AIで書けても、そのまま使えない
生成AIに「この内容で書いて」と頼めば、それらしい文章はすぐ出てきます。ただ、読み返すとどこか薄い。数字が本当に合っているか不安が残りますし、一般論ばかりで自社らしさもありません。放っておくと、他社の記事と似た中身になります。
最初はプロンプトを練り込んでいました。ただ、1つのプロンプトに「調べて、構成して、書いて、事実確認して」を全部詰め込む限り、どの工程も中途半端になります。そこで発想を変え、記事を作る工程そのものを役割ごとに分けることにしました。人間の編集部と同じやり方です。
役割分担で作る「AI編集部」の全体像
役割を分けて、ひとつの「編集部」にする
やったことは、ひとことで言えば役割分担です。進行を管理する司令塔のエージェントの下に、調査・分析・執筆・校閲・図解づくりといった専門家のチームを構成しました。担当といっても人ではなく、役割ごとに用意したサブエージェントです。役割と指示を固定してあるので、毎回品質がブレません。人間が操作しているのはClaude Codeのメインエージェントだけです。
1本の記事は、ざっくりこんな流れで進みます。
- 読者のニーズや競合・先行コンテンツを調べる（リサーチャー）
- 何を伝えるか、どんな構成にするかを設計する（プランナー）
- 自社ならではのネタや視点を選ぶ（編集方針）
- 構成に沿って書く（ライター）
- 数字や固有名詞の事実確認をする（校閲・事実確認）
- 書き手とは別のAIがレビューして直す（校閲・添削）
- 記事の形にして、図解とアイキャッチを作る（デザイナー）
このなかで特に重要なのは、「自社ならではのネタや視点を選ぶ」工程と、「レビューを書き手とは別のAIに任せる」の2つです。
役割ごとに、ツールも使い分ける
役割ごとに、裏で動くツールも分けています。ただ、私たちが触る入り口はClaude Codeひとつだけ。各サービスの画面を個別に開いて操作しているわけではありません。指示も確認も、すべてClaude Code上のテキストのやり取りで完結しています。
とはいえツールは手段にすぎません。効いているのは「役割を分けて、工程で品質を作る」という設計のほうです。
役割を分けると、何が変わるか
役割を分ける一番の効き目は、各担当に渡す情報を必要なぶんだけに絞れることです。一度に全部を考えさせると注意が散りますが、「調べる」「校閲する」と仕事を限定すると、それぞれの精度が上がります。
切り分けは2層あります。役割ごとに担当を立てるのが「サブエージェント」（書き手と別の目で率直に直せる）、その仕事の手順を型として覚えさせるのが「スキル」（毎回プロンプトを書き起こさず、同じ品質で動く）。
質は、書く前の準備とレビューで育てる
良い記事は一発では出ません。AIで記事を作って精度が上がらない、という相談をよくいただくのですが、つまずいているのはたいていここです。質を支えているのは、「書く前の準備」「書いた後のチェック」「レビューを続けて育てること」の3つです。
書く前に、読者のニーズを分解する
いきなり書き始めず、読者のニーズを分解します。「主に何を知りたいのか」「どんな人が読むのか」「知りたい・比べたい・決めたいのどの段階にいるか」「何が書いてあれば満足か」。こうした軸に分けて棚卸しし、あわせて競合や先行コンテンツを調べて、押さえるべき範囲と、まだ誰も触れていない切り口を見つけておきます。この設計図がないと、AIはきれいな一般論を量産してしまいます。
チェックは、書き手とは別のAIに任せる
書いた後のチェックは、執筆したAIにはやらせません。事実確認もレビューも、書き手とは別のサブエージェントに担当させます。人でも自分の原稿は粗が見えにくいのと同じで、書き手と校閲を同じAIにすると、どうしてもチェックが甘くなるからです。
ひとつは事実確認。本文の数値・製品名・年月をGeminiの検索連携で裏取りし、出典のない”それらしい数字”を洗い出します。読んでいて違和感のない「ありそうな嘘」は人が目視するだけだとすり抜けるので、ここで止めます。もうひとつはレビュー。数十項目のチェックリストで添削と修正を繰り返し、最後は人が見ます。書き手と校閲を切り離すだけで、チェックはぐっと厳しくなりました。
レビューの結果を、エージェントに反映して育てる
レビューでいちばん大事なのは、見つかった粗をその場で直して終わりにしないことです。指摘は、チェックの基準やAIへの指示そのものに書き戻していきます。
GiftXでは、記事を1本仕上げるたびに「うまくいかなかった点・直した点」を振り返り、その学びを手順（スキル）に書き戻す作業自体を、フローに組み込んでいます。改善が個人の心がけ任せにならず、必ず次の記事に効くようにするためです。
そうやってレビューの学びをAIの仕組みに反映していくと、記事を重ねるほど次の初稿の精度が上がり、作れば作るほど、はじめから質の高い原稿が出てくるようになります。育てているのは、目の前の1本だけでなく、記事を作るAIの仕組みそのものです。
独自性は「自社しか書けない情報」で出す
AIが上手に書けるのは、結局「どこかで読んだ一般論」です。差がつくのは、その会社にしか書けない情報を、読者が知りたいことに沿った形でどれだけ入れられるか。
一般論と「自社しか書けない情報」を分ける
記事の中身を「AIが書ける一般論」と「自社しか書けない独自情報」に分けてみます。自社のデータ、事例、判断、現場の言葉。この後者を、読者のニーズに沿って意図的に増やしていく。私たちは、これを「選ぶ」工程として独立させています。記事のテーマごとに、使える独自ネタ（自社の事例、導入の前と後の変化、自社ならではの視点、手元にあるデータ）を棚卸しして、合うものを差し込みます。
もうひとつ大事なのが、自社の情報を「AIが取り出しやすい形」に構造化しておくことです。事例・データ・現場の判断を、テーマごとに引けるよう整理しておけば、記事のたびにAIが必要な独自情報を選んで差し込めます。独自ネタは持っているだけでは足りず、取り出せる状態にして初めて記事に効きます。
自社の視点は「必ず入る」仕組みにする
AIの気分で入ったり入らなかったりしないよう、全記事に自社の視点が差し込まれるようにしています。属人的な入れ忘れがなくなり、記事全体で一貫したスタンスが保てます。
独自情報の源泉は、メディアごとに変える
源泉はメディアごとに変えています。消費者向けのギフトメディアなら、掲載商品の実データや、ギフト選びのミスマッチを解消する知見、自社で取った消費者調査。マーケ・営業向けのこのAIメディアなら、自社のAI活用・支援の一次事例や、実務でぶつかった判断・つまずき、現場の数字、という具合です。
気をつけているのは、独自でありさえすればいい、ではないこと。読者のニーズから外れた独自情報は、ただの自己満足になってしまいます。だから「読者が知りたいこと」と「自社しか出せる答え」が重なるところを狙います。
制作物によって変えること
ここまでが共通の話です。実際には、作るものによって少しずつ変えています。
骨格は共通、変えるのは独自情報と導線だけ
検索から読まれるSEO記事は、消費者向け（ギフトメディア）とビジネス向け（このAIメディア）の2つを運用しています。骨格、つまり「競合を調べ、意図を分解し、構成して書き、事実確認とレビューで育てて記事にする」流れは共通で、媒体ごとに変えるのは「読者・独自情報・導線」だけです。
その作り分けも毎回ゼロから考えず、トンマナや構成を型として決めてあります。だから新しいテーマでも立ち上げが速く、続けるほど1本にかかる手間も軽くなります。骨格は共通に、変えるところだけ型で。これが効率と質を両立させるコツでした。
いっぽう、いま読んでいただいているような事例記事は、検索ではなくSNSで読まれることを想定しています。SEOの定型をあえて外し、読み物としての面白さを優先しています。この種類で効くのは、とにかく具体です。「効率化できました」ではなく、「何を・どうやって・どこでつまずいたか」。試した回数、使ったツール名、ボツにした案まで書くほど、価値が出ます。
どこまでをAIに任せ、どこは人がやるか
設計で大事なのは、どこまでをAIに任せるかの線引きです。「全部自動化」は、正解ではありませんでした。
型はAIに、判断と設計は人に
線の引き方はシンプルで、型が決まっているところはAIに、判断や設計が必要なところは人に。定型のリサーチ、構成のたたき、初稿、表記チェック、レビューの一次添削は、AIに寄せています。
いっぽうで、人が握っておくべきところがあります。そもそもの成功事例を作ること。自社ならではのナレッジや強みを整理して設計すること。何を独自の価値として伝えるか、これは公開していい内容か、という判断。ここは独自性のいちばんの源泉で、AIはそれを言葉にして整える補助にとどまります。
これから始めるなら
いきなり全部をつなげる必要はありません。まず制作工程を分解し、型にできるところだけAIに任せる。その入り方を、ざっくり4ステップにすると次のとおりです。
- 制作工程を「型にできる作業」と「人の判断が要る作業」に分解する
- 型にできる工程（調査・構成案・部分的な執筆）から、1つずつAIに任せる
- レビューを必ず通す関門として工程に組み込む
- 自社の独自情報が必ず入る仕組みにする
どこから手をつけるかは、いまの状況によって変えるのがおすすめです。
- まだAIを業務に使えていないなら：調査や構成案づくり、部分的な執筆など、切り出しやすい工程から任せてみる。1工程ずつで十分です。
- すでにチャット型AIを使っているなら：過去にうまくいった記事から「型」（構成・トーン・チェック基準）を抜き出し、その工程を少しずつ仕組み（スキル）に落としていく。
型化できるところから少しずつ任せて、人は人にしかできないところに時間を使う。それがいちばん現実的だと感じています。
まとめ
AIで記事を作ること自体は、もう難しくありません。差がつくのは、設計のほうです。質は、書く前の準備と、レビューで育てる反復で。独自性は、読者ニーズに沿った「自社しか書けない情報」で。どちらも、才能ではなく仕組みで高められます。
私たちGiftXは、「人の温かみを宿した進化を。」というミッションを掲げています。定型の作業はAIに任せ、人は「何を伝えるか」という人にしかできないところに集中する。テクノロジーで人の仕事や創造性を前に進める。
AI編集部 は、その実践のひとつです。自分たちでまず作って、使って、つまずきも含めて分かった上で、企業のAIエージェント構築支援も行っています。
