AIがあなたの文体を学ぶには、ライティングサンプルがいくつ必要か？

TL;DR: AIにはライティングサンプルがいくつ必要なのでしょうか。答えは、心配しているより少ない文書数で、ほとんどのツールが認めるよりコンテキストごとに多い語数です。スタイル分析は3サンプルまたは約500語から始められますが、あなたの声を表す数値（文の長さの範囲、修飾語の位置、つなぎ方の癖、句読点の密度）が落ち着くのは、1つのコンテキストに自分で書いた文章が約2,000語そろってからです。著者判定の研究では、完全な安定はさらに上の約5,000語とされています。ファイルの数は誤った単位です。正しい単位は、実際に書いているコンテキストごとの語数です。以下では、説明がサンプルの代わりにならない理由、MyWritingTwin.comが各ステップで適用している閾値、そして自分のコーパスを10分で監査する方法を紹介します。

誰かに「ライティングサンプルをいくつか」と頼まれます。AIに文体を学ばせるためです。メール3通とLinkedInの投稿を1つ送ります。返ってきた文章は、有能な他人のように聞こえます。そこでさらに12本送ると、もっと悪くなります。

どちらの結果も原因は同じです。サンプルが何のためにあるのか、誰も教えてくれなかったのです。

AIにはライティングサンプルがいくつ必要か？

1つのコンテキストの中で、もう1本サンプルを足してもパターンが変わらなくなるだけの語数です。ほとんどのプロフェッショナルでは、コンテキストごとに3〜5本、そのコンテキスト全体で約2,000語に落ち着きます。文書数は目安にすぎません。コンテキストごとの語数こそが実際の要件です。

実際の閾値は次のとおりです。

最低ラインがあるのは、まず何かを早く見られるようにするためです。準備完了ラインがあるのは、それを下回るとプロフィールが「あなた」よりも「最後にアップロードしたメール」を描写してしまうからです。

ファイル数より語数が重要な理由は、スタイルプロフィールのあらゆる測定値が事実ではなく分布だからです。あなたの平均的な文の長さは1つの数字ではなく、中心と両端を持つ範囲です。文中のどこに「おそらく」を置くかは、規則ではなく傾向です。分布は、その形が信頼できるものになるまで十分な観測を必要とします。90語のメールがその形に寄与するのは、せいぜい6文ほどです。

なぜ「サンプルは何本か」は間違った問いなのか？

40語のSlackの返信と2,500語の提案書を同じ単位として扱い、相手によって書き方が変わることを無視しているからです。役に立つ問いは2つの部分に分かれます。1つのコンテキストに何語必要か、そして実際にいくつのコンテキストで書いているか、です。

働くプロフェッショナルが1週間に生み出すものを考えてみましょう。

• チーム宛の社内メール： 短い文、下の名前、最後に質問が1つ、署名はイニシャルのみ。
• 顧客宛のメール： 長めの文、儀礼的な書き出し、ぼかした約束（「対応できるはずです」）、正式な署名。
• Slack： 断片的な文、大文字なし、句読点の代わりに絵文字。
• 役員向けメモや報告書： 番号付きの所見、責任が共有される箇所では受動態、短縮形なし。

4つのコンテキスト、4つの測定可能な声、1人の人間。4つすべてを山にして渡されたモデルが学ぶのは、どれにも一致しない平均です。これは形容詞でトーンを説明するときと同じ失敗で、出力は群衆の真ん中に着地します。トーンを表す形容詞はあなたの声ではないという記事で群衆の問題を詳しく扱いましたが、そのサンプル数版が「コンテキストを混ぜると自分自身と平均されてしまう」という現象です。

したがって「サンプルは何本か」への正直な答えは、これらのコンテキストのうちいくつをAIに任せたいかによります。1コンテキスト、1言語なら、3〜5本、約2,000語。2言語にまたがる3コンテキストなら、6つのセルそれぞれに最低ラインがあります。セルごとの数は小さいままです。合計は、実際に持っている声の数に応じて増えます。

モデルはサンプルから実際に何を学ぶのか？

他の方法では手に入らない測定値です。言語モデルは、文体を説明するあらゆる言葉を知った状態で、あなたの書き方については何も知らずにやって来ます。サンプルはそのギャップを埋める唯一の入力です。あなたのスタイルは、どんな形容詞にも符号化されていない特徴の中に保存されているからです。

1つのコンテキストのサンプル群からスタイル分析が抽出するものは次のとおりです。

1. 文の長さの分布： 中心、ばらつき、長短を交互に使うか一定に保つか。
2. 修飾語の位置： 「〜と思います」が文頭に来るのか、途中に割り込むのか、文末に付くのか、そしてそもそもどれくらいの頻度で現れるか。
3. つなぎ方の癖： 「So」か「Therefore」か、それとも何もなしに新しい段落に入るか。
4. 句読点の密度： コロン、括弧、セミコロン、ダッシュが100語あたりそれぞれ何個あるか。
5. 書き出しと締めの型： 最初の1行が何をし、最後の1行が何をするか。
6. 語彙のルール： 決して使わない語、使いすぎる語、説明せずに使う専門用語。
7. 段落の形： 1段落1アイデアか3アイデアか、そしてそれぞれどれくらいの長さか。

これらのどれもトーンではありません。すべてがあなたの声です。「率直で温かいシニアマネージャーのように書いて」というプロンプトはこのどれも設定しないので、出力はあらゆる率直で温かいシニアマネージャーを同時に混ぜたように読めるのです。モデルは説明を知っています。測定値は知りません。それを運べるのはあなたのサンプルだけで、モデルがどれだけ高性能になってもこれは変わりません。その理由はAIは私の文体を知っているのか？高性能モデルでも知らない理由で説明しました。能力と個人への条件付けは別のレイヤーであり、開発企業が出荷できるのは前者だけです。

これは、より良いモデルがサンプルの価値を下げるのではなく上げる理由でもあります。測定値が存在すれば、細かな指示により正確に従うモデルは、それをより正確に再現します。証拠の必要量はモデルの品質によって縮みません。証拠を持っていることの見返りは大きくなります。

コンテキストごとに何語必要か？

1つのコンテキストの中に自分で書いた文章が約2,000語あるところが、MyWritingTwinがプロフィールを準備完了とみなす地点で、学術的な計量文体学では完全な安定はさらに上にあるとされています。どちらの数字も同じことを指しています。もう1本サンプルを足しても測定値が動かなくなる地点です。

学術的な基準点は、文章の特徴だけから「誰が書いたか」を問う分野である著者判定から来ています。Maciej Ederの研究Does size matter? Authorship attribution, small samples, big problemは、複数の言語とコーパスにわたって、その手法にどれだけの文章量が必要かを検証しました。主な結論は、結果は約5,000語で信頼できるものになり、それを大きく下回ると不安定になるというもので、正確な最低ラインは言語と候補となる著者の数によって変わりました。

スタイルプロフィールは、100人の著者の中からあなたを特定する必要はありません。1人の著者を、モデルがそのパターンを再現できる程度に描写できればよいのです。それはより小さな課題であり、準備完了ゲートが5,000語ではなくコンテキストごとに約2,000語に置かれている理由です。このラインを下回ると、たった1通の異常なメール（激怒して書いたもの、あるいは深夜1時に書いたもの）が文の長さの中心を丸々1語分ずらしかねません。上回れば、1つの外れ値は多数の観測の中の1つにすぎません。

ここから2つの帰結が導かれます。

短いメール10通は、長い報告書1本に勝ります。 300語のメールは、書き出し、締め、ぼかし表現、署名をそれぞれ1回ずつ見せます。10通あればそれらの型が10回見えます。3,000語の報告書は、年に2回しか使わない文体でそれらを1回ずつ見せるだけです。

最低ラインはアカウントごとではなく、コンテキストごとです。 英語の顧客向けメールで2,000語に達しても、日本語の社内メッセージについては何もわかりません。そのセルはゼロから始まります。だからこそコミュニケーションマトリックスは、何かを分析する前にサンプルを言語、チャネル、読者層でグループ分けするのです。意味のある語数は、セルの中にあります。

なぜサンプルを増やすとプロフィールが悪化することがあるのか？

閾値を超えた後は、コンテキスト外のもの、他人が編集したもの、AIが一部を書いたものを追加するたびに、信号が強まるどころか薄まるからです。出力を悪化させた追加の12本は、おそらく次の3つのいずれかをしていました。

別のコンテキストから来ていた。 社内メールの山にカンファレンス用の経歴とLinkedInの投稿2本を足しても、モデルに「もっとあなたらしさ」を与えることにはなりません。あなたが実際に書いたことのない場所を中心とする、より広い分布を与えるだけです。

完全にあなたのものではなかった。 編集者の手が入った公開記事。同僚が下書きし、あなたが磨いた提案書。ChatGPTが書いた初稿を、あなたが直したもの。それぞれに他人の文の長さや修飾語の癖が混ざっており、分析はどの文があなたのものかを見分けられません。AI分析用のライティングサンプルの選び方というガイドで真正性のテストを解説していますが、短く言えば、自分が書いた文を指し示せないなら、その文書は外してください。

極端だった。 送らなかった辞表、航空会社への苦情。本物で、あなたのもので、それでいて普通の火曜日に書くものとは何も似ていません。2,000語のコーパスの中の1本なら脚注です。600語のコーパスの中の1本なら証拠の3分の1です。

実践的なルールはこうです。コンテキストが最低ラインに達するまでサンプルを足し、そこで足すのをやめて確認に切り替えます。次のサンプルでプロフィールが変わらなければ、そのコンテキストは完了です。大きく変わるなら、そのサンプルがそこに属するのか、別のセルに属するのかを問い直してください。

代わりにチャットにサンプルを貼り付けるとどうなるか？

モデルはその会話の間だけあなたを学び、会話を閉じると忘れるので、サンプル数の問いはセッションごとにリセットされます。下書きを頼む前にChatGPT、Claude、Geminiにメール5通を貼り付けるのは、下書きがその5通に寄るという意味では機能します。しかしそれは、毎日同じメールをアップロードし直し、モデルがあなたを安定して読み取ることは決してなく、そのたびに同じ名前や数字を漏らすということでもあります。

見落としやすい第二のコストもあります。チャット画面のサンプルは例であって、測定値ではありません。モデルは目にしたものの表面を真似します。たまたま全部が「Quick one:」で始まるメール5通を渡せば、それが癖なのか選んだ5通の偶然なのかに関係なく、すべての下書きをそう始めます。測定済みのプロフィールは「社内メールのおよそ3分の1で、2語の前置きフレーズから始める」と記録し、そのとおりに振る舞います。例はあなたが何をしたかを示します。測定値はあなたが何をするかを示します。

代替案は、分析を一度だけ実行することです。各セルが準備完了になるまでコンテキストごとにサンプルをアップロードし、スタイルプロフィールを抽出し、持続する場所にデプロイします。Custom GPT、Claude Project、GeminiのGem、APIで構築するもののSystem Promptです。生のサンプルは手元に残ります。そのステップでサンプルに何が起きるのかが気がかりで踏み出せないなら、ライティングサンプルをAIにアップロードしても安全か？で、サンプルが保存される前に実行される匿名化を含めて、すべての段階を記録しています。

十分な量があるかは、どうすればわかるか？

コンテキストごとに語数を数え、分析を実行し、それからもう1本サンプルを足して何かが動くかを確認します。これには10分ほどかかり、平均的なユーザーではなくあなたの文章について問いに答えてくれます。

監査の手順は次のとおりです。

1. コンテキストを列挙する。 言語×チャネル×読者層。ほとんどのプロフェッショナルは、重要なものが2〜6個に収まります。
2. コンテキストごとに実際のサンプルを3〜5本集める。 下書きではなく送信済みのもの。自分1人で書いたもの。他人が編集したものやAIが書き始めたものは除きます。
3. コンテキストごとに語数を数える。 500語未満：スケッチの段階です。500〜2,000語：まだ動く最初の読み取りがあります。2,000語超：プロフィールがあります。
4. 外れ値を探す。 普段と違う状態で書いた1本です。コンテキストが最低ライン未満なら取り除きます。超えているなら残します。今や多数の観測の中の1つです。
5. もう1本足して比較する。 測定された文の長さの範囲と頻出フレーズがほとんど変わらなければ、そのコンテキストは完了です。大きく揺れるなら、まだ閾値未満だったか、新しいサンプルが別のセルに属しています。
6. いちばん薄いセルから埋める。 語数が最も少ないコンテキストが、AIの出力が最もあなたらしく聞こえない場所です。次のサンプルはそこに入れます。

この監査が最も頻繁にあぶり出すのは、不足ではありません。不一致です。公開された文章が8,000語ある一方で、実際に送るものの70%を占める社内メールは400語しかない、という人がいます。その結果、プロフィールは年に2回しか使わない文体には流暢で、毎日使う文体には盲目になります。これを直すのはサンプルを増やすことではありません。正しい2,000語をそろえることです。

数える、分類する、測定するという作業を代わりにやってほしいなら、それがChatGPT、Claude、Gemini向けのWriting Twinです。あなたのサンプルをコンテキスト別に整理し、スタイルプロフィールとして測定し、一度デプロイすればどこにでも持ち運べます。最もよく書く3つのコンテキストから始めて、それぞれ3〜5本の実際のサンプルでどこまで行けるか試してみてください。