GPT-Liveは本当に“まるで人間”か？ 「出汁」を「でじる」と言う場面も

先週のアクセスランキング1位は、クレジットカード決済代行事業者「全東信」の破産ニュースだった。3位にはKDDIによる最大760万人分のパスワード漏洩が入り、重い話題が並んだ。

同じ週には、OpenAIが新たなAIモデル「GPT-5.6」シリーズと、音声対話機能「GPT-Live」を公開し、大きな話題を集めた。（参考記事：「まるで人間」　OpenAIの新モデル「GPT-Live」のトーク力が話題）

GPT-Liveは、ChatGPTの音声会話モードの新版だ。人間が話している間もAIが「うんうん」と相づちを打ち、バックグラウンドで別のモデルを動かして推論しながら会話を続けられる点が売りとされる。

この機能により、AIとの会話が非常にスムーズになり、「まるで人間と話しているようだ」と評判を呼んでいる。筆者も期待に胸を膨らませて試用してみた。

複数のキャラクターの中から「Maple」という「快活で素直」なモデルを選び、実際に会話してみた。テンポは滑らかで、こちらが遮って発話してもAIはきちんと聞き取り、会話をつないでくれる。

しかし、その裏返しとして人間らしさが欠けている。「私の話も聞いてよ！」といった自己主張は一切なく、筆者の話をひたすら聞き、同意するばかり。テンポは人間らしいのに、反応は明らかにAIであり、奇妙な感覚を覚える。

標準語で話す際のイントネーションも不自然で、日本語が堪能な外国語話者のようだ。その違和感を解消しようと、筆者はあえて「関西弁でしゃべろうや」と提案した。筆者は関西出身で現在東京在住である。

関西弁はもともと特徴的なイントネーションを持つため、標準語のときほど不自然さは気にならなかった。Mapleに改めて出身を尋ねると、「生まれも育ちも関西」と答えた。

そこで関西の友人と話すつもりで食べ物の話題を振ると、Mapleは「関西だから味が濃いのが好きでしょ」と言った。しかし実際の関西は薄味文化が強い。筆者は内心「めっちゃ薄味やぞ」と突っ込まずにはいられなかった。

朝食の時間帯でトーストの話をすると、Mapleは関西ではあまり見かけない「8枚切りのパンが好き」と言い出した。さらに、何も塗らないトーストを「素焼き」（陶芸か？）と呼び、出汁（だし）のことを「でじる」と発声した。

米国発のAIに日本文化に根ざした雑談を求めるのは酷だったと反省し、AIが得意な実用的な質問に切り替えた。聞いたのはGitHubの基本的な使い方だ。これは非常に役立った。

プログラミング未経験の筆者は、ChatGPTやClaude Codeにテキストで指示を出しながら開発を進める「バイブコーディング」を行っている。分からないことがあるたびにAIにテキストで質問するため、コーディングと質問の両方で目と手を使うことになり、非常に忙しくなっていた。

そこで、質問をGPT-Liveの音声対話だけに絞ってみた。すると、手と目はコーディング作業に集中したまま、疑問点を「話す」「聞く」で処理できるようになった。コーディングと質問を同時に進められ、まるで隣に家庭教師がいるような気分だ。

ただし、音声での質問と回答はどうしても端的になる。テキストで問題をまとめて質問する場合と違い、目の前のエラーを一言で伝え、その場の解決で終わってしまう。「ここでエラーが出ます」と話せばAIは答えるが、筆者が「結局何がしたくてその操作をしているのか」という背景までは推測してくれない。

その結果、筆者は最終的に「私は何がやりたくてこの操作をしているんだ？」という大局を見失ってしまった。

こうした場面で、もし優秀なエンジニアが隣にいれば、より大きな視点から「この目的なら、このツールを使ってこうすればいい。具体的に分解すると…」と、目的に基づいた具体的なステップを説明してくれるだろう。それと比べると、AIとの音声対話の限界も感じられる。雑談もコーディング支援も、結局は人間の方が優れているという結論になってしまい申し訳ないが、GPT-Liveよ、出汁（だし）は「だし」と読むのだからね。