AIを「使う仕組み」ごと作る時代が来た

ここ数週間、発信者たちの言葉に共通して浮かび上がっているテーマがある。「AIを使う」ことが当たり前になった次の段階として、「AIが継続的に動く仕組みを自分で設計する」という発想だ。

たとえば@shota7180が整理しているのは、Gemini NotebookLMで情報と根拠を構造化し、Gemini 2.5 Proで「次に何をすべきか」の行動案まで落とし込む、という二段階の流れだ。ツールを一本で完結させようとせず、役割を明確に分けて接続する。これは「AIに質問して答えをもらう」から、「AI同士が分業する構造を自分が組む」への切り替えを意味する。

コピーライティングの文脈でも同じ構造が現れている。PASONAの法則という型と、コピペで使えるプロンプトセットを組み合わせることで、「書く作業」ではなく「型を回す仕組み」を持つ発想だ。文章力の問題ではなく、再現性のある仕組みを持つかどうかの問題として捉え直されている。

業界の流れとして読むと、ツール選定や使い方の習得という「初期フェーズ」がほぼ終わり、今は「仕組みをどう設計するか」が問われるフェーズに入ってきた。AIより「需要の読み方」が今の本質でも触れたように、ツールを知っているだけでは差がつかない段階に来ている。

Gemini NotebookLMとGemini 2.5 Proの使い分けは、「情報の粒度」と「アウトプットの種類」を意識すると整理しやすい。

Gemini NotebookLMは、複数の資料をアップロードして横断的に参照させるのが得意な構造になっている。PDFや記事を読み込ませ、「この情報の中から○○に関係する部分だけ抽出して」という使い方が機能しやすい。ここで求めるのは「根拠の整理」であって、判断や提案ではない。

Gemini 2.5 Pro（Argon）は、その整理された情報を受け取り、「では何をすべきか」「優先順位はどこか」を具体化させる段階で使う。分析と行動案の具体化に向いているとされており、NotebookLMでまとめた素材を渡して「次のアクションを3つ挙げて」という問いに答えさせる流れが自然だ。

この使い方のポイントは「AIに全部やらせない」こと。NotebookLM段階で情報の取捨選択をしておくことで、Gemini 2.5 Proへの入力がノイズなく絞られ、行動案の精度が上がる。「調べて終わり」になりがちな人は、ツールを一本で済ませようとしているケースが多い。二段階に分けることで、情報収集から意思決定までを一本のパイプラインとして設計できる。なおGemini 4 Argon、実務で使う前に知る3つの急所では、このモデルの特性についてより詳しく整理している。

コピーライティングで言われているPASONA（問題・煽り・解決・絞り込み・行動）の法則は、実は「AIに何を渡すか」のフレームとしても機能する。型があれば、AIへの指示が曖昧にならない。「売れる文章を書いて」では出力がブレるが、「PASONAの順番で、Problem部分は○○を使って書いて」と指定すれば再現性が生まれる。

ここで重要なのは「プロンプトを使い捨てにしない」という発想だ。一度うまくいったプロンプトを保存し、商品や状況に応じて変数だけ変えて使い回せる形にしておく。これが「型の仕組み化」の実態だ。

たとえば商品説明LPの冒頭コピーなら、「ターゲット」「抱えている問題」「自社の解決策」「CTAの一文」を変数として、PASONAの構造に流し込むプロンプトを一本作っておくだけで、毎回ゼロから考える必要がなくなる。コピーライティング力の問題ではなく、テンプレートの設計力の問題に変換できる。

ネタ切れはAIへの「聞き方」で解決できるでも整理したように、AIへの問いかけ方そのものを設計しておくことが、継続的な出力品質の安定につながる。