メールで機能するAI文章がSlackで崩れる理由
あなたの文章スタイルはプラットフォームによって測定可能なほど変化します。研究によると、同じ著者でもコンテキストが変わると文体モデルの精度が55%低下します。
By Emmanuel
メールの文章をベースにAIの指示を設定します。結果は良好です。それから同じプロファイルをSlackのメッセージに使います。AIは議事録のような文章を書きます。編集します。それでも堅苦しく感じます。
問題はあなたの指示ではありません。その指示が実際に何を捉えたかにあります。
文章スタイルは一つではない
複数あります。
クライアントへのメールの書き方と、チームへのSlack返信の書き方は違います。LinkedInの投稿は社内レポートとリズムが異なります。四半期レビューはクイック状況報告とは別物です。
これは調整です。すべてのプロフェッショナルは、プラットフォーム、読者、重要度に基づいて文章を調整します。この調整は微妙で体系的であり、各コンテキストでの長年の専門的な文章活動を通じて積み重なります。
AIに「あなたのスタイル」を学習させると、問いが生じます。どのスタイルを？
問題の背景にある研究
言語学者はこれを「レジスター変異」と呼びます。すべての書き手は複数のレジスターを持ち、それらの違いは表面的なものではありません。文の長さ、句読点の密度、前置き表現の頻度、構造的な好み、内容語と機能語の比率に現れます。
複数のヨーロッパの大学の研究チームが、これがAIにとってどれほど重要かを正確に数値化しました。
彼らは固定された著者セットのテキストを一つのドメインで学習した著者帰属モデルを訓練し、同じ著者が書いた別のドメインのテキストで同じモデルをテストしました。モデルには文字トライグラム頻度を使用しました。これは文体研究で最も広く受け入れられている特徴の一つです。
結果：著者が同一であっても、ドメインが変わると精度が最大55.4パーセントポイント低下しました（Bischoff et al., Corpus Linguistics and Linguistic Theory）。
これらのモデルは「著者スタイル」を純粋なコンテキスト独立シグナルとして学習していたわけではありません。著者スタイルとドメインスタイルの混合、つまりその書き物ジャンルの慣習を学習していたのです。ドメインが変わると、モデルが学習した大部分が積極的に誤解を招くものになります。
これがまさにSlackの問題です。主にメールで訓練されたAIは以下の混合を学習します：
- あなたの個人パターン（文のリズム、語彙の好み、構造的傾向）
- ジャンルとしてのメールの慣習（フォーマルな書き出し、依頼構造、段落長の規範）
そのAIにSlackメッセージを書かせると、二つを分離できません。あなたの個人パターンと並行してメールの慣習を適用します。結果はあなたらしく聞こえますが、トーンが間違っています。
表層的な特徴がコンテキストをまたいで崩れる理由
問題はジャンル慣習よりも深いところにあります。一つのコンテキストでスタイルを捉えるのに機能する特徴が、別のコンテキストではモデルを積極的に誤った方向に導きます。
ニューラル著者帰属に関する研究はこの区別を示しています。語彙特徴、つまり選択する具体的な単語に強く依存するモデルは、トピックとコンテキストに敏感です。ビジネス語彙とカジュアルな語彙は本当に異なります。フォーマルな文章で訓練されたモデルは、あなたがそうしないコンテキストでも一貫してより正式な同義語を選びます。
構文的特徴はより安定しています。文の構成方法、断片や従属節への好み、能動態vs受動態の比率、文頭の接続詞の使用：これらのパターンは語彙よりもコンテキストをまたいで一貫して持続します。これがあなたの文章の中で最も genuinely「あなた」である部分です。「特定のジャンルで書くあなた」ではなく。
実践的な意味合い：提供したサンプルとの主に表面的な類似性を捉えるAIシステムは、異なる文章コンテキストに遭遇したとき、研究が予測するまさにその精度崩壊を示します。
実際にいくつのライティングコンテキストを持っていますか？
ほとんどのナレッジワーカーは少なくとも4つの異なるコンテキストで活動しています：
非同期社内（Slack、Teams、社内スレッド）：短文、直接的な依頼、共有コンテキストの前提、前置き少、断片可。
フォーマル対外（クライアントメール、提案書、エグゼクティブ向け連絡）：構造化された段落、適切な前置き、フォーマルな書き出し、コンテキスト提供、慎重な言葉選び。
プロフェッショナル公開（LinkedIn、公開記事、ニュースレター）：考慮され、見知らぬ人が読める、コンテキストの前提なし、アイデンティティ意識、編集された声。
業務的（状況報告、会議メモ、文書化）：効率的、事実ベース、構造化、個性不要。
各コンテキストには独自の文長ベースライン、フォーマリティレベル、前置き頻度、構造的デフォルトがあります。各コンテキストに対するあなたの直感は、そのコンテキストでの長年の文章活動を通じて形成されており、ほとんど無意識です。
フォーマルなメールサンプルから構築されたStyle Profileは、これらのコンテキストの一つを確実に捉えます。残りの3つは、それらのコンテキストからのサンプルに対するキャリブレーションが必要です。
30年前にこれを測定した言語学者
コンテキスト間のレジスター変異は文書化された言語学的現象です。
ノーザンアリゾナ大学のコーパス言語学者、Douglas Biberは、彼が「レジスター」と呼んだもの（学術散文、フィクション、ニュース、会話、手紙など）にわたって文章がどう変化するかを分析することに何年も費やしました。1988年の研究で、テキストは67の共起言語的特徴（名詞的vs動詞的密度、受動構文の割合、前置き頻度、時制分布など）に基づいて異なるタイプに分類されることを確立しました。
中心的な発見：これらの特徴は体系的に共変します。学術的文章は高い名詞密度、前置き表現、受動構文を一緒に使用します。会話は高い動詞密度、断片頻度、能動構文を一緒に使用します。パターンはランダムではありません。一貫したレジストルプロファイルを形成し、レジスター間の差異は同じレジスター内の個々の著者間の差異よりしばしば大きいです。
これがAIライティングにおけるドメイン問題の基盤です。著者スタイルはレジスターのベースラインの上に乗っています。メールのレジスターからSlackのレジスターに移すと、ベースラインが足元でシフトします。そのシフトを考慮するよう訓練されていないAIは古いベースラインを適用し続けます。
同じコンテキストからサンプルを追加しても意味がない理由
直感的な修正はサンプルを追加することです。機能しません。
より多くのメールはSlackでのあなたの書き方をAIに教えません。モデルはメールの慣習についてより多く学習し、メールが上手になり、他のすべてのコンテキストで同じ一貫性で失敗します。
研究の結果がこれに直接適用されます：ドメインシフトはボリュームの問題ではありません。同じコンテキストのデータを追加することでコンテキストのミスマッチから抜け出すことはできません。モデルはターゲットコンテキストのサンプルが必要です。学習する必要があるのは、あなたのパターンがどう変化するか、パターンが何であるかだけではないからです。
これはまた、単一の文書タイプ（たとえばLinkedIn投稿のコレクション）からStyle Profileを構築したユーザーが優れたLinkedIn出力を得て、他のすべてで奇妙な結果を得る理由でもあります。プロファイルは訓練された内容に対して正確です。汎化するよう設計されていませんでした。
コンテキスト対応のStyle Profileとは
コンテキスト対応のStyle Profileは明示的なキャリブレーション指示を含む一つの文書です。
「平均18語の文を使う」の代わりに、「フォーマル対外：20〜22語、中程度の前置き、構造化された段落。社内非同期：6〜10語、前置きなし、断片可」と記載されています。AIは一つのプロファイルを持ちます。書いているコンテキストに基づいて調整します。
これを構築するには、実際の文章コンテキスト全体にわたるサンプルが必要です。「3つのメール」ではありません。具体的には：クライアント提案書、社内Slackスレッド、LinkedIn投稿、状況報告。サンプルの多様性により、モデルはあなたが異なる人々ではなく、異なるキャリブレーションを持つ同一人物であることを認識せざるを得ません。
MyWritingTwinのサンプル収集ステップはまさにこの分布を求めます。アンケートは意識的に表明していないかもしれないコンテキスト固有の好みを捉えます。異なるコンテキストでどれほどフォーマルにメッセージを開始するか、異なる読者に書くときにどれほど前置きを使うか、各設定でどの構造的慣習に従うか。
結果はChatGPT、Claude、またはあらゆるAIツール向けのStyle Profileです。明示的なコンテキスト切り替えロジックを含んでいます。単に「この人はどのように書くか」ではなく、「重要度と読者が変わったとき、この人はどのように書くか」です。
現在のプロファイルの簡単な監査
すでにAIライティングアシスタントを使用している場合は、このチェックを実行してください：
最もカジュアルなコミュニケーションコンテキスト（Slack、社内メッセージ）で書いた最後の5つのものを取り出します。次に、同じコンテキストで現在の指示を使用してAIが生成した最後の5つのものを取り出します。
文の長さ、前置き頻度、ネイティブに書くときとのメッセージの開始方法を比較します。
AIがそのコンテキストであなたが実際にするよりも長く、より形式的に構造化され、より多くの前置きを使って書く場合、Style Profileは主にフォーマルなサンプルから構築されています。ドメインシフトが現れています。
修正策はカジュアルなコンテキストのサンプルを具体的に追加することです。モデルがあなたのSlackパターンを明示的に見ると、それに対してキャリブレーションできます。それまでは、最も多くの証拠があるものにデフォルト設定します：訓練されたフォーマルなレジスターです。
あなたがどこにいるかを知るStyle Profileを構築する準備ができていますか？
MyWritingTwinはChatGPT、Claude、またはあらゆるAIツールにデプロイするコンテキスト対応のStyle Profileを作成します。サンプル収集はコミュニケーションコンテキスト全体にわたる文章を具体的に求めるため、出力はメールに過剰適合した一つのレジスターではありません。
またはスタイル分析の実際の仕組みについて詳しくお読みください。
AIにあなたらしい文章を書かせる
手作業でAIの出力を調整する方法を読んだところで、MyWritingTwinなら実際の文章から自動で行えます。サンプルをいくつか貼り付けるだけで、ChatGPT・Claude・Geminiで使えるボイスプロファイルが完成します。
無料でプロファイルを作成まだ早い？AIボイスプロファイルのガイドをメールでお届けします。