22本中16本が×だった日｜レビューの理由をAIプロンプトに戻して不採用を減らす運用

AIで動画台本やSNS投稿を日次生成していると、ある日ふと不採用の山ができる。私たちの自社ブランドでも、9月5日のレビューで22本中16本が×になった。

直す作業で終わらせると、翌日もほぼ同じ理由で×が並ぶ。この記事は「×の理由を分類してプロンプトに戻す」運用に切り替えたときの実話と、EC実務にどう応用できるかの話です。

※本文の数値・事例は社内の実測メモに基づく一次情報です。

起きたこと：22本中16本が×だった日

運用はシンプルです。AIが台本を日次生成し、公開前にレビュー担当（経営者）が台帳の「採択（◯△×）」列と「コメント」列で判定する。承認された分だけ翌日以降の空き枠に自動予約される。

9月5日、22本中16本が×。コメントを1本ずつ読み解くと、理由は個別のミスではなく、共通のパターンでした。

直そうと思えば1本ずつ直せます。でも翌日、同じパターンの×がまた出ます。作業量だけ増えて品質は積み上がらない。

9月7日、上の6パターンを生成プロンプトとテーマ生成側の禁止事項に反映しました。あわせて、◯だった「道具なしで今夜できる遊びを日常語で提案する」例を採用例としてプロンプトに追加。

やったのはこの3つだけです。

ポイントは、レビューの結果を個別の書き直しではなく、次回以降の生成条件そのものに戻すことです。翌週の不採用率は下がる方向に動いています（率の断定はしません。実測は社内記録）。

もう一つやったのは、承認そのものの導線を仕組み化することです。

レビュー担当がチャットで「ID 10, 12 OK」と返信すると、そのIDだけが翌日以降の空き枠に順送りで自動予約される。日次のストック生成は「予約なし」で止まり、人の◯が付くまで公開されない。

これで「AIが勝手に投稿してしまう」構造上のリスクを消しつつ、承認作業そのものは1行返信で終わる。判定に集中できる状態を作るのが目的です。

運用を仕組みにするほど、「人がやる部分」を明確に線引きする必要が出てきます。今回はこう分けました。

判定と言語化は、AIに委ねると平均化されて丸くなります。ブランドの角度や譲れない一線は、経営者・責任者の判断で残す。ここを渡さないのが品質の分かれ目でした。

商品説明・広告文・SNS投稿をAIに書かせているメーカーは増えています。多くの現場でボトルネックになるのは、生成の腕ではなく承認フローです。

「人が全部直す」運用は、レビュー担当の工数がスケールしません。1日10本チェックできる人でも、100本は無理です。

代わりにこう変える。

この形にすると、レビュー工数を増やさずに品質が積み上がります。担当者が変わっても、蓄積した禁止事項と採用例が引き継がれる。属人化を避けながらブランドの一貫性を保つ、現実的な落とし所だと思います。

自社で同じ運用を回すなら、最低限これだけは仕組みに入れておきたい項目です。

AIコンテンツの品質は、生成の腕ではなくレビュー結果を仕組みに戻す速さで決まります。×の理由を分類して禁止事項に、◯を採用例にして翌日の生成に反映する。人は判定と基準の言語化に集中し、直す作業は減らす。

派手さはありませんが、翌週・翌月にじわじわ効いてくる運用です。

自社のEC運営でも、商品ページ・広告文・レビュー返信などAIに書かせている領域があれば、承認フローの構造から見直してみてください。店舗URLでの無料EC診断もやっています：https://ec-sekitoba.jp/#contact

引用元
・本記事の運用事例・数値は自社EC運営の社内実測メモ（2026年9月5〜7日）に基づく一次情報・AIコンテンツ生成における人間レビューの位置づけ：一般的な生成AI活用の実務知見