「もっとインパクトを」「ストーリーが弱い」――上司からの抽象的なフィードバックに、また何時間も手直しする羽目になる。せっかくAIツールを導入して叩き台を作っても、結局は定型的な内容に終始してしまい、肝心の「創造性」が求められる部分で手が止まる。多くの人が「AIは創造性が必要な資料作成には不向きだ」と考えるのも無理はないだろう。私も以前はそう思っていた。最近は、ベランダの植物に水をやるのも忘れるくらい、こんな資料地獄に頭を抱える日も少なくなかった。
LLMは「思考の触媒」だ
しかし、ここ最近のマルチモーダルLLMの進化は、その認識を根本から変える可能性があると私は考えている。例えば、OpenAIの GPT-4o やGoogleの Gemini 1.5 Pro は、単なる文字生成ツールではない。テキストだけでなく、画像、音声、そして動画までを理解し、処理できる能力を持っている。これは、資料作成における「思考の壁」を打ち破る「触媒」になり得る。
私が知るある検証では、GPT-4oを活用することで、営業資料の初回ドラフト作成時間が従来の8時間から2時間へと、約75%も短縮されたという報告があった。これは驚異的な数字だ。単にテキストを生成するだけでなく、過去のデータやコンセプトを基に、視覚的な構成案まで提案してくれる。
また、Google Gemini 1.5 Proの画像生成機能を使えば、製品説明のインフォグラフィックを1枚あたり平均15分で作成できたという話も聞く。これは、従来のデザイナーへの依頼コスト、例えば1枚あたり5,000円といった費用を大幅に削減する可能性を示唆している。
これらを例えるなら、AIはまるで「頭の中のアイデアを図にしてくれる優秀な秘書」のような存在だ。漠然としたコンセプトを投げかけるだけで、具体的なビジュアル案や構成案を返してくれる。これは、企画者が一人で悶々と悩む時間を劇的に減らす。
実践！75%削減ワークフローの具体例
では、具体的にどうすれば資料作成の工数を削減できるのか。私が提案したいのは、マルチモーダルLLMを単なる「作業代行」ではなく、「思考の触媒」として活用するアーキテクチャだ。
ある企業での事例を参考に、その実践手順を分解してみよう。彼らは8時間かかっていた営業資料作成を2時間まで短縮したという。
- 目的とターゲットの明確化: まず、資料の目的、ターゲット層、伝えたいキーメッセージをLLM（例えばGPT-4o）にインプットする。
- 過去データの学習: 過去の成功事例、競合分析レポート、顧客からの質問履歴といったデータをLLMに学習させる。これにより、AIはより文脈に即した提案ができるようになる。
- 構成案と主要テキストの生成: GPT-4oに「このデータと目的で、5枚のプレゼン資料の構成案と主要テキスト、画像配置案を生成してくれ」と指示する。ある検証では、これで約10分で構成案が完成し、手作業と比較して約90%の時間削減が達成されたという。
- ビジュアルの具体化: 抽象的なコンセプト（例えば「未来の働き方」）から具体的なイメージ画像を生成するために、 Midjourney v6.0 や Adobe Firefly といった画像生成AIとLLMを連携させる。これらを活用すれば、30分以内に具体的なイメージ画像とキャッチコピーのセットが手に入るだろう。
- スライドの自動構成: Microsoftの Copilot for PowerPoint を活用する。既存のレポートやExcelデータから主要データを抽出し、自動的にスライド構成とグラフを提案させる。これにより、企画書作成のリードタイムが30%短縮される可能性が示されている。
- パーソナライズ: さらに、顧客データ（過去の商談履歴や質問履歴）をAIに学習させることで、個別の顧客ニーズに合わせたパーソナライズされた営業資料を自動生成することも可能になる。
これらのツールは、それぞれ月額費用がかかる。例えば、ChatGPT Plusは月額20ドル、Gemini Advancedも月額20ドル、Microsoft 365 Copilotは月額30ドル/ユーザー、Midjourneyは月額10ドル〜といった具合だ。初期投資は必要だが、削減される工数や得られるアウトプットの質を考えれば、十分ペイできると私は見ている。
企画者の「次」の生存戦略
AIによる資料作成は、「定型業務の自動化」に留まるとの見方は誤解だと私は思う。むしろ、AIは企画者の思考を刺激し、創造性を高める強力な触媒になり得る。過去の商談履歴をAIに食わせることで、顧客エンゲージメントを向上させるパーソナライズされた資料を自動生成できる可能性は、ビジネスにおけるROI（投資収益率）を大きく左右するだろう。
「創造性に不向き」という言説への反論として、AIはゼロからのアイデア出しや、異なる情報源を統合した新しい視点の提案において、人間の思考をむしろ加速させる。これは、企画者がこれまで見過ごしていた視点や、発想の転換をもたらすきっかけになる。
もちろん、人間が最後に担うべき「意思決定」と「ストーリーテリング」の重要性は変わらない。AIがどれだけ素晴らしい資料を作っても、それをどう見せ、どう語り、相手の心を動かすかは、結局は人間の役割だ。
余談だけど、最近、物理AI技術のトレンドを調べているんだが、資料作成の効率化も大事だが、その先の「何を提案するか」が本質だと改めて感じている。AI実装型アドバイザリーへの完全移行を目指す自分にとって、この「思考の触媒」としてのLLMの活用は、クライアントへの提案力を高める強力な武器になりそうだ。
---
使える人:
* 毎週のように資料作成に追われ、休日出勤や残業が常態化している企画者や営業担当者。
* 上司の抽象的なフィードバックに疲弊し、資料の質を上げたいと真剣に考えている人。
使えない人:
* AIを単なるコピペツールとしか見ず、深い思考やプロンプトエンジニアリングの学習を避ける人。
* 生成された情報のファクトチェックを怠り、AIに丸投げすることに抵抗がない人。
---
欠点・制限・落とし穴:
* AIに適切なプロンプトを与える「プロンプトエンジニアリング」のスキル習得は避けて通れない。
* 機密情報や個人情報を扱う場合は、オンプレミスLLMの導入やプライベートクラウド環境での運用など、セキュリティ対策を慎重に検討する必要があるだろう。
* AIが生成した情報には、誤りや偏りが含まれる可能性があるため、最終的なファクトチェックと倫理的な判断は人間の責任だ。
* AIに依存しすぎると、かえって自身の思考力が低下するリスクも潜んでいる。
まずは、手始めに簡単な社内報告資料から、これらのマルチモーダルLLMを「思考の壁打ち相手」として使ってみる。そこから、自分なりの最適なワークフローを見つけていくのが、今の私にできる小さな一歩だと考えている。