広報・PRでAIを使うと、制作は速くなります。そして、人によるチェックが詰まります。

これは想像ではありません。総務省の白書に掲載された企業事例の図に、チェック工程だけが「ボトルネックとなるリスク」と明記されています。

この記事の要点

  • マーケティング・広報の効果実感は36.6％（活用している企業のうち）
  • 制作をAI化すると、人のチェックがボトルネックになる
  • 詰まりを解くには企業固有のルールの学習が要る

⚠️ 以下は2026年8月12日に総務省「令和8年版 情報通信白書」データ集で確認した内容です。企業事例は白書掲載の図にもとづくもので、評価や推奨を行うものではありません。

まず数字を見る

生成AIの活用効果を感じている割合を、業務ごとに並べます。

業務効果を感じる割合
議事録・メール作成補助72.3％
営業・販売37.5％
マーケティング・広報36.6％
カスタマーサポート33.8％
法務28.8％

※その業務で生成AIを活用している企業のうちの割合です。

マーケティング・広報は36.6％。 突出して高い議事録・メール作成補助（72.3％）には及びませんが、業務類型のなかでは上位です。

文章を作る仕事なので、相性がいいのは想像どおりです。 問題はその先にあります。

制作を速くすると、チェックが詰まる

白書に掲載されたサイバーエージェントの事例図は、広告運用のプロセスを「BEFORE / AFTER」で示しています。

BEFORE の構成

工程担い手
制作（自動生成・効果予測）AI
チェック人の目 ← ボトルネックとなるリスク
配信（パーソナライゼーション・ターゲティング）AI
解析（パフォーマンス最適化）AI

4工程のうち3つがAIで、チェックだけが人。 そこに「ボトルネックとなるリスク」という注記が付いています。

当たり前のことですが、見落とされます。 制作が10倍速くなれば、確認すべき量も10倍になる。確認する人の数は変わりません。

AFTER では、チェック工程にも「審査AI」が入ります。 図には「大量の広告の迅速な審査・意思決定が可能に」とあり、審査AIの説明として次の2点が挙げられています。

  • AIによる高精度な自動審査
  • 企業固有のルールを学習

2つ目が要点です。 チェックを自動化するには、その会社の基準がデータとして存在している必要があります。

🔍 編集部の本音 ここが広報・PRという仕事のいちばん面白い部分だと思います。「うちはこの表現は使わない」「この比較はしない」という判断は、たいてい人の頭の中にしかありません。 制作をAIに任せるほど、その暗黙のルールを言葉にする作業が重くなる。言語化できた会社から詰まりが解ける、という構図です。

工程を分けて考える

同じく白書掲載の電通の事例図では、AIエージェントが担う工程が7つに分けられています。

  1. Planning（企画）
  2. Research（調査）
  3. Creative（制作）
  4. Journey（体験設計）
  5. Execution（実行）
  6. Experience（体験）
  7. Measurement & Optimization（測定・最適化）

そしてその基盤として、汎用LLM／生成AIに加え、独自のAIモデルとデータ（顧客データ・生活者データ・業務データ）が置かれる構成になっています。

注目したいのは、汎用のAIだけで完結していない点です。 自社のデータと自社のモデルが土台にある。この構造は、規模を問わず参考になります。

**「AIを導入する」ではなく「どの工程に、どのデータで入れるか」**という考え方です。

なお、これらの図は広告運用・マーケティング領域のものです。広報・PRの業務そのものを描いた図ではありませんが、工程に分けて考える枠組みは共通して使えます。

広報・PRの工程に当てはめる

工程AIとの相性注意
情報収集・調査高い出典を必ず確認する
企画のたたき台高い案を広げる用途。決めるのは人
プレスリリースの初稿高い事実の正誤は人が確認
SNS投稿文の量産高いここでチェックが詰まる
記事・資料の要約高い効果が最も出ている領域
メディアリストの整理中個人情報の扱いに注意
表現の可否判断低い自社の基準が要る
危機対応の判断低い責任を負えない
関係者との信頼構築低い人の仕事

上5つと下3つの間に線があります。 素材を作るのはAI、出していいか決めるのは人です。

そして中間にあるのが「表現の可否判断」です。 ここは自社の基準を言語化できれば、部分的に自動化できる領域になります。

PR・おすすめstrategy career自分らしく働けるエンジニア転職エージェント。公式サイトを見る

明日からやること

1. NGの基準を書き出す

AIに任せる前に、自社の「使わない表現」を一覧にします。

  • 使わない言い回し（誇大、断定、比較）
  • 必ず入れる注記
  • 承認が必要になる条件

これは審査AIの前提であると同時に、人が確認するときの速度も上げます。

2. チェックの工程を分ける

「全部を1人が見る」をやめてください。

見るもの誰が
事実の正誤（数字・日付・固有名詞）担当者
表現の可否基準に照らして機械的に
出していい判断責任者

混ぜると詰まります。 分けると、上2つは仕組みにできます。

3. 出典の確認を工程に埋め込む

AIが書いた文章に、根拠のない数字が混じることがあります。 「調査によると」で始まる一文は、必ず原典を開いてください。

引用や画像の権利は生成AIと著作権、社内情報を入れてよいかの判断はAIに社内情報を入れていい？にまとめています。

残る仕事は何か

制作が速くなるほど、価値が移る先ははっきりしています。

  • 基準を作る（何を出さないか決める）
  • 事実を確かめる（AIは確からしさを判断しない）
  • 関係を保つ（記者や取引先との信頼）
  • 危機に対応する（前例のない判断）

1つ目が新しく増えた仕事です。 これまで暗黙だったものを、再現できる形にするという作業が発生しています。

職種全体の見取り図は職種別・AIで変わる仕事まとめ、営業側の変化は営業の仕事はAIでどう変わる？、経営企画での使われ方は経営企画の仕事はAIでどう変わる？をどうぞ。

FAQ

Q. 広報の仕事はAIに奪われますか？ A. 工程単位で置き換わります。 制作・調査・要約は明確に効きます。一方で表現の可否判断、危機対応、関係構築は残ります。効果実感は36.6％で、業務類型のなかでは上位です。

Q. なぜチェックが詰まるのですか？ A. 制作だけがAI化されるからです。 白書掲載の事例図でも、制作・配信・解析がAIで、チェックのみ人の目とされ「ボトルネックとなるリスク」と注記されています。作る量が増えれば、確認する量も増えます。

Q. チェックも自動化できますか？ A. 事例では「審査AI」により可能とされていますが、そこには**「企業固有のルールを学習」**という条件が付いています。自社の基準がデータとして存在していることが前提です。

Q. 小さな会社でも同じですか？ A. 仕組みの規模は違っても、詰まる場所は同じだと思います。むしろ確認できる人が少ないぶん、基準を書き出しておく効果は大きいはずです。

Q. プレスリリースをAIに書かせてもいいですか？ A. 初稿としては有効です。 ただし事実（数字・日付・固有名詞）の確認は必ず人が行ってください。 誤りが出た場合の責任は発信側にあります。

Q. 中立の立場で「AIを入れなくていい」と言うこともありますか？ A. あります。チェック体制を整えないまま制作だけ速くすると、かえって混乱します。 当サイトは広告会社もAIツールも運営しておらず、提携の有無で評価を変えていません。順番としては、基準の言語化が先です。

まとめ

  • マーケティング・広報の効果実感は36.6％（活用企業のうち）。業務類型では上位
  • 事例図では制作・配信・解析がAI、チェックのみ人で「ボトルネックとなるリスク」と明記
  • チェックの自動化には企業固有のルールの学習が前提
  • 業務は7工程に分けて考えられる（企画・調査・制作・体験設計・実行・体験・測定）
  • 基盤は汎用LLMだけでなく自社のデータと独自モデル
  • 広報に残るのは基準を作る／事実を確かめる／関係を保つ／危機に対応する

次に読む：職種別・AIで変わる仕事まとめ／生成AIと著作権

※本記事は2026年8月12日時点の公表データにもとづく解説です。企業事例は白書掲載の図にもとづくもので、特定企業の評価・推奨を行うものではありません。

出典

最終更新：2026年8月12日／fondantAI編集部