SmartPressリリース：生成AIが変える広報業務の未来
こんにちは！技術検証イノベーション研究所でAIコンサルタントをしているみずペーと申します。
私は元々土木業界で働いていましたが、「何か新しいことにチャレンジしたい」という思いから、全くの未経験でAIの世界に飛び込みました。signateでのAIコンペへの挑戦をきっかけに、徐々にAIの面白さに惹かれていき、ついには転職を決意。現在はIT企業で生成AIを活用したアプリケーション開発に携わっています。
私の経歴をより知りたい方は以下のマガジンを参考にしてください！
このアカウントでは、以下のような方々に向けて発信していきます：
AIエンジニアへの転職を考えている方
生成AI開発に興味があるけど、始め方が分からない方
プログラミング未経験で不安を抱えている方
努力は続けているのに、なかなか結果が出ない方
もしあなたが該当する場合今後Xやnoteから投稿をみていただけますと幸いです！
それでは本題に入ります。
summary
新規性：
生成AIと機械学習を組み合わせたところ
事実関係検証モジュール(その他で記載)を作成しエージェント的に組み込んだところ
背景と課題：
広報業務における情報収集、コンテンツ作成、メディアリスト作成、効果測定の手作業による負担。
時間的・人的リソースの不足、属人化されたスキルとノウハウ、効果測定の難しさ、情報過多と変化の速さなどが課題。
SmartPressによる課題解決：
生成AIによる自動化でリソース不足を解消。
AIが広報・PR業務を支援し、属人化されたスキルとノウハウへの依存を軽減、ノウハウ共有を促進。
過去の広報活動データや市場データをAIが分析し、効果測定を高度化、施策の改善やROIの可視化を支援。
大量のニュース記事やSNS投稿を自動的に収集・分析し、広報活動に必要な情報を効率的に抽出整理。競合分析も実施。
大量ニュース記事の分析とノイズ対策：
広報・PR分野に特化した大量の学習データ（過去5年間のメディア掲載記事120万件）をAIモデルに学習させ、精度を向上。
スタイルガイドチェッカー、法的リスク評価エンジンによる自動校正、虚偽表現検出システム、誇大広告フィルター、差別的チェッカーなどの倫理ガバナンスフレームワークを導入。
最終的なヒューマン監査による品質保証。
技術アーキテクチャ：
3層構造のアーキテクチャを採用。
第一層：PR企画生成エンジン：過去5年間のメディア掲載記事120万件を学習データとし、時系列トレンドと業界特性を考慮した企画案を10提案。生成AIと機械学習によるユーザーの選択履歴から嗜好モデルを構築。
第二層：原稿自動生成モジュール：企業が入力した基本情報を分析し、ニュース価値を抽出。記事構造の最適化を全自動実行。
第三層：メディアマッチングアルゴリズム：記事内容とメディア特性の関連性を多次元ベクトル空間で表現し、類似度スコアに基づき最適な配信先を選定。7000以上のデータベースから配信先を選定し、従来のキーワードマッチングに比べて掲載率を37%向上。
事実関係検証モジュール：スタイルガイドチェッカー、法的リスク評価エンジンによる自動校正。
倫理ガバナンスフレームワーク：虚偽表現検出システム、誇大広告フィルター、差別的チェッカーを標準導入。
ヒューマン監査システム：最終的には人の監査が入った上でリリース。
その他
スタイルガイドチェッカーは、文体と表現の統一、誤字脱字のチェック、不適切な表現の検出、専門用語の統一などを支援。
誇大広告フィルターは、事実以上に優良であると誤認させるような過剰な表現や不当な表現を検出し、修正を促す。著作権侵害チェックや個人情報保護のチェックも行う。
Que1:広報PR業務を丸ごとAIに任せようと思った背景と課題は？
広報では情報収集、コンテンツ作成、メディアリスト作成、効果測定が手作業で行われていた。
広報PR業務を丸ごとAIにお任せ「SmartPress」スマートプレス
いわゆる
内部環境(弱み)
時間的・人的リソースの不足
属人化されたスキルとノウハウ
外部環境(脅威)
効果測定の難しさ
情報過多と変化の速さ
Que2:Smartpressはどのように課題解決する？
リソース解消：生成AIによる自動化
属人化されたスキルとノウハウ：AIが広報・PR業務を支援することで担当者の経験やスキルに依存する部分を減らしノウハウ共有を促進
効果測定の高度化：過去の広報活動データ(自社サービスに関する箇所を自動で抽出)や市場データをAIが分析し将来予測を立てる。その結果施策の改善やROIの可視化を支援
情報過多と変化の速さ：自動的に大量のニュース記事やSNS投稿を自動的に収集(自社サービスに関する箇所を自動で抽出)・分析(収集した記事の内容をAIが分析し、ポジティブ、ネガティブ、ニュートラルなどの感情分析判定を実施)し、さらに競合分析も実施して広報活動に必要な情報を効率的に抽出整理。
Que3:どうやって大量のニュース記事を分析して必要な情報を抽出できるの？ノイズが混じる可能性は？
データの質と量：広報・PR分野に特化した学習データを大量に用意し、AIモデルに継続的に学習・改善させている。なお、smartPressは過去5年間のメディア掲載記事120万件を学習データとして構築した推薦システムである
事実関係検証モジュール：スタイルガイドチェッカー、法的リスク評価エンジンの3段階の自動校正を導入し、記事の質を担保。
倫理ガバナンスフレームワーク：虚偽表現検出システム、誇大広告フィルター、差別的チェッカーを標準導入
ヒューマン監査システム：最終的には人の監査が入った上でリリース
Que4:事実関係検証モジュールにおけるスタイルガイドチェッカーとは？
具体的なソースはない。推測では話していますので、間違っていればコメントいただければ幸いです。
文体と表現の統一：smartpressが生成する文章全体の文体や表現を事前に設定されたスタイルガイドに沿ってチェックし、統一感ある文章を作成
誤字脱字のチェック：文章の誤字脱字を検出し、修正候補を提示
不適切な表現の検出：不適切な表現や曖昧な表現を検出し、より正確で分かりやすい表現への修正を支援
専門用語の統一：広報・PR分野で一般的に使われている専門用語が、適切に使われているかをチェックし、用語の統一を図る。
Que5:事実関係モジュールにおける誇大広告フィルターとは？
AIが作成した原稿に含まれる法的リスクを検出し企業が法規制を遵守した広報活動を行えるように支援する自動校正システム
こちらも、具体的なソースはないため、間違っている場合コメントいただけると幸いです。
誇大広告フィルター：事実以上に優良であると誤認させるような過剰な表現や不当な表現を検出し、修正を促します。
著作権侵害チェック：文章、画像、音楽などのコンテンツが第三者の著作権を侵害していないかをチェック
個人情報保護：法令やプライバシーポリシーに適合しているかどうかをチェック
Que6:Smarpressの技術アーキテクチャは？
合計3層のアーキテクチャ構成
何が面白いのかというと、生成AIと機械学習によるユーザーの選択履歴から嗜好モデルを構築するところ。さらに事実検証モジュールの使用が画期的でエージェント的でいいなぁと思いました。
第一層：PR企画生成エンジン
過去5年間のメディア掲載記事120万を学習データとしたシステム
時系列トレンドと業界特性を考慮した企画案を10提案
生成AIと機械学習によるユーザーの選択履歴から嗜好モデルを構築
第二層：原稿自動生成モジュール企業が入力した基本情報(HPURL、製品資料等)を分析し、ニュース価値を抽出
記事構造の最適化を全自動実行
第三層：メディアマッチングアルゴリズム記事内容とメディア特性の関連性を多次元ベクトル空間で表現する埋め込み技術を採用
7000以上のデータベースから類似度スコアに基づき最適な配信先を選定
従来のキーワードマッチングに比べて掲載率を37%向上
プラスして
事実関係検証モジュール：スタイルガイドチェッカー、法的リスク評価エンジンの3段階の自動校正を導入し、記事の質を担保。
倫理ガバナンスフレームワーク：虚偽表現検出システム、誇大広告フィルター、差別的チェッカーを標準導入
ヒューマン監査システム：最終的には人の監査が入った上でリリース
最後に
セキュリティに重きを置くところは以下の記事でも解説してますがexaBase生成AIと近しいものを感じました。
またアーキテクト設計においても
可用性(信頼性)
性能
セキュリティ
こちらでセキュリティはやはり三大大事な非機能のうちの一つに入っています。
上記も参考になれば幸いです！