AI対話システムで社員をライター化、月2本から30本へ15倍の生産性向上を達成

プロジェクトチームは、まず社員をライター化する際のコンテンツ作成方法の根本的な見直しから着手した。面白いコンテンツは世の中に溢れている情報ではなく、その企業や個人が仕事を通じて得た経験や知識で形式知化されていない暗黙知をどれだけ引き出せるかが重要だと定義した。

この暗黙知は、新人やクライアントへのフィードバック、質問への回答といった日常の会話の中に転がっているため、会話形式で展開してそのままコンテンツ化することが最適だと判断。

そこで「カンバライティング」という独自手法を考案した。これはAIとの対話を通じて思考をコンテンツ化する手法で、非ライターでも30〜60分の会話でコンテンツを作成できる仕組みを構築した。

次に、導入時の課題を解決するため、AIの仕組み作りに注力した。どのような会話を展開するか、どんな返答をするか、会話相手のテイストなどを詳細に設計し、作業環境を整備した。

メンバーに覚えてもらうことや、やってもらうことを極力排除し、ヒューマンエラーを防ぐために自動で進む仕組み化を重視。1つのファイルを実行するだけで、あらゆるプロンプトが連動して会話、編集、コンテンツ化が全て自動で行われるシステムを構築した。

当初はClaudeが最適と考えていたが、MCPなどの設定が複雑だったため、最終的にCursorでファイル選択してDriveに接続する方式を採用。試行したところ、思いのほか質の高いコンテンツが生成されたため、メンバーへ本格展開を実施。

カンバライティングはフィードバックの質が高いほど、コンテンツが面白くなる特性があるため、レイヤーの高いメンバー10人から試験運用を開始。AIリテラシーが低いメンバーが多かったため、メンバーを集めてCursorの設定を一緒に行い、まず体験することから始めた。

初の試みだったため、環境の違いによるトラブルやエラーが発生し、会議で説明しながら問題を解決していった。また、会話の回数や長さによってコンテンツのクオリティが大きく変わるため、品質のばらつきが課題となった。

クオリティのばらつきは、プロンプトに追加項目を入れて実行・テストを繰り返し、自動でテーマが生成される仕組みも構築した。さらに公開コンテンツがシェアされた際のチーム共有や、クオリティ低下の理由を明確化してプロンプトで補完、AIによる品質チェック機能の追加など、継続的な改善を実施した。