敬語とAIと日本語ビジネスメール：なぜ「レジスター」がずれるのか

要点: 敬語 AI メールの下書きは、決まった形で失敗します。文法はたいてい問題ありません。ずれているのはレジスターです。丁寧さの水準、クッションの量、結びの形。AIは丁寧さを一つのダイヤルとして扱い、これまで見たあらゆる日本語ビジネスメールの平均に合わせます。読み手は一行目で気づきます。「丁寧でプロフェッショナルに」とモデルに伝えても役に立ちません。その言葉は何千人もの書き手を表す一方で、誰の実際の習慣も表していないからです。声は具体的な選択の中に宿ります。どの挨拶か、クッション言葉はいくつか、依頼をどの動詞形で結ぶか。自分のメールからそれを測り、ルールとして渡せば、今後のどのモデルも前のモデルより正確に実行してくれます。

ChatGPTに、取引先へのフォローアップメールを日本語で頼んだとします。返ってくるのは、非の打ちどころのない尊敬語、教科書どおりの書き出し、そしてあなたなら絶対に書かない結びです。そのまま送ると、取引先の返信はいつもより少しだけ冷ややかになります。

その下書きに、間違いは一つもありませんでした。すべてが、誰か他の人のものだったのです。

なぜAIはビジネスメールで敬語を間違えるのか？

敬語は二つの問題からなり、AIは最初の一つしか解いていないからです。一つ目は文法の問題です。整った尊敬語、謙譲語、丁寧語を生成することで、現代のモデルはこれを安定してこなします。二つ目はレジスターの問題です。今日この読み手に対して、どれだけ丁寧に、どれだけクッションを置き、どれだけ距離を取るかを選ぶこと。モデルはこれをデフォルトで決めてしまい、そのデフォルトは学習した日本語ビジネス文書すべての統計的な中心です。

文化庁の文化審議会は2007年の答申敬語の指針で、敬語の五分類を示しました。尊敬語、謙譲語Ⅰ、謙譲語Ⅱ、丁寧語、美化語です。これが文法の層で、教えることができます。指針が教えられないこと、そしてどのモデルも文法から導き出せないことは、六年来の付き合いがある仕入先に対して、あなた個人が「ご確認ください」と書くのか「ご確認いただけますでしょうか」と書くのかです。どちらも正しい。あなたのものは、片方だけです。

一通のメールでAIの下書きが典型的に正しく書く点と間違える点を示します。

右の列のすべての行が、文法の失敗ではなくレジスターの失敗です。スペルチェックや文法ツールなら、この下書きを通します。取引先は通しません。

日本語ではレジスターの間で実際に何が変わるのか？

四つのことが変わり、書き手はそれぞれを独立に設定しています。丁寧さの水準そのもの、依頼の前に置くクッションの量、書き出しと結びの定型、そして文のリズムです。AIはこの四つを「フォーマル」という一つの設定に押し込め、一律に適用します。

大阪のプロダクトマネージャーが、午前中に三通のメールを書くとしましょう。二年間付き合いのあるベンダー宛てでは、書き出しは「いつもお世話になっております」、依頼は二文目に置かれ、結びは「いたします」を付けない「よろしくお願いします」です。見込み客の部長宛てでは、書き出しに時候の挨拶が添えられ、依頼は「お忙しいところ恐縮ですが」と「ご検討いただけますと幸いです」に包まれ、結びは「何卒よろしくお願い申し上げます」と完全形になります。自分のチーム宛ての日本語メールでは、件名がそのまま依頼で、文は「です」「ます」で終わり、結びの定型は一切ありません。

同じ人物。三つのレジスター。どれ一つとして、形容詞で区別できるような意味で「丁寧でプロフェッショナル」ではなく、それでいて三つとも丁寧でプロフェッショナルです。

この一般的な話は言語を切り替えると書く声が変わる理由で書きました。日本語の場合はさらに鋭く出ます。レジスターの仕組みが文法化されているからです。英語では、同僚に対して少し丁寧すぎる書き手は、少し堅苦しく聞こえる程度です。日本語では、同僚に謙譲語Ⅱを使う書き手は、他人に話しかけているように聞こえ、相手は何があったのかと訝ります。

四つの可動部分を、具体的に挙げます。

1. 丁寧さの水準。 両端のあるスペクトラムではなく、動詞ごとの離散的な選択の集合です。「させていただきます」と「いたします」と「します」は三つの異なる社会的な立ち位置で、ほとんどの書き手は関係ごとに確固たる習慣を持っています。
2. クッション。 依頼の前にクッション言葉をいくつ置くか、どれを使うか。いつも同じ一つを使う人もいます。初めての相手には三つ重ね、いつもの相手にはゼロという人もいます。AIのデフォルトは重ねることです。
3. 定型。 書き出しと結びの文。選択肢は少なく公知なので、その中での選択が情報を運びます。社内メールをいつも「以上です」で、取引先メールを「引き続きよろしくお願いいたします」で結ぶ書き手には署名があり、それはどんな形容詞にも含まれていません。
4. リズム。 文の長さ、動詞ではなく名詞で文を終える頻度、依頼を独立した段落にするかどうか。これは他の三つを翻訳しても生き残る声の部分であり、AIが最も徹底的に平坦化する部分です。

私たち自身の測定も、この平坦化を裏付けています。言語別の基準値の背後にある320サンプルのベンチマークでは、日本語のAI出力はフォーマル度59、簡潔さ45で、測定した四言語の中で語彙の豊かさは最も低い37でした。これらは平均値であり、平均こそが問題です。モデルはあなたのフォーマル度で書くのではなく、59で書きます。（日本語の表現力の数値は測定上の欠陥が見つかったため撤回しており、ここでは引用しません。）

なぜ「丁寧でプロフェッショナルに」では直らないのか？

その言葉はモデルがすでに知っているレジスターへのポインタで、指している先はそのラベルの下に書かれたあらゆるものの中心だからです。「丁寧でプロフェッショナルに」あるいは「polite, professional, appropriate for Japanese business」と入力すると、モデルは日本語ビジネス文書の平均を取り出します。同じ言葉を使う他のすべてのユーザーが受け取るのと同じ平均です。同じ言葉を入力する同僚も、同じメールを受け取ります。あなたと同僚の書き方は、まったく似ていないのに。

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。

これは英語についてトーンの形容詞はあなたの声ではないで分解したのと同じ失敗で、日本語では二つの点で悪化します。第一に、レジスターの語彙が豊かなので、形容詞がカバーする範囲が広く、制約する力が弱くなります。日本語の「丁寧」は、Slackのメッセージから正式な謝罪状まですべてを含みます。第二に、読み手の感度が高いことです。日本語のビジネスの読み手はレジスターを関係性についての情報として読むので、ずれはスタイル上の些細な問題では済みません。送るつもりのなかったメッセージになるのです。

よくある回避策も、この差を埋めてはくれません。

• 過去のメールを参照ファイルとしてアップロードする。 モデルは関連があると判断したときにそれを取り出し、内容を言い換えます。習慣を吸収するわけではありません。五通のメールでは、あなたのクッション言葉が一つだけなのがルールなのか気分なのか、モデルには分かりません。
• 「前回のメールと同じトーンで」と頼む。 一通の下書きには効きますが、次の会話では消え、そのメールに特有だった部分も含めて表面をなぞるだけです。
• 英語で書いて日本語訳を頼む。 日本語の文法に英語の直接さが乗ります。依頼が早すぎ、クッションが欠け、結果はどの日本人の同僚にも唐突に映ります。逆方向、つまり翻訳調に聞こえるAI英語は、言語を入れ替えた同じ失敗です。
• 新しいモデルに切り替える。 能力の高いモデルは指示により忠実に従います。形容詞を渡せば、同じ平均をより洗練された形で出力します。下書きの読み心地は良くなり、あなたらしさは少しも増えません。

最後の点は、多くの人が賭ける点なので、独立した節で扱います。

より良いモデルなら私の日本語のレジスターを学習するのか？

いいえ。理由は構造的なものです。モデルの能力とユーザーデータによる調整は別々の層です。開発元はリリースごとに前者を改善します。後者は供給できません。後者はあなたが送ったメールでできていて、開発元はそれを見たことがないからです。

強いモデルがもたらすのは、指示への忠実さです。「丁寧でプロフェッショナルに」を与えれば、前のモデルよりも徹底してその指示を実行します。より滑らかな敬語、より一貫した水準、より整った定型。それは平均に近づいたのであって、あなたに近づいたのではありません。モデルを更新したら日本語の下書きが「もっと無難になった」と報告する読者は、まさにこれを説明しています。

指示に精密な何かが含まれた瞬間、同じ性質があなたに有利に働きます。「取引先メールは『いつもお世話になっております』で始め、時候の挨拶は使わない。依頼の前のクッション言葉は一つで、常に『お手数ですが』。結びは『よろしくお願いいたします』で、『申し上げます』は使わない。依頼は二文目に置く」というプロフィールはルールの集合であり、強いモデルほど弱いモデルより正確に命中させます。ニュアンスのある指示に従う力が上がるほど、あなたのプロフィールの実行精度も上がります。一般的な論証はより良いAIモデルでもあなたの声を知らない理由で示しました。日本語はこの論証が最も強く効くケースです。「丁寧」とあなたの丁寧との差が、最も大きいからです。

つまり、モデルのドロップダウンは最後に変えるものです。モデルに実行させている内容を直せば、今後のすべてのリリースがそれをより良く実行します。

AIに自分の日本語のレジスターを渡すにはどうすればいいか？

すでに送ったメールから測定し、その測定値をルールとして渡します。あなたのレジスターは数えられます。上の四つの可動部分はどれも、10通から15通のメールから一時間で読み取れ、それぞれが形容詞を一つも含まない指示になります。

まずサンプルを分けます。日本語は一つのフォルダに、英語は別のフォルダに。日本語の中では、各メールに関係性のラベルを付けます。長年の取引先、新規の相手、社内、仕入先、謝罪。まとめて扱ってはいけません。取引先メールとチームメールを平均したプロフィールは誰のものでもないプロフィールで、それはまさにあなたが逃れようとしている間違いです。

次に、レジスターごとに数えます。

水準。 依頼ごとに、どの動詞形を使ったか。「いたします」「させていただきます」「します」を集計します。要望ごとに、「ください」か「いただけますでしょうか」か「いただけますと幸いです」か。関係ごとに確固たる習慣が見つかるはずで、習慣はルールです。

クッション。 依頼あたりのクッション言葉を数えます。どれを使ったかも記録します。ほとんどの書き手にはお気に入りが一つか二つあり、決して超えない上限があります。その上限を厳格な天井として書き留めます。

定型。 レジスターごとに書き出しと結びを一覧にします。決して使わないものも記録します。不在はサンプルからは見えないので、明示する必要があります。「『拝啓』は使わない、社内メールで『何卒』は使わない」というように。

リズム。 一文あたりの語数または文字数、典型値と範囲。依頼の位置（一文目、二文目、独立した段落）。取引先メールで箇条書きを使うかどうか。名詞で文を終える頻度。

一つのレジスターについて仕上がったブロックは、次のようになります。

レジスター：既存の取引先、毎週のやり取り。「いつもお世話になっております」で始め、時候の挨拶はなし。依頼は二文目。クッション言葉は「お手数ですが」または「恐れ入りますが」を一つだけ、重ねない。要望は「いただけますでしょうか」。動詞の水準は「いたします」、「させていただきます」は使わない。一文は25字から45字、一文一義。結びは「引き続きよろしくお願いいたします」。「何卒」と「申し上げます」は使わない。

これを指示の置き場所に貼り付けます。ChatGPTのカスタム指示、Claude Project、Gemini Gem、Custom GPTの指示欄。レジスターごとにブロックを一つ用意し、どれを適用するかをモデルに伝えます。自分の文体をChatGPTに接続するガイドでは、各ブロックの置き場所と、長い会話でずれを防ぐ方法を扱っています。

MyWritingTwin.comのスタイルプロフィールが言語ごとに行うのも、まさにこれです。多言語ユーザーの日本語サンプルは、英語ではなく日本語の基準値に照らし、上の四つより多くの次元にわたって、独自のライティングDNA分析を受けます。出力は制約のブロックであり、ChatGPT、Claude、Geminiのためのあなたのライティングツインとは、そのブロックをすでに使っているツールの中にデプロイしたものです。英語のサンプルには別のプロフィールが作られます。どちらももう一方の翻訳ではありません。あなたの二つの声が、互いの翻訳ではないからです。

測定されたプロフィールの二つの性質が、ここでは他のどこよりも重要です。検証できること。「あれは十分に丁寧だったか？」には答えがなく、「クッション言葉は一つだったか、それは『お手数ですが』だったか？」には答えがあります。そしてモデルより長生きすること。ルールはツールではなくあなたを記述しているからです。

下書きが自分のものかどうかをどう検証するか？

すでに送った日本語メールの要件をモデルに渡し、その下書きを自分のメールと並べて、数えます。ツール不要、五分で、答えは感覚ではなく数値の集合として出ます。

先月のメールからレジスターごとに一通選びます。それぞれに二行の要件を書きます。誰宛てか、何が必要だったか、相手はすでに何を知っていたか。モデルに日本語でそのメールを頼み、比較します。

• 書き出しの一文：同じ定型か、それとも教科書どおりか？
• 依頼の位置：何文目か？
• クッション言葉：いくつ、どれか？
• 依頼の動詞の水準：「いたします」「させていただきます」「します」のどれか？
• 結び：あなたのものか、デフォルトの「よろしくお願いいたします」か？
• 一文あたりの文字数：典型値、最短、最長

数値が違うなら、直接尋ねたときにモデルが何と言おうと、モデルはあなたのレジスターを知りません（「はい」と答えます。いつも「はい」と答えます）。形容詞ベースの設定は、たいてい取引先向けのフォーマルなメールでは合格します。平均がそのレジスターに最も近いからです。そして社内メールと長年の取引先向けメールで不合格になります。あなたの習慣が中心から離れるのはそこだからです。

形容詞を測定済みのブロックに置き換えて、同じテストを実行します。数値は最初の下書きから収束し、個々のルールを締めるほど収束し続けます。この収束こそが、あなたの署名が付いたメールと、あなたが宿ったメールとの違いです。

敬語が問題だったことは一度もありません。問題はレジスターで、レジスターは一度も渡されていなかったのです。

Humanity Scoreテストで、AIの下書きが自分の実際の文章からどれだけ離れているかを確かめてください。あるいは日本語のサンプルをアップロードして、スタイルプロフィールに数えさせてください。