コンテンツマーケティングのAI活用｜60点で止めない6工程の任せ方

コンテンツマーケティングにAIを取り入れたい、または使い始めたものの手応えがない担当者の方は多いでしょう。下書きは速く作れるようになっても、どの工程で何を任せれば問い合わせや商談につながるのかは、なかなか見えてきません。

しかしながら、AIを使うほど判断に迷う場面は増えていきます。

• どの工程をAIに任せてよいか分からない
• AIで作った記事の質やGoogleの評価が心配
• 作業は速くなったが、成果につながったか分からない

そこでこの記事では、「工程ごとのAIの使い方」「AIに任せる所と人が決める所」「社内の知見の渡し方と成果の測り方」についてお伝えしていきます。

コンテンツマーケティングにおけるAI活用の全体像

コンテンツマーケティングのAI活用は、企画から公開後の改善までの工程ごとに、AIに任せる作業と人が持つ判断を分けて組み込むことです。

AIは、文章や要約、候補の一覧を速く作るのが得意です。一方で、自社の読み手が何に困っているか、自社として何を言うかは、AIの中にはありません。作業と判断を分けて考えると、任せる所がはっきりします。この記事では、コンテンツづくりの工程を次の6つに分けて説明します。

1. 読み手の背景の整理
2. 狙う語とテーマの選定
3. 構成案の作成
4. 取材と下書き
5. SNSや動画への展開
6. 公開後の手直しと効き目の測定

工程ごとに、AIに任せることと人が決めることを並べると、次のようになります。

工程	AIに任せること	人が決めること
読み手の背景の整理	問い合わせや商談の記録の整理	誰に届けるか
狙う語とテーマの選定	語の候補の一覧	成果に近い語の絞り込み
構成案の作成	上位記事の要素の整理	自社にしか書けない経験の追加
取材と下書き	録音からの原稿起こしと叩き台	事実の確認と仕上げ
SNSや動画への展開	投稿文や台本への組み直し	どの接点で誰に届けるか
公開後の手直しと測定	数字の整理と直す案	どの記事をどう直すか

私たちは、メディアでのAIの活用を段階を踏んで広げると考えています。最初は下書きや調査の効率化です。次に、社内のプロの知見や独自の事例をAIでの制作に取り込みます。

その先は、集めた暗黙知を体系にし、社外への発信と社内での活用の両方に回す段階です。この記事は、その考え方を工程ごとに並べたものです（オウンドメディア完全ガイド｜生成AI時代の戦略と活用方法解説）。

コンテンツマーケティングでAIを使うメリット

コンテンツマーケティングでAIを使うメリットは、制作が速くなること、書かなかった社員も発信できること、集めた知見を別の形に回せることの3つです。どれも、人が判断する工程を残したうえで得られるものです。

制作にかかる時間の短縮

AIを使う準備に時間をかけても、本数を重ねるほど1本あたりの時間が下がり、合計の時間は短くなります。AIに自社の書き方を覚えさせるには、最初に試行錯誤の時間がかかるからです。

1本だけを見ると、手で書くより遅いこともあります。それでも、2本目からは整えた入力を使い回せるため、かかる時間が下がっていきます。

ライターの働き方を話した私たちの対談では、次のように試算しています。1本8時間かかる記事を10本作ると、80時間です。AIの準備で1本目に20時間かけても、2本目が4時間、3本目以降が2時間になれば、合計は40時間で済みます。

同じ対談では、AIの価値が見えてくるのは、本数を重ねて10本目あたりからだとも話しています（AI時代の、ライターの生存戦略）。

書き手でない社員の発信

AIで書く負担が下がると、これまで記事を作らなかった社員も発信を始めます。現場の社員は、顧客の悩みや判断の経験を多く持っているからです。

ただ、文章にする手間が大きく、その経験は発信にはつながりにくいものでした。AIとの対話で考えをまとめられれば、その手間が小さくなります。

私たちは、AIとの対話で記事を作る方法に名前を付け、企画・会話・編集の流れを組みました（手順は後の「社員の知見の引き出し」で紹介します）。全員が同じ仕組みで試したところ、記事を全く作らなかった社員が、1本30分前後で月2〜3本を作るようになりました。

最初の品質は高くありませんでしたが、書かなかった人が書き始めたこと自体に価値があると見ています（何故AIを活用したコンテンツ生成を掘り続けるのか）。

社内の知見の使い回し

AIを使う制作では、一度集めた知見を、記事だけでなく提案書やほかのコンテンツ、教育にも回せます。AIで作るものの大部分は、渡した情報がもとになるからです。

社員から集めた知見があれば、出す形を変える作業はAIが速く行えます。部署や役割を越えて、同じ知見を何度も使えるようになります。

私たちは、社員の知見から作った記事や、それを抽象化したデータをためています。それを提案書、次の指示文、ほかのコンテンツ、教育の仕組みに回しています。

評価は、売上をどれだけ上げ、原価をどれだけ下げたかで見ています（なぜAIを否定するオウンドメディア担当者は、機会損失していると思うのか）。

AIを使うデメリットと対処

AIを使うデメリットは、平均的な内容に寄ること、誤った情報が混じること、入力した情報の扱いの3つです。どれも、人が持つ工程を残すことで抑えられます。

平均的な内容への寄り

AIだけで作った内容は、公開されている情報の範囲にそろい、及第点の出来にとどまります。生成AIは、似た情報源から似た指示で文章を作るからです。

そのため、どの会社が作っても、近い水準の内容になりやすくなります。読み手から見ると、どこかで読んだ話が並ぶことになります。

私たちは、この状態を「60点問題」と呼んでいます。AIを使えば、これまで届かなかった人もすぐに60点が取れます。ただ、専門家の目で見ると、そこで止まるという意味です（オウンドメディア完全ガイド｜生成AI時代の戦略と活用方法解説）。

対処は、社内の知見をAIに渡し、公開されている情報にない中身を足すことです。渡し方は、後の「社内の知見をAIに渡す方法」で詳しく説明します。

誤った情報の混入

生成AIの文章には誤りが混じる前提で、公開の前に人が事実を確かめます。生成AIは、事実を調べて書いているわけではないからです。

Googleは、生成モデルは事実を取得するのではなく、学習データから可能性の高い単語の並びを予測すると説明しています。そのため、出力に不正確な情報が含まれることがあります。

Googleは、公開前に手動で事実を確かめることが重要だとしています。タイトルやメタディスクリプション、画像の代替テキストも、確かめる対象です。出典はGoogle 検索セントラルの生成 AI コンテンツのガイダンスです。

私たちは、未経験のメンバーで始めたメディアでも、誤った情報を出さないことを全員の約束にしてきました。事実の確認や推測との区別、専門家の監修、引用元の明示は、質や成果より優先しています（素人から成果を生み出す編集部に変えた7つのルール）。

入力する情報の漏れ

AIに入力する情報には扱いのリスクがあり、入力してよい情報の範囲を、制作を始める前に決めておきます。記事の材料には、顧客の声や商談の記録が含まれるからです。

未公開の数字が混じることもあります。ただ、記事に要るのは、顧客の名前ではなく、どんな状況で何に困ったかです。名前や連絡先、了承のない数字は、伏せた形で渡しても材料の価値は変わりません。

個人情報保護委員会は、生成AIサービスの普及を踏まえて、その利用に関する注意喚起を行っています。中身は、個人情報保護委員会の生成AIサービスの利用に関する注意喚起で公表されています。

使うツールの設定と、社内で入力してよい情報の線を、制作の流れに組み込む前にそろえておくと、現場が迷いません。

企画と設計の工程でのAIの使い方

企画と設計の工程では、材料の整理をAIに任せ、誰に何を届けるか、自社として何を言うかは人が決めます。この工程の判断がずれると、後の工程でどれだけAIを使っても、成果にはつながりにくくなります。

読み手の背景の整理

問い合わせや商談の記録の整理はAIに任せ、読み手の像は実態をもとに人が決めます。AIは、たまった問い合わせの文面や商談のメモを、悩みの種類ごとに分けるのが速いです。

一方で、AIに「この商材の読み手の像を作って」と頼むと、一般的な属性の並びが返ってきます。それは、誰の実態でもありません。

私たちは、集めた声の共通項を1人にまとめると、複数人の要素が混ざって実在から遠い顧客像になり、使いにくくなると見ています。

収益への貢献が大きい層の1人から、実態をもとに顧客像を作ります。確かめてから広げるほうが、使われる顧客像になります（ペルソナマーケティングとは｜効果的な設定手順と活用戦略）。

狙う語とテーマの選定

語の候補出しはAIに任せ、どの語を狙うかは、問い合わせなどの成果から逆算して人が絞ります。AIに関連する語を広げさせると、候補はいくらでも増えるからです。

ただ、検索数が大きい語ほど成果に近いとは限りません。私たちは、比較や検討の段階の人が使う語を数個に絞り、1位を取るまで育てるほうが成果につながりやすいと見ています。

株式会社Kaizen Platformの支援では、主力の事業の語で検索しても自社のページが出ず、検索からの商談はありませんでした。私たちは事業部ごとに1位を取る語を決め、既存記事の改修も含めて80本近くを公開しました。

約半年で平均掲載順位は45位から21位になり、検索起因のリードから60件超のアポが生まれました（株式会社Kaizen Platformの事例）。

構成案の作成

上位記事の要素の整理はAIに任せ、自社にしか書けない経験と知見は人が足します。AIに上位記事を読ませると、共通する話題を短時間で一覧にできます。

この一覧は、読み手が何を求めているかを知る目安になります。ただ、その要素を並べただけの構成では、どの会社の記事とも同じになります。

私たちは、上位記事の中身や要素を真似て量産する記事、Webの情報だけを寄せ集めた記事は作らないと決めています。自社の名前で出す情報は、その責任を自社が負うからです。

Webの情報は、読み手のニーズを掴むための参考にとどめます。主な素材は、書籍や取材、専門家の確認です（コンテンツマーケティング記事作成術｜成果に繋がる戦略的手法）。

制作の工程でのAIの使い方

制作の工程では、AIを素材から原稿を起こす役と、叩き台を作る役に使います。SNSや動画など届け先ごとの作り分けは、人が設計します。

取材と素材集め

取材の録音から原稿を起こすときは、構成の順に話した素材をAIに渡すと、出来が安定します。AIは、話の流れが整理された素材ほど、まとまった原稿にできるからです。

その場の流れで話題が行き来した録音は、AIにとっても組み立てにくい素材です。取材の段階から、AIに渡す前提で話す順を決めておくと、手直しが減ります。

私たちが取材記事のAI制作を何度も試したところ、構成案どおりに上から順に話した録音なら、満足できる原稿がすぐに得られました。いつものように深掘りしながら話した録音では、まとまらない原稿しか作れませんでした。

取材の録音は、その人らしい話し方を残したまま文字にしてから渡すと、その人らしい記事になります（AI時代の、ライターの生存戦略）。

下書きと編集

AIの下書きは完成品ではなく叩き台として、早い段階で関係者に見せて直します。下書きをAIで作ると、完成に近い見た目のものがすぐにできるからです。そのため、仕上げてから見せたくなります。ですが、方向がずれていたときの手戻りは、仕上げた後ほど大きくなります。

私たちは、相談の前にまずAIで形にする進め方を組織に入れています。以前は初回の打ち合わせが聞き取りで終わっていましたが、形があると初回から直す点を話し合えるようになりました。

まず形にする考え方は、記事の下書きにも当てはめられます。AIの下書きを編集者や監修者に早く見せると、論点のずれを先に確かめられます（相談する前に「まずAIで形にする」ことが、私たちの組織を変えた話）。

SNSや動画への展開

記事をSNSの投稿や動画の台本に組み直す作業はAIが速く、どの接点で誰にどう届けるかは先に人が決めます。投稿文や台本の案をいくつも作るのは、AIの得意な作業です。

ただ、検索から来る人は自分で答えを探しに来ており、SNSの人は流れてきた情報を見ています。同じ中身でも、接点が違えば最初に伝えることが変わります。

私たちは、デジタルのメディアでは、どんなコンテンツを作るかより先に、どの接点で読み手とどう向き合うかを考えています。届け方まで自分たちで設計しないと、作っても読まれないからです。

AIで組み直す前に、届け先ごとの相手と目的を決めておきます。届け方がぶれにくくなるからです（なぜデジタルメディアはコンテンツよりも「ユーザーコミュニケーション」が重要なのか）。

公開後の改善の工程でのAIの使い方

公開後の工程では、数字の整理と直す案をAIに出させ、どの記事をどう直すかは、順位と成果を見て人が決めます。検索の記事は、公開した時点で完成ではありません。

直す記事の選び方

直す記事は、狙う語の順位とクリック率の組み合わせで選び分けます。Search Consoleの数字をAIに渡すと、記事ごとの順位とクリック率を短時間で並べられます。

並べた後に、どの記事にどんな手を打つかを決めるのが人の仕事です。記事がすでにある場合は、成果の出ている記事の手直しも、新しい記事づくりと並べて進めます。

私たちは、順位とクリック率の組み合わせで、様子見・題の修正・中身の補強・作り直しを選び分けています。内容で並んでも順位が止まるときは、被リンクやドメインの評価など、記事の外の要因を疑います（SEO分析の方法｜基礎から実践まで初心者向けガイド）。

直す中身の決め方

直す中身は、AIが挙げる足りない話題の数ではなく、読み手が何を知りたいかから決めます。分量は、その結果として決まります。

AIに上位記事と比べさせると、足りない話題の一覧が出てきます。その一覧をすべて足すと記事は長くなり、読み手が答えにたどり着くまでが遠くなることがあります。足すか削るかは、読み手の状況を見て人が決めます。

私たちは、2万字以上あった記事を手直しし続け、3,500字まで削って検索1位を取ったことがあります。足すことだけでなく、読み手に要らない部分を削ることも手直しです（SEOコンテンツを文字単価ベースで受発注することへの違和感）。

AIに任せる所と人が決める所の線引き

AIを使うコンテンツづくりで人が持つのは、出来の良し悪しを見分ける目と、事業の背景にもとづく判断です。それ以外の作業は、どうすればAIに任せられるかから考えます。

人が持つ判断

AIの出力が十分かどうかを見分けるには、100点の出来を知っている人が要ります。AIを使えば、経験の浅い人でもすぐに形のあるものが作れるからです。

ただ、その出来で足りているかは、良い仕事を知らないと判断できません。計測の正しさ、事業側にしかない背景、何を実行するかの選択も、人が持つ判断です。

私たちは、AIは使う人の考えを増幅する道具だと見ています。出力の違和感に気づいて直せる人が使うと、成果が出やすくなります。60点が取れたとき、それで十分かを決められるのは、100点を知る人です。AIで作る量を増やすほど、この見分ける役の価値は上がると考えています。

任せる範囲の見直し

AIに任せる範囲は一度決めて終わりにせず、任せるための条件から考え、技術が進むたびに見直します。線を固定すると、任せる範囲を広げそびれるからです。

自分の知る範囲で「AIにはできない」と決めたことが、すでにできるようになっていることもあります。「できるか」ではなく、「任せるにはどうするか」から考えます。

私たちの社内では、メンバーの状態の変化に気づいてから声をかけるまでに、早くても2営業日かかっていました。社内のデータを掛け合わせ、必要な支えをAIで判定する仕組みにして、朝の5分で動けるようになりました。

最後に声をかけて話を聞くのは人が担い、数値だけで人の心を判断しないという一線は守っています（AIと役割分担して業務が2営業日→5分に。それでも「もったいない」と言われた理由）。

社内の知見をAIに渡す方法

AIの出来は、渡した情報で決まります。目的と背景、過去の作品の特徴、社員の知見を言葉にして渡すと、平均的な内容との差が出やすくなります。

目的と背景の渡し方

作業の前にゴールを確かめ、経緯と目的、読み手と制約、出力の形をAIに伝えます。AIの出力が一般論にとどまるとき、まず見直すのは何をどの順で渡したかです。指示文の言い回しを工夫するのは、その後です。目的や読み手を伝えずに頼むと、AIは誰にでも当てはまる答えを返します。

私たちのメンバーには、AIで作業が速くなったことに夢中になり、これまでの経緯や原則を考えられていないと指摘された人がいます。そこで、作業の前に「最終的に何を達成したいか」を確かめる習慣にしました。

続いている仕事では、これまでの経緯と、なぜその作業が要るかもAIに伝えます。その結果、着目する視点が良くなったと評価されました（「AIで効率化」はただの手段であり、目的ではないと気づいた話）。

過去の記事からの言語化

最初にまとまった時間をかけ、良い記事の特徴と、書き手の判断の過程を言葉にして渡します。自社らしい記事をAIで作るには、自社らしさが何かを言葉にする必要があるからです。良い記事の何が優れているのか、書き手がどんな順で答えを出したのかは、書き手の頭の中にしかないことが多くあります。

私たちのライターの対談では、最初に10〜20時間をかけて、これまでの記事をAIに読み込ませて特徴を言語化させる方法を話しています。

入力する情報と指示を試行錯誤で直し、手直しの少ない出力に近づけていきます。さらに、優れた書き手の頭の中を分析し、判断の過程を1つずつ言葉にします。そのうえで、AIで再現できるかを探っています。

社員の知見の引き出し

社員の経験や判断は、AIを聞き手にして引き出し、記事の材料にします。AIの時代に記事の差を生むのは、社内のプロが持つ暗黙知だと私たちは考えています。

暗黙知を言葉にし、AIでの制作に組み込むと、AIだけでは出せない中身になります。ただ、社員に「書いて」と頼むだけでは、文章にする手間が壁になります。私たちは、書き手でない社員が記事を作る流れを、次の順に組んでいます。

1. 作りたいコンテンツを決める
2. テーマや職種に合った企画案から選ぶ
3. AIが聞き手になり、テキストの会話で話を集める
4. 自社らしさを覚えさせたAIが編集する
5. できた記事を保存し、ほかの用途にも回す

AIが聞き手になる流れでは、社員は話すことに集中できます。そのため書くのが苦手な社員からも、現場の判断や顧客とのやり取りが出てきます。

AIを前提にした制作の体制

AIで作れる量が増えるほど、確かめる人と監修する人をどう置くかが、成果を左右します。作る側だけが速くなっても、世に出る量と質は変わらないからです。

作る人と確かめる人の分担

作る量が増えても、確かめられる量が同じなら、世に出る量も成果も変わりません。AIを入れると、まず作る人の手が速くなります。ただ、確認や決裁の流れが前のままだと、確認待ちの山ができます。速くなった分は、仕事の流れごと組み直して初めて生きます。

私たちの社内では、AIで記事を月10本から100本作れても、確認できるのが10本なら公開も10本、という状態があちこちで起きていました。そこで、作る人と確かめる人の役割を分けました。

あわせて人数を絞るか集まる時間を増やし、認識のずれを最初から出さない体制にしています（生成AIで生産性が10倍になったのに、成果が変わらない理由）。

社内と外部の分担

制作を外部やAIに任せても、専門の監修と、何に注力するかの判断は社内に残します。任せきりにすると、記事の意図が社内で見えなくなるからです。外部の力を借りるときは、社内の知見と目標から、足りない所だけを頼むほうが進めやすいと私たちは考えています。

パーソルホールディングス株式会社の支援では、コンテンツの量産で流入は増えていましたが、問い合わせや商談につながっていませんでした。私たちは売上への貢献が大きい商材を絞り、狙う語を設計しました。

制作は私たちのディレクターとライター、監修はお客さまが担いました。約1年で法人サイトへの流入は3倍近くに、CV数は5倍以上の月200件以上になりました（パーソルホールディングス株式会社の事例）。

Googleの評価とAI検索での見え方

Googleが問題にしているのは、AIを使うことではなく、価値を足さずに大量のページを作ることです。AIによる概要などに出るための特別な対策も無く、従来のSEOの基本の延長にあります。

生成AIの記事の扱い

生成AIで作ること自体ではなく、価値を足さずに大量のページを作ることが、Googleのスパムポリシーの違反になりえます。

Googleは、生成AIはトピックの調査や構造化データの追加に特に便利だとしています。一方で、ユーザーにとっての価値を付加せずに大量のページを生成すると、スパムポリシーに違反する可能性があるとしています。

対象は、大量生成コンテンツの不正使用に関するポリシーです。どの自動化で作ったかを、読者に分かりやすく伝えることも検討するとよいとしています（Google 検索セントラルの生成 AI コンテンツのガイダンス）。

株式会社ライフテックスの支援では、Googleのコアアップデートの後に記事の順位が全体に下がりました。私たちは地域名を含む語の地域ページを1つずつ作りました。コピーでの量産はせず、地域ごとの独自の要素とファクトチェック、施工事例を入れています（株式会社ライフテックスの事例）。

AI検索での引用

AIによる概要やAIモードに出るための特別な対策は無く、自社の知見を起点にした発信の積み重ねが効くと私たちは見ています。

Googleは、SEOのベストプラクティスはAIによる概要やAIモードでも有効で、追加の要件や特別な最適化は不要だとしています。ページがインデックスに登録され、スニペットを表示できる状態であれば、サポートリンクとして表示される対象になります。

AIのためのテキストファイルや特別な構造化データを、新たに作る必要もないとしています（Google 検索セントラル「AI 機能とウェブサイト」）。

そのうえで私たちは、AI検索で想起されるには、検索数の大小で絞るより、自社の知見を起点に発信するほうが合うと見ています。起点は、自社のナレッジや社員の気づき、お客さまからの質問です（LLMO対策を突き詰めて辿り着いた「脳内SEO」という考え方）。

AIツールの選び方と使い分け

AIツールは、名前で選ぶより、AIを相棒として自由に使う場面と、指示を固めて使う場面を分けることが先です。どのツールでも、使い分けの考え方は同じです。

コンテンツづくりで使われる対話型の生成AIには、ChatGPT・Gemini・Claudeなどがあります。料金や機能は変わりやすいため、この記事では比べていません。

アイデア出しや相談、ラフな下書きでは、自由度を残したほうが気づきを得られます。決まった分類や禁止事項、誰がやっても同じ結果が要る作業では、指示を命令書のように固めます。私たちは、指示を固めるのは次の4つの場面だと考えています（プロンプトはどんなときに必要か？）。

1. 一発で決めたいとき
2. リスクを避けたいとき
3. 誰が実行しても同じ結果が要るとき
4. AIとの対話の調子を切り替えたいとき

コンテンツづくりでは、記事の型や表記の決まりを守らせる工程が、3つ目に当たります。企画の壁打ちや見出しの案出しは、相棒として使う場面です。

AIで量を増やすときの失敗

AIを使ったコンテンツづくりの失敗は、本数を目的にすること、数回で見切ること、工程を省くことの3つに集まりやすいと私たちは見ています。

本数が目的になる運用

記事は数を増やせば資産になるわけではなく、目的のない量産は手入れの負担として積み上がります。AIを使うと、本数を増やすことは簡単になります。

記事を資産と考えると、増やすこと自体が目的になり、その記事で何を解決するかが抜け落ちやすくなります。質の低い記事は手入れの手間がかかり、メディア全体の評価を下げるおそれもあります。

3,000〜4,000記事あったあるメディアでは、質の低い記事を大量に削除して約2,000記事に絞ったところ、検索順位が上がりました。本数を増やす前に、1本ごとの目的と手入れの手間を見積もります（よく言われる「コンテンツは資産になる」が正しくないと思う理由）。

数回の試しでの見切り

数回試しただけでAIの出来を判断すると、渡す情報を直す前に諦めてしまいます。AIの最初の出力は、期待より平凡なことが多くあります。

目的や背景を、まだ十分に渡していないからです。最初の1問や数回の試しで出来を決めると、直す余地を残したまま使うのをやめることになります。

私たちの対談では、AIへの置き換えが進まない人は、少し触っただけで「自分らしいものは作れない」と諦めていると話しています。出力の精度が低いのは、AIではなく渡した情報のせいだと捉え直すと、直す所が見えてきます。

工程を省く使い方

AIへの不安は、取材や確認の工程を省いて使うことを前提にしている場合があります。工程を省けば、品質が下がるのは自然なことです。

メディア運営の相談では、「AIを使うと品質が下がる」「熱量のない記事になる」という声が出ることがあります。話を聞くと、AIの情報だけで、取材や一次情報の収集を飛ばして作る使い方を想像していることがありました。

私たちは、AIを工程を省く道具ではなく、各工程の作業を速くする道具として使っています。編集部の企画・取材・執筆という従来の作り方も続けています。

AI活用の成果の測り方

AI活用の効き目は、作業時間の短縮ではなく、問い合わせや商談などの成果がどれだけ変わったかで測ります。作業時間や本数は途中の目安として見ますが、それを成果とは呼びません。

作業時間でなく成果の差分

作業が速くなったことと、顧客の数字が変わったことは、別のものです。AIで仕組みを作ると、進んでいる手応えを得やすくなります。

作業時間が減る、見られる数字が増えるといった手応えから、仕組みの完成がいつのまにか目的になります。手応えを感じたときこそ、その差分が成果のどこに出たかを確かめます。

私たちのメンバーは、毎週の分析をAIで半自動にし、半日の作業を1時間の確認にしました。ところが、勉強会で「お客さまの成果へのインパクトは」と聞かれ、「まだこれから」としか答えられませんでした。

半日が1時間になったのは自分の作業時間の差分で、お客さまの数字の差分ではなかったのです（分析業務は半日から1時間に。でも、「どれだけ成果でたの？」に答えられなかった）。

工程ごとの手直しの量

AIを入れた工程の良し悪しは、人の手直しがどれだけ減ったかで見ます。成果の数字は、出るまでに時間がかかるからです。その間に工程を良くするには、もっと近くで測れる物差しが要ります。AIの出力にどれだけ手を入れたかは、工程ごとにすぐ測れます。

私たちは、すべてをAIで完結させず、人がやる部分とAIでやる部分を分けて、最終の確認は人が行っています。そのうえで、修正がどれだけ少なく、求める出力にどれだけ近いかを追っています。手直しが減らない工程は、渡す情報か工程の分け方を見直す合図です。

問い合わせまでの道筋

AIで量を増やす前に、記事から問い合わせ・受注までの道筋を描き、成果に近い指標を置きます。道筋が無ければ、本数や流入が増えても成果は増えません。AIで作る量を増やすほど、この差は大きくなります。先に道筋を描くと、どの記事を作り、どこを直すかが決まります。

株式会社SAKIYOMIの支援では、社内で3ヶ月に約100記事を作り、一定の順位は取れていましたが、セッションに対してCVがかなり少ない状態でした。私たちはKPIをPVからCVに切り替えました。

まず記事内のCTAの設置から着手し、新規記事と並行して、CVのある記事の手直しも進めました。メディアからの受注は月5件で安定し、取り組み前の3倍になりました（株式会社SAKIYOMIの事例）。