B2BマーケティングのコンテンツにAIを使う：ChatGPTやJasperか、利用中のプラットフォームのAIか、承認済みの事実で動くエージェントか

AIツールに事例紹介を頼むと、すらすら読める下書きがすぐに返ってきます。ただ、そこには、どの顧客も報告したことのないコスト削減額が入っているかもしれません。B2Bの記事、投稿、メール、営業用ページにAIを使う方法は3つあります。汎用アシスタントやライティングツールを使うこともできますし、すでに料金を払っているマーケティングプラットフォームに組み込まれたAIを使うこともできます。3つ目の方法は、承認済みの自社の事実を集めた一つの基盤をもとに、調査、執筆、確認を行うエージェントの一式で、外に出るものは人が承認します。1つ目か2つ目の方法で足りる場合もあります。どの方法でも、結果は自社で用意する2つのものに左右されます。承認済みの事実を書き出したリストと、名指しで決めた最終承認者です。

AIがマーケティングコンテンツを書くと、どんな問題が起きるのか

1つ目の問題は、誰もモデルに与えていない事実が、自信ありげに書かれることです。Anthropicのドキュメントには、「Claudeのような最先端の言語モデルでさえ、事実と異なるテキストや、与えられた文脈と矛盾するテキストを生成することがあります」とあります。Googleのサイト所有者向けガイダンスは、その理由をこう説明しています。「生成モデルは事実を取り出すのではなく、学習データに基づいて、ありそうな単語の並びを予測します」。マーケティングの文章で言えば、もっともらしく聞こえるのに出典のない割合、顧客名、認証、機能がこれにあたります。

同じ仕組みは、自社らしい語り口も損ないます。自社の素材とルールがなければ、ありそうな言い回しは誰もが使う言い回しになりがちで、自社の投稿が競合の投稿と同じように聞こえはじめることがあります。Googleは、「ユーザーにとっての価値を加えずに、生成AIツールやその他の類似ツールを使って多くのページを生成すると、大量生成コンテンツの不正使用に関するGoogleのスパムポリシーに違反する可能性があります」とも警告しています。

次に、誰も承認していない主張の問題があります。英国の非放送広告の規約であるCAP Codeは、「マーケターは、消費者が客観的なものとみなす可能性が高く、かつ客観的に立証できる主張について、それを証明する文書による証拠を保持しなければならない」と定めています。また、「マーケティングコミュニケーションで使われる推薦の声や推奨が本物であること」を示す証拠も求めており、モデルが作り上げた顧客のコメントは、この基準を満たしません。米国のブローカー・ディーラーについて、FINRAは「企業は、人間が作成したかAI技術が生成したかにかかわらず、自社のコミュニケーションに責任を負う」と述べています。

最終チェックの担当者がいなければ、こうした問題はそのまま読者に届きます。書き手は編集者を信頼し、編集者はツールを信頼していると、誰も数字を読んでいないことになります。

ChatGPTやJasperのようなライティングツールから、何が得られるか

1つ目の方法は、ChatGPTやClaudeのような汎用アシスタントか、JasperやWriterのようなビジネス向けのライティングツールです。Anthropicによると、Claudeのプロジェクトは「独自のチャット履歴とナレッジベースを持つ、独立したワークスペースを作成できる」もので、トーンを設定できる指示も加えられます。

汎用アシスタントでも、簡単なファクトチェックならできます。Anthropicのドキュメントにあるプロンプトの例は、「これらの製品概要と市場レポートの情報だけを使って」プレスリリースを書くよう求めています。続けて、「ある主張を裏づける引用が見つからない場合は、その主張をプレスリリースから削除してください」と指示しています。このやり方は、どのチームでも自社のファクトシートを使ってまねできます。小さなチームなら、それだけで足りるかもしれません。

限界は、こうしたツールの使われ方から生じます。書き手はそれぞれ自分のプロンプトとファイルを持っているため、ある人は今四半期のファクトシートから、別の人は昨年のものから下書きを作ります。仕組みを整えない限り、主張の出どころを記録するものも、誰も読んでいない下書きが外に出るのを止めるものもありません。設定も、誰かが接続するまで効かないことがあります。Writerのヘルプセンターは、「WRITER Agentで生成される出力にスタイルガイドと用語を適用するには、まずそれらをボイスプロファイルに接続する必要があります」と注意を促しています。読み込める量にもプランごとの上限があり、JasperのProプランには「ブランドボイス2つ、ナレッジアセット5つ、オーディエンス3つ」とあります。

利用中のマーケティングプラットフォームのAIは何を加え、どこまでが限界か

2つ目の方法は、すでに料金を払っているツールに組み込まれているかもしれないAIを使うものです。HubSpotのヘルプページには、「HubSpotのAIツールを使って、生成したコンテンツや自分で書いたコンテンツを、ブランド固有のボイスに合わせて調整しましょう」とあります。製品ページには、「ブランドボイスで、ブログ記事、ソーシャルコンテンツ、ランディングページを作成」という一文とともにContent Agentが載っています。Adobe GenStudio for Performance Marketingは、ガイドラインのうちいくつに合格したかに基づいて、各下書きに「ブランドへの準拠率」を示します。Campaign Managerのシングル画像広告について、LinkedInは「見出し、紹介文、推奨ビジュアルを含む、複数の広告バリエーションを生成できる」としています。

この場合、下書きは、コンテンツの配信予約や効果測定を行うのと同じ場所で、すでに管理しているユーザー権限のもとで作られます。欠点は、視野が狭いことです。プラットフォームごとに独自のコンテンツと設定を持つため、HubSpotのメールとLinkedIn広告とで、書かれている事実が少しずつずれていくことがあります。承認の機能には、上位のプランが必要な場合があります。HubSpotは「特定のコンテンツタイプの承認設定を利用するには、Enterpriseサブスクリプションが必要です」と述べ、さらに「スーパー管理者は承認をスキップできます」としています。

ブランドスコアが数えるのは、下書きが守っているガイドラインの数です。原稿の中の数字が正しいかどうかは別のチェックなので、プラットフォームが主張を何と照らし合わせているのかを確認してください。プラットフォームが今ではエージェントと呼んでいる機能については、事実の出どころと、結果を誰が承認するのかを尋ねてください。

承認済みの事実をもとに動くエージェントは何を加え、どれだけのコストがかかるか

エージェント構成では、仕事を複数のAIエージェントに分担させます。Anthropicは、エージェントを「多くの場合、環境からのフィードバックに基づき、ループの中でツールを使うLLMにすぎない」と説明しています。LLMは大規模言語モデルのことで、ツールとは、ウェブ検索や文書ストアのように、モデルが呼び出せる機能のことです。あるエージェントがテーマに関する情報源を集め、別のエージェントが承認済みの事実と文体ルールをもとに下書きを作ります。続いて、チェック役のエージェントがすべての主張を事実と照らし合わせ、照合できないものにフラグを立てます。原稿を承認するか却下するかは人が決め、誰が決めたかをシステムが記録します。

チェックの工程は、Anthropicがevaluator-optimizerと呼ぶパターンに沿っています。「あるLLM呼び出しが応答を生成し、別の呼び出しがループの中で評価とフィードバックを返す」というものです。Anthropicはまた、エージェントは「チェックポイントで、あるいは障害に突き当たったときに、一時停止して人間のフィードバックを待つことができる」とも書いています。

この構成は、コンテンツの量が多いときに元が取れます。すべてのチャネルと言語が一つの事実のセットを参照し、レビュー担当者は、どの主張がチェック済みかを確認できます。一方で、手間もかかります。こうしたシステム向けにモデルを販売しているAnthropicは、「できるだけ単純な解決策を見つけ、必要なときにだけ複雑さを増すこと。これは、エージェント型のシステムをまったく構築しないことを意味する場合もある」と助言しています。誰かがファクトベースを最新に保ち、エージェントを保守し、モデルの利用料を払い、フラグに対応しなければなりません。書き手1人と編集者1人で今の量をまかなえるなら、その手間に見合う見返りはほとんどありません。

承認済みの主張を集めたファクトベースには、何を入れるか

ファクトベースとは、自社が公の場で述べてよいと合意した記述を、それぞれの根拠とともにまとめた一覧です。すべての書き手とすべてのツールが読む一覧を、一つだけ持つようにしてください。記述ごとに、次のことを記録します。

• 正確な文言。書き手やモデルが言い換えずに、そのまま使えるようにします。
• 根拠：文書、測定日を添えた数値、またはそれを確認した人。
• 使ってよい場所（例：ウェブサイトと営業メールは可、有料広告は不可）。
• 見直しに戻すきっかけとなる出来事（例：価格の変更、顧客による同意の撤回）。

「リスクフリー」や「完全に安全」のように、自社が決して使わない言葉も加えてください。顧客の名前、ロゴ、コメントは、書面による同意がある場合にだけ入れます。

まずは、営業チームが最もよく繰り返している記述から始めてください。リストにない主張が下書きに含まれている場合、その主張が承認されるか削除されるまで、下書きは止めておきます。

モデルが守る文体ルールは、どう書けばよいか

文体ルールが機能するのは、下書きがそのルールに沿っているかを誰かが確認できるときです。「親しみやすい」や「プロフェッショナル」といった形容詞は確認できません。次のようなルールなら確認できます。

• 読み手は「あなた」、自社は「私たち」と呼びます。
• 1文に書く内容は1つにし、2行を超える文は書きません。
• 「速い」や「強力」のような形容詞ではなく、単位つきの数字で書きます。
• 製品ができないことも、できることと同じくらいはっきり書きます。
• 禁止語を決め、それぞれに代わりに使う言葉を添えます。

ルールごとに理由を書き、過去の自社コンテンツから、ルールに沿った一文と、ルールを破った一文を添えてください。Anthropicのプロンプトガイドには、「例は、Claudeの出力の形式、トーン、構成を導く最も確実な方法の一つです」とあります。リストは短く保ちます。GenStudioの編集ルールについて、Adobeは5〜10個のガイドラインを勧め、「明確で実行可能なガイダンス」を求めています。たとえば、「簡潔に」ではなく「文は20語未満にする」といった書き方です。

ルールに頼る前に、試してください。自社が公開した記事を混ぜた一式の中から、AIが書いた下書きを同僚に見分けてもらいます。

公開前の下書きは、誰がどの順番でチェックするか

順番は書き出しておき、どの方法でも同じにしてください。最初に、人かチェック役のエージェントが、承認済みのリストと照らし合わせてファクトチェックを行います。次に、編集者が下書きを文体ルールと比べます。法律、セキュリティ、価格、顧客の成果、金融商品に関する主張は、法務またはコンプライアンスに回します。最後に、名指しで決めた1人が最終版を承認し、誰が、何を、いつ承認したかが記録に残るようにします。チェックが短時間で済むよう、その人には主張とその出典、そしてフラグがあればそれも渡してください。

規制を受ける会社の中には、すでにこのやり方で動いているところもあります。FINRA Rule 2210は、「会員の、適切な資格を持つ登録プリンシパルは、各リテール・コミュニケーションを、その使用またはFINRAの広告規制部門への届出のいずれか早いほうより前に承認しなければならない」と定めています。この規則はFINRAの会員であるブローカー・ディーラーに適用され、例外も挙げていますが、その考え方はどの会社でもまねでき、承認なしには何も公開しないようにできます。

AIツールに何を貼り付け、ベンダーはそれをどう扱うのか

下書きは、価格の変更や顧客の成果のように、まだ公開されていない資料から始まることがあります。誰かがそれを貼り付ける前に、その人がどのプランを使っているか、ベンダーがそのデータをどう扱うと説明しているかを確認してください。

条件はプランによって異なります。Anthropicは、デフォルトでは、モデルの学習に「当社の商用製品におけるお客様の入力や出力を使用しない」としています。個人向けのプランでは、ユーザーに「自分のデータをClaudeの改善に使うことを許可するかどうかの選択肢」が与えられるため、個人アカウントを使う書き手は、異なる条件のもとで作業している可能性があります。OpenAIは、「OpenAI APIに送信されたデータは、OpenAIのモデルの学習や改善には使用されません（ユーザーが明示的にデータの共有を選択した場合を除く）」と述べています。これはAPIについての記述なので、ChatGPTについては、各書き手が使っているプランの条件を確認してください。

HubSpotは、「HubSpotカスタマー利用規約で定義される顧客データを、HubSpot独自のAIモデルの学習と改善に使用する場合がある」と述べています。オプトアウト用のスイッチについては、「デフォルトでは、この設定はオンになっています」としています。また、サードパーティのAIプロバイダーに顧客データで学習させることはないとも述べています。Writerのヘルプセンターには、「当社は顧客データでLLMを学習させません」とあります。

これらの点は契約書とデータ処理条件で確認し、日付入りの控えを保管してください。チームには1ページのルールを渡します。承認済みのツールとプランはどれか、そして未公表の決算や顧客のデータのように、どのツールにも決して入れてはいけないものは何か、です。

マーケティングコンテンツを書くAIに、ベンダーはどう課金しているか

ベンダーの課金方法は、ユーザー単位、クレジットのプールからの消費、従量制、またはその組み合わせです。JasperはProプランを1ユーザーあたりの月額で設定し、Businessは個別見積もりです。AnthropicもTeamプランを1ユーザーあたりの月額で設定しています。HubSpotは「多くのAI機能とエージェントはHubSpotクレジットで動作する」と述べており、クレジットは「支出を予測しやすいようにパックで前払いするか、従量課金で使った分だけ」購入します。

従量課金では、モデルが読み書きするテキストに対して料金がかかり、その量はトークンで数えます。トークンとは、提供元が数えて課金する、テキストの小さな単位です。AnthropicのAPI料金ページでは、Claude Sonnet 5.5は入力100万トークンあたり2ドル、出力100万トークンあたり10ドルです。定価は変わることがあります。AnthropicのEnterpriseプランはユーザー単位の料金と従量課金を組み合わせており、「1ユーザーあたり月額20ドルに、API料金で請求される利用料が加わるため、コストはチームが実行するモデルとタスクに応じて変わる」としています。

エージェント構成では、1本の原稿ごとにモデルを何度も呼び出します。構成を構築するチームに、承認済みの記事1本にかかるモデル費用の実測値を出してもらってください。そこに、ファクトベースを管理する人たちの作業時間を加えます。どの方法でも、最低ユーザー数やアドオンを含めた料金を書面で受け取り、クレジットを使い切ったらどうなるかを確認してください。

AIアシスタントが自社について何を言っているかも含め、成果をどう測るか

まずはプロセスを測ってください。最初の週から、次の数字を追います。

• ブリーフから原稿の承認までにかかる時間。
• レビューで見つかった事実関係の訂正の数（下書き1本あたり）。
• 全面的に却下された下書きの数。
• 公開した原稿1本あたりの編集者の作業時間。

最初の数か月で訂正の数が減らないなら、ツールを変える前に、ファクトベースと文体ルールを直してください。成果は、これまでと同じように測ります。検索からの流入、返信、予約された商談、そしてコンテンツが一役買った成約です。

購入を検討している人が自社の分野について尋ねたとき、AIアシスタントが自社の名前を挙げるかどうかも知りたいかもしれません。Googleは、「AI OverviewsやAI Modeに表示されるための追加の要件はなく、そのほかの特別な最適化も必要ない」と述べています。さらに、そこに表示されるサイトは「Search Consoleの全体の検索トラフィックに含まれる」としています。OpenAIは、「OAI-SearchBotは、ChatGPTの検索機能で検索結果にウェブサイトを表示するために使われる」と述べ、これをオプトアウトしたサイトは「ChatGPTの検索の回答には表示されない」としています。重視するアシスタントのクローラーを、自社のrobots.txtファイルがブロックしていないか確認してください。

言及を追跡するには、購入を検討する人が実際にする質問を20個書き出してください。重視するすべてのアシスタントで、それぞれの質問を決まったスケジュールで何度か尋ね、自社の名前が挙がったかどうか、どのページが引用されたかを記録します。1回の回答からわかることはわずかなので、名前が挙がった回数を毎月数えてください。

自社に合うのはどの方法か

1人か2人が週に数本を書き、編集者がそのすべてに目を通すなら、汎用アシスタントかライティングツールを使ってください。コンテンツをそのプラットフォームの中で作って公開しており、承認とブランドボイスの設定が自社のチャネルをカバーしているなら、利用中のプラットフォームのAIが合います。複数の人が複数のチャネルと言語で発信している、事実が頻繁に変わる、規制対象の主張が原稿に含まれる、あるいは数字1つの誤りが高くつく、といった場合は、一つのファクトベースをもとに動くエージェントを検討してください。ファクトベースの担当者を置けないなら、最初の2つの方法にとどまってください。古い事実をもとに動くエージェントは、その古い事実をすべてのチャネルへ一度に広めてしまうからです。

ベンダーや、エージェント構成を構築するチームに、何を尋ねるべきか

ライティングツールやプラットフォームのベンダーに対して：

• ツールはどの事実をもとに下書きを作りますか。また、各主張の出どころを確認できますか？
• 誰も飛ばせない承認ステップがあり、誰がどのバージョンを承認したかが記録されますか？
• 当社のデータは、何らかのモデルの学習に使われますか。使われるならどのプランで、契約書のどこにそう書かれていますか？
• 当社の実際の利用量で、1か月の費用はいくらですか。また、解約する場合、何をエクスポートできますか？

エージェント構成を構築するチームに対して：

• ファクトベースはどこに置かれますか。また、当社側で誰が変更できますか？
• チェックの工程は、主張に裏づけがあることをどう判定しますか。また、照合できなかった主張はどうなりますか？
• 当社の下書きを処理するのは、どのモデルとベンダーですか。また、どのデータの取り扱い条件のもとで処理されますか？
• 承認済みの記事1本あたりのモデル利用料はいくらですか。また、稼働後にエージェントを保守するのは誰ですか？
• 最終的に、当社は何を所有できますか。コード、プロンプト、ファクトベース、ログですか？

amBrain はどこに位置づけられるか

amBrainはこのブログを公開しており、このテーマに利害関係があります。自社の製品について、同社は「自社プロダクトのaigoは、会社の事実を集めた一つの共有メモリをもとに、調査、執筆、確認、計測を行うAIエージェントで動きます。配信されるものはすべて担当者が承認します」と述べています。これは上で挙げた3つ目の方法にあたるため、このガイドは、発行元がその種の製品を持っていることを踏まえて読んでください。

この記事は事例紹介ではなく、クライアントの案件を扱っていません。amBrainがクライアント向けにエージェントのシステムを構築しているとは述べておらず、aigoの成果も報告していません。ここで名前を挙げたその他の企業、製品、規制当局は、それぞれの公開ページから引用しています。この記事は、amBrainとそれらのいずれとの関係も主張せず、amBrainの料金や所要期間も示していません。

amBrainは2019年からソフトウェアを開発しています。クライアントとの進め方について、同社は「3つの形態があります。フルデリバリー、専任チーム、お客様のチームに組み込むエンジニアです」と述べています。所有権については「クライアントは、当社の再利用可能なコンポーネントを除き、プロダクトとコードの完全な所有権を持ちます」としています。上の質問は、検討するどの会社にも当てはまります。