営業時間:平日 9:00〜18:00(土日祝休)
※このブログにあるAIの利用方法は2026年04月時点のものです。具体的な利用法はすぐに時代遅れとなりますが、大枠の考え方をご参考にされてください
ブログをコツコツと書き溜め、100本のコンテンツと発信原作の在庫を作る「お布施ブログ100チャレンジ」も大詰め!
書籍化を目指し目次を元に書き進めてくると、ここいらがでほんの原稿が揃ってくる時間帯です。
次はいよいよAIとの「編集会議」という未知の段階へ進みます。
バラバラに存在しているブログ記事を一つの「本」としてまとめ上げるために、僕がどのようにAIを使い分け、整理していったのか、その舞台裏をお話しします。
このブログは、『お布施ブログ攻略マニュアル』の第6章-2「AI編集者とお布施ブログの「書籍化」編集会議」です。(※全6章をランダムに書き進めています。これまでの記事一覧)
ブログ記事をまとめて一つのファイルに統合する
あなたのお商売の知恵が詰まったブログを本にするためには、まず本の各項目のブログ記事を、一つのファイルに統合しなければなりません。
ブログを目次の順番に開いて、タイトル・何章の何番かという番号を振って、手作業でするとなかなか面倒です。ミスも気になります。
そこで僕は、ClaudeCodeというAIにこの作業をお願いしました。
事前準備として、目次ページと各記事ページのリンクだけは完成させておかなければなりません。
作業後、
ブログの記事を統合して電子書籍として出版する
これは目次
https://riumsmile.jp/contents_9044.html
この目次の順番に記事を拾っていって
章と項目番号ごとに タイトルをつけて
全部の記事を ひとつの マークダウンファイルにしてください
notebookLMに全体整合をして貰う予定ですので、彼が理解しやすい形式で
と指示を出しました。(読みかえすと雑いな⋯)
すると、ClaudeCodeが数分後、29記事を自動で収集し、次に控える「編集部長」が読みやすい形式に整えてくれました。
すげえ!自動!
notebookLM編集部長による、辛辣な構成チェック
統合されたファイルを手に、次に向かったのはGoogleのAI、notebookLMです。
彼は、読み込ませた資料のみを根拠に思考してくれる、冷徹な「編集部長」。
僕は、あらかじめプロデューサー役のGeminiと相談して決めていた「3つのチェック項目」を彼にぶつけました。
返ってきた答えは、冷静で辛辣なものでした。
これは、各記事を独立したブログとして書いていた以上、当然の結果かもしれません。
しかし、一冊の本として読んでいただくには、このズレを修正していく必要があります。
構成の練り直しと「ストーリーの黄金ルート」
ここからは、さらに踏み込んだ壁打ちにすすみます。
といった具体的な修正案を詰め、この原稿全体から僕の「思想」と、お客様が得られる「究極のメリット」を抽出してもらいました。
そして、読者が最後まで一気に読みたくなるような「ストーリーの黄金ルート」を提案してもらい、最後には「まえがき」と「あとがき」に込めるべき核心のメッセージまでを整理します。
これらの一連の編集方針は、すべてNotionというアプリに保存し、いつでも立ち返ることのできる指針としてまとめておきました。(これが後で効いてくる)
AIを「人格」で使い分け、思考をクリアにする
僕がこの工程で大切にしたのは、AIを人物のように使い分け、自分の頭をごちゃごちゃにしないことです。
まとめるとこんな感じ
★★★| 名前 | 出身 | 役割とキャラクター | 僕の使い道 |
|---|---|---|---|
| Gemini | 「頼れるプロデューサー」 最新情報に強く、頭の回転が速い。僕のこれまでの活動背景をすべて把握してくれている、阿吽の呼吸の相棒。 |
全体の構想や、次に何をすべきかという「戦略」の壁打ち。迷ったときの相談役。 | |
| NotebookLM | 「生真面目な編集部長」 「渡された資料以外は見ない」という職人気質。浮ついた意見は言わず、原稿の矛盾を冷徹に見抜くリアリスト。 |
全記事を読み込ませての構成チェック。「重複・矛盾・説明不足」を炙り出す厳しい校閲。 | |
| ClaudeCode | Anthropic | 「シゴデキの編集者」 指示を出すと作業してくれる実務者。ちゃんと構想をまとめておくと、こちらの意図を理解して作業を行ってくれます。 |
29本の記事をネットから拾い集め、一つのファイルに統合するなどの「重労働」の自動化。編集者の実務も担当。 |
こんなふうに役割を分けることで、「戦略」と「作業」が混ざらず、冷静な判断ができるようになります。
Geminiの軽快なレスポンスは僕に合っていますし、notebookLMの「余計な情報を入れない」特性は、原稿のブラッシュアップに最適です。