PR 会社が顧客のプレスリリースの原稿を Azure OpenAI で校正し、表記・根拠の要る表現・解禁日の書き方を点検して、顧客への修正の提案の一覧を作る
PR 会社が顧客から受け取ったプレスリリースの原稿を、配信の前に Azure OpenAI で校正します。表記の揺れ、根拠の要る表現、解禁日時の書き方の食い違いに印を付け、顧客へ返す修正の提案の一覧にします。
- 生成AI
- Azure OpenAI Service/Claude
- 連携・自動化
- Power Automate
- 対象業界
- IT・SaaS/小売/広告/製造
- 対象部門
- マーケティング
- 対象業務
- 内容確認・チェック/書類作成
- 主な課題
- 人手が足りない/属人化している/確認ミスが多い
- AIで行う処理
- 校正
- 主な効果
- 入力漏れ削減/品質標準化/工数削減
- 導入難易度
- ★★☆☆☆
- 実装レベル
- 本格構成
- 費用感
- API連携(中)
- 人間の確認
- 条件付き
01導入前 / 導入後の業務フロー
- 顧客の広報から原稿の Word と、発表の日時・価格・発売日などの連絡がメールや Teams で届く
- 担当者が原稿を開き、その顧客の表記の決まりを思い出しながら1段落ずつ読む
- 社名・製品名・日付・曜日・価格を、顧客からの連絡や過去のリリースと見比べる
- 「初」「No.1」「最大級」「〇%」のような言い方に印を付け、根拠を顧客に聞くかを決める
- 冒頭の解禁日時と本文の「本日」「このたび」の書き方を、配信の予定表と見比べる
- 気づいたことを Word のコメントに書き込むか、メールに箇条書きで書いて顧客へ返す
- 顧客の直しが入った原稿をもう一度読み、了承を得て配信の手配に回す
- 人担当者が顧客から届いた原稿を SharePoint の「校正待ち」ライブラリに置き、顧客のコードと発表の種類を列に入れる
- 人同じ顧客の発表の基本情報(発表日、解禁日時、配信の予定、価格、発売日、製品名)を、SharePoint のリストの1行に入れる
- 自動ファイルの作成をきっかけに Power Automate が動き、原稿の中身と列の値を取る
- 自動Azure Functions が原稿を段落ごとに番号を付けて分け、日付・曜日・時刻・価格・割合を抜き出す
- 自動抜き出した値を発表の基本情報と突き合わせ、曜日は日付から計算して書かれた曜日と比べる
- 自動その顧客の表記の決まりの語の一覧(正しい表記と、よくある誤った表記)を、段落に機械的に当てる
- 自動Azure OpenAI が段落ごとに、根拠の要る表現、語の一覧で拾えない表記の揺れ、解禁の書き方の食い違いを返す
- 自動5〜7番の結果をまとめた修正の提案の一覧を原稿の横に置き、担当者に Teams で知らせる
- 人担当者が一覧を読み、顧客に返す提案を選び、言い方を整える
- 人顧客に一覧を送り、根拠の資料の有無を問い合わせ、了承を得てから配信の手配に回す
各工程の詳しい説明を読む
- 顧客の広報から原稿の Word と、発表の日時・価格・発売日などの連絡がメールや Teams で届く
- 担当者が原稿を開き、その顧客の表記の決まりを思い出しながら1段落ずつ読む
- 社名・製品名・日付・曜日・価格を、顧客からの連絡や過去のリリースと見比べる
- 「初」「No.1」「最大級」「〇%」のような言い方に印を付け、根拠を顧客に聞くかを決める
- 冒頭の解禁日時と本文の「本日」「このたび」の書き方を、配信の予定表と見比べる
- 気づいたことを Word のコメントに書き込むか、メールに箇条書きで書いて顧客へ返す
- 顧客の直しが入った原稿をもう一度読み、了承を得て配信の手配に回す
(a)顧客ごとの決まりが担当者の頭の中にある。 2番は、その顧客を長く担当している人ほど速く、正確です。担当が替わった月や、別の担当が代わりに読む日には、決まりの見落としが増えます。 決まりの文書はありますが、40社分を原稿の横に開いて読む時間はありません。
(b)日付と曜日と価格は、目で見比べると漏れる。 3番は単純な作業ですが、曜日の誤り、税込と税抜の取り違え、発売日と発表日の取り違えは、記者に届いてから問い合わせで分かることがあります。訂正のリリースを出すことになれば、顧客にも記者にも手間をかけます。
(c)根拠の要る言い方が配信の直前に見つかる。 4番で「業界初」に印を付けても、顧客に根拠を聞いて答えが返るまで配信を待つことになります。読むのが遅れるほど、配信の予定が詰まります。
(d)解禁の書き違いは取り返しがつかない。 冒頭の解禁日時と配信の予定が1日ずれていた、本文に「本日発表」とあるのに解禁が翌日だった、といった食い違いは、記者が解禁より前に記事にしてしまうきっかけになります。 出てしまった記事は戻せません。
- 【人】 担当者が顧客から届いた原稿を SharePoint の「校正待ち」ライブラリに置き、顧客のコードと発表の種類を列に入れる
- 【人】 同じ顧客の発表の基本情報(発表日、解禁日時、配信の予定、価格、発売日、製品名)を、SharePoint のリストの1行に入れる
- 【自動】 ファイルの作成をきっかけに Power Automate が動き、原稿の中身と列の値を取る
- 【自動】 Azure Functions が原稿を段落ごとに番号を付けて分け、日付・曜日・時刻・価格・割合を抜き出す
- 【自動】 抜き出した値を発表の基本情報と突き合わせ、曜日は日付から計算して書かれた曜日と比べる
- 【自動】 その顧客の表記の決まりの語の一覧(正しい表記と、よくある誤った表記)を、段落に機械的に当てる
- 【自動】 Azure OpenAI が段落ごとに、根拠の要る表現、語の一覧で拾えない表記の揺れ、解禁の書き方の食い違いを返す
- 【自動】 5〜7番の結果をまとめた修正の提案の一覧を原稿の横に置き、担当者に Teams で知らせる
- 【人】 担当者が一覧を読み、顧客に返す提案を選び、言い方を整える
- 【人】 顧客に一覧を送り、根拠の資料の有無を問い合わせ、了承を得てから配信の手配に回す
9番が、この設計の分かれ目です。 一覧の提案をそのまま顧客へ送ることはしません。AIの印は「気になる箇所」で、顧客に何を言うかは担当者が決めます。 顧客との関係を知っているのは担当者で、同じ「業界初」でも、根拠の資料を前の発表で確かめ済みの顧客と、初めて使う顧客とでは聞き方が違います。
5番を機械の処理にしているのも、意図してのことです。 日付・曜日・価格の食い違いは、一覧の先頭に「確定の食い違い」として並べます。AIの印と混ぜないので、担当者はここから先に直せます。
02今回想定するシステム構成
顧客から届いた原稿(Word) │ 担当者が「校正待ち」ライブラリに置く(顧客のコード・発表の種類の列) ▼【トリガー】ファイルの作成 Power Automate ── 原稿の中身と列の値を取り、処理を呼ぶ ▼ Azure Functions ├──▶ 原稿を段落ごとに番号を付けて分ける ├──▶ 日付・曜日・時刻・価格・割合を抜き出し、発表の基本情報と突き合わせる └──▶ 顧客の表記の決まりの語の一覧を当てる ▼ Azure OpenAI(Microsoft Foundry)── 段落ごとに根拠の要る表現・表記の揺れ・解禁の書き方を返す ▼ 修正の提案の一覧(原稿の横)+ Teams で担当者へ通知 ▼ 【担当者が提案を選んで顧客へ返し、了承を得てから配信】
| 役割 | 想定する製品 | 代替候補 |
|---|---|---|
| 生成AI | Azure OpenAI(Microsoft Foundry) | Claude API |
| 連携 | Power Automate(文書ライブラリのトリガーとファイルの中身の取得、Teams への通知) | Azure Logic Apps |
| 連携 | Azure Functions(段落の分割、値の抜き出しと突き合わせ、語の照合) | AWS Lambda |
| 台帳 | SharePoint のリスト(発表の基本情報、顧客ごとの表記の決まり、根拠の資料の確認の記録) | Azure SQL Database |
| 文書の保管 | SharePoint の文書ライブラリ(原稿、修正の提案の一覧) | 社内のファイルサーバー |
新しく足すのは、発表の基本情報のリストと、表記の決まりを語の一覧に直したリストです。 顧客の原稿の受け取り方、配信の手配は変えません。最初の準備は、40社分の表記の決まりを「正しい表記」「よくある誤り」「初出だけの決まり」の3列に移すことです。
根拠の要る表現の印は、景品表示法の考え方に沿って付けます。 消費者庁のページは、優良誤認表示は故意に偽って表示する場合だけでなく、誤って表示してしまった場合であっても規制されるとし、不実証広告規制では、期間を定めて合理的な根拠を示す資料の提出を求められ、出さない場合は措置命令との関係で優良誤認表示とみなされるとしています。プレスリリースの言い方がそのまま広告や商品ページに転用されることは多く、根拠の資料があるかを配信の前に確かめておく意味があります。
価格と取引の条件の言い方も見ます。 消費者庁のページは、価格その他の取引条件について実際より著しく有利と誤認される表示を有利誤認表示とし、基本の価格を書かずに「今なら半額!」と表示した例を挙げています。「通常価格の30%オフ」と書かれていて、通常価格が原稿に無いときに印を付けます。
AIには「違反かどうか」を言わせません。 返すのは「根拠の資料が要る言い方」という印までで、使ってよいかは顧客が決め、迷うものは顧客の法務や弁護士が判断します。
03どうやって実装するのか
処理の起点を決める
SharePoint の「校正待ち」ライブラリにファイルが作られたことを起点にします。 Power Automate の SharePoint コネクタの「ファイルが作成されたとき(プロパティのみ)」を使います。このトリガーはライブラリの列の値だけを返すので、続けて「ファイル コンテンツの取得」で原稿の中身を取ります。
旧来の「フォルダーにファイルが作成されたとき」は非推奨で、サブフォルダにファイルが足されても動かないとされています。顧客ごとにフォルダを切りたくなりますが、ライブラリは1つにし、顧客は列で持ちます。
1日1回の定時処理にはしません。原稿は配信の数日前に届くことが多く、根拠の問い合わせを早く返すほど配信の予定に余裕が出ます。 置いてから数分で一覧が返れば、担当者はその日のうちに顧客へ問い合わせられます。
顧客の直しが入った版は、別の名前で同じライブラリに置きます。 版ごとに一覧が作られ、前の版で出た指摘が直ったかを、版を並べて見られます。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| 原稿 | Word の文書。顧客のコード、発表の種類(新製品・提携・価格改定・調査結果・人事) | 「校正待ち」ライブラリとファイルの列 |
| 発表の基本情報 | 発表日、解禁日時の有無と日時、配信の予定日時、製品名、価格(税込・税抜の別)、発売日 | SharePoint のリスト(担当者が入れる) |
| 表記の決まり | 正しい表記、よくある誤り、初出だけの決まり(™・®・正式名称と略称) | SharePoint のリスト(顧客ごと) |
| 根拠の確認の記録 | 過去に顧客から根拠の資料を受け取った言い方、受け取った日、資料の名前 | SharePoint のリスト |
質を決めるのは、2行目の発表の基本情報です。 原稿と見比べる先が原稿の中にしか無いと、原稿の誤りは誤りのまま通ります。顧客からメールで届いた日時や価格を、担当者がリストに写すことが最初の一手です。 写すときに食い違いに気づくこともあります。
根拠の確認の記録は、同じ問い合わせを繰り返さないために持ちます。 「国内シェア No.1」の根拠を半年前に受け取っていれば、同じ調査の年次であるかだけを聞けば済みます。
データの取得方法を決める
| 取るもの | どこから | どう取るか |
|---|---|---|
| 原稿の中身 | 「校正待ち」ライブラリ | トリガーの後に「ファイル コンテンツの取得」 |
| 顧客のコード・発表の種類 | ファイルの列 | トリガーが返す列の値 |
| 発表の基本情報 | SharePoint のリスト | 顧客のコードと発表日で1行を引く |
| 表記の決まり・根拠の確認の記録 | SharePoint のリスト | Functions が Microsoft Graph で読む |
表記の決まりは、その顧客の分だけをプロンプトに入れます。 1社あたり数十語なので、量は多くありません。ほかの顧客の決まりを混ぜると、別の会社の表記に寄せた提案が出ます。 顧客のコードで必ず絞ります。
発表の基本情報が見つからないときは、AIを呼ばずに止めます。 原稿だけで校正すると、日付と価格の照合が抜けたまま一覧ができてしまいます。
AIへ渡す前に整形する
- 段落の分割 … 原稿を段落ごとに分け、
p01、p02のように番号を付けます。見出し、リード文、本文、会社概要、問い合わせ先を区別して持ちます - 値の抜き出し … 「年」「月」「日」「(曜)」「:」「円」「%」を手がかりに、日付・曜日・時刻・価格・割合を正規表現で抜き出します
- 曜日の計算 … 抜き出した日付から曜日を計算し、原稿に書かれた曜日と比べます
- 基本情報との突き合わせ … 発表日、解禁日時、発売日、価格を基本情報と比べ、合わないものを「確定の食い違い」にします
- 語の照合 … 表記の決まりの「よくある誤り」を段落に当てます。全角と半角、大文字と小文字は先にそろえてから当てます
- 解禁の行の取り出し … 冒頭の「報道解禁」「解禁日時」の行を取り出し、本文の「本日」「このたび」を含む段落の番号と一緒にAIへ渡します
2番から4番をAIに任せないのが、この前処理の肝です。 「11月19日(水)」の曜日の誤りは、計算すれば必ず見つかります。AIに任せると、見つけるときと見逃すときが出ます。
6番で解禁の行と本文を結び付けておくと、AIの見る範囲が狭まります。 解禁の書き方の食い違いは、冒頭と本文の離れた場所の組み合わせで起きるので、組み合わせを前処理で用意してから渡します。
AIに処理させる
させるのは、段落ごとに3つの物差しで印を付け、顧客へ返す提案の文を書くことです。
| 見るもの | 例 | 返すもの |
|---|---|---|
| 根拠の要る表現 | 「業界初」「国内シェア No.1」「導入社数 No.1」「作業時間を50%削減」「最大級」 | 種類(最上級・初・順位・効果の数値・比較)、根拠の資料を問う文 |
| 取引の条件の言い方 | 「通常価格の30%オフ」「今なら無料」 | 条件の書き漏れの指摘(基準の価格・期間・対象) |
| 表記の揺れ | 製品名の英字の揺れ、正式名称と略称の初出の順、™の付け方 | 段落番号、揺れている語、表記の決まりの該当の行 |
| 解禁の書き方 | 冒頭は解禁が翌日、本文は「本日発表」 | 食い違いの組み合わせと、確かめる問いの文 |
| どれにも当たらない段落 | 会社概要、問い合わせ先 | none |
1行目の「効果の数値」は、根拠の資料の中身までは見ません。 「50%削減」に対して、どの条件で測った値かが原稿にあるかを見て、無ければ「条件を本文に書くか、注記にするか」を顧客に問う文を返させます。
| させないこと | 理由 |
|---|---|
| 違反かどうかの結論 | 判断は顧客と、顧客の法務や弁護士が行う |
| 日付・曜日・価格の正誤の判断 | 前処理で機械が突き合わせる。AIに数字を読ませない |
| 原稿の書き直し | 原稿は顧客のもの。提案の文に限る |
| 根拠の資料の有無の推測 | 確認の記録と照らすのは人。AIは「問う」まで |
| 新しい事実や数字の追加 | 原稿に無い実績・社数・受賞を提案に足さない |
| 記者の受け止め方の予想 | 「記事になりやすい」などの評価をしない |
5行目がいちばん起きやすい失敗です。 「業界初」を弱める提案を頼むと、「〇〇社の調べによる」と出どころを足した案を返すことがあります。出どころは原稿のどこにも書かれていません。 提案は、削る・弱める・条件や出どころを顧客に問う、のどれかに限らせます。
指示内容を固定する
あなたは PR 会社で、顧客企業から預かったプレスリリースの原稿を
配信の前に読み、顧客へ返す修正の提案を作る担当です。
原稿は顧客のものです。書き直さず、段落ごとに提案を返してください。
【物差し】
- A:根拠の要る表現(最上級、初、順位、効果の数値、他社との比較)と、
取引の条件の言い方(割引、無料、期間限定)
- B:表記の揺れ(この顧客の表記の決まりに照らす)
- C:解禁の書き方(冒頭の解禁日時と、本文の「本日」「このたび」などの組み合わせ)
日付・曜日・価格の正誤は見ません。別の処理で突き合わせが済んでいます。
【判定のしかた】
- 段落ごとに、当たる物差しを axis に入れる。当たらなければ none
- A は種類を claim_type に入れる(superlative / first / ranking / effect_figure / comparison / price_condition)
- 当たりそうだが言い切れないものは status を likely にする
迷ったときに none を選ばないでください。
【提案の文の決まり】
- 提案は「削る」「弱める」「条件や出どころを顧客に問う」のいずれかにしてください
- 原稿に書かれていない調査の名前、社数、実績、受賞、出どころを提案に足さないでください
- B の提案は、表記の決まりの該当の行の番号を rule_ref に入れてください
- C は、食い違っている段落の番号を2つ以上 related_paragraphs に入れてください
【厳守事項】
- 違反、違法、問題ない、といった結論を書かないでください
- 根拠の資料があるかを推測しないでください。問う文だけを書いてください
- evidence には、当たったと考えた原稿の語句をそのまま写してください
- 記者の受け止め方や記事になりやすさを書かないでください
【原稿(番号付きの段落)】{paragraphs}
【解禁の行と、本日などを含む段落】{embargo_lines}
【この顧客の表記の決まり】{style_rules}
【発表の種類】{release_type}
「原稿に無い出どころを足さない」を明記しないと、親切な提案が誤りになります。 AIは「業界初」を和らげようとして、それらしい調査の名前を書き足します。顧客がその提案をそのまま採れば、根拠の無い出どころが記者に届きます。
「迷ったときに none を選ばない」は、見落としを人の目に回すための一文です。 likely を用意し、言い切れない段落は担当者に読ませます。
出力形式を固定する
Azure OpenAI の構造化出力で、次の形の JSON を返させます。 Chat Completions API の response_format に json_schema を渡し、strict を有効にします。
{
"document_id": "",
"release_type": "product | partnership | price | survey | personnel",
"paragraphs": [
{
"paragraph_id": "p04",
"status": "hit | likely | none",
"axis": "A | B | C | none",
"claim_type": "first",
"evidence": "業界初の",
"rule_ref": null,
"related_paragraphs": [],
"ask_client": "「業界初」の根拠となる調査の範囲と時期をお知らせください。",
"suggestion": "根拠の資料が無い場合は「業界初の」を削る案"
}
]
}
1つ目の理由は、axis で返す順を決められることです。 A は根拠の資料を待つので最初に顧客へ送り、B は一覧でまとめて返し、C は配信の予定に関わるので担当者がすぐに顧客へ電話で確かめます。一覧を開く前に、急ぐものが分かります。
2つ目は、ask_client と suggestion を分けていることです。 顧客へ送るのは問う文で、提案の案は担当者が選ぶ材料です。問う文だけを送るか、案も添えるかは、顧客との関係で担当者が決めます。
スキーマの書き方には制約があります。 Azure OpenAI の構造化出力は、すべてのフィールドを required にし、additionalProperties を false にする必要があります。省略したい項目は null との共用体型で表します。文字列の minLength・maxLength・pattern・format、配列の minItems・maxItems などは使えません。 C の related_paragraphs が2つ以上あるかや、paragraph_id の形は、受け取った後に Functions で確かめます。オブジェクトのプロパティは合計100個まで、入れ子は5段までです。
修正の提案の一覧は、次の順に並べて原稿の横に置きます。
| 並び | 中身 | 出どころ |
|---|---|---|
| 1 | 確定の食い違い(日付・曜日・時刻・価格・発売日) | 前処理の突き合わせ |
| 2 | 解禁の書き方(C) | AI |
| 3 | 根拠の要る表現・取引の条件(A) | AI |
| 4 | 表記の揺れ(語の一覧に当たったもの、B) | 前処理とAI |
システムへ連携する
| つなぎ先 | 方式 | 内容 |
|---|---|---|
| SharePoint の文書ライブラリ | Power Automate のトリガーと「ファイル コンテンツの取得」 | 原稿の作成を検知し、中身と列の値を取る |
| 発表の基本情報・表記の決まり・確認の記録 | Azure Functions から読み取り | 突き合わせ、語の照合、プロンプトの組み立て |
| Azure OpenAI | Chat Completions API(構造化出力) | 段落ごとの印と提案の文 |
| SharePoint の文書ライブラリ | Power Automate の「ファイルの作成」 | 修正の提案の一覧を原稿の横に置く |
| Teams | Power Automate | 担当者へ件数と、確定の食い違いの有無を知らせる |
原稿にも、顧客へのメールにも書き込みません。 一覧を顧客に送るのは担当者です。自動で顧客へ送ると、担当者が読む前の印が顧客の広報に届きます。
Responses API ではなく Chat Completions API を使います。 Responses API は会話の履歴を持つためにメッセージの履歴などを保存するとされています。この構成は原稿1本ごとに完結するので、預かった未発表の原稿を、校正のために余分に残す仕組みは要りません。
人が確認する
- 確定の食い違いを先に直す … 曜日の誤り、価格の税込と税抜の取り違えなど。顧客へ「この値で正しいか」を問う形で返します
- C(解禁の書き方)を確かめる … 印があれば、配信の予定と合わせて顧客にすぐ確かめます
- A を読み、問う文を選ぶ … 根拠の確認の記録と照らし、確認済みの言い方は外します。
likelyは必ず読みます - B をまとめる … 語の一覧に当たったものは、そのまま一覧で返します
- 顧客へ返し、返事を記録する … 根拠の資料を受け取ったら、確認の記録に足します
2番を後回しにしないでください。 解禁の食い違いは、配信の予定を動かすかどうかに関わります。ほかの指摘は配信の後でも訂正できますが、解禁の誤りは記事が出た時点で戻せません。
3番で確認済みの言い方を外すのは、顧客の手間を減らすためです。 毎回同じ根拠を聞かれる顧客は、PR 会社の問い合わせを読まなくなります。
例外に対処する
| 起きること | 対応 |
|---|---|
| 発表の基本情報がリストに無い | AIを呼ばずに止め、担当者に入力を頼む。原稿だけで校正しない |
| 原稿が Word でない(PDF・画像) | 処理せずに担当者へ返す。顧客に編集できる形で送ってもらう |
Azure OpenAI がエラーや content_filter で止める | 既定の安全方針は入力と出力の両方で重大度「中」以上をブロックする。セキュリティ製品の攻撃の説明や事故の調査結果の発表などで当たることがありうる。止まった原稿は担当者が読む |
| 解禁日時の欄が「なし」なのに原稿に解禁の行がある | 確定の食い違いとして一覧の先頭に出し、顧客に確かめる |
| 表記の決まりがまだ無い顧客 | B の照合を飛ばし、一覧に「表記の決まり未登録」と出す |
paragraph_id が原稿に無い番号で返る | その応答を捨て、1回だけやり直す。2回目も合わなければ担当者へ |
| 1本の原稿が長い(調査結果の詳細など) | 段落の数で分けて送り、一覧で結合する |
| 同じ原稿が二度置かれる | ファイル名と更新日時で照らし、版を付けて一覧を残す |
3行目は導入前に試しておきます。 公式のページは、分類器が誤検知と見逃しの両方を起こしうるとし、実際の内容で評価するよう勧めています。過去のリリースのうち、事故・障害・セキュリティを扱ったものを流して、止まるものがあるかを見てください。 止まったものを通すためにプロンプトを変えるより、人に回すほうが安全です。
記録を残す
- 元の原稿と、顧客のコード・発表の種類・版
- 突き合わせに使った発表の基本情報の行と、確定の食い違いの一覧
- Azure OpenAI に送った段落と、返ってきた JSON の全文
- そのとき使った表記の決まりの版
- 担当者が顧客へ返した一覧と、採らなかった印
- 顧客の返事(根拠の資料の有無、直したかどうか)
4つ目で表記の決まりの版を残すのは、顧客の決まりが変わるためです。 社名の変更、製品名の改称があると、同じ原稿でも出る指摘が変わります。 どの版で見たかが残っていないと、顧客に理由を説明できません。
顧客の返事は、根拠の確認の記録を育てる材料です。 半年分がたまると、顧客ごとに「毎回根拠を求められる言い方」が分かり、顧客の側で書く前に直してもらう相談ができます。
04実装レベルの3段階
半自動化で、1本40分が25分程度になります。 言い方の印は自動で出ますが、日付・曜日・価格を顧客の連絡と見比べる作業が手で残ります。本格構成で15分になり、この段階が本記事の想定です。 差が大きいのは、顧客のメールを探して日付と価格を見比べる時間が、前処理で無くなるからです。 段階を飛ばさないでください。 半自動化を1か月回すと、どの顧客の表記の決まりが足りないかが一覧から分かります。決まりを埋めてから突き合わせを足すほうが、一覧が担当者に信用されます。
05工数削減シミュレーション
導入後 60件 × 15分 ÷ 60 = 15 時間/月
自社条件で導入効果を整理したい方へ
このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。
06向いている企業・向いていない企業
- 顧客企業から預かったプレスリリースの原稿を、配信の前に PR 会社の側で読み直している PR 会社・広告会社。顧客が数十社あり、社名の「株式会社」の位置、製品名の英字の大文字・小文字、価格の税込と税抜の書き方が顧客ごとに違う場合。「業界初」「シェア No.1」のような言い方の根拠を、配信の直前に顧客へ問い合わせることが多い場合。解禁日時を決めて記者に先に渡す発表があり、原稿の解禁の行と配信の予定が食い違ったことがある場合。事業会社の広報の部署が、各部署から上がる原稿を同じ形で見るときにも当てはまります。
- 顧客が数社で、毎月の原稿が数本の場合。原稿の作成から配信まで顧客の側で済ませ、PR 会社は配信の手配だけを受けている場合。表示が景品表示法などの法令に違反するかの判断そのものを機械に任せたい場合(この構成が出すのは、顧客の決まりと受け取った資料に照らした修正の提案までで、言い方を使ってよいかは顧客が決め、迷うものは顧客の法務や弁護士が判断します)。
07最小構成で試す方法
- 先月配信したリリースから20本を選ぶ(うち数本は、配信前に担当者が指摘を返したものを含める)
- それぞれの顧客の表記の決まりと、発表の基本情報(日時・価格)を書き出す
- 社内で使える AI のチャット(Microsoft 365 Copilot Chat など)に、決まりと原稿を1本ずつ貼る
- 「段落ごとに、根拠の要る表現、表記の揺れ、解禁の書き方の食い違いを挙げ、顧客に問う文を書いてください。原稿を書き直さないでください。原稿に無い出どころを足さないでください。違反かどうかは書かないでください」と指示する
- 出てきた指摘を、担当者が当時返した指摘と突き合わせる
日付・曜日・価格の照合は、この段階では人が行います。 確かめたいのは、「決まりを渡せば、担当者と同じ箇所に印が付くか」です。
| 出てきた内容 | 判断 |
|---|---|
| 担当者が返した指摘と同じ段落に印が付いた | ワークフローの連携に進む |
| 提案に原稿に無い出どころや数字が足される | 指示の書き方で直る。構成は有効 |
| 担当者が指摘した表記の揺れに印が付かない | 表記の決まりに書かれていない。 決まりの文書を足すのが先 |
3行目は、決まりが担当者の頭の中にしか無かったということです。 決まりの文書に足してください。
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| 提案に原稿に無い出どころや数字が足される | 削る・弱める・顧客に問う、に限らせる。 一覧で原文と並べて見せる |
迷う段落が none に寄る | likely を用意し、迷ったら none を選ばないと明記する |
| 曜日や価格をAIに見させて見逃す | 前処理で計算と突き合わせ。AIに数字を判断させない |
| ほかの顧客の表記に寄せた提案が出る | 表記の決まりは顧客のコードで絞ってその顧客の分だけ渡す |
| 解禁の食い違いが一覧の下に埋もれる | 確定の食い違いと C を一覧の先頭に並べ、Teams の通知にも出す |
| 顧客ごとにフォルダを切って動かない | ライブラリは1つにし、顧客は列で持つ |
スキーマに maxLength を入れて失敗する | 構造化出力では使えない。受け取った後に Functions で見る |
| 事故やセキュリティの発表で止まる | 導入前に過去のリリースを流して試し、止まったら人へ |
| 同じ根拠を毎回顧客に聞いてしまう | 根拠の確認の記録と照らし、確認済みの言い方を外す |
| 一覧をそのまま顧客に送ってしまう | 担当者が選んでから送る決まりにし、自動送信を作らない |
上の2行が、この構成の失敗のほとんどです。 どちらも、AIが「役に立とうとして」起きます。指示で抑え、一覧で原文と並べて担当者が見る、の二重で止めます。
09セキュリティ・AIガバナンス上の注意点
この構成で扱うデータ: 顧客企業の未発表の発表の原稿(新製品、提携、価格の改定、人事)、発表の日時、価格、根拠の資料の名前です。上場している顧客の未公表の情報を含むことがあります。
- 未発表の情報として扱う人を限る … 「校正待ち」ライブラリと一覧は、その顧客の担当者だけが開ける権限にします。顧客ごとに権限を分けられないなら、ライブラリを分けたうえでトリガーを顧客ごとに作ります
- デプロイの種類で処理の場所が変わる … Global や DataZone のデプロイでは、指定した地域の外で処理されうるとされています。国外での処理を契約で断っている顧客がいれば、地域を指定したデプロイを選びます
- 入力と出力は OpenAI に渡らず、学習にも使われない … 一方で、不正利用の監視で人が確認することがあるとされています。顧客との秘密保持の取り決めで、外部のサービスに原稿を渡してよいかを先に確かめます
- AIの印を法的な判断として扱わない … 返すのは顧客の決まりと受け取った資料に照らした提案です。言い方を使ってよいかは顧客が決め、迷うものは顧客の法務や弁護士が判断します
- 原稿を自動で書き換えない、自動で送らない … 顧客の名前で出る文書です。提案を選ぶのも、顧客に送るのも担当者です
- 解禁の情報を記録に残す … 解禁日時の食い違いを見つけたとき、誰がいつ顧客に確かめたかを残します。配信の後に問い合わせがあったとき、経緯を示せるようにします
誤りが起きた場合のリスクは、解禁や日付の食い違いを見落として配信することと、原稿に無い出どころを足した提案を顧客が採ることの2つです。 前者は前処理の突き合わせと一覧の並びで、後者は指示と原文との並べ表示で防ぎます。
10まず何から始めるか
1週目:表記の決まりを語の一覧に移す
顧客ごとの表記の決まりの文書から、「正しい表記」「よくある誤り」「初出だけの決まり」を書き出し、SharePoint のリストに移します。本数の多い上位10社から始めます。 この10社で月の原稿の半分ほどが埋まります。
2週目:20本で試す
先月のリリースから20本を選び、社内で使える AI のチャットに決まりと原稿を貼って、段落ごとの指摘を出させます。原稿に無い出どころや数字を足していないかを、最優先で見ます。
3週目:発表の基本情報のリストを作る
発表日、解禁日時、配信の予定、価格(税込・税抜の別)、発売日、製品名の列を決め、顧客から連絡を受けた担当者がその日のうちに入れる決まりにします。ここが決まらないうちに突き合わせを組むと、比べる先がありません。
4週目:ライブラリから一覧までをつなぐ
Power Automate で「校正待ち」を見張り、Azure OpenAI を呼んで一覧を原稿の横に置くところまで作ります。この時点では突き合わせを入れず、言い方と表記の印だけを見ます。 事故やセキュリティを扱った過去のリリースを流して、止まるものがあるかも確かめます。
2か月目: 日付・曜日・価格の突き合わせと解禁の行の取り出しを足し、一覧の先頭に確定の食い違いを並べます。3か月目以降: 根拠の確認の記録を足し、1本40分が何分になったかを測ります。確定の食い違いが配信の前にすべて見つかり、顧客への同じ問い合わせが減った時点で、この構成は完成です。
11関連ユースケース
12この仕組みを理解するための記事
13技術仕様の確認日・参考情報
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
| 優良誤認表示(法第5条第1号)は故意に偽って表示する場合だけでなく、誤って表示してしまった場合でも規制されること。不実証広告規制(法第7条第2項)で、期間を定めて合理的な根拠を示す資料の提出を求めることができ、提出しない場合は措置命令との関係で優良誤認表示とみなされること | 消費者庁: 優良誤認とは | 2026-11-04 |
| 有利誤認表示(法第5条第2号)が、価格その他の取引条件について実際より著しく有利と誤認される表示であること。基本価格を記載せずに「今なら半額!」と表示した例 | 消費者庁: 有利誤認とは | 2026-11-04 |
構造化出力が Chat Completions(response_format)と Responses(text.format)で使えること。全フィールドの required、additionalProperties: false、null との共用体、プロパティ100個・入れ子5段の上限、minLength・maxLength・pattern・format・minItems・maxItems などが非対応であること | Microsoft Learn: Azure OpenAI で構造化出力を使用する方法 | 2026-11-04 |
既定の安全方針(DefaultV2)が入力と出力の両方で重大度「中」以上をブロックすること。止まると HTTP 400 の content_filter か、finish_reason が content_filter になること。分類器が誤検知と見逃しを起こしうり、実際の内容で評価するよう勧めていること | Microsoft Learn: Default safety policies | 2026-11-04 |
| 入力と出力が OpenAI に渡らず、モデルの学習に使われないこと。Global・DataZone のデプロイでは指定の地域の外で処理されうること。Responses API がメッセージの履歴を保存すること。不正利用の監視で人が確認することがあること | Microsoft Learn: Data, privacy, and security for Foundry Models sold by Azure | 2026-11-04 |
| 「ファイルが作成されたとき(プロパティのみ)」が列の値だけを返し、「ファイル コンテンツの取得」で中身を取ること。旧来のフォルダのトリガーが非推奨でサブフォルダで動かないこと | Microsoft Learn: SharePoint コネクタ | 2026-11-04 |
どの言い方を使ってよいかは顧客が決め、迷うものは顧客の法務や弁護士に相談してください。 本記事は上の公開情報で確認できた範囲だけを扱っています。
実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。
自社の業務に使えるAI活用候補を整理します
このユースケース(UC-2738)についてのご相談はこちらから。
