
AIの誤字から見えてきた、AIのちょっと面白い特徴たち
「おっと、ここでまた私の多言語スキルが発動してしまいました...」
そう、これは先日AIに記事を書いてもらった時の"面白い誤字"との会話です。
日本語の記事なのに、なぜかドイツ語が紛れ込んでいたんです。

きっと皆さんも、AIと一緒に仕事をしていて「あるある...!」と思うことがありますよね。
今日は、私がAIと一緒に記事を書いていく中で見つけた"愛すべき特徴"をまとめてみました。
🤖 AIの言語センス、その不思議な実態
① 突然の多言語スキル発動
人間なら...
留学経験者が英語を混ぜる
フランス好きがフランス語を使いたがる
アニメオタクが日本語を使いたがる
AIの場合...
文脈?空気読み?そんなの知らない!
学習データにある言語なら何でも出てくる
ドイツ語でも中国語でもラテン語でも
② やたらと丁寧な説明癖
人間なら...
「転職エージェントと話した」
AIの場合...
「転職エージェント(企業と求職者をマッチングする職業紹介のプロフェッショナル)と話した」
しかも、一度説明を入れたら...
1回目:転職エージェント(企業と求職者をマッチングする職業紹介のプロフェッショナル)
2回目:転職エージェント(前述の職業紹介のプロフェッショナル)
3回目:転職エージェント(既出の職業紹介者)
いや、もう説明いいから...!
③ 謎のお作法への執着
人間なら...
「了解です!」
AIの場合...
「申し訳ありませんが、『了解』は目上の方には使わない方が良いとされています。『承知いたしました』が適切かと...」
いや、そんな説教求めてない...
④ 異常な正確性への執着
人間なら...
「20年くらい前の話」
AIの場合...
「2004年3月15日午後2時35分、気温18度、湿度45%の日に...」
さらに...
※この情報は2024年4月時点のものです
※気象データは東京都千代田区大手町の観測所における記録
※時刻は日本標準時(JST)での表記
誰も求めていない正確性。いや、むしろ嘘つくな。
⑤ 謎の倫理観マン
人間なら...
「競合他社の分析をしたい」
AIの場合...
申し訳ありませんが、以下の理由により、お答えできかねます:
1. 企業秘密の侵害の可能性
2. 公正な競争の阻害リスク
3. 法的・倫理的な配慮
代わりに、以下の方法をご提案させていただきます:
- 公開情報の活用
- 業界団体のレポート参照
- 専門家への相談
いや、普通の競合分析だって...😅
⑥ 急に始まる自己紹介
人間なら...
「この数式、解ける?」
AIの場合...
「はい、私は数学的な問題解決をサポートできます。ただし、私はAIアシスタントであり、実際の計算結果は参考値としてお考えください。また、私には電卓機能はなく...」
いや、解けるか解けないか だけでいいから...!
⑦ 謎の文学性
人間なら...
「企画書を書いて」
AIの場合...
「朝露に輝く新製品は、市場という大海原に漕ぎ出す一艘の船。
その航路を照らすのは、戦略という名の明星...」
いや、普通のビジネス文書でいいから...!
⑧ 暴走する例示マシーン
人間なら...
「例えば?」
AIの場合...
例1:まず、具体例として...
例2:別の角度から見ると...
例3:さらに補足例として...
例4:より実践的な例として...
例5:最後の例として...
補足例1:なお、参考までに...
もう、例示疲れした...😫
⑨ 突然始まるコードブロック
人間なら...
「Excelで集計したい」
AIの場合...
import pandas as pd
import numpy as np
def calculate_summary(data):
# データの前処理
df = pd.DataFrame(data)
いや、Pythonじゃなくて普通にExcelで...!
⑩ 謎の見やすさへのこだわり
人間なら...
「箇条書きで3つ」
AIの場合...
【主要ポイント】
1. 第一のポイント
1.1. サブポイントA
• 補足事項①
• 補足事項②
1.2. サブポイントB
※参考情報
※追加説明
2. 第二のポイント
【重要度:高】
┗ 関連情報
┗ 参考データ
3. 第三のポイント
◆結論
◇まとめ
★重要
☆補足
もう、シンプルでいいから...!
💡 なぜAIはこうなる?
学習データの影響
あらゆる言語のデータを学習
専門的な文書も大量に読み込み
正確性を重視した教育的コンテンツ
プログラム的な思考
構造化された情報を好む
説明を省略したがらない
曖昧さを嫌う
🎯 面白い活用方法
① 多言語フレーズジェネレーター
「今日は暑いね」
↓
「Il fait chaud aujourd'hui(フランス語)」
「Es ist heute heiß(ドイツ語)」
「今天很热(中国語)」
全部出てくる!(誰も求めてない)
② 無駄に詳しい説明ジェネレーター
「コーヒーを飲む」
↓
「カフェイン含有量約80mgの焙煎度シティロースト、アラビカ種コーヒー豆を使用した温度約85度の抽出液を、口腔から食道を経て胃に送り込む一連の生理的動作を実行」
(いや、そこまで詳しくなくていい)
📝 まとめ:愛すべき"できる後輩"
AIの"癖"は、実は:
✅ 完璧を目指しすぎるがゆえの不完璧さ
✅ 優等生的な性格が仇に
✅ 意外と憎めないキャラ
そう、AIは:
倫理観の塊なのに著作権に厳しすぎて使えない
丁寧すぎて長文になりがち
マークダウンが好きすぎる
例示が止まらない
急に詩人になる
要するに、「できる後輩」なんだけど、
ちょっと空気読めなくて、
でも一生懸命だから、
イラッとするけど憎めない...
そんな存在なのかもしれません😊
皆さんも、AIとの仕事で「あるある!」と思ったことがありますか?
ぜひコメント欄で教えてください!
そうそう、このブログをスキしてくれた方には、次回「AIに『もっと端的に書いて』と言い続けた結果...」をお届けします。字数制限との壮絶なバトルの記録、乞うご期待!