生成AIで記事、メール、営業資料を短時間で作れるようになっても、マーケティング担当者の仕事がそのまま消えるわけではありません。一方、「人がやるべき仕事はすべて非効率であることに価値がある」と考えるのも、業務を改善するうえでは不適切です。
大切なのは、どの作業を自動化でき、どの事実を確認し、誰が最終的な判断と説明責任を持つかを定めることです。この記事では、少人数のBtoBチームを想定して、AIに委ねやすい作業、確認が必要な作業、原則として人が担う判断を分けます。
「AIが文章を書いた」と「公開する責任を持てる」は別
AIで作った製品紹介に、存在しない機能、誤った料金、許諾を取っていない顧客の証言が含まれていたら、読者にとって問題なのは制作時間の短さではありません。誤りを公開したことそのものです。
米国NISTが2024年に公表したAI RMFの生成AIプロファイル（NIST AI 600-1）は、生成AIに固有のリスクを組織で扱うための自主的な資料です。そこには、もっともらしい誤情報を生成する confabulation、情報のプライバシー、透明性などのリスクが含まれます。
これは米国の任意のリスク管理指針であり、すべての日本企業に法律上同じ手続きが義務づけられているという意味ではありません。しかし、AIの出力を業務へ組み込む前に、誤りが読者や顧客へ与える影響を考える土台になります。
業務は「文章を作る」単位ではなく、工程ごとに分ける
| 業務工程 | AIの使用例 | 人が確認・判断すること |
|---|---|---|
| 調査準備 | 論点や質問候補の整理 | 調査対象、一次資料、参照した版の選択 |
| 構成案 | 読者別の見出し案を比較 | 読者の課題と記事の目的の適合 |
| 初稿 | 承認済みの情報から文章案を作る | 技術仕様、言い過ぎ、法的・契約上の条件 |
| レビュー補助 | 表記ゆれ・矛盾・未定義語を抽出 | その指摘が正しいか、何を修正するか |
| 顧客への配信 | 配信条件や文案を検討 | 同意、停止の意思、セグメント、送信承認 |
| 振り返り | データの要約・仮説候補 | 分母、期間、欠測、原因の断定の可否 |
この表は当サイトの提案する工程設計です。AIを使用できる具体的な範囲は企業の契約・データ分類・社内規程・利用サービスの機能によって異なります。
リスクは三つの質問から判定する
- 入力の問題：顧客の個人情報、未公開の契約、商談の内容、権利処理が必要な資料を扱うか。
- 出力の問題：誤った仕様、価格、事例、技術的な助言が公開された場合、誰にどのような影響があるか。
- 運用の問題：承認者を特定し、作成根拠を記録し、誤りが見つかったとき修正できるか。
例えば社内用の見出し案と、外部へ送る正式な契約変更通知では、同じAIを使ったとしてもリスクの性質が違います。「AIを使う／使わない」の一律禁止より、具体的な業務と資料の機密性、公開先を区別する方が実務的です。
低リスクの反復作業から始める場合
外部公開せず、機密情報を含めず、担当者が容易に正誤を確認できる作業から試す方法があります。たとえば既存の公開記事を元に見出し案を比較したり、公開可能な文章の誤字を洗い出したりする業務です。
その場合でも、AIが誤字を発見したという理由だけで、文章の意味を変えてよいわけではありません。原文と提案差分を残し、担当者が採否を決めます。
効果を測るときは、作業時間だけでなく、確認のやり直し、修正漏れ、読者の誤解などを含めます。AIで初稿が早くできても、レビュー時間と再公開の手間が大きければ、業務全体の効率は改善しないかもしれません。
人が担うべき判断は「手作業」そのものではない
営業とマーケティングの目標を決める、顧客が必要な情報を選ぶ、契約に関わる表現を承認する、取材した本人の発言を公開してよいか確認する。これらは単純な文章生成ではなく、権限と責任を伴う判断です。
AIが有力な選択肢を提示しても、組織が負う責任をAIへ移すことはできません。NISTのAI RMF全体案内は、設計から利用・評価までリスクを管理するための枠組みを説明しています。
一方、すべての文章を担当者がゼロから書くべきという意味でもありません。公開前の説明責任と根拠の検証を維持できれば、草稿づくりや形式変更の一部をAIで助ける余地があります。
製品・事例・数値には出典の台帳を残す
| 公開する情報 | 確認すべき出典 | よくある誤り |
|---|---|---|
| 製品機能 | 承認済み仕様、対象バージョン、公式説明 | 存在しない機能の追加 |
| 価格・契約条件 | 現在の価格表、契約条項、適用期間 | 旧価格や適用外条件の混入 |
| 顧客事例 | 承認済み原稿、掲載範囲、数値提供元 | 架空の発言や成果率を創作 |
| 市場の数値 | 元の調査書誌、調査時点・対象・分母 | 出典や年をずらした主張 |
| Web行動データ | GA4等の設定、期間、フィルタ | 計測の欠けや相関を因果と誤る |
生成AIは出典のように見えるURLや論文名を作ってしまうことがあります。リンクが本文に含まれていても、実在するか、主張の該当箇所を裏づけるか、現行版かの確認が必要です。NISTの生成AIプロファイルは、誤情報だけでなく、根拠を示すように見える架空の引用にも注意を向けています。
AIへ入れてよい情報を、先に決める
社内メールや顧客との打ち合わせ記録には、個人情報や機密情報が含まれる可能性があります。業務に使うサービスの契約・権限・保存条件・学習への利用条件を確認しないまま、データを入力しないことが必要です。
社内で承認されている環境でも、閲覧権限がある資料を無制限に別用途へ使えるとは限りません。資料の利用目的や顧客との約束に照らして、投入する範囲を絞ります。
AI導入が適切だったかを月次で判断する
- 利用した業務と担当者、AIの用途を記録したか。
- 確認者が必要な出典へ戻れたか。架空の引用が残らなかったか。
- レビュー・再修正も含めた時間はどう変わったか。
- 誤記、差し戻し、問い合わせや顧客の誤解は増減したか。
- 効果が不明なら拡大を保留できるか。不適切な使い方は止められるか。
これらは一律のKPIではなく、業務の規模やリスクに合わせた評価例です。機密データや顧客の権利に影響が出た場合、月末の振り返りまで待たずに対応する必要があります。
既存記事と、この記事の役割
AIを使ってBtoB記事を内製するか、外注するか、公開を見送るかという判断は、BtoBコンテンツ制作に生成AIをどこまで使うかで扱っています。本記事は業務の工程・権限・入力情報・検証責任を決めることに焦点を当てています。
また、ひとりBtoBマーケターのRACIと協業では、AIを使う以前に、誰が何を判断する役割かを分けます。AIで制作が速くなっても、判断の責任者が不明なままなら公開品質は安定しません。
出典と本記事の位置づけ
- NIST：AI RMF Generative AI Profile（NIST AI 600-1, 2024）。誤情報、個人情報、リスク管理の考え方を確認。
- NIST：AI Risk Management Framework。自発的なリスク管理、評価と運用の全体像。
- Google検索セントラル：ユーザーを第一にしたコンテンツ。AI生成を含む記事でも、読者の役に立つ正確な内容を優先する公式説明。
- 留保：本記事の業務分類表は当サイトによる実務提案であり、NISTがこの表の採用やAI生成コンテンツの禁止を求めているわけではありません。各企業で適切な運用と法令・契約条件を確認する必要があります。
AIに任せることができる作業と、組織として引き受けるべき責任は同じではありません。速く作ることを目的にせず、顧客にとって何が正しい情報で、誰がそれを説明し直せるかを明確にする。AI時代のBtoBマーケティングの業務設計は、そこから始まります。