私が見てきた大半のメディア作業で、AIはおおよそ75〜80%の仕事を担えます——その割合は制作、組み立て、パターン発見で最も高く、交渉、関係、最終判断ではぐっと低くなります。これが75〜80%の原則であり、まず言うべきは、それはベンチマークではなくヒューリスティックだということです。
この数字は慎重に扱いたい。丸い数字は偽の精度を招きます。75〜80%は、管理された研究の測定値ではありません。私自身がこれらのワークフローを回し、チームが回すのを見てきたなかで何度も見てきた形です。AIはタスクの大きく、反復的で、生成的な中間を取り、より小さく、より重要度の高い端を人間に残す。正確な割合はタスク、チーム、そして文脈がどれだけクリーンかで動きます。形は保たれてきましたが、小数点はそうではありません。
この捉え方をAI-nativeメディアオペレーションの定義に書き込んだのは、チームが両極端でトラブルに陥るからです。線がどこに落ちるか、そして自分の仕事でどう見つけるかを示します。
75〜80%の原則が言うこと
原則は、典型的なメディア作業について、AIが最初のパスを担うよう設計されたワークフローが仕事の大半を覆い、人間が残りを覆うと言います。AIがすべてのタスクの80%を担うとは言っておらず、人間の20%が重要度で小さいとも言っていません。重要度と量は別の軸です。
スコアではなく分業と考えてください。モデルは、もっともらしい材料を素早く大量に生むのが得意です。選択肢、バリエーション、要約、初稿、パターンの指摘。人間は、何が大事かを決め、もっともらしいものから選び、結果を引き受けるのが得意です。割合は、境界が存在すること、そしてそれが慎重なチームが思うよりモデル寄りに、熱心なベンダーが認めるより人間寄りにあることを思い出させるだけです。
AIの割合が高いところ
AIが最も広く覆うタスクは、3つの性質を共有します。量が多く、単位あたりの結果が軽く、照合する明確な基準がある。
- クリエイティブとコピーのバリエーション。 見出し、説明、フック、SNSコピー——AI-nativeなチームは決められたブリーフに対して何十本も生み、人間が刈り込みます。
- リサーチの統合。 公開ソースの山を構造化された要約に変えるのは今や機械的で、アナリストはより良い問いを立てることに自由を使えます。
- レポーティングの組み立て。 週次の数字を引き、結合し、整え、語るのは、データがクリーンなら大部分が自動化できます。
- 予算とペーシングの計算。 再予測、計画に対する支出の確認、異常値へのフラグ立ては、モデルが得意なパターン発見タスクです。
- ローカライズと適応。 市場をまたいでキャンペーンを翻訳・適応させ、最後にネイティブのレビュアーを置くのは、よくスケールする量のタスクです。
これらの領域では、75〜80%は控えめな見積もりです。優れたオペレーターが良いワークフローで働くのを見れば、モデルの割合はさらに高く見えます。
AIの割合が低いところ
AIが最も狭くしか覆わないタスクは、反対の性質を共有します。量が少なく、単位あたりの結果が重く、明確な基準がない。
- 交渉。 メディアバイイング、レートカード、パートナーシップ、コミットメントは、関係的で対立的です。モデルは準備はできますが、テーブルを挟んで座ることはできません。
- 関係と信頼。 クライアントが買うのは確信です。確信は会話の中で築かれ、仕事に名前が記された人によって届けられます。
- 最終判断。 クライアントの本当の制約に合う1本のプランを選ぶこと、テストを止める瞬間は、どのモデルも責任を負えない判断です。
- ブランドとセンスの判断。 コピーが単に正しいのではなくブランドらしいかを見抜くのは、人間が学び取る判断であり、最後の20%がその価値を稼ぐ場所です。
- 問いを名づけること。 モデルはほぼ何にでも答えます。どの問いを尋ねる価値があるか、どの指標が大事かを決めることは、依然としてシニアのオペレーターの最も価値ある行為です。
これらの領域では、モデルは助けるかもしれませんが、75〜80%はひどい誇張でしょう。ここでは人間の取り分が仕事の大半です。
分かれ目のおおまかな地図
| タスク | AIの割合 | 人間に残るもの |
|---|---|---|
| クリエイティブとコピーのバリエーション | 高 | ブリーフ、ブランド判断、最終選定 |
| リサーチの統合 | 高 | 問いの枠組み、ソースの検証 |
| レポーティングの組み立て | 高 | 数字の解釈、推奨 |
| 予算とペーシングの計算 | 高 | シグナルに基づき動くかどうかの判断 |
| ローカライズと適応 | 高 | 文化的なニュアンス、ネイティブレビュー |
| メディアプランの起草 | 中 | 制約の選択、プランへの責任 |
| 交渉 | 低 | 会話の全体 |
| クライアント関係 | 低 | 信頼、文脈、責任 |
| 最終的なゴー/ノーゴーの判断 | 低 | 決定とその結果 |
表はスコアボードではなく形として読んでください。割合の高い行は、最初にワークフローを作り直す場所です。スループットが生きるからです。割合の低い行は、能力を守る場所です。価値が生きるからです。
なぜ数字より形が大事か
この原則の最もよくある誤用は、数字が測定値であるかのように引用し、それを前提に計画することです。
あるチームは「80%」を聞いて、5人のうち4人を削れると思う。別のチームは同じ数字を聞いて、安全のためにすべてを人間に残さねばと思う。どちらもヒューリスティックを事実として扱っています。数字の仕事は、あなたが残すべき20%はどこかを正直に保ち、判断の委譲しすぎも、組み立ての作り直しの拒否も止めることです。
1つだけ覚えるなら、これにしてください。量は機械の半分に生き、責任はあなたの半分に生きる。2つの半分は交換可能ではありません。だからこそ、単一のパーセンテージの記述は有用で、単一のパーセンテージ目標は危険なのです。
自分のタスクを監査する方法
原則から始めないでください。実際の仕事から始め、監査から原則が落ちてくるようにします。
- 職務ではなくタスクを並べる。 「週次レポートを作る」は、取得、クリーン、結合、整形、語り、解釈に分解されます。最初の5つは割合が高く、最後は低い。
- 各タスクについて3つ尋ねる。 量はどれくらいか？ 単位あたりの結果はどれくらいか？ 照合する明確な基準はあるか？ 量が多く、結果が軽く、明確な基準があれば、AIの割合は高い。
- 基準を明示する。 レビュー基準のないタスクは、あなたが定義するまで人間に残ります。基準のない量はスループットではなくリスクです。
- 割合の低い端を守る。 判断、関係、最終決定を誰が所有するかを名づける。それが不明確なら、ワークフローは完成していません。
監査はたいてい驚きを生みます。チームは自動化が容易なステップに不安のほとんどを費やし、投資すべき判断のステップにはほとんど費やしていない。実行ガイドは、この監査をライフサイクルの残りへのロールアウト順序に変えます。
両端の失敗モード
委譲しすぎ。 チームがレビューなしでAIの出力を出荷し、誤った主張や競合の名前が公開されたとき、ツールのせいにします。モデルは頼まれたことをしただけ。ワークフローが、間違った地点で人間を外した。これが80%に盗まれた20%です。
委譲しなさすぎ。 チームがAIをスペルチェッカーとして使い、すべての段階を手作業に保ち、なぜ何も複利で効かないのかと不思議に思います。これが20%扱いされた80%です。どちらの誤りも同じ過ちから来ます。自分がどちらの半分にいるかを知らないことです。
何を計測するか
モデルの割合と人間の割合を別々に追います。サイクルタイムは、ワークフローが本当に速くなったかを教え、品質とエラー率は、レビューが仕事をしているかを教えます。サイクルタイムが下がってエラーが増えるなら、基準を動かさずに仕事を機械へ移したことになります。クライアントの信頼を失う最短で、取り戻す最も遅い道です。
FAQ
75〜80%は測定値ですか？
いいえ。これらのワークフローを見てきたなかでの実務上のヒューリスティックであり、研究のベンチマークではありません。形を有用な部分として扱ってください。制作と組み立てで割合が高く、判断と関係で低い。
AIはメディアタスクの100%を担えますか？
人間が結果に名前を記さねばならないタスクでは担えません。AIは材料と最初のパスを生み、狭く結果の軽いタスクでは端から端まで回せます。本当の結果を伴うものには、人間のオーナーが必要です。
AIの割合が高いと、人は少なくなりますか？
たいてい、組み立ての人は減り、判断、関係、レビューの人は同じか増えます。機能は消えるのではなく集約されるので、人数の答えは、あなたがどちらの半分に重く寄っていたかによります。
分け方が正しいとどう知りますか？
2つのシグナル。エラーが増えずにサイクルタイムが下がり、割合の低い端——判断、関係、最終決定——に名前のあるオーナーがいる。どちらかが欠けていれば、境界を調整し続けてください。
短いまとめ
AIは大半のメディア作業でおおよそ75〜80%の仕事を担い、その割合は制作、組み立て、パターン発見で最も高く、交渉、関係、最終判断で最も低い。これは、あなたが人間に残すべき20%を見つけるためのヒューリスティックであり、人数の目標ではありません。自分のタスクを量、結果、レビュー基準で監査し、割合の高い半分を自動化し、割合の低い端を守り、サイクルタイムと品質を一緒に計測してください。実行ガイドがその仕事の全体地図であり、チームリード向けのトラックが監査をロールアウト順序に変えます。
私はこの分野を公開の場で学び続けており、ツールが良くなるにつれて自分自身の数字も動きます。しかし形は保たれてきました。量は委譲でき、責任はできません。
あなたのチームがこの監査を回したなら、何が驚きだったかを聞きたいです。たいてい、人が予想したタスクではありません。
それでは、 Chandler
この記事は日本語でお読みいただけますが、コース本体（動画、テンプレート、コンパニオンガイド）は英語と日本語で提供しており、本サイトは13言語でご利用いただけます。