週1エッセイを半年書き溜めたら、AIに学ばせたくなった話

26本たまって気づいたこと

半年前、週に1本文章を書くと決めた。テーマは仕事の振り返りだったり、読んだ本の感想だったり、その週にモヤモヤしたことだったりバラバラだ。

だが26本並べて読み返すと、テーマがバラバラでも「言い回しの癖」「結論に持っていく順番」「よく使う比喩の種類」が揃っていることに気づいた。これは自分でも意外だった。

この「自分の型」に気づいた瞬間、頭に浮かんだのが「これをAIに読ませたら、自分の声を保存できるのでは」という発想だった。日記を書き溜めることと、それをAIに学ばせることの間には、実は大きな技術的な溝がある。そこを整理せずに突っ走ると、期待と現実がずれる。

「学ばせる」は一枚岩じゃない

「AIに自分の文章を学ばせる」と一口に言っても、中身は大きく3種類に分かれる。

ファインチューニングは、モデル自体のパラメータを自分のテキストで調整し直す方法。RAG（検索拡張生成）は、モデル自体はいじらず、質問のたびに過去のエッセイから関連箇所を検索して読ませる方法。プロンプト注入は、会話の冒頭に「このエッセイ群のような文体で書いて」と指示するだけの、もっとも手軽な方法だ。

3つを比較するとこうなる。

| 手法 | 必要データ量の目安 | 再現できる精度 | 個人が現実的に選べるか |
|---|---|---|---|
| ファインチューニング | 数百〜数千件規模が一般的 | モデルの応答全体に浸透するが調整は繊細 | コストと専門知識のハードルが高い |
| RAG | 数十件でも動く | 事実や具体例の再現は強いが文体の癖は弱め | 個人でも扱いやすい |
| プロンプト注入 | 数件〜数十件 | 直近の指示に強く依存し安定しない | もっとも手軽 |

26本というのは、ファインチューニングには心もとない量だが、RAGやプロンプト注入なら十分に検索対象になる規模だ。

26本で自分は再現できるか

「大量データが要る」という通説は半分正しく、半分は言い過ぎだと感じている。ファインチューニングで文体を丸ごと転写するには26本は少ない。ここは過大評価しない方がいい。

一方で、RAGのように「過去の自分の文章を検索して参照する」用途なら、26本は決して少なくない。むしろ同じテーマを避けながら毎週書き続けたことで、「この人はこういう時にこう考える」という一貫した思考の型が浮かび上がっている。

量よりも、半年間途切れずに書き続けたという継続性自体が、データとしての希少さを生んでいる。1日で書き殴った26本の文章と、半年かけて週1で積み上げた26本の文章は、量は同じでも中身の意味が違う。

声を保存する意味とリスク

思考を外部化することには、はっきりと二つの側面がある。

ひとつは、自分の考え方の型が残ることで、次に何か書くときの壁打ち相手になる可能性。迷ったときに「過去の自分ならどう考えたか」を参照できるのは実用的だ。

もうひとつは、AIが「自分らしい文章」を代わりに書けるようになったとき、書く過程そのもの、つまり言葉を選びながら逡巡する時間が失われるリスクだ。私にとってエッセイを書く価値の半分は、書き上がった文章より、書きながら考えが変わっていく過程にある。そこを外部委託してしまえば、型だけが残って中身が薄まる。

保存すべきは「型」であって、「考える行為」を丸ごと肩代わりさせることではない、というのが今の実感だ。

実際にやるなら

半年分のテキストを活かすなら、高価なファインチューニングより、まずはRAGか軽いプロンプト運用から試すのが現実的だ。

やることは3つ。ひとつ、26本をテキストファイルにまとめ、日付とテーマを見出しでつけておく。ふたつ、AIとの対話の冒頭で「この文章群のような視点と言い回しで考えて」と読み込ませてみる。みっつ、個人的な固有名詞や職場の情報が混ざっていないか、公開前に見直す。

半年分でも、家族や同僚の名前、仕事の内情が書き込まれていることは多い。AIに読ませる前提と、外部に公開する前提は分けて考えた方がいい。

これからの半年

次の半年も、週1のペースは崩さないつもりだ。ただし今度は「AIに読ませる」ことを意識しながら書くと、また文体が変わるかもしれない。

自分の思考のログを積み上げ、それを検索可能な形にしておくという営みは、個人の知的な資産を形にする作業でもある。あなたが今まで書き溜めてきたメモや日記は、まだ誰にも読まれていないだけで、実は同じような型を持っているかもしれない。読み返してみたら、何が見えるだろうか。