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

第9章 Lesson 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

「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。

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。

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 と並走、8〜10 は人

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

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

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。

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(第8章 Lesson 1「承認には責任が伴う」)
• AI は補助として並走

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

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
• 第9章 Lesson 1 の「AI 思考補助 5 領域」の「探索」が活きる場面

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(【ハルシネーション(誤情報)対策】)が必須

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

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(【担当者の打ち手】)
• AI は素材を整える役

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

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

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(そのページを検索結果に出さない指定) / canonical(正規の URL を検索エンジンに示す指定) はビジネスインパクトが大きいので人が確認(【工程 1〜7 の中の「人の責任判断ポイント」7 つ】)

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

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
• 第4章 Lesson 1 ブランドトーン、第7章 Lesson 1 ひいき目を抜くと連動

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(次の 第9章 Lesson 4 で詳述)

工程 10：公開判断と責任引き受け

• 第8章 Lesson 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

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

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。

「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

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

第9章 Lesson 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」(【本書の工程モデル】)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。

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」(第6章 Lesson 1 / 第6章 Lesson 2 と整合)
• 「ターゲットは誰か」(第2章 Lesson 2 ペルソナ)
• 「サイト全体の目的との整合性」(第2章 Lesson 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。

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。

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 — 第6章 Lesson 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 — 第5章 Lesson 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。

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(第5章 Lesson 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。

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 — 第5章 Lesson 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。

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 — 第4章 Lesson 1 ブランドトーン、第7章 Lesson 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。

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(robots.txt はクローラーの巡回可否を指示するファイル) — 本番で noindex を残していないか(第5章 Lesson 6 / 第6章 Lesson 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 等、ページ内容を検索エンジンに機械可読で伝える仕組み) — 正確性が重要、誤情報の構造化はマイナス
• 業者との連携 — 第6章 Lesson 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。

「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

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」

第9章 Lesson 1 【工程 1〜7 の中の「人の責任判断ポイント」7 つ】 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. 担当者によくある失敗 — すべて AI に任せて中身がない

「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。

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

量は増えても価値は薄まる、サイト全体の独自性が下がっていく

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が薄まると、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。

第9章 Lesson 1 の「過信の罠」が現場で具体化した姿

第9章 Lesson 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。 第9章 Lesson 1 の抽象を、第9章 Lesson 3 の具体で実感する構造です。

「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

「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。

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
• この一連の準備こそ担当者の中心的な仕事

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

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。

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 — 第9章 Lesson 1 から接続

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

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

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

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
• 第6章 Lesson 7 の失敗データベース

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。

第9章 Lesson 1「独自情報の源泉」を実務的に運用する場が本工程

第9章 Lesson 1 で抽象的に扱った独自情報の源泉を、第9章 Lesson 3 で実務として素材ライブラリに落とし込みます。 第9章 Lesson 1 の理念を、第9章 Lesson 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

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。

「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:【担当者の打ち手】 で集めた素材
• 制約:NG ワード・必須記載・業界規制

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。 たとえば「第 3 段落の主張が一般論なので、うちの○○という事例を根拠に差し替えて」「専門用語が続くので、初出に一言ずつ補足を付けて」のように、直す箇所と直し方をセットで 伝えると、AI は的確に直せます。 具体的なフィードバックが、出力の質を上げます。

「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。

うまくいったプロンプトはテンプレート化して資産にする

再利用できるプロンプトは、テンプレート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

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。

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

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。

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。

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・法規制の扱い

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。

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。

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

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

不安な領域は法務・広報に確認、担当者が独断しない

第9章 Lesson 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

工程 10 の最終判断は人

第8章 Lesson 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。

「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。

「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(第9章 Lesson 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。

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

「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。