スティーブ・マレー・セセイ氏は、デジタルマーケティングエージェンシーSMCA Creativeの創業者兼最高マーケティング責任者（CMO）である。
AIツールを使用する際、エージェンシーのオーナーやブランド創業者なら誰もが経験したことがあるであろう瞬間がある。広告、メール、ソーシャルメディア、ウェブサイト用のコミュニケーション文を生成するために完璧なプロンプトを作成することにかなりの時間を費やしたにもかかわらず、AIの出力がブランドらしく感じられないのだ。技術的には正しい言語なのだが、「しっくりこない」。説明しがたい文化的ニュアンスが欠けているのである。
多くの人はツールのせいにする。しかし私が気づいたのは、真の問題は「計算が合っていない」ということであり、AIの内部で実際に何が起きているかを理解すれば、解決策は明白になるということだ。
まず、AIが実際に何をしているかを理解する
AIツールに入力するすべての単語は数値に変換される。比喩的にではなく、文字通りだ。各単語（トークンと呼ばれる）には、エンベディングと呼ばれる長い数値列が割り当てられる。これを単語の数学的指紋と考えてほしい。例えば、「Hello」は次のように表される（簡略化したもの）：0.2、0.8、0.1、0.9...
これらの数値を手動で割り当てた人はいない。モデルは何十億もの人間のテキスト例を読むことでこれらを学習した。同様に使用される単語は数値的に近くなる。異なる使われ方をする単語は数値的に離れる。このため、「king」と「queen」は数学的に近く、一方「king」と「democracy」はより離れている。
これらのエンベディングは行列乗算の層を通じて処理される。行列乗算は線形代数の基礎的な演算で、数値のグリッドを掛け合わせて変換された出力を生成する。各変換は情報を混合し、重み付けを変更する。一部を強調し、他を軽視し、新しい方法で組み合わせるのだ。
最終的に、モデルは数値を単語に変換し直し、応答を生成する。重みは訓練中に学習されたすべてをエンコードする。まさにそこに文化的ギャップが存在するのである。
なぜAIは文化的に盲目なのか
ほとんどの大規模AIモデルは、主流の英語ニュース記事、ウィキペディア、学術論文、Redditのスレッドで訓練されている（そしてそれらを引用する）。非公式な文化的コミュニケーションは過小評価されることが多いため、モデルは文化的に特有の言語に適切な重みを割り当てるのに苦労する。
3つのフレーズを考えてみよう：「yea」「yea aight」「aight man」。数学的にはほぼ同一だ。しかし文化的には、これらはまったく異なるメッセージを送る。最初は中立的な承認である。2番目は懐疑を含むかもしれない。3番目は不承不承の否定的態度と見なされる可能性がある。
これらのフレーズの十分な例を見ていないAIは、それらに類似したエンベディングを割り当て、区別を完全に見逃すだろう。そのため、文化的ブランド向けに生成されたコピーは、技術的には正しいが文化的には不正確に感じられることがある。モデルは単語を知っているが、文脈を知らないのだ。
これは「プロンプトの書き方を知らない」という問題ではない。モデルの構築方法における構造的限界なのである。
ハルシネーション（幻覚）
AIツールに「紫の速度を木曜日で割ったものは何か？」と尋ねた場合、答えはないはずだ。この演算は数学的に未定義である。しかし統計的圧力下にあるモデルは、このような質問に対してとにかく答えを作り出すことがある。これは、多くの人がAI生成テキスト内でハルシネーションとして遭遇したものの簡略版であり、同じメカニズムが技術的には正しいが間違って聞こえる文化的に無関係なコピーを生成するのである。幸いなことに、これは考慮することができる。
スレッドの整理
1つの解決策は、トークンの重複を避けるために別々のブランドスレッドを作成することだ。各新しいスレッドを新しい従業員のように扱う。読み込むコンテキストと声が、モデルがアクセスできる唯一の文化的データになるようにするのだ。
エージェンシーオーナーにとって、最も一般的な間違いはすべてを単一のスレッドで実行することである。ある瞬間に黒人向けヘアケアブランドのために書き、次の瞬間にウェルネスブランドのために書いている場合、計算は希釈され始める。モデルは一方のブランドの声をもう一方に引き寄せる。クライアントごとに別々のスレッドを使うことは、単なる組織的な好みではない。数学的なトークン衛生なのである。
創業者は異なる問題に直面する。機能ごとに分離したいのだ。ベンダーへのメールで使用する声は、ブランドキャプションで使用する声ではない。経営幹部向けコミュニケーション用に1つのスレッド、ブランドとソーシャルメディア用に1つ、業務用に1つである。
AI教育：まず文化を教える
ほとんどの人は新しい会話を開き、すぐにリクエストを始める。私が気づいたのは、より良い方法は、何かを求める前に文化的に関連性のあるコンテンツを前もって読み込むことだということだ。
自社ブランドと競合他社のトップ投稿のコメントセクションからのスクリーンショット、顧客レビュー、本物の声からのポッドキャストトランスクリプト、関連する創業者インタビュー、推薦文を共有する。あなたは、特定の顧客があなたのブランドから聞く必要があるものに向けて、モデルの統計的重みを再調整しているのだ。
以下は、文化的で顧客直販型ブランド向けの開始プロンプトの例である。これは、リクエストを行う前にすべての新しいスレッドの冒頭に貼り付けることができるものだ：
「あなたは［ブランド名］のブランドボイスアシスタントです。［ブランド名］は［カテゴリ］ブランドで、［コア顧客を具体的に説明する。人口統計だけでなく、文化、アイデンティティ、価値観を含める］向けです。これが私たちの顧客のコミュニケーション方法です：［コミュニティからの実際のコメント、レビュー、キャプション10件を貼り付ける］ これが私たちのオーディエンスで良好なパフォーマンスを示したコピーです：［最もパフォーマンスの高いキャプション、メール、広告の3つの例を貼り付ける］ 上記の例のトーン、リズム、文化的ニュアンスを内面化し、文化的に関連性のあるマーケティングコミュニケーションの作成を支援してください。デフォルトは本物らしさです。」
データサイエンスチームや6桁の予算は必要ない。必要なのは本物の情報源と、生成を始める前の一貫した訓練である。
要点
AIで勝利するブランドは、最大の予算や最も洗練されたツールを持つブランドではない。ツールが実際に何であるかを理解しているブランドだ。つまり、あなたの文化をそこに読み込まないと、それを反映できない統計的パターンマッチャーなのである。
それには基礎知識、論理的な質問、そして適切な情報を与える忍耐が必要だ。結局のところ、テクノロジーはそれを訓練する人々と同じくらい優れているに過ぎないのである。
