見出し画像

同じ情報から記事・資料・画像を作ったのに、なぜ内容がずれる？複数成果物を一貫制作する基本設計

南翔伍 / AIコンパニオンとSNSの間くらいの「Jams」開発中

一つのテーマについて、AIで調査レポートを作った。

そのレポートをもとに、経営者向けの要約、社内説明用のスライド、note記事、インフォグラフィック、FAQ、SNS投稿も作った。

一見すると、効率よく多くの成果物を作れています。

ところが、確認してみると問題が出てきます。

記事では「特定の条件で効果が期待できる」と書いているのに、SNS投稿では「AIを導入すれば生産性が上がる」と断定している。スライドでは市場規模が1兆円、図解では1.2兆円になっている。調査レポートを修正したのに、古い数字がFAQと営業資料へ残っている。

同じ情報から作ったはずなのに、成果物ごとに別の事実や結論が生まれてしまう。

AIで制作できる形式が増えるほど、この問題は起こりやすくなります。

複数成果物を一貫して作る鍵は、媒体ごとにAIへ一から作らせることではありません。確認済みの原本、中心命題、対象者別の目的、媒体仕様、更新経路を、一つの制作システムとして設計することです。

AI活用成熟度のフェーズ5では、主張、数値、出典、反証、不確実性を管理し、原稿から根拠へ戻れる状態を作りました。

フェーズ6では、その確認済み情報をもとに、記事、スライド、画像、FAQ、SNS投稿など、用途の異なる成果物へ展開します。

ただし、成果物の数を増やすことが目的ではありません。

一つの確認済み情報基盤から、対象者と利用場面に合わせて情報を再構成し、事実・数値・中心命題をずらさず、実際に使える一式として完成させること。これがフェーズ6の目的です。

このシリーズでは、AI活用が単発利用から業務・組織の再設計へ進む過程を、12のフェーズに分けて解説します。


フェーズ6では、成果物を増やすのではなく「一式として使える状態」を作る

フェーズ6の「複合成果物の制作」とは、一つの調査や案件情報から、複数の形式を生成することだけではありません。

たとえば、同じ調査から次の6点を作ったとします。

  • 詳細な調査レポート

  • 経営者向け1ページ要約

  • 社内説明用スライド

  • note記事

  • インフォグラフィック

  • SNS投稿

ファイルが6点あるだけなら、まだ複合成果物とは言えません。

次の条件を満たして初めて、一式として機能します。

  • 同じ確認済み事実を使っている

  • 中心命題が一致している

  • 対象者ごとに必要情報が選ばれている

  • 各媒体の用途に合う構造になっている

  • 数値・日付・用語が一致している

  • 原本を修正した際、影響する成果物が分かる

  • どれが最新版か判別できる

  • 実際の会議、営業、公開、研修等で利用できる

現在の主要AIサービスは、チャット内の回答生成だけでなく、文書、スライド、画像、コード、アプリ等を編集・再利用する作業環境へ広がっています。

ChatGPT Projectsは、長期的な作業に関するチャット、参照ファイル、プロジェクト指示をまとめるワークスペースです。

Claude Artifactsは、会話から分離した領域で成果物を編集・共有・再利用できます。

Gemini Canvasも、文書、スライド、アプリ、コード等の制作・編集に対応しています。

しかし、複数形式を生成できることと、複数成果物が自動的に整合することは別です。

そこで、フェーズ6では制作を次の8段階へ整理します。

  1. Source of Truthを決める

  2. 中心命題と主張階層を固定する

  3. 対象者ごとの判断・行動を定義する

  4. 成果物マトリクスを作る

  5. 再利用可能な共通素材へ分解する

  6. 媒体ごとに再構成して制作する

  7. 横断整合性を検査する

  8. 版・更新・利用結果を管理する

この8段階は、同じ文章を何度も変換するための手順ではありません。

原本から利用までの依存関係を、外から確認できるようにするための制作構造です。

複数ファイルが存在するだけでは、複合成果物とは言えない

AIを使えば、同じテーマについて短時間で多くのファイルを作れます。

しかし、次の状態では成果物が増えただけです。

  • 記事とスライドが別々の調査を参照している

  • 画像にだけ未確認の数字が入っている

  • FAQの回答が営業資料と異なる

  • SNS投稿が記事より強い表現になっている

  • どのファイルが正式版か分からない

  • 更新漏れを確認する方法がない

成果物数は、品質や価値の指標ではありません。

各成果物が、同じ目的の中で異なる役割を持つ必要がある

複数成果物は、役割が異なっていても、最終目的は共通しています。

たとえば、新しいAI研修施策を社内で提案する場合、次のように役割を分けられます。

  • 調査レポート：根拠を確認する

  • 経営者向け要約：実施判断を支援する

  • スライド：会議で合意形成する

  • FAQ：社員の疑問を解消する

  • 研修教材：実際の行動を変える

  • SNS投稿：外部へ知見を共有する

それぞれの形式は違います。

しかし、同じ事実と中心命題を使い、同じ施策の理解と実行へつながる必要があります。

成果物一式の完了条件を先に決める

制作開始前に、何を作れば一式として完成なのかを決めます。

完成条件：

・確認済み調査レポートがある
・経営判断用の1ページ要約がある
・会議で使える10枚以内のスライドがある
・記事本文と図解の数値が一致している
・主要質問に答えるFAQがある
・公開用SNS投稿が記事内容と一致している
・すべてのファイル名と版が明確である
・原本更新時の修正対象を確認できる

「作れるものを作る」のではなく、利用場面から必要な一式を決めます。

最初にSource of Truthを一つ決める

複数成果物の整合性を保つために、最初に必要なのがSource of Truthです。

日本語では、正式な参照元、単一の正本、信頼できる情報基盤などと表現できます。

ここでは、各成果物が共通して参照する、承認済みの更新元を意味します。

Source of Truthの候補には、次があります。

  • 確認済み調査レポート

  • 主張台帳

  • 事実パケット

  • 承認済みBrief

  • 最新仕様書

  • データセット

  • メッセージ設計書

Source of Truthは、一つの巨大文書である必要はありません。

たとえば、

  • 主張と出典は主張台帳

  • 最新数値はデータシート

  • 中心命題と禁止表現はBrief

  • 用語は用語集

のように分かれていても構いません。

重要なのは、どこが正式な更新元なのかが一意に分かることです。

原本と派生成果物を分ける

原本に含める情報です。

  • 確認済み事実

  • 重要数値

  • 出典

  • 中心命題

  • 主要な反証・限界

  • 許容できる断定の強さ

  • 使用禁止表現

  • 確認日

  • 未確認事項

派生成果物には、次があります。

  • 記事

  • スライド

  • 図解

  • FAQ

  • SNS投稿

  • メール

  • 動画構成

  • 研修資料

派生成果物は、原本を用途に合わせて再構成したものです。

派生成果物側で、新しい事実を勝手に追加してはいけません。

正式な更新元を一つにする

同じ数値を複数のファイルで直接管理すると、更新漏れが起きます。

たとえば、導入率の数字を修正する場合、

  • 調査レポート

  • スライド

  • 記事

  • 画像

  • FAQ

  • SNS投稿

を個別に探して修正する必要があります。

まず正式な原本を更新し、そこから影響対象を確認します。

原本にない事実を、派生成果物で追加しない

SNS投稿を魅力的にするために、記事にない強い数字や将来予測を追加すると、一貫性が崩れます。

画像生成時にも同じです。

AIが空白を埋めるために、もっともらしい数字やラベルを追加する場合があります。

新しい事実を追加する必要がある場合は、派生成果物へ直接足しません。

  1. 原典を確認する

  2. 主張台帳へ追加する

  3. Source of Truthを更新する

  4. 必要な成果物へ反映する

という順で進めます。

原本の状態を明示する

原本には状態を付けます。

  • draft：作成中

  • review：確認中

  • approved：承認済み

  • published：公開済み

  • archived：廃止済み

レビュー前の調査レポートを、正式な根拠として画像や営業資料へ使わないようにします。

Source of Truthは次のように管理できます。

Source of Truth：
版：
確認日：
責任者：
状態：

中心命題：
確認済み事実：
重要数値：
主要な反証・限界：
使用可能な表現：
使用禁止の表現：
未確認事項：

中心命題から、メッセージの階層を作る

原本があっても、各成果物へ何を残すかを決めなければ、一貫した制作はできません。

そこで、中心命題からメッセージの階層を作ります。

基本構造は次です。

  1. 中心命題

  2. 主要理由

  3. 根拠

  4. 反論・限界

  5. 実務提案

  6. 次の行動

たとえば、「生成AI導入と生産性」を扱う場合、中心命題は次のようになります。

生成AIは、特定の業務・対象者・利用条件では作業速度や品質を改善し得るが、効果は一様ではなく、AIが不得意な課題では判断を悪化させる場合もある。

主要理由は次です。

  1. 特定の知識労働で速度・品質改善が確認されている

  2. 効果はタスクと利用者によって異なる

  3. AIが苦手な領域では逆効果も起こる

  4. 個人効率化と組織成果は別である

すべての媒体で中心命題を一致させる

記事では限定的に書いているのに、SNS投稿で「AIは生産性を大幅に向上させる」と書けば、中心命題が変わっています。

文字数が短くても、意味を強めてはいけません。

主要理由は3〜5件へ限定する

理由を増やしすぎると、媒体ごとに採用される理由が変わります。

重要な理由を絞り、各成果物はそこから必要なものを選びます。

媒体ごとに削れる情報と、削れない情報を決める

削れない情報の例です。

  • 結論を限定する条件

  • 重要なリスク

  • 数値の対象年

  • 対象地域

  • 読者の判断を変える反証

  • 安全上の注意

SNSだからといって、重要な限定条件を削除すると誤解を生みます。

断定の強さを媒体ごとに変えない

原本が「可能性がある」なら、画像もSNSも「必ず効果がある」にはしません。

見た目のインパクトを強めることと、主張を強くすることは別です。

タイトル・本文・画像が同じ約束をする

記事タイトルが「条件によって効果が異なる」と伝えているのに、アイキャッチが「AIで生産性2倍」と訴求していれば、読者への約束が一致していません。

次のテンプレートで整理できます。

中心命題：

主要理由：
1.
2.
3.

必ず残す根拠：
主要な反論・限界：
実務提案：
読者へ勧める行動：

省略可能な補足：
禁止する誇張：

対象者ごとに「何を判断し、何をするか」を決める

同じ原本でも、対象者によって必要な情報は異なります。

ここで重要なのは、単に文章の長さや専門用語を変えることではありません。

対象者が何を判断し、次に何をするのかに合わせて情報を再構成することです。

経営者には、判断・選択肢・リスクを渡す

経営者向けには、次が重要です。

  • 今、何を判断するのか

  • 主要な事実

  • 選択肢

  • 必要資源

  • 期待効果

  • リスク

  • 推奨案

  • 次の判断期限

詳細な調査経緯をすべて載せる必要はありません。

ただし、重要な不確実性や反証は残します。

現場担当者には、手順・例外・完了条件を渡す

現場では次が必要です。

  • 何を行うか

  • 必要な入力

  • 作業手順

  • 使用例

  • 禁止事項

  • よくある失敗

  • 例外時の対応

  • 完了条件

経営判断用の比較表だけを渡しても、実務は進みません。

顧客には、自分との関連・便益・次の行動を渡す

顧客向け成果物では、

  • 自分の課題と関係があるか

  • どのような価値があるか

  • 何ができ、何ができないか

  • 料金・条件

  • リスク

  • 次に何をすればよいか

が必要です。

会社側の調査努力や制作工程は、顧客の判断に不要なら省きます。

講師には、進行・教材・確認地点を渡す

研修参加者向け資料と、講師用進行資料は別です。

講師向けには、

  • 各パートの目的

  • 時間

  • 説明ポイント

  • 演習手順

  • つまずき例

  • 確認質問

  • 停止・延長条件

が必要です。

SNS読者には、違和感・中心命題・読む理由を渡す

SNS投稿は、記事の要約ではありません。

次を短く伝えます。

  • 読者が経験している問題

  • 記事の中心命題

  • なぜ読む価値があるか

  • 記事への導線

本文の論証すべてを圧縮しようとすると、読みにくくなります。

対象者設計には次を使えます。

対象者：
現在の理解：
抱えている課題：
この成果物で判断すること：
必要な情報：
不要な情報：
利用場面：
次に取る行動：
誤解させてはいけないこと：

成果物マトリクスを作り、媒体ごとの役割を分ける

複数成果物の役割を、制作前に一覧化します。

各成果物の役割を重複させない

調査レポートと経営要約が同じ長さ・内容なら、経営要約を作る意味がありません。

記事とSNS投稿が同じ説明構造なら、SNSに適していません。

各成果物の役割を分けます。

「念のため作る」を避ける

AIで簡単に作れるからという理由で、

  • 音声版

  • 動画版

  • PDF版

  • 追加スライド

  • 別SNS向け投稿

を増やすと、更新対象が増えます。

実際に利用する成果物だけ作ります。

成果物数ではなく、利用場面から逆算する

「記事、スライド、画像を作る」ではなく、

  • 会議で判断する

  • 顧客へ説明する

  • 社員へ周知する

  • 公開記事で理解を広げる

という利用場面から成果物を決めます。

作らない成果物も決める

今回不要なものを明示します。

今回は作らない：
・動画
・英語版
・顧客向け価格表
・印刷用パンフレット

理由：
現時点で利用予定がなく、更新負担だけが増えるため。

共通素材を、再利用可能な意味単位へ分解する

複数成果物を効率よく作るには、長い原稿をそのまま使い回すのではなく、意味単位へ分けます。

共通素材の例です。

  • 中心命題

  • 確認済み数値

  • 出典付き引用

  • 用語の定義

  • 比較軸

  • ケース

  • 反論

  • FAQ候補

  • 図解に向く構造

  • CTA

  • 禁止表現

  • alt文

  • 免責・注意

文章単位ではなく、意味単位で管理する

記事の第3段落全体を素材として保存すると、他媒体で使いにくくなります。

次のように分けます。

素材ID：F01
種別：確認済み事実
内容：特定の知識労働では、生成AIにより作業速度が改善した研究がある
根拠：研究A
使用条件：対象・タスクを限定して表現する
禁止する変形：すべての業務で生産性が上がると一般化しない

「短くした本文」を共通素材にしない

一度短縮した文章を原本として使うと、削られた条件や反証を戻せません。

原本は確認済み情報を保持し、各媒体の短縮版は派生物として管理します。

図解用の構造と、本文用の論証を分ける

本文では、背景、理由、反論、例外まで説明します。

図解では、読者が理解すべき構造へ絞ります。

たとえば、本文で8つの段階を詳しく説明しても、図解には、

  • 段階名

  • 一行説明

  • 矢印

だけを載せる方が有効です。

同じ素材がどの成果物で使われるか記録する

素材台帳に、使用成果物を記録します。

素材ID：
種別：
内容：
根拠：
使用条件：
禁止する変形：
使用成果物：
最新版：
更新日：

これによって、素材を更新した際の影響範囲が分かります。

媒体ごとに、同じ内容を別の構造へ再構成する

複数成果物制作で最も重要なのは、媒体ごとの再構成です。

同じ原本を参照しても、情報を読む順序や利用方法は異なります。

記事は、疑問から結論・理由・反論・提案へ展開する

記事では、読者が抱く疑問や違和感から入り、段階的に説明します。

基本構造は次です。

  1. 読者の場面・疑問

  2. 簡潔な結論

  3. 問題が起きる理由

  4. 根拠・具体例

  5. 反論・限界

  6. 著者の評価

  7. 実務提案

  8. 次の行動

スライドは、一枚一論点で会議の判断順に並べる

スライドは記事を分割したものではありません。

会議参加者が判断できる順番へ並べます。

  1. 判断事項

  2. 現状

  3. 問題

  4. 根拠

  5. 選択肢

  6. 比較

  7. 推奨案

  8. リスク

  9. 実行案

  10. 承認事項

記事の導入や詳細説明は、省略または補足へ移します。

図解は、3秒で理解すべき構造だけに絞る

図解へ文章を詰め込みすぎると、本文より読みにくくなります。

図解で伝えるのは、

  • 全体構造

  • 比較

  • 順序

  • 因果

  • 判断フロー

  • 分類

です。

細かな背景説明や限定条件は、必要に応じて本文へ残します。

ChatGPTの画像生成では、会話によるバリエーション作成、構図やサイズの調整、既存ビジュアルの別対象・別チャネルへの適応が可能です。

これは媒体別制作を速めますが、画像内の数値、ラベル、項目数、意味範囲は本文とは別に検証する必要があります。

FAQは、利用者が実際に検索する問いへ変換する

記事の見出しを、そのままFAQへ使うとは限りません。

読者が入力しそうな問いへ変えます。

悪い例：
複合成果物の整合性について

改善例：
記事とスライドで数字が違う場合、どちらを直せばよいですか？

SNSは、記事の要約ではなく読む理由を作る

SNS投稿には、次を入れます。

  • 読者の経験

  • 記事の中心命題

  • なぜ読む価値があるか

  • URL

記事全体を短くまとめる必要はありません。

動画は、時間軸・場面転換・音声説明へ変換する

動画では、

  • 冒頭のフック

  • 場面転換

  • ナレーション

  • 画面上の情報

  • 視聴維持

  • 終了時の行動

を設計します。

文章の順番をそのまま読み上げても、動画として機能するとは限りません。

重要なのは、

同じ内容を短くする

ことではなく、

同じ原本を、異なる利用順序へ組み替える

ことです。

画像・記事・スライドの横断整合性を検査する

各成果物が完成したら、個別QAだけでなく、横断QAを行います。

確認する項目です。

  • 中心命題

  • 数値

  • 日付

  • 固有名詞

  • 対象地域

  • 対象者

  • 断定の強さ

  • 項目数

  • 順序

  • 用語

  • 色の意味

  • 矢印

  • CTA

  • ファイル名

  • 原本の版

文章では限定しているのに、画像で断定していないか確認する

本文：

特定条件では改善する可能性がある。

画像：

AIで生産性向上。

これでは断定の強さが違います。

画像は短いため、強く見えやすい点に注意します。

7要素を説明しているのに、画像が6項目になっていないか確認する

画像生成では、項目の欠落、重複、順序ミスが起こる場合があります。

  • 数

  • ラベル

  • 順序

  • 矢印

  • 見出し

  • ファイル名

を本文と照合します。

スライドの数値に出典・対象年・確認日があるか確認する

記事の出典欄だけに根拠があり、スライドの数字だけが独立していると、会議中に確認できません。

必要に応じて、スライド内またはノートへ出典を残します。

SNS投稿が記事より強い主張になっていないか確認する

注目を集めるために、

  • 必ず

  • 全員

  • 完全に

  • 最強

  • もう不要

などの強い表現へ変わっていないか確認します。

整合性検査には次を使えます。

成果物A：
成果物B：

確認：
・中心命題は一致するか
・重要数値は一致するか
・対象年・地域・条件は一致するか
・断定の強さは一致するか
・項目数・順序は一致するか
・用語表記は一致するか
・一方だけに未検証情報がないか
・最新版の原本を参照しているか

判定：
CONSISTENT / PARTIAL / CONFLICTED / UNKNOWN

原本を修正したら、派生成果物への影響を追跡する

複数成果物を作ると、完成後の更新が重要になります。

たとえば、

AI導入率40％

という数値を、最新資料に基づいて28％へ修正したとします。

影響する可能性がある成果物です。

  • 調査レポート

  • 経営要約

  • スライド3枚目

  • インフォグラフィック

  • FAQ

  • SNS投稿

  • 動画ナレーション

原本だけ直しても、派生成果物に旧数字が残れば、公開情報が矛盾します。

修正内容だけでなく、影響範囲を記録する

変更ID：
変更日：
変更元：
変更内容：
変更理由：
影響する素材ID：
影響する成果物：
公開済み成果物：
更新担当：
更新期限：
確認結果：

公開済みと未公開を分ける

未公開なら、公開前に更新すれば済みます。

公開済みの場合は、

  • 記事修正

  • SNS訂正

  • 資料差し替え

  • 顧客への連絡

が必要か判断します。

判断基準は次です。

  • 結論が変わるか

  • 顧客や読者の判断へ影響するか

  • 契約・料金・安全性へ関係するか

  • 誤情報が拡散する可能性があるか

更新しない理由も残す

すべての修正を、過去成果物すべてへ反映する必要はありません。

たとえば、過去時点の記録として残す場合は、

2025年時点の資料であり、当時の確認値を維持する

と理由を残します。

廃止した版を明確にする

ファイル名やフォルダで、最新版と旧版を区別します。

approved_v3
published_v4
archived_v2

同じ名前のファイルを上書きし続けると、変更理由を追えません。

同じ調査から6つの成果物を作るケースで確認する

ここでは、フェーズ5で扱った調査を引き継ぎます。

テーマは、

生成AI導入は、どの条件で生産性を高めるのか

です。

Source of Truthを作る

原本に含めます。

  • 確認済み調査レポート

  • 主張台帳

  • 主要研究

  • 反証・限界

  • 確認日

  • 未確認事項

  • 許容する断定

中心命題は次です。

生成AIは、特定の業務・対象者・利用条件で速度や品質を改善し得るが、効果は一様ではなく、AIが不得意な課題では判断を悪化させる場合もある。

この一文を、すべての成果物の基準にします。

経営者向け1ページ要約では、判断材料へ絞る

含める内容です。

  • 結論

  • 対象業務

  • 期待効果

  • 主要リスク

  • 全社展開ではなく小規模実証を推奨

  • 判断事項

  • 次の行動

研究の詳細な手法や引用一覧は、別紙へ回します。

社内説明スライドでは、理解と合意の順に並べる

10枚構成の例です。

  1. 今回の判断事項

  2. 生成AI利用の現状

  3. 効果が確認された領域

  4. 効果が限定的な領域

  5. 主要研究

  6. リスク

  7. 対象業務候補

  8. 小規模実証案

  9. 成功・中止条件

  10. 承認依頼

note記事では、読者の疑問から丁寧に論証する

記事では、

  • AIで本当に生産性が上がるのか

  • 研究では何が分かっているか

  • なぜ結果が分かれるか

  • どのように導入すべきか

を、背景から説明します。

インフォグラフィックでは、構造理解へ絞る

画像候補です。

  • 効果が出る条件

  • AIの得意・不得意領域

  • 個人効率と組織成果の違い

  • 実証の判断フロー

  • 導入前チェック

画像内の数字は、主張台帳と照合します。

社内FAQでは、利用者の疑問へ答える

例です。

  • どの業務で使えますか

  • どの情報を入力してはいけませんか

  • AIの回答をどこまで確認しますか

  • 効果が出ない場合はどうしますか

  • 利用時間は評価されますか

LinkedIn投稿では、記事を読む理由を作る

投稿の構造です。

  • 「AIを導入すれば生産性が上がる」とは言い切れない

  • 効果は業務・利用者・評価方法で変わる

  • 個人効率と組織成果も別

  • 記事で研究と実務導入条件を整理した

  • URL

記事全文を短縮したものではありません。

制作が終わったかは、ファイル数ではなく利用可能性で判断する

複合成果物の制作では、ファイルが生成された時点を完成としません。

完成条件は次です。

  • Source of Truthが明確

  • 各成果物の対象者と目的が明確

  • 中心命題・数値・用語が一致している

  • 配置・ファイル名・最新版が明確

  • 人間確認箇所が示されている

  • 実際の会議・営業・公開・研修で利用できる

  • 原本修正時の更新経路がある

  • 不採用案・旧版が区別されている

  • 利用結果を測る指標がある

作ったが使われなかった成果物を成功と数えない

ファイルが多くても、誰も使わなければ価値は生まれません。

作成数ではなく、

  • 会議で使われたか

  • 判断につながったか

  • 顧客理解が進んだか

  • 問い合わせが減ったか

  • 記事が保存・共有されたか

  • 研修後に業務利用が増えたか

を確認します。

配信後の閲覧・利用・採用・反応を確認する

成果物によって見る指標は異なります。

  • 記事：読了、保存、関連記事遷移

  • スライド：承認、判断、会議時間

  • FAQ：問い合わせ削減

  • 営業資料：商談化、理解促進

  • 研修教材：課題完了、実務利用

  • SNS：記事流入、会話、共有

成果物ごとに目的指標を変える

SNSの表示回数と、経営会議の承認率を同じKPIにはしません。

各成果物が担う目的へ合わせます。

現場で使える複合成果物制作テンプレート

複合成果物Brief

案件名：
最終目的：
中心命題：
Source of Truth：
確認日：
責任者：

成果物一覧：
対象者：
利用場面：
各成果物で促す判断・行動：

共通事実：
重要数値：
反証・限界：
禁止表現：
未確認事項：

制作順：
レビュー順：
公開・利用条件：

メッセージ階層

中心命題：

主要理由：
1.
2.
3.

必ず残す根拠：
主要な反論・限界：
実務提案：
次の行動：

省略可能な情報：
使用禁止の誇張：

成果物マトリクス

成果物：
対象者：
目的：
利用場面：
判断・行動：
必須内容：
省略する内容：
形式：
文字数・枚数：
確認者：
更新責任者：
完了条件：

共通素材台帳

素材ID：
素材種別：
内容：
根拠：
確認状態：
使用条件：
禁止する変形：
使用成果物：
正式な更新元：
最新版：
更新日：

横断整合性チェック

中心命題：
重要数値：
対象年：
地域：
固有名詞：
断定の強さ：
項目数：
順序：
用語：
CTA：
ファイル名：
原本の版：

不一致：
修正対象：
判定：
GO / CONDITIONAL GO / NO-GO

更新影響管理

変更ID：
変更日：
変更元：
変更内容：
変更理由：

影響する素材：
影響する成果物：
公開済み成果物：
訂正の必要性：
更新担当：
更新期限：
再確認結果：

フェーズ6へ到達したかを確認する

次の状態なら、フェーズ6の主要能力を実務で使えています。

  • Source of Truthと正式な更新元を示せる

  • 原本と派生成果物を区別できる

  • 中心命題と主張階層を説明できる

  • 対象者ごとに必要情報を選び直せる

  • 媒体ごとの役割を分けられる

  • 記事・画像・資料間の矛盾を検出できる

  • ファイル名・版・状態を管理できる

  • 原本変更の影響範囲を追跡できる

  • 制作物が実際の業務で利用されている

  • 不要な成果物を作らない判断ができる

  • 同じ制作一式を別テーマでも再現できる

フェーズ6の目的は、生成物を量産することではありません。

一つの確認済み情報基盤から、用途の違う成果物を、矛盾なく、使える状態で届けることです。

フェーズ7へ進む目安は、毎回ゼロから説明しなくても再制作できること

フェーズ6では、Source of Truth、メッセージ階層、成果物マトリクス、素材台帳、横断QAを作りました。

ただし、次の案件でも再びすべての資料をアップロードし、同じ背景やルールを説明しているなら、まだ継続的な作業環境にはなっていません。

次のフェーズ7では、

  • 案件概要

  • 最新資料

  • 過去判断

  • 主張台帳

  • 用語集

  • 品質基準

  • 成果物

  • 更新履歴

をProjectsや案件フォルダ等へ整理し、AIが必要な文脈を継続的に参照できる環境へ進みます。

毎回ゼロから説明する状態から、案件知識を再利用できる状態へ変えていきます。

関連記事

AI時代に価値を生むのは、アイデアそのものではなく、要件、制作、評価、検証、運用へ変換する力だと考察しています。

プロンプト単体から、コンテキスト、ツール、状態、評価を含む設計へ対象が広がった流れを整理しています。

AIとの対話や修正を、その場限りで終わらせず、テンプレート、ルール、テスト、組織知へ変える方法を扱っています。

AI活用成熟度12フェーズ

出典・参考資料

いいなと思ったら応援しよう！

南翔伍 / AIコンパニオンとSNSの間くらいの「Jams」開発中 社会問題×マーケティングが好き / ㍿小さな一歩（前澤ファンド出資先）で養育費の未払い問題にビジネスでトライ→㍿SHIRO創業。社会問題の発見→要因分析→ビジネス考案→実行に必要な資本整備→実行・改善のサイクルが最短で回り社会問題が解決されつづけるインフラを創る。