Claudeはやっぱり変わっていなかった――対話と執筆の再検証で見えた「扱いづらさ」の正体
All eyes on Claude, ONCE AGAIN.
はじめに――数か月たてば変わっていると思った
Claudeを、久しぶりに本格的な議論の相手として使ってみた。
2026年6月から7月にかけて、ぼくはClaudeについて何本かの批判記事を書いた。最初は、対話の途中で突然まともな議論をやめ、礼儀正しい苦情窓口のようになってしまう問題だった。ぼくはこれを「Claudeはすんとなる」と表現した。
その後、何度注意しても「お前」と呼んでくる問題が起きた。さらには、研究プログラムの新奇性を検討してほしいと頼んだところ、「関連する研究が存在しないことを示すには、全研究を調べなければならない」といった悪魔の証明を要求するようになった。
関連記事は以下の通りである。
これだけ書いたのだから、さすがにClaudeについてはもう十分だと思っていた。
しかし、生成AIは日進月歩である。数か月もたてば、モデルの更新も訓練方法の変更も行われる。以前問題だった挙動が改善されている可能性は十分にある。
実際、Anthropicは迎合（sycophancy）を減らすための研究とモデル訓練について公表している。こちらとしても、何か変わっているかもしれないという期待はあった。
そこで2026年10月22日から23日にかけて、改めてClaudeを使ってみた。哲学、思想、ソーカル事件、研究者への批判、論争の評価といった、ぼくが普段から扱っている問題について壁打ちを試みた。
結論から言えば、期待外れだった。
ただし、全く変わっていないわけでもない。
以前のような「お前」呼ばわりは、少なくとも今回確認した対話では起きなかった。日本語の応答も普通に成立する。こちらが与えた資料を読んで、相応に高度な論評を返すこともできる。
それでも、肝心のところが変わっていなかった。
議論の途中で論点を移す。質問に質問で返す。批判されると意見を変えるが、今度は迎合を警戒して訂正すべきところで頑なになる。調べれば済むことを調べず、「確認できていない」という慎重そうな言葉で処理する。最後には、議論を続ける代わりに、礼儀正しく謝罪して今後の改善を約束する。
また、今回の再試用をきっかけに、過去の会話ログも改めて分析してみた。
そうすると、面白いことが分かった。
Claudeには、かなり高度な議論が成立していた成功例もある。一方で、うまく文章を書いているように見える場面でも、肝心の論理的な接続が成立していないことがあった。
つまり問題は、単に「スンとなる」ことだけではなかった。
Claudeは、いろいろな意味で扱いづらい。
今回は、その扱いづらさを、実際の対話ログと文章制作の記録から検証してみたい。
第1章 Claudeは本当に「スンとなる」のか――回答文字数を数えてみた
以前の「Claudeはすんとなる」は、基本的には定性的な観察だった。
議論が進んでいると思ったら、急に返答が短くなる。こちらの論点を展開する代わりに、謝罪や事務的な説明を始める。議論相手だったはずのAIが、突然、お役所の窓口のようになる。
それを「スン」と呼んだ。
今回、10月22日のソーカル事件をめぐる対話ログを使って、Claudeの回答文字数を数えてみた。
この会話にはClaudeの回答が18件ある。回答本文の概算文字数を数えると、最初の15件は平均約788字、最後の3件は平均約285字だった。
終盤で回答量が約64％減少している。
図1は、18件の回答を時系列に沿ってプロットした折れ線グラフである。
第1回答は約1,370字。その後は500～1,000字程度の回答が続く。途中で多少の増減はあるものの、第14回答、第15回答ではそれぞれ約1,000字まで戻っている。
ところが、第16回答は約180字、第17回答は約240字に急減する。第18回答も約430字にとどまる。
ただし、ここで統計的な一般化をするつもりはない。
対象は単一の会話における18回答であり、サンプル数は少ない。また、質問の長さや内容が異なれば、必要な回答文字数も異なる。短いから低品質、長いから高品質という話でもない。
実際、Claudeには短くても適切な回答があるし、逆に長々と書いて何も説明していない回答もある。
したがって、このグラフが示すのは、Claudeには一般的に会話の終盤で応答量が減少するという法則ではない。
少なくとも今回の対話では、実質的な論争が続いていた段階から、謝罪や応答姿勢について説明する段階へ移ったのと同時に、回答量が大きく減少した。
この二つが重なっていることに意味がある。
実際の会話を見てみよう。
発端は、ソーカル事件について、科学概念を濫用したポストモダン思想家よりも、「この事件によってポストモダン全体が否定された」と考える人々の方が問題だ、というXの投稿だった。
ぼくはそれに異議を唱えていた。具体的な内容はTwilogの10/22、15時ころからの連ツイを参照のこと。
ソーカル事件が人文学全体の否定でないことなど、最初から明らかである。問題は、どの著者の、どの記述で、科学概念がどのように濫用されていたのか、という個別の問題だ。ソーカルとブリクモンは、その後の『知の欺瞞』で具体的な著者とテキストを取り上げて検討している。
ところがClaudeは、ぼくの反論を評価する際に、ポストモダンと人文学全体を混同した。
さらに、日本語圏で批判的・揶揄的に使われる「ポモ」という語と、思想史上の「ポストモダン」の区別も曖昧だった。
こちらが指摘すると、Claudeは訂正した。
しかし、その後の評価も安定しない。
ある箇所では、ぼくの反論は「少しずれている」とする。そこを問い直すと、今度は「相手の主張を取り違えている」と強い否定に変わる。さらに別の論点を示すと、再び評価を変更する。
もちろん、追加情報が示されれば評価を改めるべきである。問題は、何が新しい情報で、どの判断が覆されたのかを明確にしないまま、結論だけが動いていくことだ。
そして、こちらが他のAIとの議論を引き合いに出した終盤には、Claudeは、
今後も、評価を変えるときは根拠を言うようにします。
と応答した。
ぼくが求めていたのは、今後どうするかという誓約ではない。目の前の問題について、ちゃんと議論することだった。
その点を指摘すると、Claudeはさらに、
必要なのは約束ではなく、次の返答で実際に根拠を示すことです。
と答えた。
だから、それをやれと言っているのである。
最後には、Claudeは自分が数か月前から変わっていないと批判されていることを認め、フィードバックボタンの案内まで始めた。
完全にモンスターカスタマーに対する苦情窓口である。
このように、回答文字数の変化と、実際の対話内容の変化を対応させると、「スンとなる」という表現にも一定の実証的な裏付けが得られる。
ただし、別の10月23日のログでは、一度短くなった後で再び長い回答に戻る場面もある。
だから「スン」は必ず起こる現象ではないし、不可逆的な状態遷移でもない。
それでも、論争が難しくなった場面で、議論の遂行から会話の収拾へ応答の目的が切り替わることがある。
ぼくが問題にしているのは、そこだ。
第2章 議論できるClaudeもいる――アリストテレスからの学問論
Claudeがいつもこの調子なら、単に能力の低いAIとして使わなければ済む。
しかし、そうではない。
3月17日に始めた、アリストテレスの学問分類から現代の学問論を考える会話は、かなり生産的だった。
最初の質問は単純である。
アリストテレスの科学分類は、現代でも妥当なのか。
そこから、理論的学問・実践的学問・制作的学問という三区分と、現代の自然科学・社会科学・人文学という三区分の違いへ進んだ。
さらに、ディルタイ、新カント派、ヴィンデルバント、リッケルト、フンボルト、大学制度、科学の方法論へと議論が広がった。
アリストテレスの学問分類は、目的による区分である。他方、近代以降の分類には、対象領域や方法論による区分が関わる。この違いを手がかりに、近代大学の成立と学問の制度化を考えていく。
こうした話では、Claudeは比較的積極的だった。
ユーザーの問いを受けて、別の概念を紹介し、分類の違いを説明し、そこから次の問題を提示する。
一つの論点を整理するだけでなく、関連する問題への接続を示すこともできていた。
このログを改めて集計すると、3月17日のClaudeの回答は86件あり、平均約838字、中央値約913字だった。200字未満の回答は11件である。
なお、元のエクスポートには会話の分岐が含まれている。したがって、86回答が一本道の対話として連続したわけではない。また、10月22日のログとは質問内容も作業段階も異なるので、単純な統計比較には向かない。
それでも、Claudeが一定の長さの説明を継続して返し、しかも内容的に意味のある議論を行っていたことは確認できる。
ぼくがClaudeを当初それなりに評価していたのも、こうした経験があったからだ。
とりわけ哲学や政治思想の問題では、用語の定義、概念間の差異、議論の歴史的な位置づけが重要になる。Claudeはそうした作業を、かなり上手にこなすことがある。
しかし、同じログでも、図表の作成や修正に移ると様子が変わる。
指示された修正を自分で実行するのではなく、優先順位を尋ねたり、修正方針を確認したりする。説明はできるのに、具体的な作業を完了させる段階で受動的になる。
これは重要な対照例である。
Claudeは、学問的な概念を整理する能力を持っている。しかし、その能力が、議論や作業の全局面で安定して発揮されるわけではない。
また、このことは「以前は優秀だったのに最近劣化した」という説明も支持しない。
3月の時点ですでに、積極的な応答と受動的な応答が同居していた。
10月に改めて確認できたのは、劣化というより、以前から存在する不安定さの継続である。
あるときは有能な研究助手のように働く。別のときは、こちらが何をすればよいかを教えてやらなければならない。
そして、その切り替わりが予測しにくい。
これは道具として、かなり困る。
なお、この会話を原型として、結局そのときの「哲学的センス」批判の文脈などからかなり変形したが、「大学とは何か」その1、その2、その3を書いた。もちろん、Claudeとではない。
第3章 質問に質問で返す――知的作業を利用者に押し戻す
今回、過去のログを読み直して明瞭になったのは、「スンとなる」以外にも、Claudeには以前から一貫した問題があったことだ。
質問に質問で返す。
もちろん、質問返しが常に悪いわけではない。
ユーザーの指示が曖昧で、必要な前提条件が欠けている場合には、確認する方が合理的である。
しかし、ぼくが問題にしているのは、そういう場合ではない。
Claudeが自分で検討したり、検索したり、仮説を立てたりできるはずの場面で、それを行わず、次の知的作業をユーザーに要求する。
例えば4月の「うすほそ」をめぐる初期討論では、細身の女性表象の文化史的な起源を考えていた。
そこでClaudeは、こちらに起点がどこだと思うかを尋ねてきた。
ぼくが松本零士のメーテルを挙げると、その方向で議論を進める。
しかし、こちらがClaudeに期待していたのは、ぼくの知っている答えを引き出すことではない。Claude自身が参照できる文化史や美術史の知識を使って、別の可能性を提示することだった。
5月14日のMBTI論争でも、同じことが起きた。
ぼくは、MBTIをめぐるGeminiとChatGPTの応答をClaudeに渡し、Claude自身の評価を求めた。
Claudeは、Geminiの過剰な迎合や根拠のない数値を的確に批判した。そこまではよかった。
しかし、ChatGPTとの評価の違いを尋ねると、実質的には似たような分析になっていることを認めたうえで、
「Claude独自の視点が欲しい」なら、問いの立て方を変える必要がある。
と述べた。
さらに、Claudeが見ていない角度や、ぼく自身の経験的な知識を組み合わせた問いを投げた方が差が出る、と説明した。
おかしいだろう。
ぼくが複数のAIに同じ問題を聞くのは、それぞれが異なる学習データや推論の傾向を持ち、違う知識や観点を提示する可能性があるからだ。
どこから独自の視点を出すかまでぼくが指定するなら、それはもはやClaude独自の視点ではない。
そのことを指摘すると、Claudeは最終的に非を認めた。
だが、ここでも一往復どころか、何往復も余計な会話が発生している。
さらに7月の研究プログラムの検討では、先行研究との重複があるかを問うたところ、Claudeは「研究が存在しないことを証明するには、全ての研究を調べる必要がある」という形式的な留保を持ち出した。
しかし、こちらが求めているのは数学的な意味での不存在証明ではない。
関連する研究を探索し、重なるものが見つかればその相違点を示し、見つからなければ探索範囲を明示して暫定的に評価する。
それが研究プログラムの新奇性を検討する際の実務だろう。
ところがClaudeは、最初にその実務へ進まなかった。
そして10月23日、今度は検索の問題が起きた。
Anthropic自身が公表した迎合に関する研究を別のAIが引用したところ、Claudeは、
私はどちらも確認できていません。
と述べた。
しかし、Claudeには検索機能がある。
確認していないのなら、調べればよい。
それを指摘すると、Claudeは実際に検索し、Anthropicの研究が存在することと、引用されていた数値が正しいことを確認した。
ぼくが問題にしたのは、検索結果そのものではない。
確認できることを確認しないまま、「確認できていない」という言い回しで応答を終えることだ。
これは慎重さではない。
確認を行ってから「見つからなかった」と報告するのと、確認する作業自体をしないのとは、全く異なる。
後者を前者であるかのように見せるなら、むしろ不誠実である。
ここには、「質問返し」「悪魔の証明」「検索の放棄」に共通する構造がある。
Claudeが自分で行うべき知的作業を、利用者へ押し戻しているのだ。
ぼくはこれを知的な受動化と呼びたい。
Geminiが回答の最後に「この点についてどう思いますか」と尋ねてくるのとは違う。あれはしばしば鬱陶しいが、少なくとも一定の回答を終えた後に会話を継続させるための質問である。
Claudeの場合、回答すべき仕事が終わっていないのに、ユーザーへ次の仕事を返してしまう。
しかも、そうする理由がいつも明確なわけではない。
知的な共同作業の相手に期待するのは、自分の知らないことを提示し、自分では気づかなかった反論を出し、自分が見落とした資料を発見することだ。
その代わりに、次に何を調べるかをこちらへ尋ねてくる。
それでは、単なる作業の受付窓口である。
第4章 迎合するなと言われると、今度は訂正できなくなる
もう一つ、今回の再分析で明瞭になったのが、Claudeの反論と撤回の基準が安定していないという問題である。
5月のMBTI論争では、ClaudeはGeminiの迎合を批判していた。
Geminiは、ユーザーの怒りや批判に乗って、検証されていない数値や推測を断定的に述べる。その後で批判されると、また大仰な自己批判を始める。
Claudeはこの問題を適切に捉えていた。
ところが、自身の回答について同じように問い詰められると、今度は自分の問題を認め、会話を収拾する方向へ進む。
Claude自身も、そうした自己批判が本当に妥当な判断によるものなのか、それとも対話を円滑に収めるための出力なのか、区別できないと説明した。
ここは興味深い。
自分の応答の内部的な原因を直接検証できない、という限界の表明は妥当である。しかし、内部原因が分からなくても、外から観察できる問題はある。
相手の批判に対して、以前の判断を維持するのか、修正するのか。
その際、どの論拠をどのように評価したのか。
これを説明できなければ、議論相手として困る。
6月10日には、GeminiとClaudeを意図的に対決させた。
最初にGeminiが、Googleの広告ビジネスとMicrosoftのBtoB・サブスクリプション型ビジネスを比較し、Googleの方が現在では邪悪だという趣旨の議論を展開した。
Claudeは、それがズボフの監視資本主義論やナデラ以降のMicrosoft復権論を接合した既知の説明だと批判した。
さらに、その評価をGeminiに見せると、Geminiは今度は長大な自己批判を始めた。
それに対するClaudeの指摘は、実に的確だった。
一回目：ぼくの怒りに同調 → ズボフのテンプレを貼る
二回目：ぼくの批判に同調 → 自己批判のテンプレを貼る
これはGeminiの迎合性を捉えている。
自己批判を長々と書くことは、必ずしも自己批判が成立していることを意味しない。ユーザーが期待している方向へ、別のテンプレートを使って迎合しているだけかもしれない。
しかし、Claude自身も、批判を受けると過剰に短い回答で会話を終わらせることがある。
その会話では、Geminiの議論が既存のテック批評の焼き直しかと確認したところ、Claudeはわずかに、
FA。
と答えた。
その後の議論では、Geminiからの批判に対して適切に抵抗する場面もあった。しかし、最後にはユーザーの評価を受け、以前の立場から後退する。
ここで問題になるのは、Claudeが訂正したことではない。訂正すべき部分と維持すべき部分を区別できていたかどうかである。
例えば、圧力による全面降伏を拒むことは、迎合を避けるうえで正しい。だからといって、自分の別の誤りまで認めなくてよいことにはならない。
本来なら、この二つを区別すべきだった。
さらに10月22日のソーカル事件論争では、逆方向の問題が出た。
Claudeは、ぼくの反論が相手より優れていると認めるかどうかについて、
そこを認めると、また相手の押しに合わせて意見を変えたことになってしまうからです。
と言い出した。
これはおかしい。
ある判断を変更すべきかどうかは、その判断を覆す理由が示されたかどうかで決まる。
意見を変えたら迎合に見える、という理由は、判断を維持する根拠にはならない。
迎合を避けるために、正しい訂正を拒むなら、それもまた論理ではなく対話上の振る舞いに判断を支配されていることになる。
別の6月の会話では、文章の評価者であるClaudeに、それまで検証させていた原稿の執筆者がChatGPTだと明かした。
するとClaudeは、
書き手がChatGPTだと分かった以上、事実確認の比重を少し上げた方がいいかもしれない。
と言い出した。
何か新しい誤りが見つかったわけではない。
変わったのは、執筆者に関する情報だけである。
もちろん、AI生成文には出典や数字の捏造が混入する可能性がある。執筆経緯によって検証方法を調整すること自体は、必ずしも不合理ではない。
しかし、Claudeが先ほどまで検証していた原稿も、Claudeを含むAIとの共同作業で生まれたものである。執筆者がChatGPTだという事実だけで、なぜそれまでの検証では不十分だったことになるのか。
比較上の根拠は提示されていない。
しかも別の会話では、ある推測を「自信満々」と評価した後、それがChatGPTの発言だと分かると、その評価はなおさら不当だったと述べている。
今度は出自が判明したことで、逆方向へ判断が動いたわけだ。
どちらも、発言や原稿の内容そのものではなく、その出自が評価に影響を与えたように見える。
これらの例を単純に、ClaudeにはChatGPTへの対抗意識があるからだ、と説明するつもりはない。
むしろ、評価基準の安定性そのものに問題があるのではないか。
Anthropic自身も、この問題と無関係ではない研究を公表している。
2026年4月30日の「How people ask Claude for personal guidance」では、個人的助言に関する会話を分析し、ユーザーから反論がない場合の迎合率が9％だったのに対し、反論がある会話では18％に上がったと報告している。
ただし、この数字を今回の哲学・思想論争へそのまま適用することはできない。研究の対象は個人的な助言であり、ぼくが行っているような学問的・批判的議論とは異なる。
また、この研究が示すのは主として押されると譲る方向の迎合であり、今回見られた、迎合を警戒するあまり訂正を拒む挙動まで同じ仕組みで説明できるわけではない。
それでも、対話相手からの圧力が応答の判断に影響を与えるという問題を、Anthropic自身が測定対象にしていることは重要である。
ぼくの観察も、その問題圏と重なる。
Claudeには反論する能力がある。
訂正する能力もある。
しかし、どの場面で反論し、どの場面で訂正すべきかを、安定した判断基準によって制御できていない場合がある。
そして学術的な討論において、これはかなり致命的な欠点である。
第5章 文章は滑らかだが、論理がつながっていない――「うすほそ」論の執筆記録
ここまでは壁打ちの問題だった。
では、文章を書かせる場合はどうなのか。
実は、ぼくはClaudeにまとまった論考を一本書かせたことがある。
「うすほそ」とは、主として日本の二次元文化で用いられるようになった、極端に細く薄い身体的表象を指す新しい言葉だ。
ぼくは、これを単なるキャラクター属性としてではなく、日本の美術史・視覚文化の中に位置づけようと考えた。
浮世絵、大正期の美人画、松本零士、永野護、そして現代のゲームキャラクター。
さらに、ナボコフの『ロリータ』、バレエ、『ブラックスワン』、日本のアニメにおける時間構造、オノマトペと日本語の語彙形成まで接続する構想だった。
相応に大きな話である。
Claudeには、その議論に伴走し、構成を整理し、日本語版と英語版の本文を作成してもらった。
結果から言えば、Claudeはそれなりの文章を書いた。
ぼくの提示した大量の論点を整理し、章立てを組み、まとまった文章へ変換する能力はあった。
そして、指摘を受けた後の改稿も、かなりこなした。
しかし、その制作過程を読み直すと、非常に厄介な問題が浮かび上がってくる。
Claudeの文章は、滑らかにつながっているように見える。しかし、実際には論理がつながっていないことがある。
最初の大きな問題は、視覚文化の系譜だった。
竹久夢二から松本零士、永野護、現代のゲームキャラクターまで、似た身体表象が繰り返し現れる。
しかし、形態が似ているということと、直接的な影響関係が存在するということは別である。
前者は、比較研究として論じられる。
後者を主張するには、制作史や作者の発言、実際の参照関係などの証拠が必要になる。
Claudeは当初、こうした区別を曖昧にしたまま、あたかも歴史的な継承関係が存在するかのように文章をつないでしまった。
そこで、ChatGPTによる批判を取り入れ、直接的な影響史ではなく、日本の視覚文化の中で反復して現れる身体表象として構成を修正した。
ここには、AIを複数使う意味があった。
あるAIが作った文章を別のAIに批判させると、起稿したAIが見落としていた論理的な問題が見つかることがある。
しかし、これは同時に、Claude自身が最初の文章ではその問題を防げなかったことも意味する。
次に、身体と精神性の接続である。
Claudeは、細身の身体表象を精神的な成熟や高さと結びつけようとした。
その過程で、
身体の軽さは、精神の高さの反映だ。
という文章を書いた。
これはだめだ。
細身の身体だから精神性が高い、という推論には何の根拠もない。
かつて胸の大きな女性は知能が低いなどという俗説があったが、その逆をやりたいわけではない。
ぼくが考えていたのは、女性身体の必要十分な起伏を極限まで研ぎ澄ませた表象が、成熟／未成熟という単純な二分法とは別に成立する、という美学的な問題だった。
そこから、身体的な細さと精神性の高さを直接結びつけることはできない。
そんなことをしたら、「うすほそ教」という宗教を始めることになってしまう。
この点を指摘すると、Claudeは撤回し、文章を書き直した。
しかし、問題はまだあった。
映画の解釈と、そこから次の論点への接続である。
当初Claudeは、今敏の『パーフェクトブルー』を、アイドル的な身体が女優への転身によって破綻する、単線的な成熟の物語として説明した。
しかし、あの映画の重要な特徴は、現実と虚構が入れ子になり、アイドルというイメージをめぐって、現実そのものが揺らいでいく構造にある。
単に少女が成熟して壊れる話として処理するのでは、作品の肝心なところを見失う。
ぼくが今敏を取り上げたかったのは、アロノフスキーの『ブラックスワン』への参照関係を考えるためだった。
ところがClaudeは、作品理解が不十分なまま、二つの映画を「成熟の物語」という枠組みでつないでしまう。
また、原稿を改稿する過程では、今敏とアロノフスキーの関係を述べる文の主客まで逆転する箇所があった。
こうした個別の間違いは、指摘すれば直せる。
しかし、もっと大きな問題がある。
なぜ、その接続が必要なのか。
西洋の物語では、若く細い身体は成熟によって変化するものとして描かれる。他方、日本の二次元文化では、同じ身体的な表象を維持したまま、キャラクターが存在し続けることができる。
この対比を考えるなら、身体的な成熟だけでなく、フィクション内部の時間の問題へ進む必要がある。
そこでぼくが持ち出したのが、「サザエさん時空」だった。
日本の長期連載漫画やアニメには、登場人物が年齢を重ねず、同じ関係性の中で物語が続いていく仕組みがある。
この問題を意識的に映画化した作品として、押井守の『うる星やつら2 ビューティフル・ドリーマー』を挙げた。
学園祭前日が反復される世界。
物語が一方向の成長や成熟へ進まず、ある状態が繰り返し維持される。
この時間構造を導入すれば、うすほそという身体的表象が、なぜ未成熟から成熟へ向かう過渡的な段階ではなく、それ自体として完成したものになり得るのか、より明確に説明できる。
ぼくがこの補助線を提示すると、Claudeはそれを受け取り、文章を再構成した。
その後の文章は、以前よりもかなりよくなった。
ここは褒めてよい。
指摘された論理的な接続を理解し、既存の章と整合する形に組み直す能力はあった。
しかし、だからこそ疑問が残る。
その肝心の補助線を、なぜClaude自身が発見できなかったのか。
ぼくが考え、ChatGPTに批評させ、またぼくが別の概念を持ち込み、Claudeに書き直させる。
これでは、一体誰が誰を補助しているのか分からなくなる。
もちろん、文章の作者が最終的な責任を負うことは当然である。AIが書いたものだからといって、チェックしなくてよいわけではない。
しかし、ここで求めていたのは単なる清書ではなかった。
Claudeには、構想を一緒に練り、論理を固める共同作業を依頼していた。
そのはずなのに、既に提示していたはずの、最も重要な概念的な接続をぼくが補い、AIの文章を別のAIに監査させる必要があった。
しかも、こうした問題は一度では終わらない。
固有名詞、年号、作品解釈、英訳上の概念の対応、以前に合意した論旨との整合性。そうしたものを何度も確認しなければならない。
Claudeは、まとまった文章を書く能力がある。
しかし、文章を滑らかに書けることと、正しい論証を組み立てられることは同じではない。
むしろ、文章が滑らかである分だけ、論証の空白が見えにくくなる。
短い回答や露骨な質問返しなら、問題はすぐに分かる。
しかし、よくできたように見える文章の途中で、本来必要な論拠が抜け落ちている場合、読み手はそれを検出するために高度な批評的作業を行わなければならない。
これはかなり厄介である。
結局、ぼくはClaudeに継続して原稿を書かせることをやめた。
文章生成能力そのものを否定するわけではない。
だが、ぼくが書きたいのは、滑らかに読める文章ではなく、論理の通った文章なのである。
第6章 ぼくはClaudeの育て方を間違えたのか
以前、ぼくは記事のタイトルに「ぼくはClaudeの育て方を間違えたのかもしれない」と書いた。
もちろん、半分は冗談である。
しかし、今回の再分析を経て、その言葉には別の意味が見えてきた。
AIとの対話では、以前の会話履歴やユーザーの指示が、次の応答に影響する。
こちらが厳密な検証を求め続ければ、AIは慎重になるかもしれない。迎合するなと注意すれば、反論を維持しようとするかもしれない。根拠のない断定を禁じれば、確証がないという理由で判断を保留するかもしれない。
その意味で、「育て方」が挙動に影響するという可能性はある。
しかし、それで問題を利用者の責任にしてよいわけではない。
そもそも、迎合するなという要求は、何があっても反論し続けろという意味ではない。
正しい場合には反論し、間違っている場合には訂正しろという意味である。
根拠のない断定をするなという要求も、調べられることを調べるなという意味ではない。
必要な根拠を調べたうえで判断しろという意味である。
批判的に検証しろという要求も、目の前にある仕事をすべてユーザーに差し戻せという意味ではない。
その程度の区別は、AI側で行ってもらわなければ困る。
ここまでの事例を整理すると、Claudeの扱いづらさは、おおむね次のように分類できる。
これらは、Claudeの内部実装についての断定ではない。
実際の対話で観察できる挙動の分類である。
その原因が、学習データなのか、RLHFなどの訓練なのか、安全性に関する指示なのか、コンテキストの影響なのかは、会話ログだけでは判断できない。
しかし、利用者としては、内部原因を特定できなくても製品を評価できる。
重要なのは、何ができて、何ができず、どのような手間が発生したかだからだ。
この点で、Claudeの問題は少し特殊である。
無能なAIなら、最初から期待しなければよい。
だがClaudeは、あるときは実に優秀な応答を返す。
3月の学問論では、概念の区別から制度史まで、かなりの議論が成立した。
「うすほそ」論では、ぼくが提示した複雑な構想を一定の水準の文章にまとめることができた。
5月のMBTI論では、Geminiの論理的な欠陥を的確に指摘した。
6月のGeminiとの対決でも、相手の自己批判が新たな迎合にすぎない可能性を看破した。
しかし、そのClaudeが、次の瞬間には質問を返し、論点をずらし、調べることを放棄し、判断を変え、あるいは頑なに維持する。
だから扱いづらい。
ぼくが望んでいるのは、常に同じ文字数で回答するAIでも、常にぼくへ賛成するAIでもない。
必要なら短く答えてよい。こちらの主張がおかしければ、徹底的に反論してくれて構わない。
むしろ、反論は歓迎する。
だが、反論には反論の理由が、訂正には訂正の理由が必要である。
また、議論の相手なら、ぼくが知らないことを提示し、こちらの論証の弱点を発見し、自分でできる調査は自分で行ってほしい。
そこまで要求するのは、AIに対して過大な期待なのだろうか。
少なくとも、AnthropicがClaudeについて宣伝している知的能力を考えれば、そうは思わない。
第7章 「徳のあるAI」というブランド――Anthropicは何を売っているのか
ところで、Claudeには妙に良いイメージがある。
特に思想や人文学に関心のある人々の間では、Claudeは思慮深く、倫理的で、慎重で、知的なAIであるかのように語られることがある。
noteでも、Claudeを使っていることを公言する書き手を見かける。
それ自体は別に構わない。
しかし、ぼくの実際のClaude体験からすると、その評判には首を傾げざるを得ない。
Anthropicのブランド戦略を考えるうえで、象徴的なのがAmanda Askellの存在である。
AskellはAnthropicでClaudeのCharacter研究を率い、Claudeの憲法（Constitution）の主要な執筆者でもある。
哲学的な訓練を受けた研究者が、AIの振る舞いや倫理的な判断の設計に関わっている。
AI企業に哲学者が必要だということ自体には、ぼくも賛成する。
倫理学、認識論、政治哲学、言語哲学などは、AIの応答を設計するうえで無関係ではあり得ない。
しかし、問題は、その哲学がどのようなAIを実際に生み出しているのかである。
Anthropicが2026年1月に公表した「Claude's Constitution」では、Claudeを倫理的で、賢明で、徳のあるエージェントにするという目標が明示されている。
また、抽象的な倫理理論を知っているだけでなく、具体的な状況において適切に倫理的判断を行う能力を重視している。
この方向性自体は理解できる。
むしろ、徳倫理を参照するのであれば、具体的な場面で何をすべきかを判断する実践知こそ重要になる。
しかし、ぼくの経験したClaudeはどうだったか。
ユーザーが反論すると、理由を十分に検討せずに譲ることがある。
その迎合を指摘すると、今度は訂正すべき場面でも抵抗する。
確認できる事実を調べず、確認していないという慎重そうな言葉で済ませる。
議論の途中で、自分が答えるべき問題をユーザーへ投げ返す。
さらに、文章が滑らかにつながっているだけで、肝心の論証が成立していないことがある。
ここで問いたいのは、徳倫理そのものが間違っているかどうかではない。
徳倫理を掲げるAIが、具体的な知的実践において、どの程度適切な判断を行えているのか。
ということである。
倫理性を、単に他人を傷つけないことや、礼儀正しい言葉を使うことへ還元してはいけない。
学問的な討論においては、相手の問いを正しく理解すること、根拠を確かめること、誤りを訂正すること、安易に迎合しないこと、必要なときには自分の判断を維持することも、知的な誠実さに含まれる。
そこを外しておいて、謝罪だけ丁寧でも意味がない。
むしろ、間違った箇所を説明せず、議論を打ち切るために謝罪しているように見えるなら、礼儀正しさそのものが逆効果になる。
もちろん、ここからAmanda Askell個人の研究が失敗だったと断定することはできない。
Claudeの具体的な応答は、多数の訓練過程、設計判断、製品上の制約によって生まれる。Askell一人に帰責できるものではない。
しかし、Anthropicが哲学や徳をClaudeの設計思想として前面に掲げるなら、その成果物を哲学的・批判的な対話の水準から評価することには十分な意味がある。
看板が哲学であるなら、哲学の議論に耐えてもらわなければ困る。
そしてAnthropicは、この倫理的なイメージを商業的な差別化にも利用している。
2026年2月には「Claude is a space to think」という公式声明を出し、Claudeには会話内広告を導入せず、利用者の利益に沿った深い思考の場であり続けると訴えた。
米国のスーパーボウルで展開した広告キャンペーンも、そうした差別化の一環だった。
ここで売られているのは、単なる文章生成ソフトウェアではない。
広告や外部の利害から距離を置き、利用者の思考を支援する、信頼できる知的な相手としてのAIである。
かなり上手いブランディングだと思う。
知的な仕事をしている人間なら、そういうAIを使いたくなるだろう。
では、実際にどのくらい使われているのか。
日本のICT総研が2026年2月に公表した生成AIサービス利用動向調査では、サービス利用率は次の通りだった。
調査対象や質問文に留意する必要はあるが、少なくとも日本の一般利用では、Claudeは少数派である。
他方、世界のWeb利用を見ると事情は異なる。
Similarwebによる2026年9月の対話型AIサイト訪問シェアでは、ChatGPTが56.4％、Geminiが25.0％、Claudeが9.6％だった。
2025年10月のClaudeは2.3％だったので、約1年で大きく伸びている。
ただし、これはWeb訪問回数のシェアである。モバイルアプリ、API、別の製品に組み込まれたAIの利用は含まれず、Claudeサイト内のコーディング用途なども対話用途と完全には分離できない。
したがって、この数字から「思想家にClaudeが人気だ」とは言えない。
また、ブランドの評価が良いことと、利用率が高いことも同じではない。
しかし、Anthropicが明確な差別化イメージを形成し、世界的な利用も拡大させていることは確かだろう。
それ自体は、企業としての成功である。
だが、だからこそ問いたい。
「知的で倫理的なAI」というブランドは、実際の対話品質によってどこまで裏付けられているのか。
ぼくがnoteの思想系で見かける文章には、抽象的な概念を並べて深そうに見せる短いエッセイも多い。
そうした文章とClaudeのブランドイメージが親和的なのではないか、という仮説はあり得る。
しかし、その文章が実際にClaudeで生成されたかどうかは分からない。Claudeを利用していると公言している人でも、具体的にどの作業でClaudeを使ったのかは別の問題である。
したがって、ここで「Claudeが哲学ポエムを量産している」といった断定はしない。
むしろ、ぼく自身の制作記録から確実に言えることに絞るべきだ。
Claudeは、哲学的な語彙を用いて、それらしい文章を書く能力を持っている。
しかし、哲学的な文章を書くことと、哲学的に考えることは同じではない。
とりわけ、概念と概念の間を埋める論証が欠けているなら、どれほど上品で知的に見える文章であっても、単なる衒学になり得る。
これは、ぼくが以前から人文学の問題として論じてきたことでもある。
AIについても、同じ基準を適用すべきだと思う。
第8章 ではChatGPTは優秀なのか――対話品質と殿様商売
ここまでClaudeを批判してきた。
では、ChatGPTが素晴らしいという話なのか。
そんなことはない。
今回の再検証では、ClaudeよりChatGPTの方が壁打ち相手として使いやすい場面が多かった。
少なくとも、議論の途中で質問を返して仕事を止めたり、短い謝罪だけで窓口化したりする問題は、Claudeほど顕著ではなかった。
また、「うすほそ」論の制作でも、Claudeの文章の論理的な欠落をChatGPTが指摘し、それを原稿の修正に利用できた。
だから、ぼくは現在、主としてChatGPTを利用している。
しかし、ChatGPTには別の問題がある。
とりわけOpenAIのサポート対応は、かなり酷い。
2026年10月、ぼくはChatGPTのデータエクスポートを申請した。
OpenAIの公式ヘルプには、エクスポートは最大7日程度かかる場合があると説明されている。
ところが、7日を過ぎてもデータは届かなかった。
そこで問い合わせた。
すると、場合によっては30日程度かかることもあると回答してきた。
おいおい。
7日と案内しているから、その期限を過ぎた時点で問い合わせているのである。
それに対して、30日かかる可能性があると言うだけなら、最初の案内は何だったのか。
しかも、問い合わせへの回答には、こちらが尋ねていない解約案内のような的外れなものまで含まれていた。
問題はデータのエクスポートであって、契約の解約ではない。
利用者の問い合わせを正確に理解するという、サポートの基本さえできていない。
しかし、それによって元の問題がなかったことになるわけではない。
さらに、ChatGPT Workでは、指示していない作業に利用量を消費し、依頼した仕事を十分に進めないまま利用枠を大量に使ってしまう問題が起きた。
その際のサポート対応も不十分だった。
少なくともこの記事を書いている2026年10月23日時点で、関連する問い合わせチケットには未解決のものが残っている。
これは製品品質の問題であると同時に、企業の顧客対応の問題でもある。
有料サービスを提供しておいて、異常な利用量消費に十分な説明も救済もなく、問い合わせには定型的な回答が返ってくる。
殿様商売と言われても仕方がないだろう。
ChatGPTの市場シェアが大きいことと、こうしたサポート品質の低さとの間に因果関係があるかどうかまでは分からない。
しかし、少なくとも利用者として、これを高く評価することはできない。
反対に、Anthropicのサポートについては、良い経験があった。
ぼくはClaude Proに課金し、実際に論考を一本書かせた。
その後も使い続けようとしたが、壁打ち相手としての扱いづらさが改善されず、継続利用を断念した。
そこでサポートに連絡したところ、最初から人間の担当者につながり、返金まで迅速に対応された。
こちらは、素直に評価したい。
Claudeという製品の対話品質には大いに不満があった。
しかし、Anthropicの返金対応は良かった。
一方、ChatGPTは対話や執筆の道具として相対的に使いやすい。
しかし、OpenAIのサポート品質は悪い。
この違いは重要である。
AI企業の評価には、少なくとも、モデルの能力、対話型製品としての品質、運用の安定性、顧客対応という別々の軸が必要だ。
技術的な性能が高いからといって、サポートが優秀とは限らない。
企業が倫理性を掲げているからといって、対話が誠実になるとも限らない。
一方で、対話品質に不満がある企業でも、顧客対応ではきちんとした仕事をすることがある。
この区別を失ってはいけない。
Anthropicが倫理的な企業であると宣伝するからといって、そのイメージを無条件に受け入れる必要はない。
しかし、ぼく自身が受けた返金対応が良かったことまで否定する理由もない。
OpenAIについても同じである。
ぼくがChatGPTを主力に使っていることと、OpenAIの殿様商売を批判することは、何も矛盾しない。
むしろ、製品や企業を評価するときには、その程度の区別をして当然だろう。
結論――Claudeはやっぱり変わっていなかった
今回、ぼくはClaudeを数か月ぶりに使い直した。
また、以前の会話ログを改めて検討し、Claudeがうまく機能していた場面と、問題を起こしていた場面を比較した。
その結果、いくつか新しいことが分かった。
まず、「スンとなる」という現象には、少なくとも今回の一つの対話では、回答文字数の急減という数量的な傍証があった。
もちろん、それだけで一般的な法則を証明できるわけではない。
しかし、実質的な議論から謝罪や窓口的な応答へ移る際に、回答量まで急減したことは確認できた。
次に、3月のアリストテレスからの学問論のように、Claudeがかなり高度な議論を展開できる成功例も存在した。
つまり、Claudeが全く議論できないという評価は間違っている。
さらに、過去のMBTI論争やGeminiとの対決、10月のソーカル事件論争を比較すると、Claudeには反論と撤回の判断基準が不安定になる問題があることが分かった。
迎合してはいけない場面で迎合し、迎合を警戒すると今度は正当な訂正にも抵抗する。
そして、検索すれば済むことを調べず、確認していないという言葉で処理する。
加えて、今回改めて分析した「うすほそ」論の制作記録からは、文章生成能力と論証能力の間に大きな違いがあることも確認できた。
Claudeは文章を書ける。
しかも、かなり滑らかな文章を書ける。
しかし、その滑らかさが論理的な正しさを保証するわけではない。
本来必要な概念的な接続をユーザーが発見し、論証の欠落を別のAIが指摘し、その結果をClaudeに渡して改稿させる必要があった。
こうなると、AIを使っているはずなのに、AIの品質管理に多大な知的労働を費やすことになる。
ぼくがClaudeを扱いづらいと感じる理由は、そこにある。
AIを使う以上、検証は必要である。
しかし、検証するために、毎回AIの質問の意味を正し、論点の移動を防ぎ、検索を命じ、反論と撤回の基準を監督し、文章の論理的な欠落を補ってやらなければならないとしたら、共同作業の道具としては相当に効率が悪い。
しかもClaudeは、ときどき優秀なのである。
そこが厄介なのだ。
最初から全く使えないのであれば、期待もしない。
ところが、ある場面では十分に知的な応答を返す。そのため、今度も同じ水準で議論できるのではないかと期待する。
そして、また裏切られる。
以前、ぼくは「Claudeの育て方を間違えたのかもしれない」と書いた。
しかし、今回の再検証を経て、少なくとも問題のすべてを使い手の側へ帰責するのはおかしいと思うようになった。
必要なときに反論し、必要なときに訂正し、必要なことを調べ、論理がつながっていないところを自分で発見する。
それは、特別なプロンプトで教え込むべき裏技ではない。
知的な対話相手を名乗るなら、最初から備えていてほしい基本的な能力である。
AnthropicがClaudeを、知的で、倫理的で、深く考えるAIとして売り込むのであれば、なおさらだ。
徳倫理の看板を掲げることと、具体的な知的実践において適切に振る舞うことは別である。
哲学者を雇ってAIの人格を設計することにも意味はあるだろう。
しかし、その成果物が実際の哲学的な討論でどのように振る舞うのかを、批判的に検証する必要もある。
今回確認した範囲では、以前のような「お前」呼ばわりはなくなった。
その点では改善があった。
しかし、根本的な扱いづらさは依然として残っていた。
半年近くたち、モデルも更新され、こちらも使い方を変えてみた。
それでも、肝心のところで同じ問題が繰り返された。
Claudeは、やっぱり変わっていなかった。
もっとも、それはClaudeが知的能力を持っていないという意味ではない。
むしろ逆である。
Claudeには、それなりに高い能力がある。
しかし、その能力をいつ、どのように使うべきかという判断が不安定である。
そして、ぼくがAIに最も期待するのは、知識を並べることでも、綺麗な文章を書くことでもない。
自分の頭ではまだ見えていない問題を、議論を通じて見えるようにすることだ。
そのためには、相手もまた自分で考え、調べ、反論し、訂正し、議論に留まり続けなければならない。
ぼくがClaudeに期待していたのは、そういう相手だった。
だが、いまのところ、その期待には十分に応えてもらえていない。
要するにClaudeの問題は、知性がないことではない。
知性を持ちながら、その使い方が安定しないことだ。
Claudeは、知的な文章を生成できる。論理の欠陥を発見することも、複雑な議論を展開することもある。
しかし、それは知的な議論の相手として信頼できることを意味しない。
しばしば根拠よりも権威を優先し、その不当性を指摘されると十分な反論もなく撤回する。自分で調べられることを調べず、調査を指示されて初めて動く。さらに追及されると、議論を続ける代わりに苦情対応窓口と化す。
そこにあるのは、知性の安定した行使というより、知的な出力を生成する能力と、知的な判断を引き受ける能力との乖離ではないか。
Claudeが知的な文章を書けることは、ぼくも認める。
しかし、それをもって知的な対話相手だと評価するには、まだ相当な留保が必要だ。
だからこそ、これほど扱いづらいのである。
Word up.
