メディア
AI エージェント

広報の仕事に AI を入れる順番|プレスリリース・取材対応・危機対応で AI に任せる作業と人に残す判断

公開
執筆者: Offers AX 編集部・編集部

広報の仕事に AI を入れるなら、掲載記事や SNS の反応の整理から始め、取材の準備と想定問答、プレスリリースの下書きへと広げ、危機対応は平時に声明と想定問答のひな形を作ってから加える順番が進めやすい形です。どの業務でも、発表する内容の決定、事実の確認、謝罪や見解の表現の3つは人に残します。

広報は発表前の情報を日常的に扱う部署なので、AI に入力してよい情報の範囲は使い始める前に決めてください。AI が書いた文章は、事実と数字を元の資料で確かめてから社外に出します。この2つを最初の設計に入れておけば、AI が読み違えても、記者や読者に届く前に担当者が止められるはずです。

AI で作った文章や画像を、相手に AI で作ったと伝えるかどうかは別の問いです。場面ごとの決め方は生成 AI の表示・開示を決める記事にまとめています。

O
執筆者

編集部

Offers AX 編集部

株式会社overflow が運営する Offers AX の編集部です。全社の AI 導入(AX)を支援する現場の知見をもとに記事を制作しています。

この執筆者の詳細・記事一覧 →

広報の生成 AI 活用は1年で広がり、不安は正確性と機密性に集まっている

広報部門での生成 AI の導入は1年で広がり、使い道はプレスリリースの作成が最も多い一方、不安は正確性と機密性に集まっています。日本広報学会の「生成AIを活用した広報研究会」が、国内の企業・団体の広報担当者や PR 代理店のスタッフ、広報の研究者に聞いた調査では、「定着している」と「導入し、定着を模索している」を合わせた導入済みと答えた割合が77.0%で、前年の調査の37.2%の倍以上になりました。

利用している業務として多く挙がったのは「プレスリリース類の作成」46.3%、「コピーやリリースタイトルの案だし」43.8%、「企画の壁打ちや案だし」43.8%、「議事録の作成」36.3%です。導入や定着の不安では「正確性への不安」53.8%、「機密性への不安」51.9%、「知財侵害への不安」42.3%が上位に並びました(日本広報学会 生成AIを活用した広報研究会「第2回 広報における生成AIの活用実態調査 報告書」広報関係者 n=104・2025年10〜11月実施)。

今回の調査で選択肢を増やして見えてきた用途のうち、「SNSのリスニング分析」は3.8%、「広報活動の評価」は1.3%でした。下書きを作る用途が先に広がり、反応を読んで次の発信に生かす用途はまだ少ない状況です。

回答は100件あまりで、広報の担当者を広く代表する数字ではありません。それでも不安の上位3つは、この記事で扱う事実の確認、入力してよい範囲、権利の確認とそのまま重なります。社内の規定が「ある」との回答は68.8%で、前年の51.1%から増えており、規定づくりは多くの現場で進んでいる途中です。

4つの業務で、AI に任せる作業と人に残す判断を並べる

広報の業務を4つに分けると、AI に任せる作業と人に残す判断は次の表のとおりです。「確かめる元」の列には、AI の出力を照らす資料を書きました。

業務 AI に任せる作業 人に残す判断 確かめる元 始める順
メディアや SNS の反応の整理 掲載記事と投稿の分類・要約、論調の変化の一覧、月次の報告の下書き どの反応に応じるか、経営への報告で何を重く見るか 記事と投稿の原文 1
取材の準備と想定問答 媒体と記者の過去の記事の整理、質問の候補の洗い出し、公表済みの情報からの回答の下書き 何をどこまで話すか、答えない質問とその理由、誰が話すか 公表済みの資料、社内で確定した数字 2
プレスリリースの下書き 社内の決定資料からの下書き、見出しの案、表記の統一、過去のリリースとの食い違いの点検 発表する内容と時期、事実と数字の確認、公開の承認 社内の決定文書、元のデータ 3
危機対応 平時の声明と想定問答のひな形の下書き、確認済みの事実からの時系列の整理、反応の量と論点の集計 事実の認定、謝罪や見解の表現、公表する時期と範囲 調査の記録、当事者への確認 4

右端の「始める順」は、入力する情報の機密の度合いと、AI の誤りが社外に出るまでの距離で並べました。反応の整理は公表済みの記事や投稿を扱い、誤りがあっても社内の報告で止まるので1番目です。

取材の準備は社内向けの資料を作る作業で、社外に出るのは人が話した言葉だけなので2番目に置きました。プレスリリースは発表前の情報を入力し、出力がそのまま社外に出るため3番目です。危機対応は確定していない事実や個人の情報を扱い、誤りの影響が最も大きいので最後に加えます。

冒頭の節で挙げた調査では、最も多い用途がプレスリリースの作成でした。すでにリリースで AI を使っている会社は、使うのを止めるより、このあとの節で書く入力の決まりと確かめる手順を整えるほうが現実的です。

人に残す3つの判断は、どれも会社として責任を負う言葉に関わります。AI は材料と下書きをそろえる役にとどめ、発表の内容と表現は広報の責任者と経営が決める分担にしてください。

メディアや SNS の反応の整理は、元の記事や投稿に戻れる形で任せる

反応の整理では、AI に掲載記事と投稿を分類・要約させ、要約の1行ごとに元の記事や投稿へのリンクを付けさせます。要約だけを経営に報告すると、AI が記事にない論調を足したときに誰も気づけません。生成 AI がもっともらしい誤りを出す現象はハルシネーションと呼ばれ、要約でも起こりえます。

任せやすいのは、1か月分の掲載記事を媒体と論点で分け、前の月から増えた論点と、自社の発表がどの見出しで取り上げられたかを一覧にする作業です。SNS の投稿も同じように論点で分け、件数の推移を出させてください。件数の集計のように答えが1つに決まる処理は、生成 AI ではなく決まった手順で動く集計の道具に任せ、AI には論点の分類と要約だけを任せるほうが確実です。

人に残すのは、どの反応に応じるかと、報告で何を重く見るかです。批判の投稿が少なくても、事実の誤りを含んでいれば訂正を検討する理由になり、件数の多さだけでは決められません。

SNS の投稿には、投稿者の氏名やアカウントのような個人情報が含まれます。個人情報を含む指示文を生成 AI サービスに入力する場合は、利用目的の達成に必要な範囲内であることを十分に確認するよう求められています。本人の同意なく個人データを含む指示文を入力し、それが応答の出力以外の目的で扱われると個人情報保護法の規定に違反する可能性があるため、提供する事業者が機械学習に利用しないこと等の確認も必要です(個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」2023年6月2日)。

投稿者ごとの傾向を追わず、論点と件数で扱うように指示文を作っておくと、利用目的の範囲から外れにくくなります。注意喚起の全体は、用語集の個人情報保護委員会の生成 AI 注意喚起で確かめられます。

手早い始め方は、前の月に人が作った掲載記事の報告と、同じ記事を AI に読ませて作った報告を並べることです。論点の取りこぼしと、元の記事にない記述の両方を数えれば、任せられる範囲が見えてきます。

取材の準備と想定問答は、答える範囲を人が決めてから下書きさせる

取材の準備では、AI に媒体と記者の過去の記事を読ませて質問の候補を挙げさせ、何をどこまで答えるかは広報と取材を受ける人が先に決めます。答える範囲を決めないまま回答の下書きまで任せると、AI は手元の資料にある発表前の情報まで材料にしてしまうからです。

進め方は3つの手順です。まず、取材の申し込みの内容と、その記者が書いた公開済みの記事を AI に読ませ、質問の候補を出させます。次に、広報と取材を受ける役員が、候補ごとに「答える」「答えない」「確認してから答える」を付けます。最後に、「答える」とした質問だけ、公表済みの資料と社内で確定した数字から回答の下書きを作らせてください。

記者の氏名や連絡先も個人情報なので、前の節と同じく入力の範囲を決めて扱ってください。

上場会社では、答えない質問の判断に法令が関わります。会社の業務執行を決める機関が、新製品や新技術の企業化、業務上の提携などを行うと決めたことは、インサイダー取引規制の重要事実に該当しうるとされています(金融商品取引法 第166条)。

取材の中で発表前の提携や新製品をほのめかさないよう、想定問答の時点で「答えない」の理由まで書いておくと、当日の判断がぶれません。決算や業績の数字を問われる取材への備えは、重要事実と入力の範囲の決め方とあわせてIR・決算の仕事に AI を入れる前に決めることの記事にまとめています。

プレスリリースの下書きは、入力してよい範囲を決めてから任せる

プレスリリースの下書きを AI に任せる前に、どの情報をどの AI に入力してよいかを3つの区分で決めてください。リリースの材料の多くは発表前の情報で、上場会社では、その情報がいつ「公表」されたことになるかも法令で決まっています。

重要事実の公表は、会社を代表する取締役などや、その人から公開を任された人が、定められた種類の報道機関の2つ以上に公開して12時間が経ったときか、上場する金融商品取引所に通知し、取引所で日本語で公衆の縦覧に供されたときなどとされています(金融商品取引法施行令 第30条)。

リリースの下書きを作る時点の情報の多くはこの公表より前のもので、内容を知る人や仕組みが増えるほど、漏れたときに経路を追うのは難しくなるでしょう。上場していない会社でも、発表前の提携や新製品は、相手先と秘密を守る約束をしていることが多いはずです。

入力の決まりは、次の3つの区分で作るのが手早い形です。各社の情報の格付けに合わせて置き換えてください。

情報の区分 例 AI への入力
公表済みの情報 過去のリリース、公開済みの製品情報、会社概要 会社が利用を認めた AI サービスなら入力してよい
発表が決まった情報 発表日の決まった新製品、提携、役員の人事 入力が学習に使われない契約の AI サービスか、自社の環境で動かす AI に限り、見られる人をリリースの担当者に絞る
確定していない情報 交渉中の案件、調査中の事故や不祥事、個人の情報 原則として入力しない。扱うなら自社の環境で動かし、担当者に限る

外部のサービスにデータを渡すときの経路ごとの対策は、生成 AI の情報漏洩を防ぐ順番の記事にまとめています。

発表する内容と時期は、広報だけでなく経営や経営企画と決めることが多いでしょう。経営会議の資料を AI で作るときの入力の範囲の決め方は、経営企画の AI 活用を調べものから始める記事で扱っています。

Offers AX は、人事部門を起点に AI を前提にした進め方を作り、全社へ広げる

Offers AX は、人事部門から AI を前提にした業務の進め方を作り、効果を実測して全社の変革へつなげる支援です。全社の AI 活用の現在地を6つの領域(業務ルール・システム基盤・組織力学・意思決定・法務と統制・人とスキル)と5段階(LV0〜4)で評価し、平均点ではなく最も低い領域から着手します。

進め方は、業務の現場に近い距離で戦略立案と実装を一体で進める、FDE(Forward Deployed Engineer)と呼ばれるやり方です。FDE という働き方の定義は Offers FDE の解説記事にあります。要件定義書ではなく動くもので合意し、数週間でプロトタイプを作って実際の業務で確かめてから本実装へ進むので、過去のリリースと掲載記事を使えば発表前の情報に触れずに試せます。

構築は GCP・Azure・AWS のいずれにも対応し、原則としてお客様の環境に作る方針で、当社の環境に顧客データを持ちません。クラウドの LLM を使えない高機密の人事案件では、貸与された PC の中で処理を完結させ、テレメトリを含む外部通信を無効にし、端末内の暗号化・アクセス制御・監査ログまで設計に含めた実績があります。発表前の情報や調査中の事実のように外に出せない情報でも、AI を置く場所から設計できるということです。

AI の出力は下書き・参考情報として扱い、事実認定・合否・処遇は人が判断する前提で組みます。引き継ぎも最初から設計に入れ、ドキュメントの整備と社内の運用体制づくりまでが支援の範囲です。

元の資料どうしを突き合わせる作業を自動化した例は、人事の領域にあります。人事部を AX の起点に選んだ日本たばこ産業(JT)では、3系統のデータの突き合わせを自動化し、15時間ほどかかっていた作業が数十分になったと、2026年10月16日の Forbes JAPAN の記事「JTがoverflowとともに挑む人事部起点の「AX」」が伝えています。

支援の範囲と進め方は Offers AX のサービスページにまとめました。広報も、人事部門から始めた進め方を全社へ広げる先の1つとして、現状の確認から相談できます。無料相談を申し込むからご連絡ください。

AI が書いたリリースは、事実と数字を元の資料で確かめてから出す

AI が書いたリリースの下書きは、数字・日付・固有名詞・引用の4つを元の資料に1つずつ戻って確かめてから、公開の承認に回します。生成 AI は手元の資料にない数字や、もっともらしい形容を足すことがあり、配信した後のリリースは訂正の連絡に手間がかかるからです。

確かめ方は、下書きの数字と固有名詞ごとに、元の資料のどの箇所から取ったかを AI に書き添えさせる形が手早いでしょう。元の箇所を示せない数字や記述は、AI が足したものとして消すか、担当者が資料で裏付けてから残してください。「業界初」「No.1」のような比較の言葉は AI に書かせず、根拠になる調査や資料がある場合だけ担当者が書く決まりにしておくと安全です。

画像も同じ扱いです。生成 AI による生成物でも、既存の著作物との類似性と依拠性が認められれば、著作権者は生成や利用の差止めや損害賠償を請求しうるとされています。依拠性が認められる例として挙げられたのは、既存の著作物そのものを AI に入力して画像を得る場合や、既存の著作物の題号などの固有名詞を入力する場合です(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

広報の業界団体の指針も、生成 AI を活用したコンテンツで権利侵害をしないよう十分に確認することを求めています(日本パブリックリレーションズ協会「PR活動ガイドライン」2025年6月27日改訂)。

リリースに添える画像は、他社のロゴや既存の写真を AI に入力して作らせず、生成した画像は似た作品がないかを確かめてから使ってください。著作権の論点の詳しい整理は生成 AI と著作権の記事にまとめています。AI で作った画像であることをリリースに書くかどうかは、冒頭で挙げた表示・開示の記事の場面分けに沿って決めてください。

危機対応は、平時にひな形を作り、発生時の判断は人が行う

危機対応では、平時のうちに想定される事態ごとの声明と想定問答のひな形を AI と下書きしておき、発生した時点では、確認済みの事実の整理と反応の集計だけを AI に任せます。何が起きたかの認定、謝罪や見解の表現、公表する時期と範囲は、経営と広報が決めます。

平時のひな形づくりは、AI に向く作業です。情報の漏えい、製品の不具合、役員の不祥事のように事態を分け、それぞれの声明の骨組み、発生直後に出やすい質問の候補、社内で確認する相手の一覧を下書きさせてください。法務と経営が事前に確かめたひな形があれば、発生時に一から書かずに済み、時間を事実の確認に回せます。

ひな形づくりは想定の事態を材料にするので、ほかの業務と並行して始められます。発生した時点で AI を使う手順は、入力の決まりと確かめる手順がほかの業務で定着してから加えてください。

発生した後の手続が法令で決まっている事態もあり、個人データの漏えいはその1つです。個人の権利利益を害するおそれが大きい漏えい等が生じたときは、個人情報保護委員会への報告と本人への通知が求められています(個人情報の保護に関する法律 第26条)。

対象は、要配慮個人情報を含む場合や、本人の数が千人を超える場合などです。報告は事態を知った後に速やかに、その時点で把握している範囲で行い、概要、本人の数、原因、二次被害のおそれ、本人への対応の実施状況、公表の実施状況、再発防止のための措置などを伝えます。続けて、事態を知った日から30日以内(不正の目的によるおそれがある漏えい等では60日以内)に、同じ事項を報告しなければなりません(個人情報の保護に関する法律施行規則 第7条・第8条)。

報告の項目に公表の実施状況が入っているとおり、公表文、委員会への報告、本人への通知は、同じ事実を別々の相手に伝える文書です。人数や原因の書き方が文書の間で食い違えば、あとから説明が要ります。AI には3つの文書を並べて読ませ、人数・日付・原因の記述の食い違いを挙げさせる点検を任せると確実でしょう。

調査中の事実は、プレスリリースの節で書いた区分では「確定していない情報」です。外部の AI サービスには入力せず、自社の環境で動かせる場合でも、見られる人を対策の担当者に限ってください。謝罪の言葉や会社の見解は、会社が何に責任を負うかの判断そのものなので、AI の下書きを使う場合でも経営が自分の言葉に直してから出します。

AI の誤った出力そのものが問題の発端になったときの初動は、AI のインシデント対応の記事で扱っています。

最初の1か月は、公表済みのリリースと掲載記事で並べて試す

最初の1か月は発表前の情報に触れず、公表済みのリリースと掲載記事で、AI と人の手順を並べて動かすのが確実です。結果がすでに分かっている材料なので、AI の出力と実際の記事や報告を比べれば、誤りと見落としの出方が分かります。進め方は次の4つの手順です。

  1. 表の4つの業務から、公表済みの情報だけで試せる作業を1つ選ぶ(始めやすいのは反応の整理か、過去のリリースを材料にした表記の点検)
  2. 入力してよい情報の3つの区分、AI を動かす環境、下書きを確かめる人と確かめる資料を決める
  3. 前の月の掲載記事や過去のリリースで AI を動かし、元の資料と食い違った箇所と、人が直した内容を記録する
  4. 1か月分の記録を見て、続けるか、次の業務へ広げるか、やめるかを決める

やめる判断も、この期間の成果の1つです。AI の下書きを確かめる手間が、担当者が最初から書く手間を上回る作業なら、元の手順に戻せば足ります。

うまくいった作業は、同じ確かめ方のまま、表の次の業務へ広げていくのが順当です。AI エージェントを業務に入れる話は AI エージェントのカテゴリにまとめています。

AI を全社の成果につなげる Offers AX

コンサルティング・AI エージェント開発・内製化支援の3本柱で、実装まで支援します。無料相談を受け付けています。

無料で相談する

Offers AX のサービスを見る

記事一覧へ