こんにちは。ぐるなびでディレクション業務を行っているManamiです。 最近、生成AIを業務で活用する話を聞く機会が増えました。 私自身もWebディレクターとして日々AIを使っていますが、最も大きく変わったのは「作業時間」よりも、「まず試してみるまでの距離」だったと感じています。
これまでの業務では、
- 「この確認、もっと効率化できそう」
- 「この情報、整理できたら便利そう」
- 「毎回同じような対応をしている気がする」
と思っても、実際にどう改善できるのか考える時間もなく、小さな課題ほど後回しになりがちでした。 しかしAIを使うようになってからは、非エンジニアでも“小さな業務改善”を自分で試せる場面が増えてきたと感じています。
今回は、Webディレクターとして実際に行っているAI活用について紹介します。
1. 問い合わせ対応を「履歴」ではなく「ナレッジ」にする
まず効果が大きかったのが、Google Apps Script（GAS）を使った問い合わせ管理です。 Googleフォームの仕様をカスタマイズし、届いたメールのやり取りをスプレッドシートへ自動蓄積。さらに、AIで内容を要約する仕組みを作りました。
以前は、以下のような作業にかなり時間を使っていました。
- メールの履歴を探す
- 過去のやり取りの経緯を追う
- 類似ケースの対応実績を探す
また、問い合わせ対応は担当者ごとの経験に依存しやすく、「以前どう対応したか」が個人の記憶に閉じてしまう（属人化する）という課題もありました。
そこで、単なる管理表を作るのではなく、
- どんな問い合わせが多いのか
- どういう対応をしたのか
- 何が解決につながったのか
を蓄積し、あとから検索・参照しやすい形へ整理することを目的にしました。 まだ発展途上ではありますが、問い合わせ履歴を“対応ノウハウ”として再利用しやすくなり、属人化を減らす第一歩になったと感じています。
2. “目視で頑張る”確認作業を減らす
もうひとつ、目に見えて負担が減ったのが実装チェックの自動化です。 メタ情報修正案件で大量のページ確認が必要になったとき、AIにコードを書いてもらい、以下の処理を行うGASを作成しました。
- 指定したURLのページをスクレイピング
- 「仕様書の内容」と「実際の実装内容」を比較して突合
技術的には自動化できるとわかっていても、自分ひとりではコードが書けず、かといって「周りのエンジニアを巻き込むほどでもない……」と、これまでは1件ずつ目視で確認していた作業です。
もちろん最終的な確認は人が行いますが、「どこを重点的に確認すべきか」の不一致をアラートで絞り込めるだけで、確認コストは大きく変わりました。 完全自動化を目指すのではなく、「人が頑張っていた単純な確認作業を減らす」という目的において、AIはとても心強いツールです。
3. 要件定義や仕様整理の「良き相談相手」
AIの活用は、コード生成だけではありません。 特に助けられているのが、要件定義や仕様整理の壁打ち相手としての使い方です。 仕様書や議事録、参考資料を「NotebookLM」へ集約し、以下のような観点を相談しています。
- 考慮漏れや、見落としている前提条件はないか
- 想定される例外ケースはあるか
- テストに必要な観点は満たせているか
ディレクター業務では、「これで本当に抜け漏れがないだろうか」とひとりで悩む時間が意外と長いと感じています。 AIを使うことで、“最初の壁打ち”がその場ですぐにできるようになり、思考を整理する速度がかなり変わりました。
4. 日々の細かな情報収集とテキスト整理
初歩的すぎてあえて書くほどでもないかもしれませんが、日々の業務で最も使用頻度が高いのは、実はテキスト周りの細々としたタスクです。
例えば、以下のような場面です。
- UI文言・ラベル名の選定：「どの表現が最もユーザーに伝わりやすいか」の文案出し
- 専門領域の下調べ：法務への確認やSEO対策の相談前に、前提知識を分かりやすく噛み砕いてもらう
- 案内文の作成：サービスの重要なお知らせなど、言い回しに少し迷う文章の作成
これらは「わざわざ人に相談するほどではないけれど、少し迷って手が止まる」という場面です。 そういった細かな悩みをAIへ相談し、複数案を出してもらうことで、ひとりで考える負担を減らしています。
また、カスタムAI機能（Geminiのカスタム機能「Gem」）を利用して、届いた問い合わせ内容（※社外秘情報や個人情報をマスキングした状態）から「コンタクトセンター向けの事象説明」と「ユーザーへの返信文案」をセットで自動生成する仕組みも作成しました。 これも単純な時短というより、「情報を整理して関係各所に伝えるための心理的負荷」を減らせている感覚があります。
5. AIを使っても、最後は人が決める
AIを使うようになって改めて感じるのは、「AIは候補を増やすのが得意で、最終的に何を選ぶかは人間の役割」だということです。
AIの提案をそのまま採用するのではなく、
- 現在のプロジェクトの状況
- 社内の運用フロー
- ユーザーの特性
- チームの事情
を踏まえて、最終的には人間が判断する。この明確な役割分担が重要だと感じています。
おわりに
AIによって作業時間が減った、という面ももちろんあります。 ただ個人的にはそれ以上に、「自分には少し難しい」と思っていた領域へ、とりあえず一歩踏み込めるようになったことが一番大きな変化でした。
完璧なツールをはじめから作れる必要はなく、まずは小さく試してみる。 その心理的ハードルを下げてくれたことが、日々のディレクター業務におけるAI活用の、最も大きな価値だと思っています。
