生成AIをマーケティングに使うとき、最初に決めるのはツールではありません。どの業務から着手するかです。 着手順は「参照させるデータが一般知識か自社の知識か」と「アウトプットに人間のレビューが要るか」の2軸で決まります。この2軸で業務を4つの象限に分ければ、投資の重さと踏むべき手順が象限ごとに定まります。

「全社でAI活用を推進せよ」という号令の下で、部署ごとに別のツールが入り、当たり障りのない出力しか出てこない。この状態の原因は、ツールの選定を先にやってしまい、業務の切り分けを後回しにしていることにあります。

本記事では、用途を切り分ける3つの問い、着手順を決める4象限、自社の知識を参照させるRAGの考え方、そして導入の手順と責任の線引きを整理します。

よくある3つの失敗パターン

戦略を立てる前に、先行事例が落ちている穴を押さえておきます。

  1. 目的不在の「ツール導入先行」型。話題のツールを導入したものの、何のために使うかが決まっておらず、現場で使われないまま契約だけが残るケースです。
  2. 成果が見えない「現場任せのPoC」型。担当者が個人レベルで試行錯誤するものの、評価の基準がないため、うまくいったのかどうかを誰も判定できず、次の展開に繋がらないケースです。
  3. リスクを恐れる「思考停止」型。誤情報や情報漏洩のリスクを理由に一切進めないケースです。リスクの大小は業務によって違うので、業務を切り分けずに全体を止めると、低リスクの領域まで止まります。

3つに共通するのは、業務の切り分けを飛ばしていることです。切り分けができていれば、どこから始めるか、どこにコストをかけるか、どこは当面やらないかを区別できます。

用途を切り分ける3つの問い

切り分けは、対象の業務に対して次の3つを答えるだけで済みます。

問い1：目的は「予測」か「生成」か

AIに何をさせたいのか、役割を先に決めます。

  • 分析・予測：顧客データや市場データから、次に購入しそうな顧客層や、反応の良いクリエイティブを推定します。MA（マーケティングオートメーション）で従来から使われてきた領域です。
  • 生成：テキストや画像を新たに作ります。広告コピーの案出し、記事の下書き、個別のメッセージ作成などが該当します。

多くの場合、両者は連携して価値を生みます。予測側が「解約しそうな顧客層」を特定し、生成側がその層に向けたメッセージを作る、といった形です。どちらを主にするかが決まっていないと、次の2つの問いも答えられません。

問い2：使うデータは「一般知識」か「自社の知識」か

アウトプットの独自性を決めるのはこの問いです。

  • 一般知識：公開情報を学習した状態のAIです。一般的な市場の整理やアイデア出しには使えますが、自社特有の文脈は反映されません。
  • 自社の知識：ブランドガイドライン、商品仕様、過去の提案書、問い合わせ履歴など、自社が蓄積してきた情報です。これを参照させて初めて、自社の文脈に沿った出力になります。

「AIが当たり障りのないことしか言わない」という不満の大半は、自社の知識を参照させていないことに起因します。

問い3：アウトプットに人間の判断は必要か

リスクとコストの配分を決める問いです。

  • レビュー不要：誤りが混ざっても影響が限定的な業務に限ります。社内向けの要約やデータ整理などです。
  • レビュー必要：正確性や法的な妥当性が求められる業務です。対外的に出る文書、法規制が絡む表示、ブランドの評判に関わるコピーが該当します。

対外的なアウトプットの責任が誰に帰属するかについては、公開された裁定例があります。Moffatt v. Air Canada（2024 BCCRT 149）では、航空会社のウェブサイト上のチャットボットが遺族割引運賃を事後に申請できると案内した点が争われ、ブリティッシュコロンビア州の民事解決審判所（Civil Resolution Tribunal）が2024年2月に、チャットボットの案内も同社のウェブサイトの一部であるとして同社の責任を認めました。通常の裁判所ではなく行政型の紛争解決機関による裁定ですが、AIが出した案内であることは免責の理由にならないという線引きを示した例として参照できます。

着手順を決める4象限

問い2（データ）と問い3（レビュー）を掛け合わせると、業務が4つの象限に分かれます。問い1（予測か生成か）は、象限の中で手段を選ぶときの軸になります。

象限データレビュー性格
象限1一般知識不要高速試行
象限2一般知識必要ブランド品質
象限3自社の知識不要社内業務の効率化
象限4自社の知識必要戦略的な価値創造

象限1：高速試行（一般知識 × レビュー不要）

公開情報に基づき、人手を介さずに完結させる領域です。該当しやすい業務は次のとおりです。

  • 競合のプレスリリースや新着記事の要約
  • 社内での企画の壁打ち、アイデア出し
  • 海外の資料の翻訳と要点整理

着手前に決めることは、入力してよい情報の範囲です。社外秘や個人情報を入力しない線引きを、最初に文書にしてください。

象限2：ブランド品質（一般知識 × レビュー必要）

公開情報を使いながら、最終的な品質は人が担保する領域です。

  • オウンドメディアの記事やSNS投稿の下書き
  • メール件名や導入文の案出し
  • 広告コピーの案出し

決めることは、事実確認とトーン調整を誰が担うか、そして公開前の承認者です。下書きの量が増えると、編集の工数がボトルネックになります。生成の速度ではなく、編集の処理能力が上限を決めます。

象限3：社内業務の効率化（自社の知識 × レビュー不要）

自社のデータを参照させ、社内で閉じた定型業務を自動化する領域です。閉じているからこそ、レビューを挟まずに運用できます。

  • 営業担当者向けの、社内規程や過去案件に関する質問応答
  • 顧客アンケートの自由回答の分類・要約
  • 大量の社内テキストの整理

決めることは、参照させる社内文書の範囲と更新の責任者、そして誤りが混ざった場合の抜き取り検査の方法です。後述のRAGが必要になるのはこの象限からです。

象限4：戦略的な価値創造（自社の知識 × レビュー必要）

自社の知識を使い、かつ人の判断を加える領域です。対外的に出るものは、自社の知識を使う場合ここに入ります。

  • 顧客対応の返信文の下書き（送信前に担当者が確認する）
  • 景品表示法や薬機法が関わる広告表現の案出しと、法務によるレビュー
  • 重要な顧客への提案書の下書き

前節の裁定例が示すとおり、対外的なチャットボットの応答も自社の説明として扱われます。自社の知識を使う対外的なアウトプットは、象限3ではなく象限4として扱ってください。 社内向けの質問応答と同じ構えで外に出すと、誤りがそのまま自社の説明になります。

着手順

象限1と象限2から始めるのが現実的です。参照させる社内文書の整備が要らないため着手までが短く、失敗しても影響が社内にとどまります。

象限3と象限4は、AIの性能ではなく社内文書の整備状況が成否を決めます。着手前に、参照させる文書が最新か、誰が更新するのかを確認してください。ここが決まらないまま構築すると、公開直後から回答がずれ始めます。

効果を測る指標も、導入前に決めておきます。作業時間の短縮を狙うなら着手前の所要時間を記録し、品質を狙うなら差し戻し件数を記録します。記録がないまま導入すると、成果の有無を後から主張し合うだけになります。

自社の知識を参照させる仕組み——RAG

象限3と象限4で避けて通れないのが「RAG（Retrieval-Augmented Generation）」です。

仕組み

RAGは、AIに自社の資料の持ち込みを許可する仕組みです。質問を受けると、AIはまず自社のデータベース（商品マニュアル、ブランドガイドライン、過去の事例など）から関連する箇所を探し（Retrieval）、その内容に基づいて回答を作ります（Generation）。

効く理由

  • 誤情報の抑制：手元の資料に基づいて答えるため、根拠のない内容を作る余地が減ります。
  • 自社の文脈の反映：用語や仕様が自社のものになります。
  • 更新の容易さ：モデル自体を作り直さなくても、参照させる資料を差し替えれば内容が更新されます。

現実的な課題

  • 参照させる資料が整っていない。社内文書が散在していたり、古い版が混ざっていたりする状態では、正しく探せません。対策は、AIの導入より先に文書の整理と版の統一を行うことです。
  • 更新の担当が決まっていない。資料が古くなれば回答も古くなります。データごとに担当部署と更新のタイミングを決めてください。

どちらも技術の問題ではなく、文書管理の問題です。RAGの成否は、導入前の文書整備でほぼ決まります。

導入の5ステップ

  1. 目的の決定とスモールスタート。象限1か象限2から、成果が見えやすい業務を1つだけ選びます。全社展開から始めないでください。
  2. 推進チームの組成。マーケティング部門だけで進めず、情報システム・法務・営業から数名を入れます。入力してよい情報の線引きは、この段階で法務と詰めます。
  3. ガイドラインの策定。機密情報と個人情報の取り扱い、生成物の権利関係、使ってはいけない表現を、短い文書にまとめます。長い規程より、1枚に収まるほうが守られます。
  4. 試行と評価。期間と指標を決めて試します。着手前の所要時間や差し戻し件数を記録しておき、同じ指標で比べます。
  5. 展開と改善。結果が出た業務から他部署へ広げ、象限3・象限4に進むかを判断します。進む場合は、文書の整備が先です。

関連する論点

AI活用の判断軸そのものを整理したい場合は、AI選定の新常識：「性能」より「思考様式」で選べで扱っています。ツールの性能比較ではなく、自社の業務に対してどの思考様式のAIが要るかという観点です。

AIを会議・合意形成に使う切り口はAIは最高の「議論の設計者」である、マーケティング成果の測り方そのものを見直す議論はROIだけのCMOはもういらないにまとめています。

DXの前提から整理したい場合はDXとは何か？を先に読むと、本記事の位置づけが掴みやすくなります。業務・DXの論点は業務・DXカテゴリに体系立ててあります。

まとめ

  • 着手順は、データ（一般知識か自社の知識か）とレビュー（要るか要らないか）の2軸で決まります。ツールの選定は後です。
  • 象限1・象限2は社内文書の整備が不要で、着手までが短く、失敗の影響が社内にとどまります。ここから始めてください。
  • 象限3・象限4の成否は、AIの性能ではなく社内文書の整備状況と更新体制で決まります。
  • 自社の知識を使う対外的なアウトプットは象限4です。AIが出した案内であることは、対外的な責任の免除になりません。
  • 効果の指標は導入前に決め、着手前の数値を記録しておいてください。記録がなければ、効果の有無を判定できません。