コンテンツ制作における AI との協働ライン：どこまで機械に任せ、どこから人が書くか
一、まず「コンテンツ」を四つの成分に分解する
「AI はコンテンツを書けるか」の議論が結論に至らないのは、「コンテンツ」が混合語だからです。実際には四つの成分から成り、成分ごとに AI の適性はまったく異なります。
| 成分 | 何か | 例（産業機器の製品ページ） | AI 適性 |
|---|---|---|---|
| 事実 | 検証できる客観情報 | 耐荷重 12kN、IP65、納期 8 週間、CE 番号 | ❌ 低い（捏造する） |
| 構成 | 情報の組み立て方 | 結論を先に、パラメータは表で、FAQ で締める | ✅ 高い |
| 表現 | 言語の流暢さと読みやすさ | 「当社は卓越した品質を誇ります」を「精度 ±0.02mm」に書き換える | ✅ 高い |
| 判断 | 意見、取捨、優先順位 | 「この用途では空圧方式はおすすめしません。なぜなら……」 | ❌ 低い（立場がない） |
この表の使い方は簡単です。
- 事実 → 人が用意する（技術部、財務、契約書から取る）
- 構成 → AI に任せる（情報を整理するのが得意）
- 表現 → AI に任せる（ただし用語は人が確認）
- 判断 → 人が書く（AI の判断には根拠がなく、確率しかない）
四つの成分がそろって、はじめてコンテンツとして成立します。事実がなければ空疎になり、構成がなければ機械が読めず、表現がなければ人が読み進められず、判断がなければ読者は何も学べません。
二、安心して AI に任せられる部分
以下のタスクは、AI が「急いでいる同僚」より優れた成果を出しやすく、リスクも抑えられます：
| タスク | メリット | リスク | 検証方法 |
|---|---|---|---|
| 口語的な表現を書き言葉に直す | 時間を50%削減 | 用語が書き換わる | 用語集と照合 |
| 散らかった情報を表に整理する | 構造が明確 | 列のずれ、データの行ずれ | 数字を1行ずつ照合 |
| 長文を要約に圧縮する | 時間を削減 | 重要な限定条件が抜け落ちる | 「〜の条件下で」が残っているか確認 |
| FAQ の候補質問リストを生成する | 網羅性が上がる | 実際の顧客に合わない質問 | 営業担当の実際のやり取りに差し替える |
| アウトラインに沿って段落を書き足す | 時間を削減 | 情報量のない文で埋める | 各段落に具体的な情報があるか確認 |
| 多言語の初回翻訳 | 大幅な時間削減 | 用語の誤り、トーンのずれ | 人手による通読 + 用語の照合 |
| タイトルの長さと説明文の文字数を確認 | 正確 | なし | —— |
| Schema 構造化データを生成する | 正確率が高い | フィールドのマッピングミス | 構造化テストツールで検証 |
実用的なコツがひとつ：AI には「足し算」より「引き算」をさせるほうが安全です。
- 安全：800字を200字に圧縮する（削るだけなので、事実が勝手に生まれることはない）
- 危険：200字を800字に膨らませる（書き足すので、事実が作られるおそれがある）
そのため、フローの設計では次をおすすめします。まず人が事実を十分に書き、AI には圧縮・再構成・書き換えをさせる。逆に、空っぽの枠組みを AI に膨らませるのは避けてください。
三、AI に任せてはいけない4種類の内容
第一類：あらゆる具体的な事実の記述
| コンテンツ | リスク | 結果 |
|---|---|---|
| パラメータ、仕様 | AI は「ついでに」もっともらしい数字を補う | 顧客の選定ミス、返品やクレーム |
| 認証番号 | 形式だけ正しい番号を捏造するおそれ | 顧客の確認で捏造が発覚し、信用が崩壊 |
| 納期、MOQ | 楽観的な数字を出すおそれ | 営業の約束を履行できない |
| 法令条文の引用 | 存在しない条文や古い版を引用するおそれ | 法的リスク |
| 顧客事例の詳細 | 業界、規模、結果を捏造するおそれ | 顧客が気づくと強い不信感を抱く |
事実に関する絶対ルール：すべての数字、番号、名称、日付は、追跡可能な出典に基づかなければならない。コンテンツチームに次のルールを設けます。数字を含む文はすべて、編集者がその数字の出典ファイルを示せなければならない。
第二類：立場と取捨の判断
AI は「サイト制作と広告はどちらも重要」とは書けても、「あなたのケースでは、まずサイト制作をおすすめします。なぜなら……」とは書けません。
| AI の典型的な出力 | 問題 |
|---|---|
| 「どちらにも長所と短所があり、企業は自社の状況に応じて選ぶべきです」 | 正しいが情報量がなく、読者の役に立たない |
| 「多面的な要素を総合的に考慮することをおすすめします」 | 言っていないのと同じ |
読者（そして AI 検索レイヤー）が本当に必要としているのは、明確で根拠のある取捨です。そして取捨には判断責任が伴います。これは AI には負えません。
第三類：実体験と細部
この類は GEO と最も直接的な関係があります。
| コンテンツの種類 | AI 生成の特徴 | 人の経験の特徴 |
|---|---|---|
| よくある誤り | 一般論（「品質に注意する」） | 具体的（「第3工程が最も見落としやすい。なぜなら……」） |
| 顧客の質問 | 教科書通りの質問 | 実際の顧客の生の言葉 |
| 現場の細部 | なし | 温度、騒音、時間、数量、ハプニング |
| 失敗談 | 通常は書かない | 実際のプロジェクトで起きた手戻りと修正 |
このカテゴリが特に重要な理由：大規模モデルは回答するとき、ますます引用する傾向がある「独自の情報を含むコンテンツ」を。あなたの記事のすべての主張が他の場所で見つかるなら、AI にとっての引用価値は低い——AI は「どこにでもある」説を引用する必要がないから。
つまり「AI が書いたコンテンツ」には GEO 上の隠れた弱点がある：平均的な表現を生み出しやすく、平均的な表現こそ最も引用されにくい。
第四のカテゴリ：顧客と契約に関わるコンテンツ
| コンテンツ | AI に任せられない理由 |
|---|---|
| 顧客名、プロジェクトの詳細 | 守秘義務と信頼リスク |
| 見積もりと商務条件 | 商業的に機密性が高く、AI が誤った表現をする可能性がある |
| 協業中のコミュニケーションの言い回し | 具体的な関係性と経緯の理解が必要 |
| 顧客事例の表現方法 | 顧客の確認が必要 |
四、AI コンテンツにはさらに二つの隠れたコストがある
コスト1：同質化が引用される確率を下げる
業界全体が AI でコンテンツを生成すると、コンテンツプールに表現も構造も似たテキストが大量に現れる。
| 現象 | 結果 |
|---|---|
| 多くの記事が同じ構造、同じ文型を使う | 検索層が区別しにくく、情報の増分が最も大きいものを選ぶ傾向がある |
| 事実密度が全体的に低い（抽象的論述ばかり） | 具体的な数字を含むコンテンツのほうが目立つ |
| 意見の収束 | 独自の立場がない記事は引用される理由を欠く |
これは実はチャンスだ：同業他社が AI で平均的なコンテンツを大量生成しているときに、リアルなデータ、リアルな細部、明確な判断を含むコンテンツは際立つ。これが「AI が効率を上げた」ことは「AI がコンテンツ業務を代替できる」ことを意味しない理由でもある。
コスト2：E-E-A-T のエンティティシグナルの欠如
検索エンジンと AI のコンテンツ評価は、ますます著者エンティティのシグナルに依存している。一方、AI が生成したコンテンツは通常：
| 欠落項目 | 影響 |
|---|---|
| 著者の署名と経歴 | 著者エンティティを構築できない |
| 具体的な日時と場面 | 鮮度と適用性を判断できない |
| 引用元 | クロスチェックできない |
| 独自の経験の記述 | 信頼性を構築できない |
補い方はとても地味だ：各コンテンツに署名（実在の人物）、具体的な日付、検証可能なデータソース、一次経験の記述がある。この四つは AI にはできない——コンテンツチームがプロセスの中で実行しなければならない。
五、実行可能な制作フロー
私たちが社内で使っているフローは「人が事実を定める → AI が構造を組む → 人が判断を書く → AI が表現する → 人が検証する」：
| ステップ | 担当 | 成果物 | 重要な制約 |
|---|---|---|---|
| ① テーマと事実リストの確定 | 人 | 事実リスト（数字、出典、場面） | すべての数字に出典が必要 |
| ② 構造の構築 | AI（人がアウトラインを決定） | 章の骨格 + 表の枠組み | 構成は人が決め、AI に自由に書かせない |
| ③ 判断と経験を書く | 人 | 各章の核心となる主張 + 具体的なディテール | 実際のプロジェクトに基づくこと |
| ④ 文章に展開する / 表現を磨く | AI | 初稿完成 | 段落ごとに事実が変わっていないか確認 |
| ⑤ 検証と公開 | 人 | 最終稿 | 以下の品質チェックリストを通過させる |
この流れの時間配分はおおよそ、①③⑤（人）が60%、②④（AI）が40%です。しかし作業量（文字数）で見ると、AI が7割以上を担っています——人の時間は判断と検証に、マシンの計算資源は文章の展開に使われるのです。
具体的な活用例（製品ページのFAQ）：
| ステップ | 具体的なやり方 |
|---|---|
| ① 人が事実 | 営業担当者から過去3か月に顧客が実際に聞いた質問（原文のまま）を集める |
| ② AI が分類 | AI に30件の質問を8グループに分類させ、重複や類似項目を洗い出す |
| ③ 人が回答を書く | 各回答はその業務を担当する同僚が作成し、数字と条件を含める |
| ④ AI が推敲 | トーンを統一し、長さを調整し、つなぎの文を補う |
| ⑤ 人が検証 | 数字を1件ずつ照合し、「ついでに足した」誤情報がないか確認 |
六、公開前の品質チェックリスト
8項目、それぞれ数十秒で済みますが、ほとんどの問題を防げます：
| # | チェック項目 | 不合格時の対応 |
|---|---|---|
| 1 | すべての数字に出典はあるか？ | 出典が見つからなければ削除 |
| 2 | 検証できない形容詞（リーディング、トップクラス、最高）が使われていないか？ | 具体的な事実に置き換える |
| 3 | 各段落に具体的な情報があるか？ | 純粋な埋め草の段落は削除 |
| 4 | 限定条件（「〜の条件下で」）が残っているか？ | 補い戻す。AI が圧縮する際に最も失われやすい |
| 5 | AI っぽい表現（「今日の急速に発展する時代において」）がないか？ | 冒頭と末尾を削る |
| 6 | 用語は社内の基準と一致しているか？ | 用語集に沿って統一 |
| 7 | 顧客情報や機密情報が含まれていないか？ | 削除またはマスキング |
| 8 | 著者、日付、出典は揃っているか？ | 補完する（エンティティシグナル） |
このうち2番目と5番目を実行すると、コンテンツ全体の印象が最も大きく変わります。「形容詞を削り、冒頭の決まり文句を削る」ことは、コンテンツの質を最も速く高める一手です。
FAQ よくある質問
最後に
AI がコンテンツ制作に進出してから、最も大きく変わったのは「どれだけ速く書けるか」ではなく、「何が良いコンテンツと見なされるか」という基準が変わったことです。
以前は、構造が整い、言葉が流暢な記事は合格とされていました。今では、そうした記事は無限に生成できるため、もはや強みにはなりません。強みは AI が生成できない部分に移りました。具体的な事実、実際のデータ、明確な姿勢、一次情報の経験です。
ですから「何を機械に任せるか」という問いの答えは、一言にまとめられます。読者が現実をよりよく理解できるようにするものは人に任せ、表現方法にしか影響しないものは機械に任せます。
これが私たちの内部でいちばんシンプルな判断基準です——「この一文が間違っていたら、誰が傷つくか？」傷つく可能性があるなら、自分で書く。