「資料を送ってくれた相手へのお礼を書いてください」と入力すると、生成AIから整った文章が返ってきます。短いお願いから、どうやって何行もの文章ができるのでしょうか。人が書く場面を思い浮かべると、完成した文面をどこかから探しているようにも、伝えたいことを先に考えているようにも見えるかもしれません。

一言で答えると、文章を生成する代表的な仕組みは、入力やそこまでの文章を手がかりに、次に続く小さな単位を予測してつなぐことです。Googleの機械学習用語集では、それまでに予測した内容を使って次を予測する方式を「自己回帰モデル」と説明し、言語モデルが次のトークンを予測する例を挙げています。トークンは、文字や単語などを区切った、文章を処理するための単位です。（出典: Google Developers）



身近なたとえなら、書きかけの文に続きを足す作業です。「資料をお送りいただき」に続けるなら、「ありがとうございます」などが候補になるでしょう。そこで終わらず、つながった文章を手がかりに続きを作れば、お礼から締めのあいさつへと文章を伸ばせます。ただし、これは仕組みをつかむためのたとえです。AIに感謝の気持ちや、相手に伝えたい意思があるという説明ではありません。

この見方を知ると、回答を読むときの着眼点が変わります。文章が自然につながっていることと、その内容が実際の出来事に合っていることは、分けて確かめる必要があります。お礼文らしい言い回しが並んでいても、資料を受け取った日や、こちらが約束した対応まで正しいとは限りません。生成の仕組みを知る目的は、専門用語を覚えることよりも、どこを任せ、どこを確認するかを判断できるようになることです。

「続きを予測する」と聞くと、直前の一語だけを見て、決まり文句を足しているように感じるかもしれません。ここでいう手がかりには、利用者が入力した依頼や、回答の途中までに生成された文章も含まれます。Googleの用語集では、会話での過去のやり取りが、その後の会話の文脈になると説明されています。文脈とは、その言葉をどのような状況で読むかを決める、周囲の情報です。（出典: Google Developers）

たとえば、以下は違いを考えるための架空の依頼です。「友人へのお礼を短く書いてください」と「取引先へのお礼を丁寧に書いてください」では、どちらもお礼文を求めています。それでも、相手との関係や求める調子が違うため、ふさわしい続きも変わるでしょう。「ありがとう」と「ありがとうございます」の違いだけでなく、書き出しや締め方を考える手がかりにもなります。



文章を生成するAIでよく使われる「言語モデル」は、言葉の並び方などのパターンを学習し、文章の予測や生成に使う仕組みです。大量のデータを使って学習した大規模言語モデルは、英語名の頭文字からLLMとも呼ばれます。IBMは、文章生成に使う代表的な基盤モデルとして、大規模言語モデルを紹介しています。基盤モデルは、さまざまな用途の土台になるモデルを指します。（出典: IBM）

なお、トークンを日本語の一文字や一単語と同じものだと固定して考える必要はありません。「ありがとうございます」がそのまま一つの単位になる、と断定する説明も避けたいところです。初心者の段階では、画面で読む文章と、内部で予測するための区切りは必ずしも一致しない、と押さえれば十分でしょう。次の章では読みやすさのために語句をまとめて示しますが、それは実際の区切りを再現したものではありません。

ここからは、文章が伸びる様子をイメージするための架空の例です。実際にサービスを操作した記録でも、内部の処理を観測した結果でもありません。設定は「取引先から資料を受け取り、受領のお礼を伝える」というものにします。資料の中身はまだ確認しておらず、返答する期限も決めていない、という条件を添えて考えてみましょう。

書き出しが「資料をお送りいただき」なら、お礼文として自然な続きの一例は「ありがとうございます。」です。そこまでつながった文章の後には、受領したことや、これから確認することを伝える文が続くかもしれません。たとえば「内容を確認いたします。」を足せば、受け取った段階に合う文面になります。その後に締めのあいさつを置くと、短いメールの形が見えてきます。



ここで注意したいのは、自然な続きには、事実として採用できないものもある点です。「内容を拝見し、大変参考になりました。」は、お礼のメールとして読める表現でしょう。しかし、この例ではまだ内容を確認していません。「明日までに回答いたします。」という続きも、決まっていない期限を約束する文になってしまいます。文章の流れだけを見れば不自然でなくても、実際の状況とは食い違います。

Googleの用語集が示す次のトークンの予測という説明を、この例に当てはめると、途中までにできた文章も、その先を作る手がかりになると理解できます。（出典: Google Developers）ただし、ここで示した「お礼」「確認予定」「締め」は、人が読みやすいように整理した区分です。AIが必ずこの順序を先に設計してから出力する、という意味ではありません。

この例から得られる実用的な見方は、文面を読むときに「よくあるメールらしさ」と「自分が本当に伝えてよい内容」を分けることです。敬語の調子が整っていても、未確認の感想や未承認の約束が紛れ込んでいないかは、利用者が設定や手元の情報に照らして確かめます。

短い依頼から文章が作れる背景には、事前の学習があります。IBMは、生成AIの基盤モデルについて、大量のデータを使う学習を通じて、データ内のパターンや関係を表現する仕組みが作られると説明しています。また、生成モデルは学習データの簡略化された表現を利用して、元のデータと似ていても同一ではない内容を作るとされています。（出典: IBM）

身近なたとえとしては、文例に数多く触れ、書き方の傾向を身につけることを思い浮かべるとよいでしょう。ただし、人の経験や記憶とAIの学習が同じという意味ではありません。ここで伝えたいのは、学習したパターンを使うことと、保存済みの完成文をそのまま取り出すことは、同じ説明ではないという点です。個々の出力が何に由来するかまで、文章の見た目から判断できるわけでもありません。



回答を求める際に渡す依頼や情報は、「プロンプト」と呼ばれます。お礼文の例なら、「相手は取引先です」「資料は未確認です」「期限は書かないでください」といった条件が、その場で文章を作るための手がかりになります。Googleの用語集でも、学習済みモデルのパラメータを調整する追加の学習と、プロンプトを使う方法は区別されています。パラメータとは、モデルの働きを決める内部の数値です。（出典: Google Developers）

この区別は、依頼の書き方を考える際に役立ちます。丁寧なお礼の書き方を学習していても、今回の相手や、こちらの確認状況まで自動的に確定するわけではありません。必要な事情は、利用者が渡す必要があります。反対に、事情を入力したからといって、そのやり取りでモデル全体の学習が更新されたと決めつけることもできません。入力情報の保存や学習への利用条件は別の話であり、使うサービスの説明で確認する項目です。

読みやすい文章には、内容まで確かそうに感じさせる力があります。敬語が整い、理由が添えられ、最後まで迷いなく書かれていると、ついそのまま受け入れたくなるでしょう。しかし、次に続く表現を予測して文章を作ることと、書かれた一つひとつの事実を資料に照らして確かめることは、別の作業として考える必要があります。

Googleの用語集では「事実性」を、モデルの出力が現実に基づいている性質として説明しています。また、現実に即した答えを求める質問と、創作を求める依頼では、求められる内容が異なることも示されています。（出典: Google Developers）お礼文の言い回しを複数提案する場面では表現の幅が役立ちますが、実在する会社の設立年や、特定の商品の提供条件を書く場面では、もっともらしさだけでは足りません。



たとえば、架空の依頼として「受け取った資料のお礼に、相手の会社の設立年も添えてください」と入力した場合を考えます。利用者が設立年を渡していなければ、出力された年が正しいかどうかは、文章の滑らかさからは分かりません。具体的な数字が書かれていること自体も、確認済みの証拠にはならないでしょう。必要なら、その会社の公式資料などと照合してから採用します。

ここで「AIはすべて間違える」と受け止める必要はありません。扱っているのが、表現を選ぶ仕事なのか、現実の事実を確定する仕事なのかを見分けることが大切です。「ありがとうございます」と「御礼申し上げます」のどちらにするかは文面の選択ですが、「資料を確認しました」は行動の有無に関わる記述です。後者は、本人の確認状況と一致していなければ使えません。

確認するときは、文章全体の印象ではなく、名前、日付、数値、実施済みの行動、今後の約束に目を向けると整理しやすくなります。これは読み方の提案です。どれほど自然な回答でも、送信や提出によって自分の発言になる部分は、手元の情報と突き合わせる習慣につなげたいところです。

文章を生成する仕組みが分かっても、依頼文を専門的に書く必要はありません。次にお礼文を頼むときは、AIに渡す情報を「実際に分かっていること」と「文面への希望」に分けてみるのはいかがでしょうか。前者は内容の土台になり、後者は言葉の選び方や長さの手がかりになります。相手、目的、確認済みの状況が明確なら、出来上がった文章も条件と照らして読みやすくなるでしょう。

以下は、今回の架空のお礼文に使うプロンプトの提案です。「取引先から資料を受け取りました。内容はまだ確認していません。受領のお礼を、丁寧で短いメール文にしてください。内容への評価や、返信する期限は書かないでください。」という依頼を考えられます。実際に操作して結果を検証した例ではなく、事実と表現の希望を分ける書き方の例示です。



この依頼では、「資料を受け取った」「内容は未確認」という設定を先に渡しています。「丁寧で短い」は表現の希望で、「評価や期限を書かない」は避けたい内容です。Googleの用語集が説明するように、プロンプトや会話の文脈は、回答を作る際の手がかりになります。（出典: Google Developers）ただし、条件を書けば必ず守られると考えるのではなく、出力にも同じ条件を当てて確認します。

読み直す際は、「内容を拝見しました」と書かれていないか、決めていない対応を約束していないか、必要以上に具体的な事情が足されていないかを見ます。その後で、敬語や長さを自分に合うように調整するとよいでしょう。修正を頼む場合も、「もっとよくしてください」だけでなく、「未確認なので、内容を評価する一文を外してください」と、直したい箇所と理由を伝える方法があります。これも利用方法の提案であり、一定の結果を保証するものではありません。

次にAIへ文章を頼むときは、書き始める前に、必ず含めたい事実を二つか三つだけメモしてみてください。そして回答後に、そのメモにない具体的な主張が増えていないかを確かめます。「続きを作る仕組み」を知ることは、AIの文章をうまく使うために、自分が確認すべき場所を見つける助けになります。

- Machine Learning Glossary: Generative AI
- What Is Artificial Intelligence (AI)? | IBM