あなたが最後に書いた文章は、本当に「あなたの」文章だっただろうか——Google研究チームと複数の大学が共同で実施した実験が、AIと人間の文章の関係について示唆に富む結果を明らかにした。
実験の概要
研究チームは100人の参加者に、同じテーマについてエッセイを書かせた。半数にはLLM（大規模言語モデル）を自由に使用してよいと伝え、もう半数にはAIの使用を禁じた。その結果を分析したところ、LLMに強く依存した回答者の文章には顕著な特徴が現れた。
| 指標 | AI使用なし | AI強依存 |
|---|---|---|
| 中立的なトーンの文章 | 31% | 69% |
| 個人的なエピソードの使用 | 43% | 約0% |
| 代名詞の使用頻度 | 基準値 | 50%減少 |
| 独自の比喩・表現 | 多数 | ほぼなし |
「みんな同じ文章」になる問題
最も深刻な発見は「均質化」だ。AI使用者の文章は、テーマや立場に関わらず、驚くほど似通った構成・語彙・トーンになった。個人の経験に基づく独自のエピソードはほぼ消え、当たり障りのない一般論が並ぶ文章ばかりが生成された。
これは考えてみれば当然のことだ。LLMは大量のテキストデータの「平均的な表現」を学習しているため、その出力は本質的に「最大公約数」的な内容になる。個人的な体験や独自の視点——つまり文章を「その人らしく」する要素——はLLMの学習データには含まれていない。
ビジネスコミュニケーションへの影響
この研究結果は、ビジネスの現場にも重要な示唆を与えている。
メールの下書き、レポートの作成、プレゼン資料の執筆——AI支援ツールを使う場面は日常的に増えている。しかし、もしすべてのビジネス文書がAIによって「均質化」されたら、差別化やブランドボイスの維持は困難になる。
「採用企業の面接官が、100通のAI生成カバーレターを読み分けられるか」という問いは、すでに現実のものとなっている。
教育現場への衝撃——エッセイの「死」
この研究結果が最も深刻な影響を及ぼすのは教育の現場だ。米国の大学では、すでにAI使用の可否がシラバスの必須記載事項となり、一部の教育機関はAI検出ツールの導入を進めている。しかし研究が示したのは、AI検出よりも本質的な問題——学生がAIに依存すると「自分で考えて書く」能力そのものが育たなくなるリスクだ。
スタンフォード大学のAI教育研究グループは、AI支援ツールを使った学生グループと使わなかった学生グループの2年間の追跡調査を実施した。結果、AI依存度の高い学生は議論の構築力、批判的思考力、独自の視点形成力で有意に低いスコアを示した。文章の「均質化」は、思考の「均質化」と表裏一体である可能性がある。
メディアとコンテンツ産業への波及
ニュース記事、マーケティングコピー、SNS投稿——AI生成テキストが占める割合は急速に増えている。NewsGuardの調査では、2026年初頭の時点でウェブ上の新規コンテンツの約15-20%がAIで生成されていると推計されている。
問題は量だけではない。AIが生成するテキストが似通ったトーンと構造を持つなら、インターネット上の情報の「多様性」そのものが失われる。検索エンジンが返す結果が均質化し、異なる視点や経験に基づく情報が見つけにくくなる。Google自身がこの研究に関与している皮肉は、見逃せない。
対策の方向性——「AIと共に書く」の再定義
研究チームは、AIの使い方を3段階に分類している。第一に「丸投げ」（AIに全文を生成させる）。第二に「下書き支援」（AIに下書きを作らせ、人間が大幅に編集する）。第三に「壁打ち」（AIとアイデアを議論し、執筆は人間が行う）。均質化を最小限に抑えつつAIの生産性を享受できるのは、第三の「壁打ち」モデルだけだという結論だ。
多言語での影響——日本語と英語で差はあるか
この研究は主に英語で実施されたが、日本語においてもAIの均質化効果は顕著に現れると考えられる。日本語LLMの多くは英語からの翻訳ベースで学習されており、出力される文章は「翻訳調」の特徴を帯びやすい。主語の明示、接続詞の多用、段落構成の画一化——これらは日本語ネイティブの文章とは異なるパターンだ。
日本の教育現場でもAI活用の議論は進んでいるが、文部科学省のガイドラインは「AIの出力をそのまま使わない」ことを推奨するにとどまっている。アメリカの大学では、AIの使用を前提とした新しい評価基準——口頭試問やライブライティングテスト——への移行が始まっている。書くことそのものの教育的価値をどう守るかは、グローバルな課題だ。
企業のコミュニケーション戦略にも影響は及ぶ。ブランドの「声」を構成する独自の文体や表現は、AIが均質化する最初のターゲットだ。マーケティングコピー、プレスリリース、ソーシャルメディアの投稿——AIで効率化すればするほど、他社との差別化が困難になるパラドックスが生まれる。人間が書くことの価値は、AIの普及によってむしろ上がっている。
この研究が示す最も深い問いは、効率性と多様性のトレードオフだ。AIは文章を書く時間を劇的に短縮するが、その代償として表現の多様性が失われる。全員が同じAIモデルを使えば、全員の文章が似通う。インターネット上のコンテンツが均質化すれば、それを学習する次世代のAIモデルはさらに均質な出力を生み出す——「均質化のフィードバックループ」だ。研究チームはこのリスクを「Model Collapse（モデル崩壊）」の一形態として警告している。AI生成テキストをAIが学習し、さらに均質なテキストを生み出す悪循環は、インターネットの情報生態系全体を劣化させかねない。
対策として提案されているのは、AI出力に「多様性パラメータ」を組み込むことだ。文体の多様性を意図的に高めるファインチューニングも研究されている。しかし根本的な解決策は、人間が書くことの価値を再認識し、AIを「代筆者」ではなく「壁打ち相手」として使う文化を定着させることだろう。書くことは考えることであり、考えることを外注した瞬間に、私たちは思考の主体性を手放す。
教育現場への影響も深刻だ。大学のレポートや論文でAIを使う学生が増えるにつれ、「書くことで学ぶ」というプロセスが失われるリスクがある。スタンフォード大学の2025年の調査では、AI利用を許可されたグループの学生は、許可されなかったグループと比較して、テーマに対する理解度テストのスコアが平均15%低かった。書くという行為そのものが思考の整理と深化に不可欠であり、AIに委ねることで表層的な理解にとどまる危険性がある。企業でも同様のリスクは存在する。社内メールや提案書をAIに書かせることで効率は上がるが、「自分の言葉で考える」機会が減少し、組織の知的多様性が損なわれる可能性がある。
AIは「ツール」か「代筆者」か
この研究が突きつけるのは、AIの使い方の問いだ。アイデアの壁打ち相手として使うのか、それとも丸投げして出力されたテキストをそのまま使うのか。前者なら文章の多様性は保たれるが、後者では均質化が避けられない。
文章を書くことは、考えを整理し、自分の言葉で世界と向き合う行為だ。その営みをAIに委ねたとき、私たちは何を得て、何を失うのだろうか。
