AIの英語が「翻訳調」に聞こえる理由（そして文法は問題ではない）

要点: AIの英語が翻訳調に聞こえるのは、モデルが英語の統計的な平均を書くからです。そして英語の平均は、慎重な翻訳の形をしています。どの文もほぼ同じ長さで、段落の頭には接続語があり、依頼の前にはクッション表現が積み重なり、短縮形はなく、冒頭と末尾には定型句があります。ネイティブの読み手は、文法を確認する前にリズムを聞き取ります。「自然な」英語や「ネイティブらしい」英語を頼んでも何も変わりません。それらの言葉は、モデルがすでに目指している効果を表しているだけだからです。効くのは、あなたが送ったメールから自分の英語の習慣を計測し、ルールとしてモデルに渡すことです。新しいモデルが出るたびに、そのルールは前のモデルより正確に実行されます。

ロンドンの顧客宛てのメールを、ChatGPTに整えてもらったとします。返ってきた文はすべて正しい。二度読み返しても間違いは見つからないのに、やはり翻訳調に聞こえます。それでも送信します。返信は丁寧で、先週より少しだけ距離があります。

下書きに間違いはひとつもありませんでした。あなたらしいところも、ひとつもありませんでした。

なぜAIの英語は翻訳調に聞こえるのか

モデルは自分が見てきたすべての英語の中心を書き、英語の中心は翻訳の形をしているからです。翻訳された文章は、語彙よりもはるかに早く、構造で見分けられます。ほぼ同じ長さの文、各段落の頭に置かれたつなぎの言葉、依頼に必要な以上のクッション、短縮形の不在、そして他のどのメールに差し替えても失うもののない冒頭と結び。AIは初期設定でこの構造を生み出します。依頼が日本語、フランス語、英語のどれで来たかは関係ありません。

この平坦さは計測できます。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AI」ベースラインでは、英語のAI出力は一貫性スコア52〜55の範囲にあり、この数値は言語が変わってもほとんど動きません。当社の尺度では、これは中程度で均等に分布した文の長さの変化を意味します。モデルは、要点を決める6語の文も、文脈を運ぶ30語の文も書きません。このベースラインをどう構築したかで手法を説明していますが、短く言えば、リズムはどこでも同じです。それこそが、読み手が「翻訳調に聞こえる」と言うときに意味していることです。

1通のメールで平均的な形がどう現れ、流暢な読み手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。文法チェッカーは7つすべてを通します。あなたの顧客は通しません。

下書きが日本語やフランス語で始まるとどうなるか

モデルは文を直し、構造を保ちます。日本語の下書きを貼り付けて英語を頼む場合も、頭の中の日本語の構想で英語を書く場合も、モデルは各文を修正しながら、あなたが与えた順序をそのまま残します。まず関係性、次に状況、三番目に謝罪、最後に依頼、そして締めに感謝。日本語の順序で並べられた正しい英語。これが「翻訳調に聞こえる」の最も正確な定義です。

東京のアカウントマネージャーが、納品が1週間遅れる件でロンドンの顧客に書く場面を考えます。このメールの日本語的な論理は筋が通っています。関係を確認し、状況を説明し、謝罪し、新しい日付を伝え、理解を求める。同じ構想のAI英語はこうなります。"I hope this email finds you well. I am writing to inform you regarding the delivery schedule. Due to unforeseen circumstances in our production process, we regret to inform you that the delivery will be delayed." 日付が出てくるのは第2段落です。依頼は最後まではっきりとは出てきません。

同じ人が調子のよい日に自分の英語で書くと、こちらに近いものになります。"Quick update on the delivery: it's moving from the 20th to the 27th. The cause was a supplier delay on our side, and we've already switched to a second source. Sorry for the knock-on effect on your planning. Does the 27th still work for your team?" 事実も謝罪も丁寧さも同じです。依頼は1行目にあり、クッションは1文だけです。

フランス語版の問題は、別の意味で構造的です。当社の言語別データでは、フランス語のAI出力は文の複雑さで75、簡潔さで32を記録しており、計測した4言語の中でそれぞれ最高と最低です。フランス語で下書きし英語を頼むフランス人プロダクトリードは、語彙を滑らかにされ、従属節はそのまま残されます。フランス語の骨格を持つ英文、長さは40語、主動詞はどこか真ん中あたり。AIは日本語、フランス語、スペイン語でどう書き方が違うかに完全な表があります。

はっきりさせておきたいことがひとつあります。解決策は、どちらの書き手もロンドン人のように聞こえさせることではありません。アカウントマネージャーの英語は、それ自体がひとつの個性です。彼女は確かに文脈を先に置きますが、5つの長文ではなく2つの短文で置きます。確かに一度謝罪しますが、対処を述べた後にします。それらは彼女の習慣です。翻訳調の問題は、モデルがその上に付け加えるものにあります。バイリンガル専門職向けガイドでは、この付け足しが第二言語の書き手を最も強く直撃する理由を扱っています。

なぜ「自然な英語で書いて」では直らないのか

「自然」「ネイティブらしい」「流暢」「会話的」は効果につけたラベルであり、モデルはすでにその効果を目指しているからです。これらの言葉は何百万人もの書き手を表しますが、その誰の習慣も表していません。AIはあなたのトーンを知りません。知っているのはトーンを表す言葉です。自然な英語を頼めば、学習データで「自然」とラベル付けされたすべての平均が返ってきます。つまり同じ下書きに短縮形が2つ足されたものです。

"Professional yet friendly" にも同じ問題があり、これはほとんどの人が最初に手を伸ばすフレーズです。何千人もの書き手を表しています。同じ3語を同じ入力欄に打ち込む同僚は、あなたと同じメールを受け取ります。声は形容詞の中には存在しません。存在するのは、文の長さとその変化幅、修飾語の位置、使う接続語と決して使わない接続語、句読点の打ち方の中です。この点は形容詞はあなたの声ではないで詳しく書きましたが、第二言語ではこの主張はさらに強く当てはまります。あなたが自分の英語に選ぶであろう形容詞は、モデルがすでに初期設定にしているものだからです。

OpenAI自身のカスタム指示のガイダンスは、この機能を2つの問いとして枠づけています。モデルはあなたについて何を知るべきか、そしてどう応答すべきか。ほとんどの人は2つ目に雰囲気で答えます。下書きを変える答えはルールです。依頼から始める、クッション表現は最大1つ、短縮形を使う、結びの定型句は使わない。ルールは守れます。雰囲気は近似しかできず、その近似が平均なのです。

より良いモデルなら翻訳調ではなくなるのか

いいえ。その理由は一時的なものではなく構造的なものです。モデルの能力とユーザーデータによる条件付けは別の層です。開発元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。後者はあなたが送ったメールから作られ、開発元はそれを一度も見たことがないからです。強いモデルは「自然な英語」をより忠実に実行し、その結果、同じ平均的な形のより滑らかな版が生まれます。

当社のモデル別データが、この点を数字で示しています。ベースラインのうち英語80サンプルの範囲では、計測した5つのモデルは表現力で61ポイントの開きがあり、他の2軸ではほぼ重なっています。モデルを切り替えれば、下書きのエネルギーは変わります。依頼の位置、クッション表現の数、リズムは変わりません。どのモデルも、あなたのそれについて何の情報も持っていないからです。「平均的AI」ベースラインが隠しているもので数字をモデル別に分解しています。

プロフィールを手にすれば、この同じ分離があなたの味方になります。モデルが微妙な指示に従うのがうまくなるほど、あなたのプロフィールもよりうまく実行されます。「更新内容から始める、依頼ごとにクッション表現は1つ、段落ごとに8語未満の文を最低1つ」は微妙な指示であり、世代を重ねるごとにより正確に実行されます。強いモデルに曖昧な形容詞を与えれば、より滑らかな平均が返ってきます。計測されたプロフィールを与えれば、より正確なあなたが返ってきます。どちらを受け取るかは、何を渡したかで完全に決まります。この点はより良いモデルでもあなたの声は分からない理由で述べました。

平均ではなく、自分の英語をAIに渡すには

すでに送った英語から習慣を計測し、ルールとして書き出し、モデルがリクエストごとに読む場所に置きます。ChatGPTのカスタム指示やプロジェクト、Claude Project、Gemini の Gem です。手順は3つで、最初の2つにソフトウェアは要りません。

ステップ1: 同じレジスターの送信済みメールを10通集める。 顧客向け、社内向け、初回連絡のどれかひとつを選びます。1時間かけて書き直したものではなく、納得して送れたものを選んでください。プロフィールが捉えるべきなのは、あなたの最高の日ではなく普通の火曜日だからです。日本語やフランス語で書いたものとは分けておきます。あなたの英語は他の言語の翻訳ではなく、翻訳として計測されるべきでもありません。

ステップ2: 描写ではなく、数える。 各メールについて次を記録します。

• 最短の文、最長の文、典型的な長さ。最短の文がどれほど短いかに、多くの人が驚きます。
• 依頼の位置。1文目か、文脈の段落の後か。
• 依頼の前のクッション表現。どのフレーズを、いくつ使っているか。"Could you" と "I was wondering whether it might be possible" は同じクッションではありません。
• 短縮形。あるか、ないか。
• 実際の書き出しと結び。「なし」も含めて。
• 使う接続語（"also"、"so"、"and"）と、あなたの文章に決して現れない接続語。
• 謝罪のパターン。頻度、具体性、対処の前か後か。

ステップ3: 数えた結果をルールとして書く。 ひとつのレジスターの完成ブロックは次のようになります。

English email, client-facing:
- Open with the update or the ask in sentence one. Context comes after.
- Vary sentence length: at least one sentence under 8 words per paragraph, none over 30.
- One hedge per ask, maximum. Use "could you". Never "I was wondering if".
- Contractions on: it's, we're, I'll.
- Connectors: "also", "so", "and". Never "in addition" or a linking adverb to open a paragraph.
- No opening formula. Close with the next step and my first name.
- Apologise once, concretely, after the fix is stated. Never "we regret to inform".

このブロックは雰囲気の描写ではありません。どの行も出力と照合でき、どの行もあなたが実際に書いたものから来ています。

AIの下書きが合格かどうかは、5分のテストで分かります。下書きを自分のメールの1通と並べます。それぞれで8語未満の文すべてに下線を引きます。それぞれで依頼を丸で囲みます。その前にあるクッション表現を数えます。AIの下書きに短い文がなく、依頼が第3段落にあり、その前にクッション表現が3つあるなら、あなたが読んでいるのは平均であり、平均は翻訳調に聞こえます。

MyWritingTwinは、この数える作業を代わりに行います。ライティングDNA分析は、あなた自身のサンプルから文のリズム、クッション表現の位置、接続語、フォーマルさを言語ごとに、言語別の「平均的AI」ベースラインと比較して計測し、その結果を ChatGPT、Claude、Gemini に持ち込めるスタイルプロフィールに変えます。英語のプロフィールと日本語のプロフィールは、別々のサンプルから別々に構築されます。日本語のビジネスメールで重要なレジスターの切り替えは、あなたの英語で重要な習慣とは別のものであり、モデルにそれらを平均させてはならないからです。複数の言語で書くなら、言語を切り替えると書き手の声は変わるが、プロフィールが1つでは決して足りない理由を説明しています。

---

ルールを1行も書く前に、自分の英語の形を平均と比べて見てみたいなら、無料の Writing DNA スナップショットがいくつかのサンプルを言語別のAIベースラインと比較して計測し、モデルがあなたをどこで平坦にしていたかを示します。英語のサンプルと、日本語またはフランス語のサンプルを別々に提出すれば、両方の平均ではなく、2つのチャートが得られます。