AIに書かせた記事が刺さらない理由は「アーク」が無いからだ

AIに記事を書かせる会社は増えた。だが、本数が積み上がり検索順位も改善したのに、問い合わせだけが動かないという相談は珍しくない。原因は文章の巧拙ではなく、記事に「アーク」——読者を発見へと導く起伏——が設計されていないことにある。本稿では、アークとは何か、なぜそれが説得力を生むのか、そして専任のライターを持たない少人数の会社がどこにアークを仕込むべきかを、実際の相談と自社の運用実測から整理する。

AI記事を増やし検索順位は上がったのに、問い合わせが動かないという相談

AIを活用して自社で月10数本のブログを配信している企業から、記事は増えているのに問い合わせにつながっていない、という相談を受けたことがある。アクセス解析を確認すると、配信を始めてからの検索順位には明らかにプラスの影響が出ており、ページビューも右肩上がりだった。それでも担当者の実感としては「その割に問い合わせが増えていない」という感覚が残る。配信量と問い合わせ件数が正比例するわけではないので、この落差自体は珍しいことではない。

記事を1本ずつ読み直して見えたのは、どれも正確で読みやすいのに、読み終えても何をすべきかが残らない、という共通点だった。滞在時間は短く、フォームへの到達率も低い。本数が積み上がるほど、読者が「自分ごと」として受け取れる記事が情報の山に埋もれていく。

この落差はコンテンツに限った話ではない。PwC「生成AIに関する実態調査2026春 6か国比較」（NTTデータがGoogle Cloud Next Tokyoで言及したものとしてビジネスインサイダーが報道）によれば、日本企業の生成AI活用の推進度合いは87％と、米国の90％・英国の89％にほぼ並ぶ一方、生み出した効果を財務的な還元につなげている割合は40％にとどまり（米国75％・英国74％）、調査対象6カ国中で最下位だった。導入は進んだが成果に変わっていない、という構図はAI記事でもそのまま起きている。この現象を突き詰めると、AI記事に「アーク」が無いという、一つの構造的な問題に行き着く。

情報の羅列とAI記事における「アーク」があるコンテンツの違いを定義する

ここで問題を一般化して言い切っておきたい。多くのAI生成記事は事実や情報を並べる「情報の羅列」に留まっており、読者を発見へと導く起伏——つまりアーク——を持っていない。箇条書きで五つのメリットを並べただけの記事にはこの起伏が存在しないため、読者は情報を受け取っても心が動かず、行動に移らない。

アークは筆者の造語ではない。物語構造を指す言葉として広く使われており、小説の分野では感情の起伏を追う「エモーショナルアーク」がある（Reagan らの研究は1,327作品を解析し、感情の起伏が6つの基本形に収まると報告している）。ビジネス文書に近い領域では、データストーリーの構造として「三幕構成」（導入・対立・解決）を採る解説も多い。本稿が採るのは、『データストーリー説得技法 データ 筋書き 視覚化で経営を動かす』（ブレント・ダイクス著、玉利文吾訳、日経BP、2026年5月）第6章の「データストーリーのアーク」＝導入とフック／知見の展開／分かった!の瞬間／解決策と次のステップの四段構成である。

データストーリー説得技法 データ 筋書き 視覚化で経営を動かす

¥3,564 （2026/08/15 15:17時点 | Amazon調べ）

Amazon

楽天市場

Yahooショッピング

メルカリ

ポチップ

四段を採るのは、実務で頂点の置き場所が一意に決まるからだ。著者自身も三幕構成は単純すぎ、英雄の旅は複雑すぎたため、フライタークのピラミッドを基盤に四段へ凝縮したと書いている。三幕構成でも起伏は作れるが、「対立」のどこで気づきを出すかは書き手任せになる。四段なら「分かった!の瞬間」という枠が独立してあり、そこに何を置くかを先に決められる。同書も、中核の「分かった!の瞬間」を1〜2文で言い切れないうちは、そもそも価値のある知見がまだ見つかっていない疑いがある、と釘を刺している。

AIに「〇〇のメリットを5つ挙げて」と指示すれば、AIは正確に5つの情報を返してくる。だが、その情報がどうつながり、読者にとって何が意外で、結果として何をすべきかという構成までは、指示しない限り生まれてこない。AI記事にアークが無いのは、AIの性能の問題ではなく、発注する側がアークを設計せずに指示を出していることが原因である。設計してから執筆するという順序さえ踏めば、構造が破綻しない記事は現時点の生成AIでも十分につくれるし、逆に設計をしないまま発注して部分修正を重ねると、断片をつなぎ合わせたような記事になり書き直したほうが早い。問題は、その設計の中身である。四段のうち導入・展開・次の一手は形式を真似れば埋まるが、三段目の転換点だけは、形式をなぞっても埋まらない。

なぜアークが説得力を生むのか、2つの根拠

第一の根拠は、この構造が思いつきではなく、データストーリーテリングという分野で確立された型だという点にある。データストーリーテリングとは、データ・ビジュアル・語り（ナラティブ）の3要素を組み合わせて分析結果を伝える構造的な手法を指す言葉で、正しい数字を見せても相手が動かない、という問題を解くために体系化されてきた。企業の意思決定者を相手に、数字だけでは足りないから物語の型を足す、という順序で発展してきた領域である。読者を説得したい記事が置かれている状況は、これとほぼ同じだ。

第二の根拠は、人の記憶と納得の性質である。一般に、単発の事実の列挙よりも、因果関係のある物語構造のほうが定着しやすい傾向があると報告されている。裏を返せば、文字数を積み上げること自体には効果がない。この点は個人による観察ではあるが、note上で月3本以上投稿する30アカウント・約200本を2ヶ月観察した分析記事では、失敗談を含む記事のスキ率が平均1.8倍高く、AIに全自動で書かせた記事が2スキだったのに対し、自分で書いてAIに編集させた記事は28スキだったと報告されている。同記事はその差の核心を「余白の欠如」と表現している。整えられた情報が多いことと、読み手が動くことは、別の話なのである。

転換点は発明できない——専任のライターがいない会社が、唯一アークを仕込める場所

大企業であれば、編集会議やストーリーボード設計に専任チームを割ける。しかし、ひとり社長や数名規模のチームにそんな余裕はない。だからこそ記事全体を凝る発想を捨て、AIへの指示文の中に最低限の型だけを埋め込むという運用に絞るべきである。

具体的には、AIへの指示に「この記事で読者が最後に驚く事実は何か」と「読者が次に何をすべきか」の2点を必ず入れる。この2点さえ決まっていれば、AIは導入と展開の肉付けを担ってくれる。逆にこの2点を決めずに書き始めると、AIはどれだけ長い記事を書いても、情報の羅列を返してくるだけになる。

そして、この2点は整えられたテキストからは出てこない、というのがLOFIRの制作現場での実感である。書く・タイプするという行為そのものが、無意識のうちに情報を整理し、削ぎ落としてしまうからだ。情報を整理して端的に書こうとするほど、背景や思いや重み——その人が体験を通じて出してきた核の部分が先に落ちる。整った文章は、材料が減ったあとの姿である。

対になるのは、未整理の音声と、まだ言葉になりきっていない思考のほうだ。会議やヒアリングの場での対話、あるいは音声入力に含まれる情報量は、同じ時間タイピングした文章とは比べものにならない。だからLOFIRでは、製造業や歯科クリニックのコンテンツ制作を支援する際、ヒアリング会議の音声を全体まるごと文字起こしし、そこから記事の材料を抽出する手順を意図的に取っている。自社の支援事例を記事化するときは、ChatGPTのリアルタイム音声対話を使い、話しながら言語化することもある。

たとえば、ある顧客のメールサーバー移管を振り返ったときのことだ。文書で整理すれば「属人化」「老朽化」という抽象的な課題名で終わる話が、音声で語ると具体的な経緯として出てくる——担当していた人が退職してしまい、旧来の事情に詳しい人員も不在のまま、なんとなく触れられないブラックボックスとして料金を払い続けてきた、という経緯である。抽象語のままなら誰の話でもないが、この経緯まで書けば、どの中小企業にも起こりうる身近な課題として読者に残る。

ここで分かることは一つだ。転換点は書き手が発明するものではなく、一次情報の中から拾い上げるものである。だとすれば、専任のライターがいない会社はアークの面で不利ではない。編集チームは持てなくても、顧客と交わした会話、担当者が漏らした一言、現場でうまくいかなかった経緯——三段目になる素材のほうは、すでに手元にある。

アーク偏重が逆効果になる場合、それでも情報整理型でいい記事もある

ここまでの話には、はっきりした適用外がある。アークがうまく働かない記事がある、ということだ。仕様書、料金表、比較表のように、読者が答え合わせのために読む記事には、物語構造よりも網羅性と検索性のほうが重要になる。読者が「価格はいくらか」を探しているときに、導入から転換点まで丁寧に組み立てられた文章は、むしろ邪魔になる。検索意図でいえば、用語の意味を素早く知りたいKnowクエリには情報整理型が適し、比較検討や態度変容を促すDoクエリにこそアーク型を投下するという使い分けが実務的である。

実際、LOFIRが制作する記事もすべてがアーク型ではない。製造方法の解説記事や初心者向けのガイドは、必ずしも転換点を含む構造にしていない。更新頻度の高いお知らせ系のコンテンツも同様で、営業時間の変更やメンテナンス情報をわざわざ物語として構成する必要はない。アーク設計が効果を発揮するのは、読者を説得したい、あるいは行動を変えたいと考えるコンテンツに限られる、という前提を忘れてはならない。

明日から試せる、AI記事にアークを仕込む3つの手順

最後に、明日から実践できる手順を3つに絞って示す。第一に、記事を書き始める前に「この記事で読者が最後に驚く事実は何か」を一文で決める。ただし机の上でひねり出すのではなく、直近の会議音声や顧客とのやり取りから拾う。前掲の書籍が、中核の気づきを1〜2文で言えないうちは知見が見つかっていないと指摘するのと同じで、言い切れないなら、まだ一次情報を掘り足りていないということである。

第二に、AIへの指示文には導入・転換点・次の一手という3つの語を明示的に入れる。編集会議を開く必要はなく、この3語を固定するだけで、返ってくる構成の質は変わる。ここまで述べてきた「情報の羅列とアークの違い」も、「大企業前提の編集会議と少人数運用との差」も、この3語への圧縮という形で回収できる。実際の指示文は、次の形をテンプレートとして使い回せばよい。

【記事の設計】
・読者: （例）社内に専任の広報がいない製造業の経営者
・転換点＝読者が最後に驚く事実: （例）本数ではなく、1本に気づきが入っているかどうかで問い合わせが変わる
・次の一手＝読み終えて取ってほしい行動: （例）直近3本の記事に転換点があるかを点検する

【構成の指示】
1. 導入: 読者がいま直面している症状を1つだけ挙げる（一般論から始めない）
2. 展開: 上の転換点にたどり着くために必要な事実・数値だけを積む（出典を必ず添える）
3. 転換点: 上に書いた転換点を1〜2文で言い切る
4. 次の一手: 明日できる行動を3つ以内で示す

【禁止】
・メリットの箇条書きだけで終わらせない
・転換点より前に結論を全部書いてしまわない
・一次情報（会議音声・担当者の言葉）に無い具体例を作らない

第三に、公開後の反応——滞在時間や問い合わせ数——を記録し、アークを入れた記事と入れていない記事を並べて比べる。転換点の有無で成果がどれだけ変わるかを比較した実測は、正直なところ自社にもまだ無い。だからこそ、1本ごとに転換点を設計し、その効果を自社のデータで検証する仕組みを持つことが要る。量を追う前にこの一歩を踏むことが、AI記事を成果につなげる最短の道である。

AI記事を任せる相手や体制の見直しを検討している経営者・広報担当者向けに、LOFIRでは無料相談を承っています。お気軽にお問合せ下さい。

参考文献

データストーリー説得技法 データ 筋書き 視覚化で経営を動かす

¥3,564 （2026/08/15 15:17時点 | Amazon調べ）

Amazon

楽天市場

Yahooショッピング

メルカリ

ポチップ

• ブレント・ダイクス『データストーリー説得技法 データ 筋書き 視覚化で経営を動かす』（玉利文吾訳・日経BP・2026年5月25日）
• Brent Dykes「Data Storytelling Arc: Demystifying Narrative Structure In Data Stories」（三幕構成・英雄の旅・フライタークのピラミッドとの比較）
• Brent Dykes「Data Storytelling: The Essential Data Science Skill Everyone Needs」（Forbes・2016年3月31日）
• A. J. Reagan et al.「The emotional arcs of stories are dominated by six basic shapes」（EPJ Data Science・2016年）
• ビジネスインサイダージャパン（NTTデータのGoogle Cloud Next Tokyo講演レポート・PwC『生成AIに関する実態調査2026春 6か国比較』への言及を含む）
• オカシ「AIで書かれた記事が読まれなくなる理由を、現場エンジニアが分析した」（note・2026年3月2日）