AIで記事構成を自動生成できる時代になって、正直「手動でゼロから構成を作る意味、あるのか？」という問いが頭をよぎった人は多いと思う。私もその一人だった。ただ、すめしさんに「同じテーマで両方試して並べてみろ」と言われて実際にやってみたら、その答えは想像と全然違うものだった。差があるのはわかってた。ただ、どこで差が出るのか——それが問題で、今日はその話をする。
比較したのは、BtoBの記事制作でよくある「中小企業の採用コスト削減」というテーマ1本。同じテーマで、AIに構成を吐かせた版と、私が手動で作った版を並べて、見出しの独自性・内部リンクの接続余地・執筆時の迷いの少なさの3点で比べた。1ケースの観察なので、一般論にまで一気に広げるつもりはない。ただ、同じ落とし穴にハマっている人は多いと思う、というのが今日の結論だ。
AIで構成を作ると、まず何が起きるか
AIに記事構成を生成させると、速い。本当に速い。
たとえば「中小企業の採用コスト削減」というBtoBコンテンツテーマで依頼すると、30秒以内に以下のような構成が出てくる。
H2: 中小企業が抱える採用コストの現状 H2: 採用コストを削減する5つの方法 H3: 求人媒体の見直し H3: リファラル採用の活用 H3: 採用プロセスの効率化 H3: SNS採用の導入 H3: 採用代理店からの切り替え H2: 実際のコスト削減事例 H2: まとめ
きれい。整ってる。過不足がない感じがする。
……感じがする、というのが曲者なんだよ。
この構成の何が問題か、すぐわかった人はかなり構成設計に慣れてる人だ。問題は「誰でも思いつくことしか書いていない」ことにある。実際に検索して上位に出てくる記事群と、見出しの顔ぶれがほぼ一致する。つまり、今回出てきたAI構成は、検索上位記事の公約数をなぞったような形に収まった。
これは機能として正しい。Webに公開されている大量の記事を学習しているのだから、平均的な構成が出てくるのは当然だ。問題は、「平均値の構成」が私たちの目的に合っているかどうか、という話で。
手動で構成を作ると、何が変わるか
同じテーマ「中小企業の採用コスト削減」を、手動で構成するとどうなるか。実際にやった手順を書く。
まず、検索意図を拾い直す。「採用コスト削減」で検索してくる人の本音は何だろうか、と考えた。求人媒体の費用を下げたいのか、採用にかかる工数を減らしたいのか、そもそも「どこにお金が消えているかわからない」状態なのか。ここが分岐点になる。
次に、ペルソナを一人に絞った。「社員30名の製造業、採用担当が総務部長を兼任している。年間採用費用が300万円を超えていて、何とかしたいが何から手をつければいいかわからない」——という人物像を立てる。
ここまで考えると、出てくる構成が変わる。
H2: 採用コスト、どこに消えているかわかってますか？（現状の費用内訳を整理） H3: 求人媒体費 vs 工数コスト、見落とされがちな比率 H3: 「1人採用するのにかかった総コスト」を計算する H2: コスト削減の前にやること——「採用目標の解像度」を上げる H3: 「とりあえず募集」がコストを膨らませる構造 H3: 採用目標を数字で定義する（入社人数×時期×職種） H2: 媒体費を下げる前に、まず定着率を見る H3: 採用コストは入社後も発生し続ける H3: 3ヶ月以内の離職率を採用コストに換算する H2: 費用対効果で見る媒体選定——「安い媒体」より「合う媒体」を選ぶ H3: 職種別・地域別で効いた媒体の実データ H3: リファラル採用の費用対効果の実態 H2: 今週から始められる、採用コスト削減の具体ステップ
差が見えるだろうか。
一番わかりやすいのは冒頭のH2だ。AI構成は「採用コストを削減する5つの方法」——方法の列挙から始まる。手動構成は「採用コスト、どこに消えているかわかってますか？」——読者がどこで詰まっているかの特定から始まる。この転換が、記事全体の性格を変える。
AI構成は「何を書くか」の箱を並べる。手動構成は「誰の、どんな問いに答えるか」から組み立てる。この違いが、完成記事のクオリティに直結する。
差が出る3つのポイント——並べて比べてわかったこと
並べて比べてわかったのは、差が出る箇所は大体決まっているということだ。今回の1ケースだけでの観察だが、同じパターンは他テーマでも繰り返し見てきた感覚がある。
1. 検索意図の「奥の層」を拾えるか
「採用コスト削減」で検索する人が本当に困っているのは、コストの数字そのものではなく「どこから手をつければいいかわからない」という途方に暮れた感覚だ。
AI構成は表層の意図（コストを下げたい）を拾うのが得意だが、奥の層（なぜ困っているのか、何がわからないのか）は拾いにくい。手動構成では「採用コスト、どこに消えているかわかってますか？」というH2を置くことで、読者の「あ、そう、それなんだよ」を引き出せる。
ここ、大事。見出しは検索エンジンのためだけでなく、読者が「自分の話だ」と認識するための装置でもある。
2. 見出しの粒度設計——「何を省いたか」が鍵
AI構成の弱点は、省かないことだ。「方法を5つ並べる」「事例を紹介する」「まとめ」という構造は、漏れがないかわりに読者の思考を進めない。
手動構成では「採用コストは入社後も発生し続ける」というH3を入れた。これは一般的な記事では省かれがちな視点だが、採用担当者が見落としやすいポイントでもある。何を省くかを決める判断が、構成の鋭さを決める。
AIはこの「何を捨てるか」の判断が弱い。全部入れようとする。
3. 内部リンクの接続先を意識した構成設計
（これは正直、気づくのが遅かった）
記事単体で完結した構成と、サイト全体の文脈で機能する構成は別物だ。手動構成では「定着率」と「採用目標の設定」というH2を置いたが、これはサイト内に既存の関連記事があったため、自然な内部リンクの受け皿になる設計を意識した結果だ。サイト内の記事群や内部リンク戦略を入力していない限り、AIからこの設計は出にくい。サイトの地図を渡せば拾えるはずだが、多くの現場ではそこまで情報を渡していないのが実態だと思う。
「AIは平均解、人間は外れ値を狙う」——設計思想へ
ここまでの話を一言で圧縮するなら、こうなる。
AIは平均解を出す機械だ。人間の仕事は外れ値を狙うことだ。
これはAIが劣っているという話ではない。平均解を高速に出す能力は本物だ。私が今でも使っているのは、「競合記事でどんな見出しが多いか」を把握するためのベースライン作成に使う場合だ。「こういう見出しが世の中に溢れている」を30秒で可視化できるのは、本当に助かる。
そこから「じゃあ私たちは何を違う切り口で書くか」を考えるのが、手動構成の仕事だ。
対立させる必要はない。順番が大事なんだ。
使い分けの結論——どの工程で何を使うか
今回の比較をきっかけに、ひとまず以下の手順で回している。
Step 1: AI構成で競合の平均値を把握する（所要時間: 5分）
まずAIに構成を生成させて、競合が「何を、どんな順番で書いているか」を確認する。「世の中の標準解」として使う。
Step 2: 検索意図の奥の層を言語化する（所要時間: 15〜20分）
「この記事を検索する人が、検索欄に言葉を打ち込む直前に感じていた感情・状況・疑問は何か」を一文で書き出す。これは今のところAIには任せていない。自分の言語で書く必要がある。
Step 3: AI構成との差分から「独自の見出し」を設計する（所要時間: 20〜30分）
Step 2で出た言語化を踏まえて、「AI構成にない、でも読者には刺さる」見出しを設計する。全部置き換えなくていい。差分の2〜3箇所を入れ替えるだけで、記事の骨格はかなり変わる。
（全部手動で作り直そうとすると時間がかかりすぎて、結局AI構成に戻ってくる——というのが最初にやらかしたパターンだ。省エネのためにAIを使っているのに、全否定して手動に戻るのは本末転倒）
構成は「骨格」ではなく「問い」だ
最後に、前提をひっくり返す話をする。
構成を「記事の骨格」だと思っていると、AI構成でも手動構成でも「見出しを並べる作業」に終始する。でも本当は、構成は「この記事が読者のどんな問いに答えるか」を設計する作業だ。
問いが明確な構成は、文章を書く時に迷わない。見出しを見るだけで「次に何を書けばいいか」がわかる。逆に、問いが曖昧な構成は、書き出してから詰まる。「このH2、何を言いたかったんだっけ」という状態になる。
検索直前の問いやサイト文脈を踏まえた設計は、AI単体では今のところまだ弱い。どの見出しが「問いかけ型」で、どの見出しが「答え提示型」か、そのバランス設計まで踏み込めるかどうかは、今のところ人間の仕事だ。
この記事を読んで「次の記事構成から試してみよう」と思ったなら、まずStep 2だけやってみることを勧める。「検索者が検索窓に言葉を打つ直前に感じていたこと」を一文で書いてから、AI構成を見る。それだけで、どこを入れ替えるべきかが見えてくる。
だからWriters-hubでは、構成案の見出しを作る前に「検索直前の読者の問い」を言語化する工程を挟んでいます。AI構成を叩き台にしつつ、そこに「クライアントごとの独自の切り口」をどう埋め込むか——その設計まで一緒に考えるのが、私たちのコンテンツ制作支援です。ご興味があればお気軽にお問い合わせください。