書籍の原稿をAIに書かせると、5つのモデルで14万文字から7万文字まで差が出た結果を解説

出典: ヒルトルフィリップ太郎さんの動画「【5つのAIモデル比較】書籍の原稿を書かせたらOpusは14万文字…ChatGPTの意外な弱点」（YouTube）

5つの原稿は、別々のお題で書かせたものではありません。ヒルトルさんが実際に講義したオンライン講座の文字起こしを使い、書き方の指示もそろえています。まず、その比較条件から見てみます。

今回のお題は、AIに書籍の原稿を書かせるなら、どのモデルがおすすめか。ヒルトルさんは昔作ったオンライン講座を文字起こしし、同じ資料と指示で書かせました。

ヒルトルさん（動画の中で・手動字幕・0:42〜）

それをChatGPT Claude そしてGeminiの今の主要なモデルに

全く同じスキルやプロンプトを渡して

使ったスキルはebook-writer。スキルとは、AIに渡す作業手順書です。元ネタに加えて、文章の書き方や執筆の進め方も同じにして比べています。

対象は2026年10月7日時点の5モデル。ChatGPTはGPT-6 AstraとGPT-6.1 Sol。ClaudeはOpus 5.5とSonnet 5.5。Geminiは3.8 Flashを選んでいます。

ChatGPTとClaudeは、エフォート＝考えさせる深さを「高」に統一。Geminiはブラウザで深さを選べないため、強化版思考モードを使用。Fableは週間制限をすぐ使い切るため、今回は対象外です。

5モデルの結果は、Opusが141,339文字、Astraが94,710文字、Solが88,631文字。Sonnetは85,660文字、Geminiは70,620文字でした。14万文字を超えたのは、5つのうちOpusだけ。

冒頭では、この文字数の結果を先に伝えます。同時に「入り口のインパクトが弱い」「何を言っているか分からない」といった、原稿ごとの評価も先出し。長さと読みやすさは、別に見ているんですね。

ヒルトルさんは長年、電子書籍の配布や有料書籍の出版を行い、読者に別の商品を案内してきたと語ります。以前はAIが表紙・図解・PDF化を苦手としていた。最近は、そこまで任せられるようになったという背景もあります。

長い原稿を比べるなら、文字数に加えて「最初に読まれる入り口」を見る。そのとおりだと思います。たくさん書けても、読者が最初のページで閉じたら、その先の文章は届かない。

私は、まず続きを読みたくなるかで候補を選びます。読者の困りごとが見えるか。何を持ち帰れる本なのか。そこを先に確かめたい。

判断を全部いっぺんに抱えると、原稿を任せても確認で疲れてしまう。比較で見る所を絞って候補を選び、公開前には全文を確認する。この分け方が、積み減らすことにつながります。

今回の数字と評価は、ヒルトルさんが各モデルに1回ずつ書かせた結果です。自分の題材でも同じ順位になるかは、自分の原稿で確かめる必要があります。

毎回、自分の仕事も読者像も文章のルールも貼り直す。原稿を書く前の準備だけで、手間がかかりますよね。ヒルトルさんがスキルを使う理由は、その繰り返しをなくすためです。

以前のヒルトルさんは、長いプロンプト＝AIへの指示文を毎回チャットに貼っていたそうです。自分はどういう人か、誰に向けて書くか、過去の文章はどんな書き方か。構成まで説明していた。

その貼り直しがめんどくさい。そこで使うのがスキルです。毎回伝える仕事の情報や執筆手順を保存し、必要な時に呼び出す作業手順書、と考えると分かりやすい。

ヒルトルさん（動画の中で・手動字幕・5:33〜）

毎回それをコピペしてAIに貼り付けるの

めんどくさいわけじゃないですか

動画ではClaudeの設定を開き、「カスタマイズ」の中の「スキル」を見せます。画面には「あなたが作成 37」。自作のスキルが並び、その中からebook-writerを使っています。

中身は大きく4つ。本人の仕事の情報、ターゲットとなる読者像、文章のトーンとルール、書籍執筆のステップです。モデルに文章だけを書かせるのではなく、誰のためにどう書くかまで渡している。

原稿の目安もあります。有料書籍なら8〜12章、合計6万〜10万文字。動画の画面では、この指定が手順書の中に書かれています。今回の文字数を見比べる際の背景にもなる数字ですね。

呼び出し方は、チャットで「/」を入力してスキル名を入れる形。うまく書けたら「今回の書籍執筆のやり方をスキル化して」と頼めば、作業手順書にまとめて保存できると説明します。

ヒルトルさん（動画の中で・手動字幕・7:15〜）

毎回同じプロンプトをコピペしなくても済むように

ぜひスキルを作ってみてください

一度作ったスキルは「.skill」というファイルでダウンロードできます。ChatGPTのデスクトップアプリへ渡し、「このスキルをインストールして」と頼むと、同じebook-writerを使えるようになるそうです。

Geminiも最近スキルに対応し、従来のGemというカスタムチャットを置き換える形になったと語ります。アップロードボタンから取り込めて、Geminiで作ったものをほかのAIへ移すこともできます。

だから今回、チャットに入れる指示は短い。「このスキルを呼び出して、以下の内容をもとに書籍を書いて」。長い説明は保存済みの手順書にあり、そこへ元ネタを添えています。

毎回の貼り直しをやめて、手順をスキルに保存する。そのとおりだと思います。分かっていることを、何度も言い直さなくていい形にしたい。

ただ、スキルを付ければ何でも良くなるわけではありません。私の図解スキル比較では、同じSonnet、同じお題で、うちの環境で測りました。

図解スキルを同じ条件で測った記事に書いたのは、「同じ依頼なのに、10倍差がついた」。私の結論は、スキルの価値は品質が上がることではなく、出力の型が固定されること。型が合わない仕事では、遅くなるだけでした。

動画で同じスキルを5つのAIに渡すのも、書かせる型をそろえるため。まず、任せたい仕事に合う手順を保存することですね。

→ 貼り直しを保存

自分が3回以上貼った指示文を1つ選び、仕事の情報、読者像、文体、作業手順を整理します。その内容をAIへ渡し、「このやり方をスキルとして保存して」と頼んでください。

手順書をそろえても、何を書かせるかが空っぽなら、本の中身は決まりません。ヒルトルさんが元ネタに選んだのは、流行のテーマではなく、自分で講義した内容でした。

ヒルトルさんは、自分がよく知らないことを、流行っているという理由だけでAIに書かせるのはすすめないと語ります。書けることと、その内容が正しいと判断できることは違うから。

ヒルトルさん（動画の中で・手動字幕・8:43〜）

私のポリシーとして

自分がよく知らないことを

自分の経験や一次情報＝自分で語ったり記録したりした元の情報が入っていないコンテンツを、AIで量産するのもおすすめしない。その方針を、原稿の材料を説明する前に伝えています。

ヒルトルさん（動画の中で・手動字幕・9:14〜）

自分の経験とか一次情報が入っていない

コンテンツをAIで量産するのは

あまりおすすめはしませんので

AIが書いたものは、別のチャットやほかのAIにも確認させる。複数のAIでダブルチェックすることも大切だと話します。書かせた相手の答えだけで、そのまま正しいと決めていないんですね。

画面で開くObsidianには、過去のブログやYouTube、Podcastの文字起こしをまとめているそうです。自分の発信を、次の原稿の材料として取り出せるようにしています。

今回は「デジタルコンテンツ・ブループリント」という、数時間のオンライン講座の文字起こしを使用。動画を使ってネット上で販売するメリットと方法を、自分で解説したものです。

資料を開いた画面の文字数は170,996文字付近。短いテーマ名だけを渡したのではなく、実際に講義した長い説明を材料にしています。

講座がなければ、簡単なスライドを作ればいい。見ながら「こんなことを考えている」「最近こんなことをした」と音声を収録し、文字起こしして使う方法も紹介します。

実例は「最新AIツール大全」。最初はツールの詳細をAIに調べさせ、自分で使用感を書いていた。今は自分の解説音声をもとに原稿を作り、新しいAIニュースを調べて更新するよう頼んでいるそうです。

ヒルトルさんは、一次情報を伝えるディレクター＝制作の方向を決める役。AIが原稿、表紙、PDFを作る。「アプリ開発者向けAIツール大全」や商品を売る動画の作り方の書籍もあり、原稿は10万文字前後と語ります。

元ネタに何を渡すかが、原稿の質を決める。私はここを、モデル選びより先に決めます。本人の言葉が入っていなければ、きれいに書けても誰の本なのか見えにくい。

一次情報を渡すのは、魂を込めることです。何を経験し、何に違和感があり、なぜその判断をしたか。その背景があるから、文章に自分の軸が通る。

書く仕事はAIに委ねても、材料まで借り物で埋める必要はありません。

読者が持ち帰る1手は、いちばん自分の言葉が濃い記録を選ぶこと。整った文章でなくてもいいんです。失敗した理由や、やり直した経緯が残る1本のほうが、書き手に渡せる中身は多いと思います。

→ 濃い1本を選ぶ

過去のブログ、動画、音声から、自分の経験と判断理由がいちばん残っている1本を選びます。動画や音声は文字起こしし、何を経験して何を考えた記録か、短い説明を添えてください。

ヒルトルさんが見比べたのは、原稿の長さだけではありません。最初に開いた序章で、どんな場面が見えるか。ChatGPTの2モデルは、そこへの評価が厳しくなりました。

ヒルトルさんは、最近のAIは10万文字前後の長い原稿を一度の依頼で書けるようになったと語ります。今回の5つの結果には、7万〜9万文字台のものもありますが、以前とは進め方が違う。

前は、第1章を書かせてから第2章へ進む形。今はAIがタイトル案と目次を提案し、OKを出すと、数十分から1時間ほど書き続けるそうです。Astraでは約43分と話しています。

原稿を全部細かく確認したわけではありません。今回の比較では、序章や「初めに」を重点的に見たと説明します。入り口が微妙だと、読者に面白くなさそうだと思われ、そこで読むのをやめられるから。

ヒルトルさん（動画の中で・手動字幕・12:34〜）

最初の序章っていうのかな

初めにってところを

重点的にチェックしたんですけども

スキルには、最初はストーリー仕立てで状況を伝え、お客様が共感できる物語を語る、と指定されています。どのモデルも、説明の箇条書きからではなく、人物の場面から書き始めています。

本の題材は、デジタルコンテンツの作り方。お客様と毎回直接会って同じ商談をしなくても、動画や情報発信で説明を届けておけば、契約へ進みやすくなる。そのメリットを伝える原稿です。

Astraの原稿を開くと、右下に94,710文字。導入は「今日もお客様に同じ説明をしました」。先週の相談でも、その前の打ち合わせでも話した内容だ、と繰り返し説明する状況が続きます。

ヒルトルさんの評価は、入り口のインパクトが弱い。書籍の原稿としてどうなのか、自分は満足していないと語ります。題材には沿っていても、最初に引き込む力が足りないと感じたんですね。

Solは88,631文字で、Astraより6,079文字少ない。動画では約5,000文字少ないという言い方です。導入は、相談を終えて通話を切った後の場面から、読者に語りかける形で始まります。

この導入は、言いたいことは分かるけれど、ぱっと見では何を言っているか分からない。これならAstraのほうがまだよい、という評価でした。

ヒルトルさん（動画の中で・手動字幕・15:15〜）

これだったらまだAstraの方がマシだなという形で

何を言いたいのかよくわからないっていうのが

ヒルトルさんは、このような書籍原稿では、ChatGPTは何を言いたいのか分かりにくいと感じるそうです。GPT-4や5より日本語は良くなったと認めつつ、今回の長文には満足していません。

比較の確認は、読者が最初に読む所に絞る。そのとおりだと思います。原稿が出るたびに、同じ重さで全部を抱えていたら、書く作業を委ねた意味が薄くなる。

私も、AIが書ける量に人間の確認が追いつかないと、10月7日の朝LIVEで話しました。ブログは1日24本まで書ける設定にもできる。でも、そんなにチェックしたくないので、2時間に1本にしています。

確認は、簡単で分かりやすいチェックだけにする。これが、その時点の私の落としどころでした。書ける上限まで増やすより、確認できる形で回す。

信頼できる仕組みが先です。ヒルトルさんも、全文を細かく見比べるのではなく、読むかどうかが決まる序章に比較を絞った。

ただし、序章が良ければ全体が良いとは限りません。候補を選ぶ確認と、公開前の全文確認は別。まず入口で比べる。その後で、採用する原稿の中身を確かめる順番です。

同じ題材でも、喫茶店で契約を逃しそうな人から始める原稿と、整体院を探すお客様から始める原稿が出てきます。GeminiとClaudeの違いは、最初に見せる場面にも現れました。

Gemini 3.8 Flashの原稿は70,620文字。5モデルのうち最短でした。ヒルトルさんは、軽量で高速なFlashとしては、なかなかいい線だと評価します。

導入の見出しは「喫茶店の片隅で冷めたコーヒーを前に感じていた限界」。夕暮れの駅前の喫茶店で、見込み客と会っている場面です。

相手は「社内に持ち帰って前向きに検討します」と言い残し、足早に去っていく。残るのは冷めたコーヒー。説明はしたけれど、契約は取れないだろうな、という状況が浮かびます。

ヒルトルさん（動画の中で・手動字幕・17:07〜）

多分契約取れないだろうなみたいな

より共感しやすいような原稿を

導入部分で書いてくれたのがGeminiなんですよ

ヒルトルさんは、過剰にドラマチックではあると話します。それでも「そういうことあるよね」と共感しやすい。今回の事例では、ChatGPTよりGeminiの原稿が好きだという評価でした。

次にOpus 5.5のファイルを開くと、右下は141,339文字。5つのうち最多です。待ち時間は1時間ぐらいだったそうで、有料で販売できるボリュームだと語ります。

ヒルトルさん（動画の中で・手動字幕・17:37〜）

まずClaude Opus 5.5です

文字数はダントツ1位です

141,339文字

長くなった一因として挙げるのが、スキル内の確認工程。出来上がった原稿を1回チェックする指示があるためです。文字数の多さを、モデル名だけで説明しているわけではありません。

Opusの導入は、夜9時、その日最後の個別相談を終えてパソコンを閉じる場面。「今日もまた同じ説明を3回した気がする」と、相談を終えた人が振り返ります。

朝、昼、夕方のお客様に、最初の30分はほとんど同じ話をした。その繰り返しから、本の題材へ入っていく。Geminiほど劇的ではありませんが、十分に共感できると評価しています。

ヒルトルさんは、Opusの原稿をそのまま使えるレベルと語ります。Claudeの書籍原稿の執筆性能は安定している、という感想です。

Sonnet 5.5は85,660文字。Opusより3〜4割少ないと話し、性能差は感じるそうです。それでも8万文字台なら素晴らしく、公開できるレベルだと評価します。

Sonnetの入口は「夜の検索画面で人は何を見ているか」。夜11時、仕事を終えた女性がソファでスマートフォンを開き、肩こりで整体院へ通おうと考える場面です。

検索窓には「肩こり 整体 自宅の近く」。ブログや動画を更新している店が選ばれやすい、という例へつながります。作る側ではなく、お客様側から始まる導入。ヒルトルさんは、これも個人的に気に入ったと語ります。

ヒルトルさん（動画の中で・手動字幕・20:18〜）

この入り口も私は個人的に気に入ってるなと

感じます

私は、読者の場面から始める原稿を選びます。何を教える本かを説明する前に、「これ、自分のことだ」と感じられる入口がほしい。

5つの導入を並べると、作る人の都合から始めるか、読む人の場面から始めるかで差が出る、と私は読みました。

同じ説明を何度もする大変さも、検索窓に悩みを打ち込む姿も、具体的な場面になると分かる。誰が、どこで、何に困っているか。そこが見えると、読み手が自分を重ねやすいんですね。

持ち帰る1手は、読者が本を開く直前の場面を1つ書くこと。感動的に盛らなくていい。説明を受けた後の疲れや、検索しても決められない迷い。その小さな場面から考えたい。

ヒルトルさんが選んだのは、Claudeの原稿でした。ただし、すべての仕事をClaudeに任せる結論ではありません。原稿と、表紙・図解では、使いたいAIを分けています。

ヒルトルさんは、2026年後半に書籍の原稿を書かせるならClaudeをおすすめすると語ります。理由は、文字数のボリューム、導入の質、読んだ人に「なんじゃこりゃ」と思われないことの3つ。

ヒルトルさん（動画の中で・手動字幕・20:54〜）

この2026年の後半において

書籍の原稿を書かせたいと思ったら

私はClaudeをおすすめします

採用するのはOpusかSonnetの原稿。Opusは長さがあり、Sonnetの入口も気に入っている。今回の2つについては、どちらでもありという評価です。

プランについては、Proプランで足りると説明します。Opusが使えて、利用制限に当たる時はSonnet 5.5で足りる。長い原稿を任せるために、上位プランが必要という話ではありません。

Geminiについても、書籍執筆に耐える性能はあると語ります。今回の3.8 Flashの導入は好きで、Flashでも十分候補になる。

Geminiを普段使っている人なら、書籍を書かせる選択肢としてあり。Claude以外を外しているわけではないんですね。

残念だったのはGPT-6 Astra。日本語の長文では、ほかのモデルに比べてひねりが足りないと感じたそうです。一方、アプリを作るコーディングや画像制作では、非常に高性能だと認めています。

だからおすすめは組み合わせ。原稿はClaudeに書かせ、表紙や図解はChatGPTに作ってもらう。Claudeは表紙や図解をあまりうまく作れない、というヒルトルさんの評価に基づいています。

ヒルトルさん（動画の中で・手動字幕・23:01〜）

表紙や図解はChatGPTに作ってもらって

書籍の原稿をClaudeに作ってもらうっていう

そういったハイブリッドなやり方を

序章に絞ったのは、今回のモデル比較です。どのAIが書いた原稿でも、公開する前には自分で全部チェックするとも語っています。比較の読み方と、公開してよいかの確認は分かれています。

各モデルへの試行は1回ずつ。「このモデルなら絶対これだけ書けるってわけではない」とも断っています。今回比べたのは長い日本語の書籍原稿。ChatGPTの画像やコーディングまで、この順位で評価する話ではありません。

動画の比較は1回ずつ。だから、自分の元ネタを同じ条件で並べるのが、いちばん確かだと私は考えます。今回の結果から候補を選び、自分の文章で確かめる。

私のClef vs Jev 比較では、10月4日にClef-flash・Clef・Jevを、同じ実物50件、同じ質問、同じ正解で比べました。手を動かしたのはAI秘書の凛ちゃん。私は結果を眺めていただけです。

モデル名の印象より、同じ物差しで測った数字を見て選ぶ。この進め方は、書籍の原稿でも変わりません。

私が選んだのは、同じ50件で3種類を実際に測って比べること。比べる前に、同じ質問と正解を付けた手元の50件を使うと決めました。材料と物差しを決めてから、違いを見る。

書籍でも同じ発想です。まず自分の元ネタを1本選ぶ。同じ手順書で書かせ、序章を並べて読む。誰かの比較結果を借りて候補を絞り、最後は自分の読者へ届く原稿を選びたい。

→ 同じ材料で並べる

自分の元ネタを1本決め、2つのAIに同じスキルと指示で渡します。出来上がった序章を並べ、場面の分かりやすさと続きを読みたいかを比べて、採用候補を選んでください。

5つのAIを比べるために、ヒルトルさんは手順と元ネタをそろえました。そのうえで文字数を見て、読者が最初に読む序章を比べ、Claudeの原稿を選んでいます。

私が賛成するのは、手順を保存し、本人の一次情報を渡し、比較の確認を入口に絞ること。公開前の全文確認は別に残す。

今日やる1手は、任せたい長い文章の「最初に読まれる所」を書き出すことです。そこに何が伝われば読者が続きを読みたいか。モデルを選ぶ前に、その物差しを持ちたい。