AI とコンテンツ制作工程 — 工程で線を引き、素材は人が用意する

Lesson 9-2 で社内ルールの確認を扱いました。 ルールの枠内で、本記事から具体的な AI 活用に入ります。 最初に置くのは「AI でコンテンツを作る」話で、担当者の業務として頻度の高い領域です。 本記事の核は 工程で線を引く 考え方と、1〜7 は AI、8〜10 は人 という本書の工程モデルです。 ただしこの線引きは固定ルールではなく、1〜7 の中にも人の判断ポイントが点在します。

1. コンテンツ制作を「工程」で捉え直す

1-1. 「AI で記事を書く」の一括りが、人の関わりどころを曖昧にする

「AI で記事を書いた」「AI に任せた」 — 一括りで言うと、AI の関わり方が曖昧になります。 曖昧なまま運用すると、AI 任せか人主導かの線が崩れます。

1-2. 工程ごとに「AI 向き」「人向き」が違う

制作は単一の作業ではなく、複数の工程の連鎖です。 工程ごとに性質が違うので、AI の関わり方も工程ごとに変わります。 工程で捉え直すと、AI と人の役割が見えてきます。

1-3. 本書の工程モデル — 1〜7 は AI、8〜10 は人

• 1〜7:AI が中心、ただし AI 任せにせず人が並走
• 8〜10:人が中心、AI は補助
• 線引きは厳密な決まりではなく、組織と業務に合わせて調整する考え方の枠組み

1-4. 工程で線を引くと「丸投げ vs 完全人力」の二択から抜けられる

「全部 AI に任せる」「全部人がやる」の二択ではなく、工程ごとに最適な分担を考える発想です。 現実主義の AI 活用は、工程ごとの線引きから始まります。

2. 本書の工程モデル — 1〜7 は AI と、8〜10 は人

2-1. 1〜7 の例(想定)

1. テーマ設定
2. リサーチ
3. 構成案
4. 素材整理
5. 初稿生成
6. 推敲
7. SEO 整形

2-2. 8〜10 の例(想定)

8. 自社らしさの精製
9. 最終校正と感情の調整
10. 公開判断と責任引き受け

2-3. 1〜7 でも「目的や独自性」は AI 任せにせず

1〜7 の工程は AI が中心で動きますが、目的や独自性の方向性は AI 任せにしません。 AI と会話を重ねながら、自社のすべきことをまとめていきます。

2-4. 8〜10 は AI の補助を使えても、最終判断は必ず人

• 自社らしさの精製は人
• 感情の調整は人
• 公開判断は人(Lesson 8-1「承認には責任が伴う」)
• AI は補助として並走

2-5. 線引きは厳密な決まりではなく、組織と業務に合わせて調整する

1〜7 と 8〜10 の区切りは固定ではありません。 自社の制作フローに合わせて、線引きの位置は調整します。 重要なのは「工程で線を引く」という発想そのものです。

3. 工程 1〜7 の中身を具体化 — AI と並走するパート

3-1. 工程 1：テーマ設定

• 何のために、誰に向けて
• AI に下案を出させて担当者が決定
• Lesson 9-1 の「AI 思考補助 5 領域」の「探索」が活きる場面

3-2. 工程 2：リサーチ

• 一般情報の収集と整理(AI が得意領域)
• ただし出典確認は人
• ハルシネーション対策(H2-11)が必須

3-3. 工程 3：構成案

• 見出し設計、論理展開
• AI と相談しながら作成
• 独自軸は人が入れる

3-4. 工程 4：素材整理

• 一次情報・独自素材を AI に渡して構造化させる
• 素材は人が用意(H2-8)
• AI は素材を整える役

3-5. 工程 5：初稿生成

• 素材をベースに AI に下書きを書かせる
• 素材なしの初稿は一般論になる
• 素材付きで初めて自社らしい初稿になる

3-6. 工程 6：推敲

• AI に冗長表現の整理、論理飛躍の指摘をさせる
• 機械的な観点での推敲が得意

3-7. 工程 7：SEO 整形

• 見出しタグ、内部リンク、メタ情報の整え
• 機械的な整形作業
• ただし noindex / canonical はビジネスインパクトが大きいので人が確認(H2-6)

3-8. いずれの工程も「AI 任せ」ではなく「AI と対話」

1〜7 の全工程で、目的と独自性は常に担当者が握ります。 AI に指示を出して結果を受け取るだけではなく、AI の出力に対して問い直し、修正させ、磨くのが「会話」です。

4. 工程 8〜10 の中身を具体化 — 人が仕上げるパート

4-1. 工程 8：自社らしさの精製

• トーン、語彙、視点
• これだけは人の手で仕上げる
• Lesson 4-1 ブランドトーン、Lesson 7-1 ひいき目を抜くと連動

4-2. 工程 9：最終校正と感情の調整

• ユーザーがどう受け取るかを想像
• 共感の細部を整える
• AI には判定不能な領域(Lesson 9-4)

4-3. 工程 10：公開判断と責任引き受け

• Lesson 8-1「承認には責任が伴う」を AI 時代でも貫く
• 最終承認は必ず人
• 「AI が書いたから」は責任回避の理由にならない

4-4. AI が補助的に使える局面もあるが、決定は必ず人

8〜10 でも AI を補助的に使うことはできます(校正の補助、感情面のチェック)。 ただし決定は必ず人、ここは線を引きます。

5. 工程 1〜7 で「AI 任せにしない」とは何か

5-1. AI に指示を出して結果を待つだけ、ではない

指示を出して結果を待つだけだと、AI 任せです。 AI の出力に対して、目的に照らして問い直す、独自性の観点で深掘りする、自分の意見を AI にぶつける — これが対話です。

5-2. 「AI と会話を重ねる」とは

• AI の出力に対して目的に照らして問い直す
• 独自性の観点で深掘りする
• 「ここは違う」「ここはもっと深く」と具体的にフィードバック
• AI が出した構成に「うちはここが違う」と差し戻す
• AI が出した文章に「この表現はうちらしくない」と修正させる

5-3. 1〜7 の各工程で、AI を「考えるパートナー」として使い、最終判断は自分が下す

Lesson 9-1 の「AI 思考補助 5 領域」の発想を、コンテンツ制作工程に組み込みます。 AI を考えるパートナーとして使う限り、AI 任せにはなりません。

6. 工程 1〜7 の中の「人の責任判断ポイント」7 つ

「1〜7 は AI、8〜10 は人」(H2-2)は 主軸の線引き ですが、固定ルール ではありません。1〜7 の各工程の中にも 「これは担当者が判断する」という決定点 が点在しています。線引きを「8〜10 は人」だけで覚えると、1〜7 が「AI 任せで OK」に読めてしまう。各工程の判断ポイントを把握して、「AI と並走しながら、決定点では人が承認する」 のが正しい運用です。

6-1. 工程 1 — 企画・テーマ設定の判断ポイント

AI が下案を出した後の人の判断:

• 「自社が答えるべきテーマか」(Lesson 6-1 / 6-2 と整合)
• 「ターゲットは誰か」(Lesson 2-2 ペルソナ)
• 「サイト全体の目的との整合性」(Lesson 2-1 4 つの問い)

判断の責任:AI が提案したから採用ではなく、人が選定したと言える状態。

6-2. 工程 2 — リサーチの判断ポイント

AI が情報を整理した後の人の判断:

• 出典の信頼性チェック(政府統計 / 業界団体 / 一次資料 / 二次資料の区別)
• ハルシネーションの見抜き — AI が出した数字・引用・統計が正しいか実物で確認
• 古い情報の見抜き — AI の学習データの時点遅れに注意、最新公式情報で再確認

判断の責任:AI が出した情報を 裏取りせずに公開しない。

6-3. 工程 3 — 構成・見出し設計の判断ポイント

AI が構成を出した後の人の判断:

• 独自軸が入っているか — 一般論の構成のまま採用しない
• 競合との差別化が見えるか — Lesson 6-1「自社が答えるべき情報」と整合
• ユーザーの意図への合致 — Lesson 5-4 検索動機・アンサー設計と連動

判断の責任:構成段階で 独自軸を埋め込む のは担当者。

6-4. 工程 4 — 素材整理の判断ポイント

素材を AI に渡す前の人の判断:

• どの素材を選ぶか(顧客の声 / 営業現場 / 経営者の判断 / 失敗例)
• どの素材を強調するか(訴求軸として何を中心にするか)
• 素材の権利関係(Lesson 5-3 運用資産管理と連動、肖像権・許諾)

判断の責任:素材選定が コンテンツの独自性の核。

6-5. 工程 5 — 初稿生成の判断ポイント

AI が初稿を生成した後の人の判断:

• 事実関係の誤り — 数字・固有名詞・日付の正確性
• 誇張・優良誤認 — Lesson 5-2 数字訴求リスク、景表法と連動
• 法令違反の表現 — 薬機法・特商法・金融商品取引法の業種規制
• 顧客名・取引先名の不適切な記載(許諾なしの第三者言及)

判断の責任:AI が書いた初稿を そのまま公開しない、法務観点で必ずチェック。

6-6. 工程 6 — 推敲の判断ポイント

AI が推敲した後の人の判断:

• 文章のリズム・読みやすさ — AI 文章は「無難だが冷たい」傾向、自社らしさで温める
• ブランドトーン — Lesson 4-1 ブランドトーン、Lesson 7-1 ひいき目を抜くと整合
• 読み手の感情への配慮 — 共感ポイント、痛みへの配慮

判断の責任:「自社らしさで温める」 のは人にしかできない。

6-7. 工程 7 — SEO 整形の判断ポイント

AI が SEO 整形した後の人の判断:

• noindex / robots.txt — 本番で noindex を残していないか(Lesson 5-6 / 6-3 連動)
• canonical — URL の正規化、評価分散の防止
• リダイレクト(301) — リニューアル時の評価引き継ぎ
• 構造化データ — schema.org の正確性、誤情報の構造化はマイナス
• 業者との連携 — Lesson 6-3 重大リスク 6 領域、業者から確認書を受け取る

判断の責任:SEO 整形は「AI に任せて終わり」ではない、ビジネスインパクトのある領域。

6-8. 「線引きの固定ルール化」を避ける運用設計

• 「8〜10 は人」だけで覚えると、1〜7 が「AI 任せで OK」に読める
• 各工程の判断ポイント を チェックリスト化 して、AI 出力に対する承認プロセスに組み込む
• 業者・ライターと共有、自社内の AI 活用フローに反映

6-9. AI と人の並走を効果的にする方法

各工程の判断ポイントを「人が決める質問」として AI への指示に含める:

• 工程 1:「○○というテーマで、自社が答えるべき切り口を 5 つ提案して、選定基準も付けて」
• 工程 2:「○○について調査して、出典と信頼性レベルも付けて」
• 工程 3:「○○の構成案を 3 つ出して、各構成の差別化要素も明示して」

Lesson 9-1 H2-6 思考の補助 5 領域を各工程で活用、AI の出力に対して「人が決める」部分が どこか を意識します。

7. 担当者がやらかしがち — すべて AI に任せて中身がない

7-1. 「テーマだけ渡して書かせ、軽く読んでそのまま公開」が現場で起きる

工程 1 のテーマだけ AI に渡して、全工程を AI に任せ、軽く読んで公開する。 現場でよく起きる典型パターンです。 出来上がりは一見綺麗ですが、よく読むと中身がありません。

7-2. 出来上がりは一見綺麗だが、よく読むと中身がない

• 自社の固有性がない
• 主張が薄い
• 誰でも書けたような内容
• 競合と区別がつかない

7-3. 量は増えても価値は薄まる、サイト全体の独自性指数が下がっていく

AI で量産すれば本数は増えますが、1 本あたりの価値は薄まります。 サイト全体の独自性指数が下がり、Google の品質評価・ユーザー評価も下がりがちです。 結果として、量産しても成果につながりにくくなります。

7-4. Lesson 9-1 の「過信の罠」が現場で具体化した姿

9-1 では概念として扱った過信の罠が、コンテンツ制作の現場では「AI 任せの記事量産」として具体化します。 9-1 の抽象を、9-3 の具体で実感する構造です。

7-5. 「効率化」と「思考の代行」は別物、毎回点検する

効率化は AI の正しい使い方、思考の代行は AI の誤った使い方です。 毎回の制作で、自分が思考しているか、AI に思考を代行させているかを点検します。

8. 担当者の打ち手 — 一次情報・独自視点を「素材」として先に用意する

8-1. 「空っぽから」生成させると、学習データの一般論しか出ない

AI は学習データを元に「もっともらしいもの」を生成します。 空っぽから生成させると、学習データに含まれる一般論しか出てきません。 一般論で勝負できない時代に、空っぽから生成させる意味は限定的です。

8-2. 担当者の役は、自社にしかない素材を集めて AI への入力に整えること

• 素材を集める(顧客の声・現場知・経営者の判断履歴)
• 素材を整える(AI が扱える形式に)
• AI への入力として渡す
• これらが担当者の本領

8-3. 素材の種類

• 顧客の声
• 営業現場の事例
• 自社の判断履歴
• 経営者の言葉
• 失敗談

8-4. 素材を渡して「これを元に書いて」と指示すると、独自性のある初稿が出る

素材があれば AI は「うちのコンテンツ」として書き始めます。 なければ世間一般の話しか出てきません。 素材の有無で、AI 出力の独自性は決定的に変わります。

8-5. 素材集めこそ担当者の知的な仕事、AI には代替できない

AI 時代の担当者の「書くこと」よりも「素材を集めること」が本領になります。 集める力が、AI 出力の独自性を決めます。

9. 一次情報・独自視点の集め方 — 9-1 から接続

9-1. 顧客接点

• 営業日報
• 問い合わせ履歴
• 店舗の声
• CS の対応記録

9-2. 自社業務

• 現場で起きていること
• 過去の試行錯誤
• 定型化されていないナレッジ

9-3. 経営者・専門家

• なぜそう決めたか
• 何を見ていたか
• 判断の前提

9-4. 失敗例・反対意見

• 一般論にならない「うちならではの学び」
• 他社にはない知見
• Lesson 6-7 の失敗データベース

9-5. 集めた素材を「素材ライブラリ」として継続的に蓄積

素材は単発で集めて使い捨てるのではなく、ライブラリとして蓄積します。 担当者交代でも引き継げる資産になり、長期的に AI 活用の質を支えます。

9-6. Lesson 9-1「独自情報の源泉」を実務的に運用する場が本工程

9-1 で抽象的に扱った独自情報の源泉を、9-3 で実務として素材ライブラリに落とし込みます。 9-1 の理念を、9-3 の運用で具体化します。

10. AI との対話の進め方 — プロンプトと反復

10-1. 1 回の指示で完成を期待しない、対話を 5〜10 回重ねて磨く

1 回の指示で完璧な出力が得られることは、まずありません。 5〜10 回の対話を重ねて、出力を磨いていくのが現実的です。 「1 回で完成」を期待すると、不完全な出力のまま公開してしまいやすいので、反復を前提にしておくと安心です。

10-2. 「目的」「読者」「素材」「制約」を最初に渡す

• 目的:何を伝えたいか
• 読者:誰に向けて書くか
• 素材:H2-8 で集めた素材
• 制約:NG ワード・必須記載・業界規制

10-3. 出力に「ここは違う」「ここはもっと深く」と具体的にフィードバック

「もう少し良くして」では AI も応えにくい。 具体的にどこが違うか、何を深掘りしてほしいかを指摘します。 具体的なフィードバックが、出力の質を上げます。

10-4. 「AI と会話を重ねる」=この反復のこと

AI と会話を重ねるとは、抽象的な姿勢ではなく、具体的な反復作業です。 1 発で良いものは出ない、と知っておくのが現実的です。

10-5. うまくいったプロンプトはテンプレ化して資産にする

再利用できるプロンプトは、テンプレ化して資産にします。 組織のナレッジとして蓄積、担当者交代でも引き継げる形に。

11. ハルシネーション(誤情報)対策

11-1. AI は事実と虚構を区別しない、それらしく書けるだけに見抜きにくい

AI は「もっともらしい」文章を生成しますが、内容の真偽は判定していません。 嘘でも自信を持って書くので、見抜きにくいのが特徴です。

11-2. 数字・固有名詞・統計・引用は必ず一次ソースで確認

• 数字(統計データ、市場規模)
• 固有名詞(企業名、商品名、人物名)
• 統計の出典
• 引用の出典
• AI の言葉を信じない、一次ソースで確認

11-3. AI に「ソースは?」と聞いても、そのソース自体が捏造のことがある

AI に「ソースは?」と聞くと答えてくれますが、そのソース自体が捏造の場合があります。 一次ソースに当たって実物を確認するしか、確実な方法はありません。

11-4. 自社固有の情報(社員名・サービス仕様・実績数字)は AI に任せない

自社情報は AI の学習データに含まれていないので、生成された内容は推測または虚構です。 自社情報は人が用意するしかありません。

11-5. 公開前のファクトチェックは工程 9〜10 の必須項目

工程 9(最終校正)と工程 10(公開判断)で、ファクトチェックを必ず通します。 ハルシネーション対策は、人の最終チェック工程に組み込みます。

12. 著作権・引用の扱い

12-1. AI 出力に他社の表現が混入する可能性

AI は学習データから類似の表現を生成することがあります。 特に有名フレーズは、類似性チェックが必要です。

12-2. 競合・参考記事をそのまま AI に渡して「リライトして」は危ない

他社記事をそのまま AI に渡して「リライト」させると、構造・表現が酷似する可能性があります。 著作権侵害のリスクがあるので、避けます。

12-3. 引用するなら出典明記、引用の範囲(従たる引用)を守る

• 引用の主従関係(自社主、引用従)
• 出典の明記
• 引用部分の明確な区別

12-4. 業界・業種固有の規制は AI に判断させない

• 医療広告
• 金融商品の表示
• 薬機法
• これらの細部は AI には任せない

12-5. 不安な領域は法務・広報に確認、担当者が独断しない

Lesson 9-2 と同じ姿勢です。 法的・規制上の判断は担当者の領分ではないので、法務・広報に確認します。

13. 公開判断 — 承認には責任が伴う

13-1. 工程 10 の最終判断は人

Lesson 8-1 で扱った「承認には責任が伴う」を、AI 時代でも貫きます。 AI 生成物だからといって、責任が軽くなることはありません。

13-2. 「AI が書いたから」は責任回避の理由にならない

承認した担当者の名前で公開されるので、AI 生成でも責任は担当者に発生します。 AI を理由に責任を移すことはできません。

13-3. 「AI 生成です」明示の要否は社内ルール次第

AI 生成であることを明示すべきか、明示せずに公開して良いかは、社内ルール次第です(Lesson 9-2 へ戻る)。 業界ガイドライン・経営判断・顧客との関係性で決まります。

13-4. 公開後の修正・撤回フローを準備しておく

• ハルシネーションが見つかった時の修正手順
• 誤情報を含む記事の撤回フロー
• 公開後のリカバリ体制

13-5. 「迷ったら公開しない」、これは AI 時代でも変わらない原則

AI 時代でも、迷ったら公開しない原則は変わりません。 むしろ AI 生成物だからこそ、迷ったら止める判断が重要になります。

工程の数や線引きの位置は、いきなり完璧に決めなくて大丈夫です。 まずは「どこまで AI、どこから人」を一度引いてみて、運用しながら自社に合う形に調整していけば十分です。 大事なのは、AI に任せきりにせず、目的と独自性を担当者が握りつづけること。 そして、自社にしかない素材を少しずつ集めて手元に置いておくこと。 この二つができていれば、AI は心強い相棒になってくれます。 一本ずつ、AI と一緒に作ったから深まった、と言える記事を増やしていきましょう。