生成AI時代に必要なのはプロンプト力よりも『設計する力』

生成AI時代に必要なのは、プロンプト力よりも「設計する力」

生成AIを使えば、文章はすぐに作れる。企画案も出せる。競合調査のたたき台も作れる。広告文も、LPの構成案も、SNS投稿も、以前よりはるかに短い時間で形にできるようになった。

では、生成AIを使える人が増えたことで、現場の成果は一気に上がったのか。
必ずしも、そうとは言い切れない。

むしろ最近は、「それっぽいアウトプット」は増えた一方で、事業の成果に結びつく設計が弱いケースが増えているように感じる。生成AIによって作業のスピードは上がった。しかし、何を作るべきか、どこまで作るべきか、どの順番で進めるべきか、どこで撤退するべきか。そこが曖昧なままでは、アウトプットの量が増えても成果にはつながらない。

生成AI時代に本当に問われているのは、プロンプトの書き方だけではない。
むしろ重要なのは、ゴールを決め、タスクを分解し、検証できる形に落とし込む「設計する力」だ。

生成AIで仕事が速くなっても、ゴールが曖昧なら成果は出ない

私はマーケティングやWeb制作、新規事業の支援に関わる中で、最初にかなり重視していることがある。
それは、最終的なゴールを決めることだ。

ここでいうゴールとは、立派な3カ年計画や分厚い要件定義書を作ることではない。もちろん、必要な場面では計画書も要件定義書も重要だ。ただ、すべてのプロジェクトで最初から重厚な資料を作り込むことが正解とは限らない。
むしろ現場で必要なのは、もっと実務的な設計図だ。

• このサービスは誰に使われるのか。
• 最終的にどのような問い合わせ、購入、申込、契約につなげたいのか。
• そのために、ユーザーはどのような情報を必要としているのか。
• 検索、広告、SNS、紹介、営業など、どの接点から流入してくるのか。
• 流入したユーザーが迷わず判断するために、どのページが必要なのか。
• どの段階まで進めば継続し、どの数字を下回れば見直すのか。

こうしたことを、紙でもメモ帳でもスプレッドシートでもいいので、まずは粗く整理する。
大事なのは、きれいな資料を作ることではない。関係者が「何のためにこのタスクをやっているのか」を見失わない状態を作ることだ。

「作れるようになったこと」と「売れる状態を作ること」は違う

生成AIによって、制作のハードルは大きく下がった。
LPの構成案を出す。記事の見出しを作る。広告文を複数パターン生成する。営業資料のたたき台を作る。これらは以前より簡単になった。

しかし、ここで勘違いしてはいけない。
作れることと、売れる状態を作ることは別物だ。

たとえば、ある商材があるにもかかわらず、その商材を探しているユーザーに対応するページが存在しないケースがある。これは、店舗に商品はあるのに、陳列棚に置かれていない状態に近い。店員に聞けば出てくるかもしれないが、ユーザーの多くはそこまでして探してくれない。

Webサイトでも同じことが起きる。
ユーザーが検索するキーワードに対応したページがない。広告を出しても、遷移先のページが検索意図や検討段階に合っていない。SNSで認知を取っても、その後に比較・検討できる情報がない。結果として、せっかく興味を持ったユーザーを取りこぼしてしまう。

これはSEOだけの話ではない。
広告でも、SNSでも、営業でも同じだ。ユーザーが意思決定するために必要な情報が用意されていなければ、機会損失は必ず起きる。
生成AIによってコンテンツ制作のスピードが上がった今だからこそ、「何を作るか」の設計がより重要になっている。

AI検索時代は、コンテンツの「見え方」も分析対象になる

さらに、これからは検索の見え方そのものも変わっていく。

Googleは2026年6月、Search Consoleにおいて、生成AI機能での表示状況を確認できる専用レポートの展開を発表した。AI OverviewsやAI Mode、Discover内の生成AI機能において、自社サイトのURLがどのように表示されているかを、インプレッション、表示ページ、国、デバイス、日付などの観点で確認できるようにするものだ。

これは、SEO担当者だけに関係する話ではない。
マーケター、PM、ディレクター、エンジニア、コンテンツ制作者にとって、AI検索上で自社の情報がどのように扱われるかは、今後ますます重要な分析対象になっていく。

これまでの検索では、「検索結果に表示されるか」「クリックされるか」「CVにつながるか」が主な確認ポイントだった。もちろん、今後もそれは重要だ。ただ、AI OverviewsやAI Modeのような検索体験が広がると、ユーザーは従来の検索結果一覧を一つひとつ比較するだけでなく、AIが整理した回答を起点に情報収集を進めるようになる。

• 自社のページがAI検索上で参照されるのか。
• ユーザーの疑問に答えられる構造になっているのか。
• テキストとして重要な情報がきちんと記載されているのか。
• ページ同士の関係性や内部リンクはわかりやすいのか。
• 商品やサービスの情報は、ユーザーにも検索エンジンにも理解しやすい形で整理されているのか。

こうした観点が、より実務的な意味を持つようになる。

重い要件定義より、まずは事業を前に進める設計図が必要

ここで誤解してほしくないのは、「要件定義書はいらない」という話ではない。
大規模な開発や、複数部門が関わるエンタープライズ領域では、要件定義は当然重要だ。むしろ曖昧なまま進めれば、後工程で大きな手戻りが発生する。

ただし、すべてのプロジェクトにおいて、最初から完璧な要件定義書を作ろうとする必要はない。
特にマーケティングやWeb施策では、市場やユーザーの反応を見ながら改善していくことが多い。その場合、最初に必要なのは、分厚い資料よりも「仮説を検証できる設計図」だ。

たとえば、以下のような整理で十分なことも多い。

• 誰に届けるのか。
• どの課題を解決するのか。
• どのキーワード、どの流入経路を想定するのか。
• どのページやコンテンツが必要なのか。
• どの指標を見て改善するのか。
• どこまでやって成果が出なければ見直すのか。

これらを整理しないまま、生成AIで記事や広告文を量産しても、成果にはつながりにくい。
なぜなら、AIは「作る」ことは手伝ってくれるが、「その事業において何を優先すべきか」までは、こちらが文脈を与えなければ判断できないからだ。

「わからない」で止まる人と、前に進める人の差

生成AI時代になって、現場で気になる言葉がある。
「わからない」という言葉だ。

もちろん、わからないこと自体は悪くない。むしろ、わからないことを正直に言えるのは大切だ。問題は、その解像度で止まってしまうことにある。

• 何がわからないのか。
• どこまでは理解しているのか。
• どの前提が足りないのか。
• 自分で調べた結果、どの選択肢で迷っているのか。
• 判断するために、誰から何の情報をもらう必要があるのか。

ここまで分解できていれば、「わからない」は前に進むための言葉になる。
しかし、「なんとなくわからない」「自分の担当ではない」「時間がない」「リソースがない」で止まってしまうと、そこで仕事は止まる。しかも、その言葉を受け取る側には不安が残る。

生成AIがある今、基本的な調査や論点整理は以前よりもずっとやりやすくなった。わからないことがあれば、まずAIに聞いてみる。複数の観点を出してもらう。自分の理解が合っているか確認する。必要な専門用語を整理する。質問する前に、論点を絞る。
それだけでも、周囲に投げる質問の質は大きく変わる。

「わからない」と言ってはいけないのではない。
「何がわからないのか」を分解せずに止まることが問題なのだ。

生成AIを使っているのに、AIに使われている人がいる

生成AIの有料プランを契約している。毎日のように使っている。提案書も、文章も、調査もAIを使って作っている。
それでも、成果につながらない人がいる。

その理由は、AIの出力を自分の判断に変換できていないからだ。
AIが出した回答を、そのまま相手に投げる。AIの文章をそのまま資料に入れる。AIが出した選択肢の妥当性を確認しない。自分の事業や顧客の文脈に合わせて修正しない。
これでは、AIを使っているようで、実際にはAIに使われている状態に近い。

生成AIは非常に優秀な壁打ち相手だ。アイデアを広げる、論点を整理する、文章を整える、抜け漏れを確認する。こうした用途では大きな力を発揮する。
しかし、最後に判断するのは人間だ。

• この施策をやるべきか。
• どこまで投資するべきか。
• どの顧客を優先するべきか。
• どの数字を見て継続・撤退を決めるべきか。
• この表現は自社の信頼を損なわないか。
• この設計でユーザーは迷わず意思決定できるか。

この判断を放棄してしまうと、AIの出力はただの「それっぽい資料」になる。

これからの時代に必要なのは、横断して考える力

生成AI時代に弱くなりやすいのは、「自分の担当範囲だけ」を守ろうとする働き方だと思っている。
SEOだけ。広告だけ。SNSだけ。デザインだけ。開発だけ。進行管理だけ。
もちろん、専門性は重要だ。すべてを中途半端に知っているだけでは、深い価値は出せない。ただ、専門領域だけに閉じていても成果を出しにくくなっている。

SEOを考えるなら、ユーザーの検索意図だけでなく、ページ構造、HTML、表示速度、内部リンク、CV導線、広告との連動まで見る必要がある。広告を考えるなら、キーワードやクリエイティブだけでなく、遷移先ページ、比較検討コンテンツ、営業接点、LTVまで見る必要がある。Webサイトを作るなら、見た目だけでなく、検索される構造、更新しやすい設計、計測しやすい導線まで考える必要がある。

そしてAI検索が広がるほど、この横断力はさらに重要になる。

AI OverviewsやAI Modeにおいて、自社の情報がどのように表示されるかを考えるには、単に記事を書くだけでは足りない。ユーザーの問いを理解し、その問いに答えるページを設計し、検索エンジンが理解しやすい構造にし、アクセス後にユーザーが次の行動へ進める導線まで整える必要がある。

生成AIはこの横断的な理解を助けてくれる。
ただし、AIに聞けば自動的に横断力が身につくわけではない。自分自身が、マーケティング、Web技術、データ分析、事業理解の接点を学び続ける必要がある。

これから価値が上がるのは、単にAIを使える人ではない。
AIを使いながら事業のゴールから逆算し、必要なタスクを分解し、関係者を動かし、数字を見て改善できる人だ。

生産性を上げるには、作業フローを見える化するしかない

「時間がない」「リソースがない」という言葉も、現場ではよく使われる。
私自身も使ってしまうことがあるので、これは他人事ではない。
ただ、この言葉もそのままでは何も解決しない。

• 本当に時間がないのか。
• どの工程に時間がかかっているのか。
• その作業は人がやるべきなのか。
• AIやツールで短縮できる部分はないのか。
• そもそも、その作業は成果に直結しているのか。
• やめるべき作業を続けていないか。

ここまで分解して初めて、改善の余地が見える。

生成AIによって、作業の一部は確実に短縮できるようになった。だからこそ、これからは「何を効率化するか」だけでなく、「何をやらないか」も重要になる。
AIで速く作れるからといって、すべてを作る必要はない。むしろ、作れるものが増えたからこそ、優先順位と撤退ラインを決める力が問われる。

AI検索時代は、作った後の検証設計がさらに重要になる

AI検索の可視性がSearch Consoleで確認できるようになり始めたことは、マーケティング実務にとって大きな変化だ。

これまで以上に、作ったコンテンツがどこで、どのように表示されているのかを見ながら改善していく必要がある。
ただし、ここでも勘違いしてはいけない。

レポートが見られるようになったからといって、自動的に成果が上がるわけではない。データは、見るだけでは意味がない。どの仮説を検証するために見るのかを決めておく必要がある。

• 自社サイトのどのページがAI検索上で表示されているのか。
• 想定していたテーマやページが表示されているのか。
• 表示されている国やデバイスに偏りはないか。
• 通常検索で見えているページと、AI検索で見えているページに差はあるのか。
• 表示されているページは、ユーザーが次に行動しやすい構成になっているのか。
• 表示はされているが、問い合わせや申込につながっていない場合、どこに課題があるのか。

こうした問いを持たずにレポートを見ても、「表示された」「表示されていない」で終わってしまう。

だからこそ、コンテンツ制作前から検証設計を持つ必要がある。

AI検索時代のマーケティングは、記事単体の勝負ではなく、サイト全体の情報設計と検証設計の勝負になっていく。

生成AI時代の成長機会は、判断する力を鍛えることにある

生成AIによって、アウトプットの量を増やすことは簡単になった。
しかし、量が増えた分だけ、判断の難易度は上がっている。

• どの施策を選ぶのか。
• どの仮説を先に検証するのか。
• どのデータを重視するのか。
• どの段階で改善し、どの段階で撤退するのか。
• どの領域を人が担い、どの領域をAIに任せるのか。

ここを判断できる人材の価値は、今後さらに高まるはずだ。

生成AIは、人の可能性を広げる道具だと思っている。だが、それは自分で考えることをやめていいという意味ではない。むしろ逆だ。AIが多くの選択肢を出してくれる時代だからこそ、人間には「選ぶ力」「疑う力」「決める力」がより強く求められる。

生成AI時代に必要なのは、AIを使えることだけではない。
ゴールを決めること。
タスクを分解すること。
必要な情報を設計すること。
作業フローを見える化すること。
成果を数字で確認すること。
必要であれば撤退すること。
そして、次の仮説に進むこと。
この一連の力こそが、これからのマーケターやPM、ディレクター、エンジニアに求められる実務力だと考えている。

生成AIを使いこなすために、まず人が学ぶべきこと

生成AIは、これからも進化していく。文章生成、画像生成、動画生成、分析、検索、業務自動化など、できることはさらに増えていくだろう。
だからこそ、ツールの使い方だけを追いかけても限界がある。

検索体験も変化している。AI OverviewsやAI Modeのように、ユーザーが検索結果を一つひとつ見比べる前に、AIが情報を整理して提示する場面も増えていく。Search Console上で生成AI機能での表示状況を確認できるようになり始めたことは、AI検索が単なる話題ではなく、実務上の分析対象になりつつあることを示している。

本当に必要なのは、AIを使う前に、自分たちが何を実現したいのかを決めることだ。その上で、必要な知識を学び、業務を分解し、AIをどこに組み込むかを設計する。

生成AI時代に成果を出す人と、そうでない人の差は、ツールの差ではない。
ゴールを持っているか。
構造化できるか。
検証できるか。
学び続けられるか。
その差が、これからの現場ではより大きく開いていくはずだ。

AIに仕事を奪われるかどうかを考える前に、まずはAIと一緒に成果を出せる状態を作る。そのために、人間側の基礎力と設計力を鍛えることが、最も現実的な戦略ではないだろうか。

あわせて読みたい

• 
  生成AIに聞けば済む時代に、なぜ基礎知識が重要なのか

執筆：コードキャンプ株式会社 マーケティング部 田中 裕貴