AIは日本語・フランス語・スペイン語でどう違う文章を書くのか

AIライティングの研究のほとんどは英語に焦点を当てています。AIライティング製品のほとんどは英語向けに作られています。比較、ベンチマーク、スタイルガイドのほとんどが英語を前提としています。

これは問題です。なぜなら、AIは他の言語ではまったく異なる文章を書くからです。

単に異なる単語を使うだけではありません。文体が異なるのです。文構造、表現力のパターン、フォーマリティのデフォルトが異なります。同じモデルに同じプロンプトを日本語と英語で与えると、測定可能なほど異なる文体的DNAを持つ出力が生成されます。

私たちはそれを測定しました。

---

データ

ベンチマーク研究では、5つのAIモデル（Claude Opus 4.6、Claude Sonnet 4.5、Claude Haiku 4.5、GPT-5.2、Gemini 3 Pro）で英語、フランス語、スペイン語、日本語の4言語にわたる320のライティングサンプルを生成しました。8種類のプロンプト。各組み合わせ2パターン。これらのモデルの直接比較は各AIモデルの文体比較をご覧ください。

すべてのサンプルを同じ計算文体論フレームワーク——Writing DNA スナップショットを支える6軸システム——で分析しました。数式は言語対応です。日本語テキストはIntl.Segmenterによる形態素解析でトークン化し、各言語のベースラインは独立して測定しています。

方法論の詳細：「平均的なAI」の測定方法。

言語別AIベースラインは以下の通りです。

この表のすべての数値が、言語構造がAI出力をどう形づけるかについて物語っています。最大の違いを紐解いていきましょう。

---

日本語：表現力の外れ値

表の中で最も目を引く数値は日本語の表現力です。100点満点中100。

これはバグでも誤りでもありません。日本語のビジネスコミュニケーションの仕組みの帰結です。

日本語のライティング——プロフェッショナルな文脈であっても——は、表現力の数式が検出する丁寧語マーカー、疑問形式、認識論的ヘッジに大きく依存しています。「いかがでしょうか」「ご検討いただけますと幸いです」「よろしくお願いいたします」などは標準的なビジネス日本語です。英語の意味での「表現力豊か」ではありません。熱狂的でも感情的でもない。しかし、表現力の数式が測定する言語構造（疑問文、マーカー、強調形式）を使用しています。

これが重要な理由は2つあります。

1. 比較は依然として有効です。 AI生成の日本語テキストも人間が書いた日本語テキストも同じ数式で測定されます。日本語AIの表現力が100で、日本語ユーザーが85であれば、そのデルタ（15ポイント）は有意です。そのユーザーがAIのデフォルトよりこれらのマーカーを少なく使うことを意味します。おそらくより直接的で、欧米的な影響を受けた文体なのでしょう。

2. 言語間の直接比較はできません。 「日本語AIは英語AIより表現力が高い」と言うのは誤解を招きます。数式は言語内部のパターンを測定しています。日本語の表現力100と英語の表現力76は、異なる言語的特徴を反映しており、異なる感情量を反映しているのではありません。

表現力以外では、日本語AIは語彙の幅が最も低く（37）、他の3言語を大幅に下回っています。これは日本語の形態素解析の性質を反映しています。トークン化後のセグメントごとのユニークトークン数が少ないため、タイプ・トークン比が低くなります。日本語AIはまた、全言語中最高の簡潔さスコア（45）を記録しています。日本語は膠着語文法と文脈依存的な主語省略により、よりコンパクトな表現が可能です。

---

フランス語：複雑で、広がりがあり、インフォーマル

フランス語のAI出力はまったく異なる様相を見せます。

文の複雑さ：75。 全言語中最高で、10ポイント差をつけています。フランス語AIは英語、スペイン語、日本語のAIよりも長く、構造的に密度の高い文を書きます。これはフランス語の散文の伝統を反映しています。従属節、関係構文、複雑な時制構造は書き言葉のフランス語では標準的ですが、英語では装飾過多に感じられるでしょう。

簡潔さ：32。 全言語中最低。フランス語AIは長く書きます。英語AIの簡潔さスコアが42であるのに対し、フランス語AIは32です。高い複雑さと合わせると、フランス語AIの出力は密度が高く広がりのあるもの——よく練られたビジネス文書で期待される類の文章——となりますが、Slackメッセージでは苦労するでしょう。

フォーマリティ：42。 意外にも全言語中最低です。フランス語AIは構造的な複雑さにもかかわらず、英語や日本語よりもフォーマルでないレジスターをデフォルトとします。矛盾しているように見えますが、理にかなっています。フランス語のビジネスコミュニケーションは、精巧な文構造と比較的温かく個人的なトーンを組み合わせることが多いのです。フォーマリティの数式がこのパラドックスを捉えています。フランス語は英語より機能語密度が低く、ヘッジパターンも異なります。

実用的な意味：スタイルキャリブレーションなしにAIを使うフランス語のプロフェッショナルは、構造的に複雑だがトーンはカジュアルな出力を受け取ることになります。フォーマルで簡潔な文章が必要な場合——フランス語のビジネス文脈でよくある要件——すべての次元で調整が必要です。文体抽出の仕組みを理解することが、修正への第一歩です。

---

スペイン語：抑制的なコミュニケーター

スペイン語AIは興味深い中間的位置を占めますが、1つ注目すべき例外があります。

表現力：59。 英語（76）、フランス語（74）、日本語（100）を大幅に下回ります。スペイン語AIは圧倒的に表現力が低い。他のどの言語のAI出力よりも修辞的疑問、感嘆符、態度マーカーの使用が少ないです。

これは最も意外な発見の1つでした。スペイン語のコミュニケーションは、カジュアルな文脈では温かさや表現力の豊かさと関連づけられることが多いです。しかし、今回の研究のプロンプト——プロフェッショナルなメール、レポート、プレゼンテーション——がスペイン語AIでよりフォーマルなレジスターを引き出し、数式が測定する表現マーカーを抑制した可能性があります。

一貫性：55。 全言語中最高ですが、わずかな差です。スペイン語AIは最も均一な文長を生み出します。安定した、整然としたリズムで、出力は落ち着いた予測可能な印象を与えます。

語彙の幅：44。 日本語に次いで最低。スペイン語AIは英語やフランス語AIよりも語彙の再利用頻度が高く、語彙多様性の低い出力を生成します。これはAIモデルがスペイン語の形態論をどう処理するかを反映している可能性があります。スペイン語の動詞活用は同じ語の多くの表層形を生み出し、トークン化の処理方法によってタイプ・トークン比が影響を受けます。

---

英語：「デフォルト」はデフォルトではない

英語のベースラインはほとんどのAI研究で基準として扱われています。しかし私たちのデータは、英語のAI出力にも独自のプロファイルがあることを示しています。中立ではないのです。

表現力：76。 英語AIは日本語に次いで2番目に表現力が高く、スペイン語（59）を大きく上回ります。RLHFの訓練プロセスは主に英語で行われ、英語のRLHF評価者はエネルギッシュで積極的な文章を好む傾向があります。このバイアスは他の言語よりも英語の出力に強く表れています。

フォーマリティ：58。 日本語（59）に次いで2番目に高い。英語AIは中程度にフォーマルなレジスターをデフォルトとしており、大半のRLHF訓練データのプロフェッショナルなコミュニケーション文脈を反映しています。

簡潔さ：42。 中程度。英語AIはフランス語やスペイン語AIより短い文を書きますが、日本語AIよりは長い。

重要な洞察：英語のAIベースラインは英語に固有のものであり、普遍的ではありません。 フランス語や日本語の文章を英語のAIベースラインと比較してきたなら（多くの競合製品がそうさせているように）、レーダーチャートは嘘をついていたことになります。見えていた違いは個人のスタイルではなく、言語構造を反映していたのです。

だからこそMy Writing Twinはロケール別ベースラインで測定しています。日本語の文章は日本語AIと比較されます。フランス語の文章はフランス語AIと比較されます。レーダーチャート上のギャップは、翻訳のアーティファクトではなく、実際のスタイルの偏差を表しています。

---

言語横断的なパターン

違いはあるものの、4言語すべてに共通するパターンがいくつかあります。

すべての言語で文が長い

簡潔さはすべての言語で50未満です。最も高い日本語（45）でも中間点を下回っています。AIモデルは例外なく冗長です。これは徹底性を報いるRLHF訓練の帰結であり、このバイアスは言語を超越しています。

一貫性は普遍的

一貫性スコアは4言語すべてで52から55の間に集中しています。全軸中最もタイトなクラスタリングです。言語に関係なく、AIモデルは中程度の文長バリエーションを生み出します。これはRLHFの均質化効果の最も強い証拠かもしれません。訓練プロセスは英語の出力だけでなく、すべての言語のリズムパターンを標準化しています。

語彙の幅は形態論に依存する

語彙の幅は、言語構造と結びついた最大のばらつきを示しています。フランス語と英語（比較的単純な形態論を持つ分析的言語）が最高スコア（48-49）。日本語（膠着語）とスペイン語（複雑な動詞形態論）は低スコア（37-44）。これはモデルの問題ではなく、タイプ・トークン比が異なる形態論体系とどう相互作用するかの問題です。

---

多言語プロフェッショナルにとっての意味

複数の言語で書く方——多くのプロフェッショナルがそうです——にとって、このデータには実用的な意味があります。

1. あなたのスタイルは言語によって変わり、AIのスタイルも変わります。 フランス語と英語のバイリンガルプロフェッショナルは、おそらく各言語で異なる文章を書いています。フランス語ではより長く複雑な文。英語ではより簡潔で直接的。AIも同じことをします。有効な比較は、双方の変化を考慮しなければなりません。

2. モデル選択の重要性は言語によって異なります。 英語であなたのスタイルに合うモデルが、フランス語では合わないかもしれません。GPT、Claude、Geminiの相対的な強みは言語間で変化します。モデル×言語の詳細な分析は言語ごとに最適なAIモデルをご覧ください。

3. 多言語ライターにはスタイルプロファイルが1つでは足りません。 英語の文章用にキャリブレーションされたスタイルプロファイルは、日本語の文章には使えません。AIのベースラインが異なり、あなたのパターンが異なり、キャリブレーションのデルタが異なるからです。だからこそMy Writing Twinは言語別の文体抽出をサポートしています。

---

バイリンガルの優位性

バイリンガルプロフェッショナルとAIライティングについて以前記事を書きました。言語別ベースラインデータは、その話に新たな次元を加えます。

ロケール別AIベースラインの世界では、バイリンガルライターには測定可能な優位性があります。彼らは——定量的でなくとも直感的に——コミュニケーションスタイルが言語間で変化することをすでに知っています。自然にコードスイッチングをしています。両方のレジスターを捉え、正しい言語別AIベースラインに対してキャリブレーションされたスタイルプロファイルは、彼らと一緒にコードスイッチングするAI出力を生み出します。

モノリンガルのAI製品にはこれができません。英語のベースラインを非英語テキストに適用し、それをパーソナライゼーションと呼んでいます。私たちのデータはAIの文章が画一的に聞こえる理由を示しています。そして言語をまたぐとさらに悪化する理由も。フランス語ライターを英語のベースラインと比較すると、複雑さが人為的に高く、簡潔さが人為的に低く見えます。それらはスタイルの特徴ではありません。言語の特徴です。

---

あなたの言語でWriting DNAを確認する

英語のデフォルトではなく、あなたの言語でAIとの比較を知りたいですか？ 無料のWriting DNA スナップショットをお試しください。対応言語（英語、フランス語、スペイン語、日本語）でライティングサンプルを送信し、正しいロケール別AIベースラインに対するレーダーチャートをご確認ください。

表示されるギャップは、言語の違いではなく、あなたのスタイルの違いです。

無料のWriting DNA スナップショットを取得