タスク単位で見ると何が変わるのか
O*NETのような職業タスクデータベースを見ると、マーケティング担当者の仕事は複数の異なる活動の束として描かれています。顧客や競合のデータを集め、業界の動向を追い、施策の効果を測り、複雑な分析結果を分かりやすいレポートにまとめる仕事です。生成AIはこれらのタスクに不均等に影響します。レポートの下書き、アンケート回答の要約、一次的なグラフ作成といった型のある言語・分析作業は現在のツールが得意とする領域ですが、その周辺の判断は依然として担当者に残ります。
生成AIに関するILO(国際労働機関)の研究は、この変化を全面的な置き換えではなく変容として説明しています。職業は残り、仕事の一部が変わるという意味です。Anthropic経済インデックスも、分析や文章作成の比重が大きい仕事では、人が方向を決めて結果を磨く補助型の使い方が多いと観察しています。マーケティング担当者にとっては、下書きと要約の工程が短くなる一方で、問いを立て、対象を選び、結果を解釈する仕事の比重が相対的に増えるということです。
人に集まる仕事
O*NETがこの職業の中核として挙げる能力、すなわち批判的思考、傾聴、関係者との明確なコミュニケーションは、まさに縮小しない部分です。分析結果がその会社にとって何を意味するかを決めること、予算を握る懐疑的な相手を説得すること、施策のアイデアが実際の顧客に響くかを察知することは、いずれも人間関係と市場感覚に宿る文脈に依存します。プロンプト一行には収まらないものです。
責任も人に残ります。文言が製品を誤って説明したり、誤った層に配信されたり、広告規制に触れたりした場合、組織はツールではなく人に責任を問います。AIが書いた下書きを事実の正確さ、ブランドとの整合、法的リスクの観点から確認する仕事が業務の中でより大きな割合を占めるようになり、承認した担当者が結果を引き受けます。この確認責任こそ人の役割が残る理由ですが、責任の割り当て方は会社によって異なるでしょう。
現実的な最初の90日
最初の1か月は、すでに担当している定期的な成果物を一つ選びます。月次の実績レポートやキャンペーン企画書などです。それをAIアシスタントを組み込んだ形で作り直し、従来のやり方の成果物と並べて、正確さと所要時間を比較します。2か月目には同じ方法を顧客調査に広げます。アンケート回答やレビューのテーマをAIで分類し、その分類を信頼する前にサンプルを自分の手で確認します。
3か月目には、効果があったことを短い実務ガイドとしてチームに残します。どの作業をAIに任せるか、どの確認を必ず行うか、どの作業をあえて手作業のまま残すかを書きます。上司には技術の紹介ではなく業務改善として共有します。この進め方は一般的なツール知識ではなく自分の業務フローについての根拠を積み上げるものであり、身についた習慣はツールが変わっても持ち越せます。チームや業界によって結果は異なるため、実験として扱うのがよいでしょう。
