文章の助言はたいてい、ひとつのことを取り違えています。「良い」と「正しい」を同じものとして扱うことです。
同じではありません。近くもありません。
文法上どこにも瑕疵がなく、構成も端正で、それでいて紙の上で完全に死んでいる文があります。断片で、規則を破っていて、技術的には「誤り」で、それでいて読者の胸を突く文があります。差は技量ではありません。文体です。
そして文体は、AIによる推敲がいちばん確実に消してしまうものです。
悪意があるわけではありません。言語モデルの仕組みの副作用として消えます。その仕組みを理解することが、自分のものである部分を守る最初の一歩になります。
文体とは何か
同じ瞬間を二人が書きます。人物が、愛する誰かの死を知る場面です。
書き手A：「彼女はそこに静かに立ち尽くし、涙が音もなく頬を伝い、胸は言葉にできない悲しみで満たされていた。」
書き手B：「彼女は立っていた。涙。それだけだ。」
同じ場面。読者の経験はまったく違います。Aは完結した、整った描写です。どこも間違っていません。Bは三つの断片で三つの規則を破っています。では、悲しみが物理的な重さとして届くのはどちらでしょうか。
文体とはこれです。何を言い、何を落とし、どこで切るか——その選択の総和です。ヘミングウェイは最小限の文と巨大な余白の上に築きました。フォークナーは長い節と意識の流れの上に築きました。乙一は、寒気がするほど温度のない語りと、読み終えてから全部の意味が反転する構造の上に築きました。
主題は絶えず重なります。愛、喪失、人間性の裂け目。分けているのは主題ではなく、どう書くかです。数十年ぶんの選択の堆積で、その一つひとつが、世界の見え方、感情の処理の仕方、読者との関係の結び方を映しています。
これは技術ではありません。同一性です。
AIの「平均」という問題
言語モデルは何十億語からを学びます。小説、報道、論文、Webページ。学習データが表しているのは、人が「たいてい」どう書くかです。
この「たいてい」が問題です。
AIが吸収するのは統計上の平均です。どの文型が「たいてい」なめらかか。どの語選びが「たいてい」自然か。どの段落構造が「たいてい」明快か。
平均からのずれをAIは外科的な精度で見つけます。誤字、文法の誤り、不明瞭な言い回し。これらは本当に直したほうがよく、AIは見つけるのが得意です。
崩れるのはここからです。書き手の文体は、定義上、平均からのずれです。
長く書くのが「普通」の場所に短い文を置く? AIはならします。リズムを作るための意図的な反復? AIは「冗長」を削ります。人物の壊れた精神を映す不完全な断片? AIは親切に「完成」させます。
一手ごとに文章が平均へ寄ります。平均の文章は、全員が書いたように聞こえます。言い換えれば、誰も書かなかったように聞こえます。
書き手はこの感触を同じ言葉で説明します。AIが直した版は「正しいのに、生きていない」。文法は問題ない。論理も問題ない。ただ息が抜けている。
抜けた息は作法の問題ではありません。書き手が抜き取られた跡です。
「正しさ」は良い文章の敵になる
深く染みついていて、実害のある思い込みがあります。良い文章とは正しい文章のことだ、というものです。正確な文法、明快な論理、完結した構造。三つとも合格。
文学の歴史は、これに激しく反対しています。
ヘミングウェイの会話の表記は、どのワープロでも赤い波線を呼びます。引用符を落とし、標準の体裁を壊しました。乙一は、天気予報のように平たく突き放した調子で恐ろしい出来事を書きます。意図してそうしています。村上春樹の比喩は、どんな添削者にも顔をしかめさせるはずです。「完璧に揚がった目玉焼きに髪の毛が一本ついていたときのような失望」。長すぎる。奇妙すぎる。規則に反しています。
彼らが「正しくない」ほうを選んだのは、「正しい」が、言おうとしていたものには小さすぎる器だったからです。
これは雑な文章の弁護ではありません。規則を破ることと規則を知らないことは、まったく別の行為です。前者には、何をなぜ破っているかの理解が要ります。
AIにはこの区別がつきません。「彼女は立っていた。涙。それだけだ。」——AIには、要修正の不完全な文が三つ見えます。意図的な断裂と偶然の誤りは、文法解析の層では見分けがつきません。
つまり、AIに推敲を渡す前に、書き手のほうが分かっている必要があります。この「誤り」のうち、どれが選択でどれが本当の間違いなのか。そこがはっきりしていないと、両方まとめて平らにされます。
自分の文体を、自分で説明できますか
もっと厄介な事実がその下にあります。何年も書いている人でも、自分の癖を体系的に調べたことがある人はほとんどいません。
直感で書き、感覚で直す。この進め方に何も問題はありません。それで良い作品は生まれ続けています。ただしAIが推敲に入った瞬間、直感だけでは足りなくなります。ある一文を指して「これは文体だから触るな」と言えること。別の一文を指して「これは本当に壊れているから直す」と言えること。この二つが要ります。
言葉にできないものは、守れません。
試す価値のある実験があります。三年前に書いたものを出して、最近書いたものと並べてください。
文は長くなりましたか、短くなりましたか。動詞は具体的になりましたか、抽象的になりましたか。段落のリズムは速くなりましたか、遅くなりましたか。感情の扱い方は変わりましたか。
この比較を一度もしたことがない人は、自分の癖の頑固さに驚きます。異様に繰り返している語がある。文の七割が同じ構造をしている。息継ぎがいつも同じ位置に落ちる。
この癖は偶然ではありません。その人がどう考え、どう感じ、世界とどう関わっているかの投影です。合わさったものが文体です。
面白いのはここからです。AIはこの癖を可視化するのに使えます。
AIが「要修正」と印をつける場所は、しばしばその文章のいちばん特徴的な場所です。「口癖」「悪い習慣」「標準的でない」言い回し。赤線が引かれた箇所こそ、守る価値がいちばん高いものかもしれません。
Slimaのライティングスタジオでは、AI コーチを診断用の鏡として使えます。「問題がある」と思う箇所を挙げさせてください。直させるためではなく、特定するためです。そのうえで判断します。どれが文体を指していて、どれが本物の欠陥を指しているのか。
鏡の正しい使い方
推敲でAIに担わせるべき役割は、これです。
修理屋ではなく、鏡。
よい鏡は、どうあるべきかを指示しません。そこにあるものを映します。何を変えるかは、映っている人が決めます。
運用上の違いは一文に収まります。
AI コーチにこう言わないでください。「この段落を直してください」。
代わりにこう言ってください。「この段落の問題点を指摘してください。修正案は出さないでください」。
二つの指示の差は小さく見えます。効果はまったく違います。
AIに直接編集させることは、判決を渡すことです。AIは平均値の基準で「良い」を判定します。指摘だけさせれば、判決は書き手に残ります。指摘された箇所のひとつずつが問いになります。これは本当に問題なのか、それとも意図してこう書いたのか。
一巡すると、「問題」のおよそ半分は文体だったと分かります。残りの半分が、本当に手を入れる場所です。
もうひとつ、層で分ける進め方があります。
機械の層はAIに渡します。誤字、明白な文法の誤り、句読点の誤り。ここに人格はありません。直しても失うものがゼロです。
語の選び方、文のリズム、段落の密度。ここは触らせません。それ自体が文体だからです。
Slimaのバージョン履歴が効くのはこの場面です。AIに機械の層を通す前に、スナップショットを一枚取ってください。結果が違うと感じたら——他人が書いたように読めたら——その場で戻せます。ファイル単位で戻せるので、本全体を巻き戻す必要もありません。文体は失われませんし、取り返しがつかない変更への不安も要りません。
文体は動いていい
よく出る問いがあります。文体はずっと固定すべきなのか。
いいえ。どの書き手の声も動きます。四十歳のヘミングウェイと六十歳のヘミングウェイは別人のように読めます。村上春樹の初期作と近作では手触りがはっきり違います。
動くことは健全です。成長であり、新しい表現の道の試みであり、新しい経験への応答です。
ただし健全な動きには特徴があります。遅いこと。有機的であること。内側から外へ育つこと。
AIの一括修正が生むのは、動きではありません。置換です。
簡単な見分け方があります。直した文章を一週間後に読み直してください。他人のものに感じるなら——誰か別の人が書いたように読めるなら——それは進化ではありません。喪失です。
決定的な違いはここです。その変化は選ばれたものか、精査せずに受け入れられたものか。
AIの提案を見て、しばらく置いて、「そうだ、これのほうが言いたかったことに近い」と結論する。これは進化です。
AIの提案を見て、たぶんAIのほうが分かっているのだろうと考えて、あまり考えずに採用を押す。これは消失です。
AIが理解しているのは統計のパターンです。この言葉を誰が書いたのか、その人が何を生きてきたのか、なぜこの言い方を選んだのかは、理解していません。
理解しているのは書き手だけです。
いちばん難しい問い
避けられない場面がひとつあります。AIが直した版が、本当に良かったらどうするか。
起きます。考えつかなかった語、もっと力のある構文、もっと的確な表現がAIから出てくる。正直な反応はこうです。自分が書いたものより良い。
元を残すか、受け入れるか。
「良い」が何を指すかで決まります。
「良い」が、もともと言おうとしていたことをより明確に、より正確に表しているという意味なら、受け入れてください。その提案は文体に仕えています。ぼやけた意図を、はっきりした言葉に研いでいます。
「良い」が、なめらかで、整っていて、「良い文章とはこういうものだ」という形に近いという意味なら、止まってください。その種の「良い」は、固有のものを平均へ削り落としているかもしれません。
見分けるには練習が要ります。何を言っているのか、なぜこう言うのか、なぜ別の言い方をしないのか——居心地が悪いほどの明晰さを求められます。
書くことが難しいのは、打鍵が難しいからではありません。「自分は何者で、何を言いたくて、なぜこの言い方なのか」に答えることが難しいからです。
打鍵はAIが引き受けられます。その問いは書き手のものです。
SlimaのAI ベータリーダーは、ここで別の角度を出せます。文章を「直す」ためにあるのではなく、違う型の読者がどう反応するかを再現するためにあります。その反応を見て、直すかどうか、どう直すかを決める——その決定は常に著者に残ります。
もう一度、二つの版を並べて見てください。
どちらが「良い」かを判定するためではありません。どちらが自分かを見分けるためです。
あの断片、あの反復、あの口語への傾き。誤りではありません。選択です。ひとりの人間の世界の見方が言語に結晶したときに残る、手触りです。
ライティングスタジオでエディタを分割してください。左にAIが直した版、右に元の原稿。段落ごとに見比べます。本物の誤りを直している編集に印をつける。文体を消している編集に印をつける。
この作業を本気でやるのは、たぶん初めてです。
そしてこの過程が、ひとつの発見に行き着きます。何年も書いてきて、自分の声がどう聞こえるかを、一度も立ち止まって聞いたことがなかった。
AIがもたらす最大の価値は、文章を良くすることではないのかもしれません。どの一文の下にも隠れていた問いに向き合わせることのほうかもしれません。「自分」とは何か。