広報での生成AI活用：プレスリリース・危機対応・メディアリレーションの実践ガイド

広報担当者が生成AIを試してみたとき、最初にぶつかる壁は「使い方がわからない」ではなく、「この使い方で大丈夫か」という不安であることが多い。プレスリリースの数値が誤っていたらどうなるか。危機対応の文章にAIを使って責任を問われないか——こうした懸念は、広報業務が「会社の信頼を守る仕事」であることから来る、きわめて正当な問いだ。

本記事の結論を先に言えば、生成AIは広報業務の「初稿を速くする」道具として使えるが、最終判断はあくまで人間が担うという設計を外してはならない。

本記事では、広報部門・PR会社の実務担当者が今日から試せる5つのユースケースを順に解説する。各ユースケースに「AIにできること・できないこと」と「実践ワークフロー」を含め、コンプライアンス上の注意点も整理している。

読了後、5つのユースケースのうちどれから始めるかを決め、最初の試みができる状態になる——それが本記事のゴールだ。

生成AIのビジネス活用全般については、生成AI ビジネス活用大全で部門横断の整理をしている。本記事はそのガイドの広報部門特化版にあたる。

広報部門が生成AIで変わる5つのシーン——まず全体像を把握する

広報業務における生成AIの活用シーンは、大きく5つに分類できる。

ユースケース	主な活用場面	AIが得意なこと
プレスリリース初稿	製品発表・事業ニュース・決算リリース	構成の骨格生成・表現の整理
想定問答・メディアQ&A	取材対応・記者会見準備	質問の網羅的な洗い出し
危機対応・お詫び文	インシデント発生時の声明作成	感情を排した初稿の構造化
メディアリスト整理とピッチ	媒体別アプローチの設計	媒体情報の構造化・文面カスタマイズ
経営メッセージのトーン統一	社内外広報文・スピーチ原稿	トーンガイドに沿った表現の統一

ここで一点、整理しておきたいことがある。広報（PR、パブリックリレーションズ）とマーケティングは、同じコミュニケーション機能でも役割が異なる。マーケティングが「売ること」を目的とした需要創出のコミュニケーションを担うのに対し、広報は「信頼を守る」レピュテーション（会社・ブランドへの評判・信頼度）管理とメディアリレーション（メディアとの関係構築・維持）を軸に置く。生成AIの使い方も、この役割の差を前提に設計する必要がある。マーケティング部門のAI活用についてはマーケティングでの生成AI活用で整理しており、本記事との住み分けを確認できる。

各ユースケースの詳細は後続のセクションで順に解説する。まず、なぜ広報業務でも生成AIが有効なのかを確認する。

なぜ広報の仕事に生成AIが向いているのか——そして向いていない場面はどこか

ここで一度、問いを置きたい。広報担当者の日々の業務の中で、「頭より手が疲れる作業」はどれか。

おそらく多くの担当者は、このどれかを挙げるはずだ。プレスリリースの最初の一文を書き出す作業、取材前の想定問答を1件ずつ書き起こす作業、媒体ごとにピッチ文を少しずつ変える作業——これらは「考える」フェーズではなく、「形にする」フェーズに属する。生成AIはこの「形にする」工程を大幅に圧縮できる。

広報業務の構造を分解すると、①情報収集・事実確認、②メッセージ設計・判断、③初稿作成・文章化、④レビュー・承認・対外発表の4段階になる。このうち②と④だけは人間が主導しなければならない。①と③の多くは生成AIが補助できる領域だ。

ただし、向いていない場面も明確にある。

• 事実確認の代替としては使えない：プレスリリースの製品スペック・業績数値・日付など、確認が必要な事実をAIに生成させてそのまま使うことはできない
• 最終的なレピュテーション判断はAIに委ねられない：「この表現を対外発表しても問題ないか」という判断には、業界の商慣行・法的リスク・ステークホルダー（投資家・取引先・監督官庁などの利害関係者）との関係性という文脈が必要で、AIにはこれを担えない
• 危機対応の意思決定はAIが行えない：お詫び文の内容が適切かどうかは、事実確認と経営判断と法務確認のすべてが揃わないと決まらない

向いている場面と向いていない場面を切り分けた上で、5つのユースケースを見ていく。

ユースケース1：プレスリリース初稿の作成——たたき台の速度を上げる

プレスリリースは、広報業務の中で最も頻度が高い文書の一つだ。製品発表・組織変更・事業提携・決算報告——毎回、記者が読みやすい構成と、メディアが使いたいと思う表現を考える必要がある。生成AIはこの「最初のたたき台を作る」工程を速くする。

AIにできること・できないこと

生成AIが得意なのは、提供した情報をプレスリリース形式に整形することだ。「以下の情報をもとに、プレスリリースの初稿を書いてほしい。構成は逆ピラミッド型（最重要情報を冒頭に、詳細を後に配置する形式）で、リード文は3文以内、本文は500字程度」という依頼に対して、型にはまった初稿を数分で返す。

一方で、AIが生成した「事実」はそのまま使えない。製品の発売日、価格、連絡先、担当者名——これらをAIが誤った形で出力することがある。プレスリリースの事実情報は必ず一次資料で確認することが前提だ。

実践ワークフローと数値確認の鉄則

プレスリリース初稿でのAI活用は次の手順が現実的だ。

STEP 1：社内の確定情報を整理する。製品名・発売日・価格・ターゲット・主要スペック・担当者コメントを、正式確認済みの情報として手元に揃える。この工程はAIに代行させない。

STEP 2：情報をAIに渡して初稿を生成させる。「以下の確定情報をもとに、報道向けプレスリリースの初稿を作ってほしい。形式は○○媒体が推奨する逆ピラミッド型、見出しと冒頭リードを含む」という形で依頼する。

STEP 3：生成された初稿を素材として編集する。AIが出した文章の構成・表現は参考にしつつ、実際の確定情報と照合して書き直す。「90点の初稿を出してもらう」のではなく、「構成の骨格を30分で出してもらい、それを素材に人間が仕上げる」という役割分担がうまく機能する。

STEP 4：法務・コンプライアンス・上長のレビューを経てから対外発表する。AIが生成した表現に「〜業界最高水準」「◯◯を唯一実現」といった断定的な差別化訴求が含まれる場合、景表法の観点から見直しが必要になることがある。

プレスリリースの初稿を速く作ることができれば、次に必要になるのは「取材で何を聞かれるか」の準備だ。次のユースケースで、想定問答整備へのAI活用を見る。

ユースケース2：想定問答・メディアQ&Aの整備——抜け漏れを洗い出す壁打ち役

記者会見や取材対応の準備で最も時間がかかるのは、「どんな質問が来るか」を網羅的に洗い出す作業だ。担当者が自分一人でリストアップすると、自社の視点からは見えにくい角度の質問が抜け落ちやすい。生成AIはここで「社外の視点から鋭い質問を量産する壁打ち相手」として機能する。

想定質問を網羅する使い方

AIを使った想定問答整備は、次のようなプロンプトで機能する。

プロンプトの方向性

以下の発表内容について、報道記者・アナリスト・一般消費者の3つの視点から、
想定されるネガティブな質問・鋭い質問をそれぞれ10問ずつ挙げてほしい。
あえて批判的な視点から問いを立てること。

【発表内容】〇〇（具体的な発表内容を入力）

「ネガティブな質問」「批判的な視点」という明示が重要だ。この指示がないとAIはデフォルトで肯定的な補足を返しやすく、準備として意味が薄くなる。

AIが生成した想定質問の中には、自社担当者では思いつきにくかった角度のものが含まれていることがある。これを起点に、「この質問に何と答えるか」を事前に整理しておくと、実際の取材対応の精度が上がる。

Q&Aを更新し続けるためのワークフロー

想定問答は一度作れば終わりではない。発表後の報道内容・実際に受けた質問・世論の反応を踏まえて、定期的にアップデートする必要がある。

AIを使った更新サイクルは次のようになる。取材後、実際に受けた質問とその回答を記録する。次の取材前に「前回の取材で実際に受けた質問リスト」をAIに渡し、「これを踏まえて、次の取材で受けやすい追加質問を生成してほしい」と依頼する。このサイクルを回すことで、Q&Aの精度が回を追うごとに上がる。

想定問答の蓄積は、危機が起きたときにも役立つ。あらかじめ難しい質問への答えを整理しておくことで、インシデント発生時の初動対応が速くなる。その危機対応での使い方を次のユースケースで見る。

ユースケース3：危機対応・お詫び文のドラフト——最も慎重に使うべき場面

5つのユースケースの中で、最も慎重に扱うべきなのがこの危機対応だ。製品不具合・個人情報流出・役員不祥事——こうしたインシデントが発生したとき、対外発表のお詫び文や危機声明をどう作るかは、その後のレピュテーションを大きく左右する。

AIが得意なこと——感情を排した初稿の構造化

危機対応文には、型がある。「事実の確認（何が起きたか）」「影響範囲の明示（誰が・どの程度影響を受けるか）」「原因の説明（なぜ起きたか）」「対応措置の明示（今後どう対処するか）」「再発防止策（どう防ぐか）」——この構造を崩さずに書くことが、信頼回復への第一歩だ。

AIはこの構造に沿った初稿を素早く生成できる。感情的な混乱や焦りが生じやすいインシデント発生直後に、「冷静な構造を持つたたき台」を短時間で用意できるのは、AIの実用的な強みだ。

AIへの依頼のポイントは、提供できる確定事実のみを入力することだ。「現時点で確認できていること」と「調査中のこと」を明示した上で初稿を生成させ、不確実な部分は「調査を進めており、判明次第お知らせします」という記述に留める。

最終判断は必ず人間が担う——AI依存が招くリスク

危機対応文における人間の役割は、AI出力のレビューにとどまらない。「何を認めて、何は認めないか」「謝罪の主体は誰か」「どの程度の詳細を開示するか」——こうした意思決定は、法務・経営・広報が一体で判断するものだ。

ここで一点、重要なことを整理しておく。AIが出したお詫び文の「トーン」が適切でも、それは「内容が正確」を意味しない。 感情的な表現が排除されていることと、事実として正確であることは別の次元の話だ。危機対応での生成AIの最も安全な使い方は、「構造的な素材を瞬時に用意するツール」に限定し、内容の正確性・法的適切性の判断は必ず人間のレビューを通すことだ。

AI出力の品質確認全般については、AI出力のレビュー基準：誤情報・機密・トーンを5分で見抜くチェックリストが参考になる。

危機対応という最も慎重な場面を乗り越えたら、平時のメディアリレーションに戻る。次のユースケースで、日々のメディア対応の効率化を見る。

ユースケース4：メディアリスト整理とピッチ文——媒体別のアプローチを効率化

広報担当者が日常的に抱えているタスクの一つが、メディアリスト（連絡先・担当記者・媒体特性をまとめた一覧）の整理と、各媒体に向けた個別のピッチ文（記事化を提案する売り込み文）の作成だ。媒体ごとに読者層・トーン・関心領域が異なるため、同じニュースでも媒体別に角度を変えた提案文を書く必要がある。

媒体情報の構造化とピッチ文のカスタマイズ

メディアリストの整理には、AIによる構造化が有効だ。各媒体について持っている情報（媒体名・読者層・得意ジャンル・担当記者名・過去の掲載傾向）をテキストで渡し、「この媒体ごとの特性を比較表にまとめ、今回のプレスリリースとの相性を評価してほしい」という使い方ができる。

ピッチ文のカスタマイズでは、次のアプローチが機能する。

プロンプトの方向性

以下は今回の発表内容と、3媒体の媒体特性です。
各媒体の読者・トーン・得意テーマに合わせて、それぞれ異なるアングルで
ピッチメールの本文（200字以内）を書いてほしい。

【発表内容】〇〇
【媒体A】○○（ビジネス誌・読者層：経営層・CXO）
【媒体B】○○（IT専門メディア・読者層：エンジニア・情報システム担当）
【媒体C】○○（一般消費者向けニュースサイト・読者層：30〜40代・関心：生活・消費）

このアプローチで、3媒体分のピッチ文の素材が数分で用意できる。媒体特性のインプットが具体的であるほど、AIの出力の角度も媒体に即したものになる。

リレーションシップは人間にしか築けない

メディアリレーションの本質は、継続的な信頼関係の構築だ。記者が「この会社の広報は信頼できる」「情報が速い」「対応が丁寧」と感じることが、結果的に記事化の機会を増やす。

この関係性の構築は、AIでは代替できない。ピッチメールの文章をAIで効率化することと、記者との関係を人間として丁寧に築くことは、矛盾しない。AIが文章の量産を担うことで、担当者はリレーションシップ構築という本来の広報業務に集中できる——これが理想的な役割分担だ。

ここまでで4つのユースケースを見てきた。最後は、広報チーム全体の品質に関わるトーン統一だ。

ユースケース5：経営メッセージ・社内外広報文のトーン統一——表現のブレをなくす

経営トップのスピーチ原稿、社内向け全体説明会の資料、IR（投資家向け広報）の文書、採用サイトの会社紹介——これらの広報文書に一貫したトーンがあるかどうかは、会社への信頼感に影響する。複数の担当者が書く、または長期間にわたって更新されてきた文書群には、表現のブレが生じやすい。

トーンガイドをAIに読み込ませる方法

生成AIにトーン統一の補助をさせる最も効果的な方法は、「トーンガイドをインプットとして与える」ことだ。

会社のコーポレートメッセージ・言葉の選び方に関する社内規定・過去の承認済み文書のサンプル——これらをまとめた文書（なければ抜粋）をAIに渡し、「以下のトーンガイドに沿って、この文章を書き直してほしい」と依頼する。

使い方の例

以下は当社の広報文書のトーン規定（抜粋）と、書き直してほしい文章です。
トーン規定を読み込み、規定に沿ったトーンで文章を整えてください。
変更箇所は明示してください。

【トーン規定】○○（社内規定の抜粋または要約）
【書き直し対象の文章】○○

「変更箇所は明示してください」という指示を加えると、AIが何を修正したかが明確になり、最終レビューの際に確認しやすくなる。

コーポレートブランドとの整合確認は人間の仕事

AIはトーンガイドに照らした整合確認を補助できるが、「この表現が会社の現在のブランドポジションと合っているか」「経営方針の転換期に使ってよいトーンか」という大局的な判断は人間が担う。

特に経営メッセージは、発信タイミングとの整合も重要だ。業績発表前後・組織変更期・事業撤退発表後——こうした時期に発信するメッセージは、表現のトーンそのものが投資家・従業員・メディアの受け取り方に影響する。AIはこのタイミングの文脈を読めない。

ツール別の機能・料金・用途適性については生成AIツール選定ガイドで整理しているため、どのツールを業務に導入するかの判断に役立てられる。

5つのユースケースをすべて見てきた。最後に、これらを横断する考え方をまとめる。

広報のAI活用は初稿の速度から始まる——判断者はあなた自身だ

5つのユースケースを振り返ると、どれにも同じ構造が見えてくる。

AIは優秀な下書き担当だ。しかし、広報の判断力こそが最後の砦だ。

プレスリリースの最初のたたき台を30分で出す。想定質問を網羅的に洗い出す。危機対応文の骨格を冷静に組む——AIはこのどれにも使える。しかしその先、「これを対外発表してよいか」「この表現は適切か」「このタイミングで出すべきか」は、広報担当者が事実と文脈と判断力を総動員して決める仕事だ。

この役割分担がずれると、AI出力をそのまま使って困る、という事態が起きる。確認していない数値を含むリリースを発表してしまった、危機対応文の表現が法的に問題のある内容を認める形になっていた——こうした失敗は「AIが出したから大丈夫だろう」という意識のときに起きやすい。

一方で、AIを正しく使えている広報担当者は、初稿作成の時間が減った分を「内容の深い確認」と「メディアとのリレーション構築」に充てやすくなる。文章を速く作る力は、結果として判断の質を上げる余白を生む。

本記事の結論を一文で言えば、「広報業務における生成AIの役割は初稿を速くすることであり、判断者の代替ではない」だ。

5つのユースケースのうち、明日の業務で1つ試せそうなものが見つかっていれば、読んだ価値はあったはずだ。最初の試みは不完全でかまわない。AIとのやりとりから得られる差分が、次の使い方を磨く材料になる。

広報AI活用を部門横断の視点で確認する

部門別ユースケース・ガバナンス・リスク管理・ROI測定を一冊に整理した生成AIビジネス活用の総合ガイドと、AI出力の品質チェックに役立つレビュー基準の記事、および生成AIツールの選定ガイドを合わせて確認すると、広報部門での導入判断に必要な材料が揃う。

生成AI ビジネス活用大全を読む AI出力のレビュー基準を確認する