AIの下書き53%がそのまま通る。返信は「選ぶ」仕事になる

1. OpenAIが紹介した、あなたの口調で書くAI秘書

今回の発表は新製品ではなく、Fyxerというスタートアップの事例紹介です。Fyxerは受信箱を整理し、返事が必要なメールを見分けて、ユーザーごとの口調で返信の下書きを用意するAIエグゼクティブアシスタントです。OpenAIの最新モデルと、人間の秘書による500,000時間以上の業務の記録を組み合わせています。便利な機能というより、事情をわかっている相手が一人増える、という話です。

01 同じメールでも、返事は人によって違う

同じメールを受け取っても、相手との関係やこれまでのやり取り、自分が何をしたいかによって、ふさわしい返事は変わります。人間の秘書なら自然に汲み取れるこの違いが、AIには難しい。共同創業者のArchie Hollingsworth氏は、人に簡単なことほど機械には難しいという「モラベックのパラドックス」を例に挙げています。

Fyxerは、ユーザー一人ひとりの働き方を学ぶことでこの問題に向き合いました。何が大事かを知っている秘書のように返す、という考え方です。メールの中身を読み取り、必要な文脈を探し、下書きを書く。その主な工程を、OpenAIのフロンティアモデルが支えています。

02 発表された数字は「続いている」ことを示す

公開された数字は2つです。90日後のユーザー継続率が90%、AIが作った下書きのうち手直しなしで採用された割合が53%。さらに2025年の1年間で、年間経常収益が$1 millionから$32 millionに伸びたことも書かれています。

ただ、Hollingsworth氏が強調したのは売上ではなく継続率でした。ユーザーの多くは技術に詳しいわけではなく、Fyxerが毎日使う初めてのAIだという人もいます。90日たっても料金を払い続け、毎日使っている。この数字が示しているのは性能の高さより、日々の仕事に定着したかどうかです。

2. メールを小さな仕事に分ける、という発想

Fyxerの仕組みの中心は、メール対応を「一通の文章を書く作業」として扱わないことです。返事が必要か、日程調整か、読むだけでいいか。30〜50の専門モデルが、それぞれ細かい判断を一つずつ受け持っています。受け取る側から見ると、AIが全部を一気に書くのではなく、秘書のように仕分けてから文面を差し出す形になります。

01 届いたら、まず仕分ける

新しいメールが届くと、まず返信判断のモデルが分類します。返事が必要なのか、日程調整の対応なのか、ユーザーが知っておけばいい情報なのか。返事が必要な場合は、別のモデルがメールの意図を読み、会議の設定に向かっているのか、依頼への対応なのか、長い付き合いの続きなのかを予測します。

「1つのモデルに良いメールを書かせるより、小さなモデルに分けたほうがずっとうまくいく」とHollingsworth氏は話しています。優秀な秘書が頭の中でこなしている段取りを、そのまま分業にした形です。速く書くことより、正しく仕分けること。信頼はそこから生まれる。

02 何を覚え、何を忘れるかを決める

この仕組みで特に重要だとされているのが記憶です。どの情報を会話をまたいで残し、どれを一度きりで手放すか。新しいメールが届くと、検索用のモデルが保存されたやり取りと照らし合わせ、その相手とそのスレッドに関係の深い記憶を取り出します。

Shantsila氏によると、メールの中身を読み取る工程から、文脈を集めて並べ替える工程、実際に文面を書く工程まで、OpenAIのモデルが使われています。前にあの人と何を話したか。それを覚えている相手になら、任せられることが増えていきます。気が利くというのは、つまり覚えているということです。

3. 直した跡が、次の下書きを育てていく

Fyxerがユーザーらしい文面に近づけるのは、2種類のデータから学んでいるからです。一つは人間の秘書が実際にどう働いてきたかの記録。もう一つは、ユーザーが送る前に下書きを直した跡です。使う人にとっては、直す手間そのものがAIへの指示になります。黙って直すたびに、次の下書きが自分の書き方に近づくように作られています。

01 人間の秘書の仕事が、教科書になった

FyxerはAI製品を出す前、何年も人間による秘書サービスを運営していました。その間にためたのが、注釈付きで500,000時間以上になる秘書業務のデータです。すぐに返すか、少し待つか。どの過去のやり取りが関係するか。同じ依頼でも相手によって返し方を変える、そうした細かな判断が記録されています。

このデータを使い、教師ありファインチューニングとLoRAで作業ごとのモデルを作り、学習コストも抑えています。最近はOpenAIのファインチューニング支援チームと組んで、新しいモデルを本番に投入しました。導入前には下書き・分類・優先順位づけで検証し、精度に加えて応答速度とコストも比べます。作業によって、最適なモデルが違うからです。

02 送る前のひと手間が、学習データになる

ユーザーが下書きを直してから送ると、元の下書きと実際に送った文面の差から、どちらが好まれたかがわかります。FyxerはこのペアをDPO（Direct Preference Optimization）という手法で学習に使っています。一件ずつ人がラベルを付けなくても、直す前と直した後の組み合わせからモデルが学べます。

下書きの作り方を変えるときは毎回A/Bテストを行い、統計的に意味のある改善が確認できた場合だけ反映します。利用者が多いため、1日でその基準に達することもあるそうです。53%がそのまま使われている今も、残りの手直しが次の改善の材料になっています。直すことは、教えることだ。

4. AIに返信を任せるか、いま決めるための目安

まず結論です。毎日のメールに時間を取られていて、返信の言い回しがある程度決まっている人ほど、この種のAI秘書を試してみる価値があります。一方で、Fyxerの料金や日本語での使い勝手は、今回の発表からはわかりません。先に自分の受信箱を見直し、任せたい仕事と任せたくない仕事を分けておく。そうすれば、焦らずに判断できます。

01 向いている人、まだ待っていい人

向いているのは、返事が必要なメールと読むだけのメールが混ざっていて、仕分けだけで朝が終わってしまう人です。取引先や社内とのやり取りが多く、似たような返信を毎日書いている人にも合います。発表によると、ユーザーの多くは技術に詳しくない人です。AIに慣れていないことは、試さない理由になりにくいでしょう。

待ってもいいのは、一通ごとのやり取りが繊細で、言葉選びを人に任せたくない人です。日本語のメールが中心の人も同じで、今回の発表は日本語での精度に触れていません。道具は、自分の手に合うとわかってから使えばいい。急ぐ理由はありません。

02 試す前に、受信箱でやっておきたいこと

まずは最近届いたメールを「返事が必要」「日程調整」「読むだけ」の3つに分けてみてください。Fyxerが最初に行っている仕分けと同じ作業です。これだけで、AIに任せられそうな量がおおよそ見えてきます。自分の仕事の全体像がつかめると、それだけで気持ちが少し軽くなります。

次に、よく使う返信の言い回しを書き出しておきます。そして、AIの下書きは送る前に自分で読む、と決めておくこと。考えてみれば、秘書を雇える人はそう多くありません。その秘書が受信箱に来て、自分が直すほど自分らしい文面を書くようになる。これは、なかなか楽しい話です。

5. よくある質問

6. まとめ