AI で刷新するメディア CMS

既知の難しさと未知の難しさが、一つの納期に重なった

古い CMS（記事の編集・配信を管理するシステム）の置き換えに、関連記事抽出と記事自動分類という新しい AI 機能まで一緒に載せたい — 難しさの種類が違う2つの作業を、同じ納期のなかで進める案件でした。

現場で使えるレベルの AI を入れたい。

大手スポーツメディアの編集業務は、既存の CMS では回らなくなっていました。一方で「とりあえず LLM を入れたい」という社内の要望だけが先に立ち、何を、どの精度で、業務のどこに組み込むかは決まっていませんでした。

• 記事配信基盤の置き換え：既知の難しさ。安全に移行し、運用を続けながら、編集者の業務を止めないこと
• AI 機能の新規実装：未知の難しさ。編集現場が実際に使える精度の水準を決めるところから始める

そこで、既知の難しさと未知の難しさを並行して抱える前提を、最初に関係者と共有しました。この前提がないまま始めると、先の読めない AI 機能の作業が膨らみ、納期を圧迫します。

PoC を「精度の合意書」として使った

最初の数週間は、「LLM を入れる」こと自体より、「どこに、何の機能を、どの精度で組み込むか」を顧客と合意することに充てました。PoC は技術検証のためではなく、精度の合格基準を、契約に書けるほど具体的に取り決める場として使いました。

PoC の出力を編集現場で実際に使ってもらい、合格・不合格をチームで判定する作業を繰り返しました。

• 関連記事抽出：編集者が想定する関連性と、AI が拾う関連性の差を、編集者の評価で数値化
• 記事自動分類：既存カテゴリ体系のうち、AI に任せる範囲と人手で確認する範囲の境界を決定
• 合格水準を超えなければ、機能として公開しない：PoC の結果を、本番に出すかどうかの判断基準にする

「とりあえず入れる」を選ばなかったからこそ、公開直後から編集現場の信頼を得られました。メディア事業では、出してから直すやり方で一度信用を失うと、取り戻すのは困難です。

AI と記事配信を、別々の基盤に分けて独立に育てる

AI 機能と記事配信を一つの基盤にまとめると、片方の改修がもう片方を止めます。両者を分けて、それぞれが単独で改修を続けられる構成にしました。

編集現場の機能改修と AI モデルの更新は、本来それぞれ別のペースで進みます。一つの基盤に押し込むほど、そのずれのしわ寄せが現場の納期に及びます。

6ヶ月で、CMS の置き換えと AI の新機能を同時に納品

納期を守れた理由は2つあります。PoC で精度の合格基準を先に顧客と合意したこと、そして AI と記事配信を別々の基盤に分けたことです。

• 6ヶ月で本番納品
• AI 機能2件を、編集現場の合格基準で本番投入

PoC での精度の合意と基盤の分離は、どちらが欠けても、6ヶ月の納期と品質を両立できなかったと考えています。

AI を業務に組み込む仕事は、合格基準を顧客と合意できた時点で、半分が終わっている。