ひとりマーケターが仕事を抱え込みすぎると、企画、実行、確認、改善がすべて一人の予定表で競合します。しかし「実務を手放せば事業が成長する」「外注を増やせば品質も上がる」というわけではありません。外部人材・社内の専門家・AIのそれぞれに何を任せ、どこで人が判断するかを決めることが先です。
最初に、任せる仕事と残す責任を分ける
業務を洗い出し、①目的・対象顧客・成果の決定、②制作や分析の実行、③正確性と権利の確認、④公開承認、⑤公開後の改善に分解します。制作や集計は委託しやすくても、顧客への約束、事業目標、公開の可否などは、権限を与えられた社内の責任者が判断する必要があります。業務によっては技術責任者、法務、情報セキュリティ部門による承認も求められます。
責任を分ける際には「誰が実作業をするか」と「誰が最終承認するか」を別欄に記入しましょう。たとえばBtoB技術記事なら、企画・読者設計はマーケター、技術的事実の確認はエンジニア、表現と出典の確認は編集担当、公開承認は定められた責任者という設計が考えられます。組織によって兼任しても構いませんが、承認者不在は避けます。
委任するかどうかを決める4つの軸
- 反復性:同じ作業を繰り返すか。定型部分は手順化しやすい。
- 専門性:法務・開発・デザインなど、外部または他部署の知見が必要か。
- 情報リスク:顧客情報、契約、未公開情報、認証情報が関係するか。
- 判断の可逆性:公開・配信・削除など、後から回復しにくい行為か。
定型的だから無条件にAIへ渡してよいわけではありません。たとえば顧客情報を含むCRMのデータ整形は定型業務ですが、契約やデータ取扱条件、アクセス権によって実施可能な範囲が変わります。生成AIの業務利用でも、NISTはガバナンス、人の監督、検証、記録などをリスク管理の観点に挙げています。
依頼前に作る「1ページ・ブリーフ」
外注先へ「いい感じに記事を作って」と伝えるより、次の情報を一枚にまとめるほうが判断がそろいやすくなります。これは当サイトが提案する実務テンプレートです。
- Why:事業課題と施策の目的。例:製品比較時の技術上の不安を解消する。
- Who:対象読者、前提知識、購買・導入の立場。
- Deliverable:成果物の形式、必須項目、文字量の目安、公開先。
- Evidence:使用できる一次資料、取材先、引用・著作権の注意。
- Decision:レビュー担当、最終承認者、検収条件。
- Constraint:予算、納期、利用禁止データ、社外共有の可否。
実例として「新しいAPI製品の導入検討者向け技術記事」なら、必要な成果物は記事本文だけとは限りません。APIの動作条件、確認したドキュメント版、サンプルコードの検証結果、非対応ケース、社内のレビュー履歴も成果物に含めると、公開後の更新に耐えやすくなります。
AIと外部人材を混ぜる場合の検収
AIには構成案やチェック観点のたたき台を作らせ、一次資料との照合、著作権、固有名詞、機密性、技術動作などは別のレビューを設けます。自動生成された文章を「専門家が確認した」と表示してはいけません。外部ライターの成果物も、読みやすさとは独立に、事実・根拠・顧客への誤認・ブランド表現をチェックします。
公開後に誤りが判明したときは、誰が公開停止や訂正を判断し、どの記録を残すかも決めておきます。デザインや表現の好みを巡る差し戻しを減らすことと、重要な事実を厳格に確認することは両立できます。
「委任できたか」を作業時間だけで評価しない
削減した作業時間に加えて、修正回数、納期、検収で発見した誤り、公開後の問い合わせ品質、施策目標との適合を振り返ります。単に制作費が下がっただけなら、修正や説明の負担が増えている可能性があります。逆に初回は時間がかかっても、手順と資料が再利用できるなら次回以降の効果を確認する価値があります。
関連記事・主な確認資料
BtoBマーケティングの外注・制作委託、内製・外注・AI活用の判断、仕事の選別とRACI。外部資料:Atlassianのプロジェクト・キックオフ(目的、役割、成功条件)、Atlassianの役割・責任整理、NIST AI RMF Generative AI Profile(生成AIのガバナンスと人による監督)。本記事のブリーフ・判断表はこれらの資料を踏まえた編集上の提案であり、公式が同一様式を要求しているという意味ではありません。
