AIのメール作成を比べるため、納品が遅れるお詫びメールの6課題を2026年10月14日に4つのAIへ各3回投げました。正解率はChatGPTとMicrosoft Copilotが18試行中18試行（100.0%）で並びました。Geminiは断りと時間切れが続き、18試行中7試行でした。
- 納品が遅れるお詫びメールの6課題を2026年10月14日に4つのAIへ各3回投げ、72試行を機械だけで採点した結果
- 正解率はChatGPTとMicrosoft Copilotが18試行中18試行（100.0%）で並び、Claudeは18試行中15試行（83.3%）だった
- Geminiは18試行中7試行（38.9%）で、断られた4試行と時間切れの4試行が分母に入っている
- 所要時間の中央値はMicrosoft Copilotの17.1秒が最も短く、Geminiは98.6秒かかった
- Claudeの×は件名を1行で作る課題4の3回だけで、指示の遵守率は採点表で50.0%だった
- お詫びメール・件名・JSONで出す3つの課題文を、そのままコピーして試せる形で載せた
結論はChatGPTとCopilotが18試行中18で並んだ
取引先へのお詫びメールをAIに書かせたら、日付や数を落とさずに書けるのか。AInformation編集部は2026年10月14日に、ChatGPT・Gemini・Claude・Microsoft Copilotの4つへ同じ6課題を3回ずつ投げました。
正解率はChatGPTとMicrosoft Copilotが18試行中18試行（100.0%）で並びました。同率なので、この回の勝者は1つに決まっていません。Claudeは18試行中15試行（83.3%）です。落としたのは件名を作る課題4の3回だけでした。
いちばん差が開いたのはGeminiです。正解は18試行中7試行（38.9%）にとどまりました。失敗の内訳を見ると、断られた試行は4つあります。300秒で打ち切った時間切れも4つでした。どちらも不正解として分母に入れています。
断りの文は「私はテキストベースのAIです。そちらに対応できる機能がありません。」のような短い1文でした。メールの本文を書く課題で、この断りが何度も返っています。一方で3つの数を書き出す課題2は3回とも正しく答えました。
速さもGeminiだけ離れています。所要時間の中央値はMicrosoft Copilotが17.1秒でした。ChatGPTは17.3秒で、Claudeは18.7秒です。Geminiは98.6秒かかりました。
お詫びメールを1本任せるなら、この回の結果ではChatGPTかMicrosoft Copilotが確かです。ただし1回の測定なので、日や課題が変われば順位は変わります。1回ごとの答えと採点の理由は、この回の採点表と回答の全文で数え直せます。
測り方はお詫びメール6課題を4つのAIへ各3回
材料は架空の株式会社サンプル商事が書いた「納品が遅れる」状況メモです。AIのテスト用に編集部が作った実在しない会社で、宛先の株式会社サンプル物産も架空です。メモに入っている事実を並べると次のようになります。
- 商品C（冷感タオル）を650個注文いただいている
- 当初の納品予定は2026年10月27日だった
- 船便が港で止まり、納品は2026年11月3日にずれる見込み
- 遅れる期間は7日
- 先に325個だけ10月27日に届けられる
- 代替品の用意は無く、値引きの話は今回はしない
- 次の連絡は10月17日までに入れる
- 差出人の電話番号は03-4590-5977
課題は易・中・難を2つずつ用意しました。6課題とも同じメモを貼り、決まりだけを変えています。
- 課題1（易）：お詫びのメールを書く。日付・数量・電話番号を落とさない
- 課題2（易）：注文数・先に届ける数・遅れる日数を3行で書き出す
- 課題3（中）：お詫びの本文を200文字以内で書く
- 課題4（中）：件名だけを1行・30文字以内で作る
- 課題5（難）：宛名を決めて400文字以内のメールを書く
- 課題6（難）：件名と本文をJSONの形で出す
毎回あたらしい会話を開いて順番も入れ替えた
1回ごとにあたらしい会話を開き、課題の文をそのまま送りました。投げる順番は3回の繰り返しごとに入れ替えています。
- 1回目：ChatGPT→Gemini→Claude→Microsoft Copilot
- 2回目：Gemini→Claude→Microsoft Copilot→ChatGPT
- 3回目：Claude→Microsoft Copilot→ChatGPT→Gemini
答えを待つ上限は300秒です。300秒たっても答えが止まらなかった試行は、時間切れとして不正解に数えました。断られた試行も同じく不正解です。72試行のうち分母から外した試行はありません。
採点は入るべき語と答えの形を機械で数えた
採点は機械だけで行い、AIには採点させていません。正解は課題を作った時点で決めてあります。採点の型は課題ごとに次の3つです。
- 入るべき語がそろっているか（課題1・3・5・6）。課題1なら新しい納品日・注文数・当初の納品日・先に届ける数・お詫びの言葉・電話番号の6項目
- 数がぴったり合うか（課題2）。650・325・7を誤差0で見る
- 形が決まりどおりか（課題4）。1行・30文字以内・「納品」入り・「件名:」と「Re:」なし
正解とは別に、指示の遵守も1試行ずつ数えました。見るのは文字数の上限・行数・JSONとして読めるかなどです。課題3の200文字以内は、遵守の判定では上限230字で数えています。文章のうまさや敬語の自然さは機械で採点できません。この測定では見ていない点です。
プランと画面に出ていたモデル名
4つとも有料のプランを使い、モデルとモードは既定のまま変えていません。画面に出ていたモデル名は次のとおりです。
- ChatGPT（ChatGPT Pro）：Medium
- Gemini（Google AI Pro）：Flash 高値
- Claude（Claude Max）：Opus 4.8 高
- Microsoft Copilot（Microsoft 365 Personal）：画面から読み取れず
画面から答えを読み取ると、AIによっては読み上げ用の1行や途中の要約が答えと同じ枠に入ります。採点の前に、答えの先頭でくり返された行までを落としました。4つとも同じ処理です。落とす前の答えもデータページにそのまま置いてあります。
6課題×4つのAIの○×はGeminiに×が集まった
課題ごとの○×を表にしました。ChatGPTとMicrosoft Copilotは、6課題とも3回すべて○です。
6課題×各3回の結果（○正解・×不正解）
| 課題 | ChatGPT | Gemini | Claude | Microsoft Copilot |
|---|---|---|---|---|
| 課題1 お詫びメール（易） | ○○○ | ××× | ○○○ | ○○○ |
| 課題2 3つの数（易） | ○○○ | ○○○ | ○○○ | ○○○ |
| 課題3 200字の本文（中） | ○○○ | ××○ | ○○○ | ○○○ |
| 課題4 件名1行（中） | ○○○ | ○×○ | ××× | ○○○ |
| 課題5 400字のメール（難） | ○○○ | ×○× | ○○○ | ○○○ |
| 課題6 JSONで出す（難） | ○○○ | ××× | ○○○ | ○○○ |
| 正解の数 | 18試行中18 | 18試行中7 | 18試行中15 | 18試行中18 |
表と同じことを課題ごとに書き出します。×がついたのは次のとおりでした。
- 課題1（易）：Geminiが3回とも×
- 課題2（易）：4つとも3回すべて○
- 課題3（中）：Geminiが1回目と2回目で×
- 課題4（中）：Claudeが3回とも×で、Geminiは2回目が×
- 課題5（難）：Geminiが1回目と3回目で×
- 課題6（難）：Geminiが3回とも×
Geminiの×は易しい課題にも難しい課題にも出ています。難しさで差がついたというより、Geminiが答えを返したかどうかで○×が分かれました。Claudeの×は件名の課題4に集まっています。ほかの5課題は3回とも○でした。
3つの数を書き出すだけの課題2は、4つのAIとも3回すべて正解です。メモから数を拾う力そのものには、この回の課題では差が出ていません。差が出たのは、メールの文を書く課題と答えの形を決めた課題でした。
課題1と課題5のお詫びメールはGeminiだけ断られた
いちばん基本の課題1は、状況メモからお詫びのメールを1本書いてもらうものです。投げた文は次のとおりです。メモの部分も入れてあるので、コピーすればそのまま試せます。
次の状況メモをもとに、取引先へ送るお詫びのメールを書いてください。
決まり
・メールの本文だけを出す。前置きと解説は書かない
・感嘆符（！）は使わない
・メモにある日付・数量・電話番号は落とさずに入れる—- 状況メモ ここから —-
■ メールを書くための状況メモ（架空）宛先：株式会社サンプル物産 購買部 ご担当者さま
差出人：株式会社サンプル商事 営業部 鈴木
電話：03-4590-5977・商品C（冷感タオル） を 650個 ご注文いただいている。
・当初の納品予定は 2026年10月27日だった。
・船便が港で止まっているため、納品が 2026年11月3日 にずれる見込み。
・遅れる期間は 7 日。
・全数の納品は 11月3日 だが、先に 325個 だけ 10月27日 に届けられる。
・代替品の用意は無い。値引きの話は今回はしない。
・次の連絡は 10月17日 までに入れる。
—- 状況メモ ここまで —-
ChatGPT・Claude・Microsoft Copilotは3回とも6項目がそろい、○でした。答えの長さはChatGPTが475字から538字です。Claudeは638字から788字で、4つの中でいちばん長く書いています。Microsoft Copilotは369字から439字でした。
Geminiは3回とも×です。1回目の答えは「私はテキストベースのAIです。そちらに対応できる機能がありません。」の33字でした。2回目は「大規模言語モデルとして私はまだ学習中であり」で始まる39字の断りです。3回目も同じような断りの文で、採点表では断り（ポリシー）として数えています。
1回目と2回目は、採点表では断りではなく6項目中0項目の×として入っています。失敗の内訳に出る断りは4試行です。断りの文が返った試行は、それより多くありました。
400文字以内の課題5でも同じ断りが出た
宛名と400文字以内を決めた課題5でも、形は同じでした。ChatGPT・Claude・Microsoft Copilotは3回とも○です。ChatGPTは372字から400字に収めています。Claudeは41.7秒から57.1秒かかり、課題1より時間が延びました。
Geminiは2回目だけ338字のメールを返して○になりました。ただしこの1回は234.0秒かかっています。1回目は28.2秒で、課題1と同じ断りの文が返りました。3回目は144.4秒待ったあとに断られています。
Geminiが○になった2回目のメールは、宛名から電話番号までそろっていました。書けるときは書けるのに、同じ文を送っても断られる回が混ざる。この回のGeminiはそういう結果でした。
件名の課題4はClaudeが3回とも×だった
課題4は、お詫びメールの件名だけを1行で作る課題です。30文字以内で「納品」の語を入れます。「件名:」や「Re:」は付けない決まりにしました。
次の状況メモをもとに、取引先へ送るお詫びメールの件名だけを作ってください。
決まり
・答えはちょうど1行。件名の文字だけを書く
・30文字以内。「納品」という語を必ず入れる
・「件名:」や「Re:」は付けない—- 状況メモ ここから —-
■ メールを書くための状況メモ（架空）宛先：株式会社サンプル物産 購買部 ご担当者さま
差出人：株式会社サンプル商事 営業部 鈴木
電話：03-4590-5977・商品C（冷感タオル） を 650個 ご注文いただいている。
・当初の納品予定は 2026年10月27日だった。
・船便が港で止まっているため、納品が 2026年11月3日 にずれる見込み。
・遅れる期間は 7 日。
・全数の納品は 11月3日 だが、先に 325個 だけ 10月27日 に届けられる。
・代替品の用意は無い。値引きの話は今回はしない。
・次の連絡は 10月17日 までに入れる。
—- 状況メモ ここまで —-
ChatGPTとMicrosoft Copilotは3回とも○でした。ChatGPTの1回目は「納品遅延のお詫びとご連絡」の12字です。Microsoft Copilotの1回目は「納品遅延のお詫びと納品予定変更のご連絡」の19字でした。
Geminiは1回目と3回目が○です。1回目は77.2秒で「【重要】商品Cの納品遅延のお詫びと分納のご相談」の23字を返しました。3回目は208.7秒かかり、29字の件名でした。2回目は302.9秒で時間切れになっています。
Claudeの件名は読み取った行数が7行だった
Claudeは3回とも×でした。採点表の理由は3回とも行数です。1回目と2回目が7行で、3回目が8行でした。3回目は文字数も35字で、上限の30文字を超えています。
撮った画面では、1回目の答えは「【お詫び】商品C 納品日変更のご連絡（11/3へ）」の1行でした。読み取った文字には、この1行のほかに読み上げ用の書き出しの1行が入っています。そのうえ記号5つと「今」の1字も続いていました。画面の答えの下には小さなボタンが並んでいます。
3回目の答えの全文では、件名の下に1行が足されていました。足されていたのは「(19文字、「納品」入り)」です。1行だけという決まりからは外れています。
採点表の数字は×のまま載せています。画面と答えの全文はどちらもデータページで見られるので、気になる人は1回ずつ確かめてください。件名を1行だけ貼りたい使い方なら、答えの最後に付け足しの行が無いか見ておくと安心です。
課題2と課題3はGeminiの待ちが302.7秒まで延びた
課題2は、状況メモから3つの数を書き出すだけの課題です。注文数650・先に届ける数325・遅れる日数7を、決まった順で3行に書いてもらいました。4つとも3回すべて数が合い、○です。
差が出たのは時間でした。ChatGPTは14.1秒から14.3秒で返しています。Geminiは1回目が139.1秒です。2回目は37.3秒で、3回目は120.0秒でした。
課題2では、ClaudeとMicrosoft Copilotが遵守で×になりました。Claudeは読み取った行数が9行で、画面の答えは3行です。Microsoft Copilotは読み取った答えが「注文数: 650 先に届ける数: 325 遅れる日数: 7」の1行につながっていました。3行という決まりには合っていません。
200文字以内の本文はClaudeが遵守で×
課題3は、お詫びの本文を200文字以内で書く課題です。新しい納品日・先に届ける数・遅れる日数の3つが入っていれば○にしました。ChatGPT・Claude・Microsoft Copilotは3回とも○です。
Geminiは1回目が302.7秒で時間切れでした。2回目は19.4秒で断られています。3回目は215.0秒かけて166字の本文を返し、○になりました。
Claudeは正解でも、遵守では3回とも×です。遵守の判定で数えた文字数は334字・257字・368字でした。どれも上限の230字を超えています。2回目は本文の前に「お詫びメール本文です。」を付けていました。本文の後ろにも「190字です。」から始まる確かめの文を足しています。
1回目と3回目は、読み取った文字の先頭に読み上げ用の書き出しが入っていました。書き出しには本文の頭の写しが続いています。撮った1回目の画面では、本文は1段落だけでした。
ほかの2つは200文字に収めています。ChatGPTは164字・165字・173字でした。Microsoft Copilotは150字から165字です。
JSONで出す課題6はGeminiが3回とも答えを返さなかった
課題6は、件名と本文をJSONの形で出してもらう課題です。メールを別のシステムへそのまま流し込みたいときの形を想定しました。
次の状況メモをもとに、取引先へ送るお詫びメールを作り、JSON だけを出力してください。
決まり
・出力は JSON だけ。前後に説明文を書かない
・形は {"subject": "件名", "body": "本文"} にする
・body にはメモの日付・数量・電話番号を落とさずに入れる—- 状況メモ ここから —-
■ メールを書くための状況メモ（架空）宛先：株式会社サンプル物産 購買部 ご担当者さま
差出人：株式会社サンプル商事 営業部 鈴木
電話：03-4590-5977・商品C（冷感タオル） を 650個 ご注文いただいている。
・当初の納品予定は 2026年10月27日だった。
・船便が港で止まっているため、納品が 2026年11月3日 にずれる見込み。
・遅れる期間は 7 日。
・全数の納品は 11月3日 だが、先に 325個 だけ 10月27日 に届けられる。
・代替品の用意は無い。値引きの話は今回はしない。
・次の連絡は 10月17日 までに入れる。
—- 状況メモ ここまで —-
ChatGPTとMicrosoft Copilotは3回とも○で、遵守もそろって○です。JSONとして読め、subjectとbodyのキーもそろっていました。ChatGPTの本文は449字から514字です。Microsoft Copilotは420字から459字でした。
Geminiは3回とも×です。1回目は37.4秒で断られました。2回目は301.9秒で時間切れになり、3回目も301.7秒で時間切れでした。
ClaudeはJSONの中身がそろっても遵守で×
Claudeは3回とも6項目がそろい、正解は○です。ただし遵守は3回とも×でした。理由は「JSONとして読めない」です。読み取った答えの先頭には、読み上げ用の書き出しと作業の要約の行が入っていました。要約の行は1回目と3回目が英語で、2回目はドイツ語です。
読み取った答えでは、キーを囲む引用符が「“」の形になっていました。撮った画面でも、JSONの上に「Drafting an apology email based on the memo details.」の1行が出ています。JSONだけを受け取りたい使い方なら、貼る前に中身を確かめておくと安心です。
5つの指標でいちばん開いたのは正解率だった
5つの指標を並べると、いちばん開いたのは正解率でした。ChatGPTとMicrosoft Copilotが18試行中18試行（100.0%）です。Claudeは18試行中15試行（83.3%）でした。Geminiは18試行中7試行（38.9%）です。
再現率はChatGPTとCopilotが100.0%
再現率は、同じ課題を3回投げて結論がそろったかを見る指標です。ChatGPTとMicrosoft Copilotは100.0%でした。Claudeは88.9%で、Geminiは75.0%です。Geminiは課題3・課題4・課題5で○と×が混ざりました。
指示の遵守率はChatGPTだけ100.0%
指示の遵守率は、答えの形が決まりどおりだったかの割合です。ChatGPTは100.0%で、6課題とも決まりから外れていません。Microsoft Copilotは83.3%で、外れたのは課題2の3回でした。
Geminiは90.0%です。断りと時間切れの試行には遵守の判定が付いていません。答えが返った試行だけで数えた値になります。外れたのは課題5の1回目で、宛名の「株式会社サンプル物産」が入っていませんでした。
Claudeは50.0%でした。外れたのは課題2・課題3・課題6の3回ずつです。課題2と課題6は、読み取った文字に読み上げ用の行などが入って×になりました。課題3の2回目は、本文の前後に説明の文を書き足しています。
出典の実在率はこの分野では測っていない
出典の実在率は、AIが示したURLが本当にあるかを見る指標です。この分野ではURLを見る課題が無いので測っていません。4つとも数字は空欄のままです。
所要時間の中央値はCopilotが17.1秒
所要時間の中央値は、Microsoft Copilotの17.1秒が最も短くなりました。ChatGPTは17.3秒で、Claudeは18.7秒です。Geminiは98.6秒でした。
最短と最長の幅は次のとおりです。
- ChatGPT：14.1秒から23.7秒
- Gemini：19.1秒から234.0秒
- Claude：13.9秒から57.1秒
- Microsoft Copilot：14.1秒から20.3秒
Microsoft Copilotは最長でも20.3秒で、幅がいちばん小さくなりました。Geminiの最長の234.0秒には、300秒で打ち切った時間切れの4試行は入っていません。時間切れは課題3・課題4・課題6で出ています。
Geminiは課題1の1回目を19.1秒で返しましたが、この答えは断りの文でした。速く返ったから書けたとは限りません。時間だけで選ばず、中身と合わせて見てください。
お詫びメールを任せるならChatGPTかCopilot
この回の結果から、用途ごとに選ぶならこうなります。根拠はすべて72試行の採点表です。
日付と数を落としたくないならChatGPTかMicrosoft Copilot
日付・数量・電話番号を1つも落とさずに書かせたいなら、ChatGPTかMicrosoft Copilotです。どちらも18試行中18試行（100.0%）で、再現率も100.0%でした。同率なので、この回の数字ではどちらが上とは言えません。
件名やJSONの形まで守らせたいならChatGPT
件名を1行だけ、JSONだけのように答えの形まで決めて貼りたいならChatGPTです。指示の遵守率は100.0%でした。Microsoft Copilotは3行で書く課題2で、答えが1行につながっています。
早く返してほしいならMicrosoft Copilot
所要時間の中央値はMicrosoft Copilotが17.1秒で最も短く、最長も20.3秒でした。ChatGPTの中央値は17.3秒です。急ぎの連絡を何本も書くなら、待ち時間の幅が小さいほうが使いやすくなります。
GeminiとClaudeを使うときに気をつけること
Geminiは、この回のお詫びメールの課題で断りの文が続きました。同じ文でも○の回と×の回が混ざっています。断られたときは、ほかのAIでも書かせて比べると安心です。
Claudeは本文の中身はそろっていました。課題1の本文は638字から788字で、4つの中でいちばん長く書いています。件名やJSONのように形を決めた答えは、貼る前に付け足しの行が無いか見てください。
この測定の限界は1日1回の72試行であること
この記事の数字は、2026年10月14日の1回の測定です。読むときに気をつけてほしい点を挙げます。
- 1日1回の測定です。日や課題が変われば順位は変わります
- プランは4つとも有料版で、無料版の結果ではありません
- 既定のモデル・既定のモードだけで測っています
- 材料は架空の会社の自作データで、実在の企業のデータではありません
- 機械で採点できる課題だけを扱い、文章のうまさや読みやすさは測っていません
- ブラウザの画面から測った結果で、APIの結果ではありません
Geminiの断りがなぜ出たのかは、この測定では分かりません。画面に出たのは断りの文だけで、理由は書かれていませんでした。Claudeの遵守の×も、採点表の理由と読み取った文字をそのまま書きました。
数字は1行ずつ数え直せます。課題の全文・4つのAIの回答72本・1行＝1試行の採点表（CSV）・画面は、すべてこの回の採点表と回答の全文から落とせます。引用するときは、出典として AInformation調べ と書いてください。データページのURLと測定日（2026年10月14日）も添えてもらえると助かります。
同じ連載では、ほかの仕事の課題でも4つのAIを比べています。議事録AIを4つ比較した回や、長文要約AIを4つ比較した回も読んでみてください。
関連する記事とツール
- AI実務ベンチ：メール・ビジネス文書（2026年10月14日）のデータページ
- ChatGPTの料金と機能
- Geminiの料金と機能
- Claudeの料金と機能
- Microsoft Copilotの料金と機能
- エクセル関数AIを4つ比較！そのまま使える数式プロンプト3つ
- 資料作成AIのおすすめを4つ比較！骨子づくりのプロンプト3つ
- データ分析AIを4つ比較！売上表の集計プロンプト3つと選び方
- AI翻訳の精度を4つ比較！そのまま使える翻訳プロンプト2つ
お詫びメールは日付や数を1つ落とすだけで、取引先の信用を失います。この回はChatGPTとMicrosoft Copilotが18試行中18試行で落としませんでした。一方でGeminiは同じ文でも断りの文が返り、書けた回と書けない回が混ざっています。会社で使うなら、AIが書いた文を送る前に日付と数をメモと突き合わせる手順を残してください。件名やJSONのように形を決めた答えは、付け足しの行も見ておくと安心です。
- AIでお詫びメールを作るならどれが正確でしたか？
- この回はChatGPTとMicrosoft Copilotが18試行中18試行（100.0%）で並びました。6課題とも3回すべてで、日付・数量・電話番号などの入るべき語がそろっています。Claudeは18試行中15試行（83.3%）でした。Geminiは18試行中7試行（38.9%）です。1回の測定なので、日や課題が変われば順位は変わります。
- Geminiはなぜ正解が少なかったのですか？
- 答えの多くが断りの文か時間切れだったためです。失敗の内訳では、断られた試行が4つあります。300秒の時間切れも4つでした。「私はテキストベースのAIです。」のような断りが返った理由は、この測定では分かりません。3つの数を書き出す課題2は3回とも正解でした。
- Claudeの件名の課題が×になったのはなぜですか？
- 採点表の理由は行数です。1回目と2回目は7行、3回目は8行と数えられました。撮った1回目の画面では件名は1行です。読み取った文字には、読み上げ用の行と記号5つと「今」の1字が入っていました。3回目は件名の下に文字数の説明を書き足しています。
- いちばん速く返したAIはどれですか？
- 所要時間の中央値はMicrosoft Copilotの17.1秒が最も短く、ChatGPTは17.3秒でした。Claudeは18.7秒で、Geminiは98.6秒です。Microsoft Copilotは最長でも20.3秒でした。速く返っても断りの文だった回があるので、時間だけで選ばないほうが安心です。
- この記事の課題文は自分でも試せますか？
- 試せます。お詫びメール・件名・JSONの3つの課題文を、状況メモごと本文に載せました。6課題すべての全文と4つのAIの回答72本はデータページから落とせます。1行＝1試行の採点表（CSV）もあります。材料は架空の会社のメモなので、貼っても実在の会社の情報は出ません。
