詞ではなく値を持つルールとして記述される点です。

**3. モデルが指示を読む場所にデプロイする。**出力はプレーンテキストのスタイルプロフィールです。ChatGPTのカスタム指示やProject、Claudeプロジェクトのシステムプロンプト（Anthropicのシステムプロンプトのガイダンスに、そこに置いた指示が最も一貫して守られる理由が説明されています）、あるいはGemini Gemに入れます。同じプロフィールを、すべてのツールで。

これがプロンプトより良い結果を出す理由は魔法ではありません。モデルはもともと、1文14語で、結論を先に、挨拶なしで書く能力を持っていました。そうしなかったのは、誰もそう指示せず、初期値が逆方向に引っ張っていたからです。プロフィールは推測を仕様に置き換えます。

見落としやすい帰結が二つあります。

**モデルが良くなるほど、プロフィールの価値は下がるのではなく上がります。**モデルの能力と、あなたの文章についての知識は別の層です。ラボはリリースごとに前者を改善しますが、後者を供給することはできません。微妙な指示をより忠実に守るモデルは、あなたの指示もより忠実に守るため、アップグレードのたびにプロフィールを持つユーザーと持たないユーザーの差は広がります。

**プロフィールはセッションではなく資産です。**巧妙なプロンプトは一つのチャットウィンドウの中に生きています。ChatGPT、Claude、Gemini向けのライティングツインは、あなたが所有し、ツール間で持ち運び、文章の変化に合わせて更新する文書です。ベンダーを乗り換えても一緒についてきます。

AIライティングが自分らしいかどうか、どう検証するか？

最速のテストは5分で済み、ツールは要りません。メッセージを生成し、意味を読む前に、自分の習慣三つと照らし合わせます。

1. **最初の段落の文の長さを数える。**すべての文が15〜20語の間に収まっていれば、モデルは初期値のままです。あなたの実際の文章は、ほぼ確実にもっとばらつきがあります。
2. **最初の修飾語を探す。**結論の前にあるか、後にあるか。先週送ったメール3通と比べてください。
3. 決して使わない言葉を探す。「大変光栄」「ご連絡差し上げ」「足並みを揃え」「改めて共有」「今後に向けて」。二つ以上あれば、ビジネスの中心が顔を出しています。

三つのうち二つで下書きが不合格なら、直すべきは上流、つまり指示です。チャットに「もっと自分らしくして」と足せば出力は少し動きますが、次のセッションでは元に戻ります。ライティングスタイルプロフィールを一度作り、モデルが指示を読む場所に貼り付ければ、初期値そのものが動きます。

より徹底したバージョンのテストもあります。自分が書いたメールを1通選び、それを隠し、プロフィールを読み込んだモデルに同じメッセージを書かせ、両方をあなたを知る同僚の前に置きます。同僚が確実にあなたのものを選べなければ、プロフィールは仕事をしています。選べるなら、三つの習慣のどれが正体を明かしたかを見て、サンプルが実際にその習慣を示していたかを確認してください。たいてい隙間はモデルではなくサンプルにあります。

どこから始めるか

順番が重要です。ルールの前にサンプル、プロンプトの前にルール。

• 大幅な編集なしに送った文章を、少なくとも二種類の読者向けに15〜20点集める。
• すでに見えている習慣を三つ書き留める。典型的な文の長さ、結論先行か背景先行か、そして決して書かない言葉を五つ。
• その三つのルールを今日、カスタム指示に入れる。それだけの小さな一歩でも、モデルは中心から動きます。
• 自分では見えない習慣も含めた完全なパターンセットが欲しくなったら、サンプルからChatGPT、Claude、Gemini向けのライティングツインを作り、同じスタイルプロフィールを書く場所すべてにデプロイする。

自分らしいAIライティングは、正しい形容詞を探すことではありませんでした。あなたのリズムと語彙の証拠をモデルに渡し、一般的なビジネス初期値が埋めるものを何も残さないことです。