AIで取締役会メモを書いても、自分らしさを失わない方法

TL;DR: AIで取締役会メモを書くことはできます。ただし、最初の下書きは誰が書いたか分からない文章になります。「CEOらしく書いて」はトーンのラベルであり、トーンのラベルは声ではないからです。あなたの声は文の長さ、限定表現の位置、接続の仕方、句読点に宿り、取締役会は長年のメモを通じてその4つすべてを学習しています。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。解決策は、過去のメモ3本から自分の習慣を読み取り、ルールとして書き出し、それをモデルに渡すことです。プロンプトは、あなたがこう聞こえたいという願望を記述するものです。自分の文章から作ったプロフィールは、あなたが実際にどう書くかの証拠であり、新しいモデルが出るたびにその証拠はより正確に実行されます。

四半期の数字をChatGPTに貼り付け、取締役会メモを頼むと、8秒で一本できあがります。構成は整っています。トーンも正しい。そして、誰が書いたか分かりません。

議長はあなたのメモを40本読んできました。あなたが最初の一文に数字を置き、二文目に但し書きを入れることを知っています。この下書きはどちらもしていません。議長は数字を読む前に、そのことを読み取ります。

AIで取締役会メモは書けるのか？

書けます。そして構成の部分は簡単なほうです。現在のどのモデルでも、議題、数字、必要な決定事項を与えれば、目的、背景、選択肢、提言、リスクの各セクションを正しい順序と適切な長さで返してきます。取締役会メモの構成はよく文書化されており、モデルは何千本も読んでいます。

難しいのは、そのメモが、名前を記載する本人らしく聞こえなければならないことです。取締役会は、あなたの文章を何年も、単一のレジスターで、予測可能なリズムで読み続けてきた唯一の読者です。取締役たちはあなたのスタイルを意識的に分析しているわけではありません。ただ学習しているのです。廊下で同僚の足音を覚えるのと同じように。同じ数字で歩き方の違うメモが届いたとき、反応は「これはAIが書いた」ではありません。「今四半期は何かがおかしい」という反応です。取締役会にそう感じさせるほうが、はるかに悪い結果です。

ですから問題は、AIがメモの下書きを書けるかどうかではありません。下書きにあなたの歩き方を持たせるために、何を渡すかです。

なぜAIの取締役会メモは誰が書いたか分からなくなるのか？

あなたが与えた指示が「説明」であり、モデルがそれを、その説明に当てはまる全員の平均に変換したからです。「プロフェッショナルで、自信があり、取締役会にふさわしい」は何千人にも当てはまります。モデルはあなたが「自信がある」で何を意味しているかを知りません。学習したテキストの中で「自信」の近くにどんな言葉が現れるかを知っていて、その言葉が指すレジスターを出力するだけです。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。このことは形容詞はあなたの声ではないで書きました。取締役会メモは、読み手があなたを最もよく知っているために、そのコストが最も高くなるケースです。

モデルが出力するレジスターは計測できます。5つのモデルと4つの言語にわたる320サンプルから構築した当社の「平均的なAI」ベースラインでは、英語のAI出力はフォーマリティスコア58、一貫性スコア53です。当社の尺度でのフォーマリティは、1,000語あたりの限定表現の頻度、機能語の密度、セミコロンの使用を重み付けしたものです。一貫性は、文の長さがどれだけ均等に分布しているかを測ります。スコア53は、ほどほどで均一なばらつきを意味します。6語の断定もなければ、3つの条件を抱えた30語の文もありません。ベースラインの構築方法に手法を記しています。要するに、モデルはどのリクエストでも、どの経営者に対しても、分布の真ん中を書くということです。

取締役会メモにおける「真ん中」がどう見えるか、そしてあなたを知る取締役が各行で何に気づくかを示します。

どの行も、配置かリズムの選択です。文法の誤りは一つもありません。取締役はどの行が気になったのかをあなたに説明できませんし、説明する必要もありません。

なぜ「CEOらしく書いて」では直らないのか？

よくある対処法はどれも「より良い説明」であり、問題は、説明があなたについての情報をほとんど含まないことだからです。対処法はおおよそ次の順番で試され、それぞれが同じ理由で失敗します。

形容詞のリストを長くする。「直接的で、決断力があり、データ主導で、温かいがカジュアルではなく、専門用語なし」。形容詞が一つ増えるごとにレジスターは少し狭まりますが、あなたについては何も説明していません。二人のCEOがどちらも直接的でデータ主導でありながら、数えられる特徴のすべてで異なることがあります。一人は数字で始め、もう一人は決定事項で始める。一人は予測を「現在の軌道では」で限定し、もう一人は「解約率に変化がなければ」で限定する。一人は5語の提言を書き、もう一人は二つの条件付きで20語の提言を書く。形容詞のリストはレジスターを選び、モデルはそれを平均的な住人で埋めます。

**過去のメモを一本貼り付ける。**これは近づいていますが、より微妙な形で失敗します。モデルはそのリクエストでは例の表面を模倣し、次のリクエストでは元に戻ります。さらに悪いことに、メモ一本は一つの場面でしかありません。例が好業績の四半期だったなら、モデルは数字が悪いときでも数字で始めることを学びます。あなたなら計画で始めていたはずの場面でもです。その場のスタイルはプロフィールではありません。プロフィールとは、状況の異なる8本のメモを通して変わらないものであり、一本のサンプルでは、どの部分が不変なのかをモデルに伝えられません。

**新しいモデルを使う。**GPT-5や次のClaudeなら、CEOの書き方を当然知っているだろうという期待です。前のモデルよりはよく知っているでしょう。それでも、あなたの書き方は知りません。モデルの能力とユーザーデータによる条件付けは別のレイヤーです。研究所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。後者はあなたのメモから来るものであり、研究所はそれを一度も見たことがないからです。曖昧な形容詞を与えれば、より強いモデルはより滑らかな平均を出します。だからこそより良いモデルでもあなたの声は分からないのであり、モデルが進化するほど、汎用とあなたらしさの差は縮まるどころか広がります。

3つに共通するパターンはこうです。プロンプトは、あなたがこう聞こえたいという願望を記述します。モデルが必要としているのは、あなたが実際にどう書くかの証拠です。

代わりにモデルに何を渡すべきか？

あなたの習慣を、数えて、モデルが自分の出力と照合できるルールとして書いたものです。自分の文章から構築したスタイロメトリック・プロフィールは、あなたが実際にどう書くかの証拠であり、証拠こそモデルが実行できるものです。これは言語学者が著者推定で用いるのと同じ原理です。人は自分を説明するために選ぶ言葉ではなく、機能語の密度、文の長さの分布、本人が意識したことのない句読点の癖によって特定されます。取締役会は何年も前から、非公式にあなたの著者推定をしてきました。プロフィールはそれを明示的にするものです。

取締役会メモに限れば、重要な数えられる習慣は短いリストに収まります。

• **書き出しの型。**数字が先か、決定事項が先か、背景が先か。多くの経営者には一つのデフォルトと、悪いニュースのときの一つの例外があります。
• **要請の位置。**一文目か、提言の後か、末尾の独立した一行か。
• **限定表現の語彙と数。**予測を限定するのにどの表現を使うか、予測ごとに何回使うか。「現在のランレートでは」と「当社は考えています」は別の限定表現であり、ほとんどの人はちょうど一つを持っています。
• **提言の長さ。**取締役会に何をしてほしいかを述べる一文の語数。5語も20語もどちらも正当ですが、互いに交換はできません。
• **リスクの責任者。**各リスクに人の名前を付けるかどうか、リスクを要請の前に置くか後に置くか。
• 主語。「私は提言します」「私たちは提言します」「経営陣は提言します」のどれか。取締役会は切り替わりに気づきます。
• **文のリズム。**典型的なメモでの最短の文、最長の文、長い文の後に短い文が続く頻度。
• **結び。**決定事項と日付か、議長への問いかけか、要請の後には何も置かないか。

書き出すと、ある経営者の取締役会メモのプロフィールは次のようになります。

Board memo, quarterly update:
- Open with the headline figure and its delta to plan in sentence one. No purpose line.
- Bad quarter: open with the corrective action, figure in sentence two.
- One hedge per forecast, always "on current run-rate". Never "may potentially".
- Recommendation sentence under 10 words, first person: "I recommend we approve X."
- Every risk names an owner and a date. Risks come before the ask.
- Vary rhythm: at least one sentence under 8 words per section, none over 30.
- No semicolons. No "please find". Close with the decision required and the meeting date.

どの行も出力と照合できます。どの行も、あなたがすでに取締役会に送ったものから生まれています。これがプロンプトとプロフィールの違いです。プロンプトは願望であり、プロフィールは記録です。

AIで取締役会メモを書く手順は？

プロフィールに一度だけ20分かけ、その後はメモ一本あたり2分です。すべての経営者が挙げる反論は、AIにライティングサンプルを与える時間がないというものです。サンプルはすでに存在し、送信済みフォルダに眠っていて、3本あれば十分です。

**ステップ1：過去のメモ3本と議長宛てのメール2通を取り出す（5分）。**異なる四半期のメモを選んでください。理想は好調な四半期と不調な四半期を一本ずつです。そうすればニュースが変わっても不変なものをプロフィールが捉えられます。承認済みツール以外に貼り付ける場合は、数字と名前を伏せてください。プロフィールが計測するのはあなたの書き方であり、数字は無関係です。ライティングサンプルの選び方に一般的なルールをまとめています。取締役会資料に固有のルールは、CFOと4回書き直したメモより、書いたまま送ったメモのほうが価値が高いということです。

**ステップ2：説明せず、数える（10分）。**前のセクションのリストを上から順に見て、各項目の横に数字か表現を書き込みます。「私は直接的だ」ではなく「3本中3本で数字が一文目」。「私は慎重に限定する」ではなく「予測ごとに限定表現一つ、常に『現在のランレートでは』」。少なくとも一つの数字には驚くはずです。多くの経営者は、自分の提言の一文がいかに短いかに驚きます。

**ステップ3：数えた結果をルールとして書く（5分）。**上のブロックをテンプレートとして使ってください。次に、モデルがすべてのリクエストで読む場所に置きます。ChatGPTのカスタム指示かプロジェクト、Claude Projects、Gemini の Gem です。一度置くことで、プロンプトではなくプロフィールになります。来四半期のメモにも、貼り付けを思い出すことなくルールが適用されます。

**ステップ4：ルールをもとに下書きし、5分のチェックを行う。**モデルに議題、数字、必要な決定事項を渡します。下書きが返ってきたら、直近の実際のメモと並べて、4点を確認します。

1. それぞれの最初の数字を丸で囲む。同じ文の位置にありますか？
2. それぞれの主要な予測に付いた限定表現を数える。同じ数、同じ表現ですか？
3. それぞれの提言の一文の語数を数える。差は3語以内ですか？
4. それぞれで8語未満の文すべてに下線を引く。セクションあたりの数はほぼ同じですか？

4点のうち2点で不合格なら、ルールが配置されていないか、モデルがルールを読んでいません。合格なら、議長は同じ数字とあなたの歩き方を持ったメモを読むことになります。それこそが唯一意味のある結果です。ビジネスリーダーのためのChatGPTでは、同じプロフィールが適用されるより広い文書群を扱っています。投資家向けアップデート、全社向けのお知らせ、決定を動かす2行のメールです。

新しいモデルを形容詞と組み合わせると役に立たなくさせる同じ分離が、プロフィールと組み合わせるとより有用にします。「要請の前にリスク、予測ごとに限定表現一つ、提言は10語未満」は、ニュアンスのある指示です。世代を重ねるごとにニュアンスのある指示への忠実さは上がるため、各世代は前の世代より正確にあなたのプロフィールを実行します。モデルは自力で改善するレイヤーです。プロフィールはあなたにしか供給できないレイヤーであり、取締役会が聞き取ろうとしているのはそちらです。

MyWritingTwin がこの計数を行います。ライティングDNA分析は、あなたがすでに持っているメモから、文のリズム、限定表現の位置、フォーマリティ、句読点を320サンプルの「平均的なAI」ベースラインと照らして計測し、その計測値を、ChatGPT、Claude、Gemini、あるいは会社が承認した任意のツールに持ち込めるスタイルプロフィールに変換します。Executive プランでは、取締役会メモ、投資家向けアップデート、社内向けメモそれぞれに別のセクションを構築します。同じ人物でもこの3つは書き方が異なり、単一のプロフィールでそれらを平均化すべきではないからです。

---

何かを決める前に取締役会メモのプロフィールがどのようなものか見てみたい方は、エグゼクティブ向けプロフィールページで一例を順に説明しています。無料の Writing DNA スナップショットは、あなたのサンプルをいくつか「平均的なAI」ベースラインと照らして計測し、モデルがあなたをどこで平坦にしていたかを一枚のチャートで示します。