AIに自分の文体を説明するには？形容詞はあなたの声ではありません

要点： AIに自分の文体を説明して、自分らしい文章を返してほしいなら、形容詞では実現できません。「プロフェッショナルかつ親しみやすく」は何千人もの人を表すので、モデルはその全員の平均を返します。AIはあなたの文体を知りません。文体を説明する言葉を知っているだけです。声は文の長さ、修飾語の位置、接続表現、句読点の中にあり、そのすべてが数えられます。自分の文章からそれらを測定し、指示として記述し、その結果をChatGPT、Claude、Geminiに貼り付けてください。それが、文体のラベルとスタイルプロフィールの違いです。

あなたは「Write Like Me」というCustom GPTを作りました。指示にはこう書いてあります。温かいがプロフェッショナル、簡潔、自信がある、無駄がない。最初に生成された下書きは「お世話になっております。ご健勝のことと存じます」で始まり、「何かございましたら、お気軽にご連絡ください」で終わりました。指示を二度書き直しました。三番目のバージョンは、最初のものとまったく同じように聞こえます。

指示には従われていました。問題は、その中身です。

形容詞でAIに自分の文体を説明できるのか？

入力することはできますし、モデルは従いますが、結果はあなたの声にはなりません。形容詞は、モデルがすでに知っている文体を指すポインターです。その文体の中にいる何千人もの書き手のうち、あなたがどの一人なのかについては何も語りません。

カスタム指示に「プロフェッショナルかつ親しみやすく」と書いたとき、モデルが手にしているものを考えてみてください。学習中、モデルはその言葉でラベル付けや説明がされた膨大な量のテキストを見てきました。企業ブログ、人事部のメール、カスタマーサポートの返信、LinkedInの投稿です。このフレーズは今、そのすべてのテキストの統計的な中心を指しています。呼び出せば、その中心が返ってきます。同じフレーズを入力した同僚にも、同じ中心が返ってきます。二人の実際の文章はまったく似ていませんが、モデルにはそれを知る方法がありません。どちらもラベルしか渡していないからです。

自分で実験してみてください。新しいチャットに「プロフェッショナルかつ親しみやすく、簡潔で温かく」と入力し、顧客との会議後のフォローアップメールを依頼します。チームの誰かにも同じことをしてもらいます。二つの下書きは、あなたが先月実際に送ったどのメールよりも、お互いに似ているはずです。形容詞をいくら積み重ねても、それは変わりません。「自信があり、率直で、親しみやすく、人間らしい」は四つの文体を指す四つのポインターで、モデルはそれらを一つの平均に混ぜ合わせます。

私たちはその平均がどれほど狭いかを測定しました。AIの文章が汎用的に聞こえる理由についてのデータでは、5つのモデルから320のAIサンプルを6つのスタイル次元で採点しましたが、モデル間のばらつきは、どのモデルと一人の書き手との距離に比べても小さいものでした。文体のラベルは、モデルをデフォルトから動かしません。ラベルの中には、どこへ向かうべきかを伝えるものが何もないのです。

「プロフェッショナルかつ親しみやすく」が誰にでも同じメールを生むのはなぜか？

AIはあなたの文体を知らず、文体を説明する言葉を知っているだけだからです。文体のラベルは効果の説明であり、モデルにはあなたがその効果をどう生み出しているかの記録がありません。

「親しみやすい」が何を含むか考えてみてください。ある人は、依頼の前に個人的な一文を置くことで親しみやすさを出します。別の人は、ファーストネームと短い文を使うことで親しみやすさを出します。三番目の人は、最後に軽い冗談を添え、途中では決して入れないことで親しみやすさを出します。三人とも、フォームでは「親しみやすい」にチェックを入れるでしょう。三人とも、まったく異なるメールを書きます。この言葉はそうした違いを一つの文体に押し込め、モデルはその文体しか生成できません。

同じ崩壊は、ウェブ上のあらゆる文体テンプレートのあらゆる形容詞で起こります。

どの行も同じ終わり方をします。ラベルは効果を名指しし、モデルは仕組みの部分をデフォルトで埋めます。OpenAI自身のカスタム指示のガイドは、この欄をChatGPTにどう応答してほしいかを伝える場所と説明しています。ほとんどの人は、そこを効果で埋めます。モデルが必要としているのは仕組みです。

これが、三番目のCustom GPTが最初のものと同じように聞こえる理由でもあります。Custom GPTは容器です。中の形容詞を書き換えても、同じ平均を指すポインターを並べ替えているだけです。ChatGPTカスタム指示のベストプラクティスのガイドでは、それらの欄が効果ではなく仕組みを含むとどう見えるかを示しています。

声は実際には何でできているのか？

声は、文の長さ、修飾語の位置、接続表現、句読点の中にあります。読者があなたを認識するのはこの四つであり、どれも形容詞ではありません。それぞれが、すでに書いた文章から取れる測定値です。

文の長さ。「簡潔」ではなく、分布です。あなたの典型的な文は12語かもしれません。短い文は、決断を下すときに4語まで落ちるかもしれません。長い文は、文脈を説明するときに30語に達するかもしれません。それらを切り替えるリズムはあなたのものであり、「簡潔」と指示されたモデルは、14語で均一な文を永遠に生成し続けます。

修飾語の位置。「おそらく」が節の冒頭に来るか、末尾に来るか。推奨の前にはぼかし、後には決してぼかさないか。決断した後に「〜と思います」をまったく使わないか。語彙がまったく同じ二人の書き手でも、ここはすべての段落で異なり、読者はそれを名指しできないまま感じ取ります。

接続表現。「だから」か「したがって」か、それとも接続語なしで新しい文を始めるか。段落を結論から始めるか、結論へ積み上げるか。「そして」で文を始めるか。「しかしながら」を一度でも書くか。モデルのデフォルトの接続表現は最も多く目にしたものであり、それこそが下書きにAIの匂いをつけるものです。

句読点。 コロンの頻度。一文あたりのコンマの密度。補足を括弧に入れるか、独立した文にするか。ビジネスメールで感嘆符を使うか（使う人もいます。一通につき一回、毎回同じ場所で）。

この四つの上に、語彙と回避が乗ります。よく使う言葉と、決して書かないフレーズです。要点はどの場合も同じです。これらは数えられます。自分が送ったメール10通を取って、それぞれについて数値を出せます。数値は指示として記述でき、数値を含む指示は照合できます。スタイル抽出の仕組みの解説では、私たちが測定する次元の全体を順に説明しており、四つより多くありますが、文体のラベルと声を分けるのはこの四つです。

サンプルやCustom GPTでも不足するのはなぜか？

サンプルはラベルより優れていますが、それでもモデルは推論を続けます。Custom GPTは容器であり、中にある弱点をそのまま引き継ぎます。どちらも、根本的な隙間を単独では埋められません。その隙間とは、誰もモデルにあなたのパターンが何かを伝えていないことです。

Custom GPTの指示にメール3通を貼り付けたり、ナレッジファイルとしてアップロードしたりすると、モデルには生の証拠が渡ります。それは形容詞に比べて本物の改善です。モデルはこれで、あなたの文が短く、依頼が最初に来ることを見ることができます。次にモデルがしなければならないのは、その3通のメールにあるパターンのうち、どれがあなたのもので、どれがある火曜日のものだったかを推測することです。3つのサンプルでは、癖と気分を分けられません。推論はまた、ずれていきます。長い会話では、ターンごとにモデルがデフォルトに引き戻されます。サンプルはコンテキストの先頭にあり、モデル自身の出力がその下に積み上がっていくからです。

実務上の上限もあります。カスタム指示の欄には容量があり、サンプルはそれを急速に消費します。メール3通で埋めれば、本当に必要なルールを入れる余地がなくなります。サンプルをナレッジファイルに移せば、モデルは関連があると判断したときにだけ参照します。それは、すべてのリクエストで起こるわけではありません。

多くの人が試す三つのアプローチに共通するパターンを示します。

容器の問題（カスタム指示、Custom GPT、Project、Gem）は、その中に何を入れるかに比べればはるかに重要度が低いものです。メモリとスタイルプロフィールの比較では、ChatGPTのメモリが実際に保存しているものと測定済みプロフィールを比べましたが、その結論はどの容器にも当てはまります。メモリはあなたに関する事実を保存し、あなたに関する事実もまた、あなたの声ではありません。

では、AIに自分の文体をどう説明すべきか？

自分の文章から測定し、測定値を指示として記述し、その指示をAIが提供するどの容器にでも貼り付けてください。すべての形容詞を、モデルが解釈なしに従える数値かルールに置き換えます。

手作業版は1時間かかりますが、どんな文体テンプレートにも勝ります。

1. 自分が書いて満足した文章を10〜15本集めます。 最も必要な文体のものです。顧客へのメール、社内の報告、提案書。良い反応があったものを選びます。ライティングサンプルの選び方のガイドでは、何がサンプルを有用にし、何を除くべきかを扱っています。
2. すべてについて一文あたりの語数を数えます。 典型的な値、最短、最長を記録します。範囲として書き留めます。
3. 使ったぼかし表現をすべて、その位置とともに列挙します。 節の冒頭か、末尾か、決断の後には存在しないか。
4. 接続表現を列挙します。 使ったものと、一度も使わなかったもの。二番目のリストのほうが、一番目より役に立つことが多いです。
5. 句読点の癖を記録します。 一通あたりのコロン、一文あたりのコンマ、補足は括弧か独立した文か。
6. 見つけたことを指示として書きます。「文は平均12語、範囲は4〜28語。依頼から始める。ぼかすのは推奨の前だけで、決断の後には決してぼかさない。『しかしながら』や『さらに』は決して使わない。コロンは一通につき最大一つ」。形容詞はどこにも入れません。

このブロックを、ChatGPTのカスタム指示、Custom GPTの指示欄、Claude Projectのシステムプロンプト、Geminiの保存情報に入れます。同じブロックを、すべてのツールに。

MyWritingTwin.comのスタイルプロフィールとはこれです。測定のステップを代わりに行い、手で数えるより多くの次元にわたって、すでに持っているサンプルから作ります。出力は制約として表現されたライティングDNA分析で、すでに料金を払っているAIの中に一度デプロイするMaster Promptとしてパッケージされています。ChatGPT、Claude、Gemini向けのあなたのWriting Twinは、その指示のブロックであり、別のチャットボットではなく、すでに使っている容器の中に存在します。

測定済みプロフィールの二つの性質が、ここでの議論にとって重要です。

照合できます。「あれは十分に親しみやすかったか？」には答えがありません。「平均の文の長さは範囲内だったか？」には答えがあります。下書きがずれたら、数えて、どこで外したかを見て、ルールを一つ修正します。形容詞では、修正するものが何もありません。

次のモデルのリリースを生き延びます。 測定値はあなたに関するものなので、モデルが変わっても変わりません。より良いモデルは、同じプロフィールを前のモデルより忠実に実行します。だからこそ、測定済みプロフィールはリリースごとに有用になっていき、文体テンプレートは書いた日とまったく同じ曖昧さのまま止まっているのです。

文体の説明が機能したかをどう確認するか？

すでに送ったメールの要件をモデルに渡し、その下書きと自分のものを数えて比べます。5分、ツールなしで、結果は感覚ではなく数値になります。

先週のメールを一通選びます。二行の要件を書きます。誰宛てか、何が必要か、相手がすでに知っていることは何か。現在の文体の指示を有効にした状態でアシスタントに要件を貼り付け、メールを依頼します。その下書きを自分のものの隣に置いて、数えます。

• 一文あたりの語数、最短と最長
• 一段落あたりの文の数
• 依頼の位置（最初の一行か、最後か）
• ぼかし表現：いくつあるか、節の冒頭か末尾か
• 一文あたりのコンマ
• 書き出しの一文と結びの一文

数値が異なれば、アシスタントに直接聞いたときに何と言われようと、あなたの説明は機能していません。一通で一致したら、異なる文体でさらに三通試してください。文体の形容詞は、たいてい最初のテストを通過して二番目で失敗します。ラベルは一つの気分のために書かれており、あなたには複数の気分があるからです。

形容詞を測定値に置き換えた後、同じテストを実行してください。数値は収束します。その収束こそが要点であり、「AIに自分の文体を説明する」が最初から意味すべきだったことです。望む効果の説明ではなく、実際にどう書いているかの仕様です。

あなたの声は、決して形容詞ではありませんでした。それは常に、数えられる癖の集まりでした。その数をモデルに渡せば、モデルはあなたを他の全員と平均するのをやめます。

Humanity Scoreテストで、現在の設定が実際の文章からどれだけ離れているかを1分ほどで確認してください。あるいは、自分のサンプルからスタイルプロフィールを作り、すでに使っているAIに貼り付けてください。