AI時代の「文字起こし」とは。地味だけど一番大事な仕事について。

AIで下書きができるようになって、皮肉なことに、文字起こしの重要度はむしろ増している。

AIに読み込ませるインプットの精度が、そのままアウトプットの精度に直結するからだ。そしてその文字起こし自体も、いまはAIがやる時代になった。

わからないところは、それらしく捏造する

かつての手作業による文字起こしなら、聞き取りにくい箇所は文脈から想像したり、自分で調べたりして補完できた。

しかしAIの場合、文脈から想像して補完する能力は非常に高いが、「わからないところを、わからないままにしておいて、調べる」というところまでは、指示をしなければやってくれない。わからないところはわからないまま、「まあこうだろう」と決めつけて、平気な顔で捏造してくる。

これはまさに、頭がよくて要領のいいアシスタントが、うっかりやりがちな挙動だ。自信満々に、それらしい顔をして間違える。

素起こし・ケバ取り・整文の違い

だから当然、AIが作った整文（言葉を整えた文字起こし）は、取材した人間自身の目でチェックする必要がある。

文字起こしの世界では、この工程は一般的にこう呼び分けられている。

• 素起こし（仮文字起こし）：nottaなどで機械的に一次変換したもの。誤変換だらけで、そのままでは文章として判別すらできない

• ケバ取り：「えー」「あの」といった話し言葉特有のノイズを取り除く作業

• 整文：素起こしを文脈などから修正し、読める文章として整えたもの

僕は精度をさらに上げるために、取材資料を一緒にAIへ読み込ませている。そうすると固有名詞を間違えなくなるし、AIの読解力そのものも上がる。これだけで整文の精度はかなり変わる。

さらに、（以前別の記事に書いたが）自分は「取材録」も作らせている。話した内容を箇条書きにしたもので、これが全体構造の理解に役立つ。この取材録をもとに、構成を練っていく。

AIを通すと、なぜか人間くささが消える問題

ただ、どうしてもAIを通すと、「インタビュイー（話し手）の人間くささが失われてしまう問題」が発生する。

それは、話し方の癖のようなものだ。

企業のオウンドメディアやニュース記事のように、そうしたノイズがいらない記事なら問題はない。むしろ整っていた方がいい。

だが、その人の人間性に迫るようなインタビュー記事の場合は、話が違う。例えるなら、せっかくの良い素材を下茹でしすぎて、旨味をすっかり洗い流してしまうようなものだ。

そういう場合は、人に頼むか、自分で話を聞きながら原稿を書くしかない。

若い世代のAIの使いこなし度に感心する

実はいま、ブックライティングの一部の案件では、弊社が主催している「魅力引き出しインタビュアー養成講座」の受講生さんにアシスタントとして入ってもらい、整文もお願いしている。

さすが若い世代というべきか、AIを使うにしても非常に賢い。プロンプトでしっかり指示を出し、なるべく話し手の個性を消さないように整えてくれる。そのプロンプトの中身はここでは紹介できないが、かなり細かく、多岐にわたる。見せてもらうたびに「すごいな」と感心する。

取材にも同席してくれているので、最後は自分の目でチェックした上で、原稿の元になる素材を提供してくれる。あとは僕が、それをもとに締め切りまでせっせと原稿を書くだけだ。余談だが、僕の尻を叩く作業までしてくれていて、本当に助かっている。

録音すらしない、という選択肢も

そもそも録音すらしないという人もいる。いや、「いた」と言うべきか。今はだいたいの人が録音しているし、自分も必ずしている。