二人の兄弟がAIに個人の声を取り戻そうとしている

Merriam-Websterの2025年年間単語は「slop」（質の低いコンテンツ）でした。この背景こそ、WilfredとOnome Okajevo兄弟がNorenを構築した理由です。多くの人がAIに依存して文章を書くようになり、フィードは著しく均質化しています。ツールは流暢さを向上させたものの、書き手の個性を保つ能力は低下しています。

Norenは音声抽出エンジンです。実際のライティングサンプルを入力すると、あなたの本当の書き方の構造的プロファイルを構築し、そのプロファイルをClaude、ChatGPT、Geminiなど、指示を受け付けるあらゆるモデルで使用できます。出力は統計的平均値に引き寄せられるのをやめ、あなたらしいものになります。

これがシンプルな説明ですが、興味深いのは、なぜ二人の兄弟――一人は人間の思考とコミュニケーションの研究背景を持ち、もう一人は7年間分散型金融システムを構築してきた――が、これが1年の時間を費やす価値のある問題だと判断したのかです。

兄弟創業者

Norenには2人の共同創業者がおり、彼らは兄弟です。Wilfred OkajevoはMLと認知科学の側面を担当し、人間の思考とコミュニケーションを理解するシステムの構築をバックグラウンドとしています。Onome Okajevoはオペレーション側を担当し、医師から転身した開発者で、7年以上の分散型金融アプリケーション構築経験を持ち、システム、リスク、メカニズム、現実世界での失敗について考えてきました。

この組み合わせが製品を形作りました。Wilfredの言葉を借りれば、「これは技術的な製品ですが、問題は深く人間的です。人々がAIを使いながら、文章のアイデンティティを徐々に削り取られないようにするにはどうすればよいか」ということです。

製品自体にもその分裂が見られます。抽出エンジンは研究重視で構造的です。Norenが他のツールを置き換えようとせずに共存し、macOSとChromeで提供されるのは、オペレーターの直感が製品判断に現れているものです。

診断：均質化するフィード

過去2年間にLinkedInを使っていれば、Wilfredが説明するパターンを認識できるでしょう。会社設立に関する3つの投稿が、すべて1つの長い投稿のように感じられる。適切な句読点、有能な文章、「堅牢」、「極めて重要」、「促進」といった言葉がちりばめられ、5分後には忘れられている。

彼が「均質化するフィード」で述べているように、「AIが音声プロファイルなしで書くとき、すべてのツールとユーザーにわたって同じ統計的デフォルトから描画されます。結果は、何千人もの人々が1つの一般的な声で聞こえるフィードです。」

原因は、文化的ではなく機械的なものだと彼は考えています。AIライティングアシスタントには声がなく、分布しかありません。フォーマルな専門テキストで訓練された確率重み付き語彙と、プロンプトを入力する人に関係なく15〜25語の範囲に集まる文のリズムです。

集合効果は個々の合理的選択から生じます。各ライターには言いたいことがあり、時間が限られています。誰もが生産を加速するツールに手を伸ばします。個々の出力は問題なく見えますが、何千もの出力が収束します。

ひらめきの瞬間

Norenのきっかけは、Wilfredの言葉を借りれば、「私のように書く」がプロンプトの問題として扱われていることに気づいたことでした。

兄弟はまずほとんどの人がすること、つまりサンプルを見てルールを書き、トーンを記述し、出力をテストし、プロンプトを調整しました。出力はきれいになりましたが、その人らしくはなりませんでした。

そこで手動で行うことにしました。何週間もかけて人々の書き方を記録しました。文のリズム、単語の選択、類推の出どころ、議論の順序、避ける接続詞、自分に合わない句読点。何百行ものロジック。これが最初の音声プロファイルの構築方法であり、抽出エンジンはまだありませんでした。

ひらめいた瞬間は、その深いプロファイルによって出力がようやく正しく聞こえるようになった時でした。モデルが「プロフェッショナル」や「会話的」といったより良い形容詞を得たからではなく、書き手のより構造的なマップを持っていたからです。

これにより問題が再定義されました。Wilfred自身の言葉では、「より良いプロンプトを書くことではなく、実際の文章からアイデンティティ層を抽出し、再利用可能にすること」でした。Norenは、トーンを平易な言葉で説明するのではなく、構造的パターンを抽出します。

同じ頃、兄弟はフィード自体が変化するのを目撃していました。より多くの投稿が有能になり、エッジが少なくなり、異なる人々が同じモデルのデフォルトを使う同じ人のように聞こえ始めました。この観察は「均質化するフィード」となり、Norenを機能ではなくカテゴリとして構築する根拠の一部となりました。

Norenが選んだレーン

AIライティング分野にはすでに多くの製品があります。Jasper（ブランドボイス）、Sudowrite（フィクション）、Grammarly（編集）、各モデルラボも何らかのライティング機能を出荷しています。Norenは意図的に小さなレーンを選びました。プロンプトで説明するのではなく、実際のサンプルから抽出した個人の声です。

この違いは重要です。トーン指示は表面的でタスクごとです。「カジュアルで会話的なトーンで書いて」とモデルに指示すると、カジュアルで会話的なものを返しますが、それはモデルが考えるカジュアルであり、あなたのものではありません。

音声プロファイルは構造的で永続的です。あなたがよく使う類推の領域、文章のリズム、議論の始め方など、尋ねられても言葉にできない習慣を捉えます。あまりに自動的で気づかないからです。

プロファイルはプレーンマークダウンで出力されるため、移植性があり、検査可能で、どのアプリにもロックされません。今日Claudeで使い、明日ChatGPTで使い、来月出荷されるどんなモデルでも、ゼロから再構築することなく使えます。

Norenがやらないこと

兄弟がNorenについて語る際の明確な点の1つは、それが何でないかを明示していることです。アイデアを提供するのではなく、議論を書くのでもなく、事実や判断を生成するのでもありません。プロファイルはあなたの書き方だけを伝えます。あなたがよく使う言葉、始め方と終わり方、ポイントを構成するリズム。ブリーフは依然としてあなたが実際に言いたいことを伝えます。

この分離は大きな役割を果たしています。Norenがモデルを置き換えようとせずに共存できる理由であり、同じプロファイルが指示を受け付けるあらゆるLLMで機能する理由です。プロファイルは永続層であり、モデルは生成を担当します。

また、商業的にも有用な製品ポジションです。兄弟はモデルラボと競合していません。彼らはラボの出力をより交換不可能にする層を販売しているのです。

賭け

Wilfredの説明によれば、Norenの賭けは、声は構造的であり類型的ではないこと、そして流暢な文章が安くなるにつれてアイデンティティの価値が高まるというものです。

ほとんどのAIライティングツールは流暢さ、スピード、量を追い求めます。これにより、全員の文章が同じ平均値に引き寄せられる世界が生まれます。モデルが優れれば優れるほど、流暢な文章は安くなり、均質性の問題はより明白になります。

ほとんどの人は暗黙のうちにこの賭けに同意しません。より良いモデルがいつかは音声問題を自ら解決するというのがデフォルトの前提です。Okajevo兄弟は逆だと考えています。より良いモデルは音声問題をより顕在化させます。なぜなら、一般的な流暢さはどこにでもあるからです。

Wilfredが繰り返し語る物語があります。それはどんな製品説明よりもプロジェクト全体を説明するものです。「エミリー・ディキンソンの死後、彼女の詩はより見栄えよく編集されました。ダッシュは削除され、大文字は正規化され、単語は変更され、タイトルが発明されました。彼女を奇妙で特異にした部分は間違いとして扱われました。その後、ずっと後になって、彼女の作品のより原稿に近いバージョンが復元され、世界は彼女の声の本当の力を目にすることができました。」

同じ本能がAIライティングにも現れています。粗いエッジを滑らかにし、リズムを正規化し、よりプロフェッショナルに聞こえるようにする。時には、いわゆる粗いエッジこそが声なのです。

それが兄弟が構築しようとしている未来です。ユーザーは依然としてアイデア、議論、事実、例、判断をもたらします。Norenはその下の層――リズム、構造、繰り返し現れる動き、アンチパターン、そして誰かの文章をその人らしくする小さな習慣――を担います。

Norenの今後

Norenはまだ初期段階です。小規模チーム、無料ティア、macOS用ダウンロードとChrome拡張機能として利用可能。価格は公開されています。音声プロファイルの出力はプレーンマークダウンで、移植性があり、検査可能で、どのアプリにもロックされません。

製品ロードマップは機能よりもカバレッジに重点を置いています。人がAIツールを通じて書くあらゆる場所に、プロファイルが伴うべきです。

より深い賭けはカテゴリにあります。「音声プロファイル」が、スタイルシートがコンテンツとプレゼンテーションの間にあるように、人とモデルの間の標準層になるかどうかが、Okajevo兄弟が事実上時間を賭けている問いです。

これは興味深い賭けです。製品は周囲のものと真に異なっており、テーゼは反論できるほど鋭く、創業者はフォーカスされた研究主導の仕事をしており、それは機能ではなく本当のカテゴリを生み出す傾向があります。