文章を書く
文章を書くでAIへ移しやすい業務
- 業務
- 3件
- 判定
- AIへ移しやすい
- 合うモデル
- 31件
文章を書くの業務のうち、当サイトの判定が「AIへ移しやすい」のものを3件集めました。いまのやり方と、AIに移したあとのやり方を並べ、移す前の確認・最初の指示・測り方・合うモデルまで1ページで進めます。
いまのやり方と、移したあと
| 業務 | いま | 移したあと | 人に残る仕事 |
|---|---|---|---|
| 定型メールを毎回書く | 過去のメールを探して書き換える | 下書きをAIに出させて直す | 相手ごとの言い回しの調整 |
| 翻訳して社内に共有する | 翻訳ツールに貼って直す | 文脈ごと訳させて用語を直す | 専門用語と社内用語 |
| 長文を短くする | 自分で削る | 要約させて確かめる | 削ってよいかの判断 |
「AIへ移しやすい」の意味
まず1件だけ試して、結果を見てから広げてよい業務です。間違っても取り返しがつき、元に戻す手段も残せます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 定型メールを毎回書く | まず1件試せる | 下書きを任せる | 送る相手が毎回違う場合 |
| 翻訳して社内に共有する | まず1件試せる | 下書きを任せる | 翻訳する量が少ない場合 |
| 長文を短くする | まず1件試せる | 下書きを任せる | 元が短い場合 |
移す前の確認
全部に印が付くまで、移さないでください。
移す手順
定型メールを毎回書くを例にした4段の手順です。ほかの業務も同じ順で進めます。
1. いまのやり方を1回測る
「過去のメールを探して書き換える」に何分かかり、何回やり直したかを残します。移したあとと比べる材料になります。
2. 人に残る仕事を切り出す
「相手ごとの言い回しの調整」はAIに任せません。誰がいつやるかを先に決め、手順に書き込みます。
3. 1件だけ移して比べる
「下書きをAIに出させて直す」の形で1件だけ通します。「敬語が過剰になり、そのまま送ると不自然になる」が起きないかを、ここで確かめます。
4. 続けるか戻すかを決める
記録を見て決めます。戻すときは「作った下書きを型として残せば、次から手でも早い」。戻せる状態を残したまま広げてください。
移さなくてよい業務を先に外す
当てはまるものは、無理に移さなくて構いません。
業務ごとの移し方
定型メールを毎回書く
いま：過去のメールを探して書き換える → 移したあと：下書きをAIに出させて直す
- 人に残る仕事：相手ごとの言い回しの調整
- よくあるつまずき：敬語が過剰になり、そのまま送ると不自然になる
- 戻し方：作った下書きを型として残せば、次から手でも早い
- 向かない場合：送る相手が毎回違う場合
翻訳して社内に共有する
いま：翻訳ツールに貼って直す → 移したあと：文脈ごと訳させて用語を直す
- 人に残る仕事：専門用語と社内用語
- よくあるつまずき：社内用語が一般的な訳語に置き換わる
- 戻し方：用語表を作れば、どの方法でも同じ品質になる
- 向かない場合：翻訳する量が少ない場合
長文を短くする
いま：自分で削る → 移したあと：要約させて確かめる
- 人に残る仕事：削ってよいかの判断
- よくあるつまずき：結論だけ残り、前提が消えて誤解される
- 戻し方：元の文を残す
- 向かない場合：元が短い場合
AIに渡す最初の指示
「移したあと」のやり方で、AIに最初に渡す指示です。人に残る仕事はAIにやらせず、印を付けて返させます。
これから「定型メールを毎回書く」を手伝ってもらいます。 いままでは「過去のメールを探して書き換える」でしていましたが、「下書きをAIに出させて直す」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「相手ごとの言い回しの調整」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・敬語が過剰になり、そのまま送ると不自然になることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「翻訳して社内に共有する」を手伝ってもらいます。 いままでは「翻訳ツールに貼って直す」でしていましたが、「文脈ごと訳させて用語を直す」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「専門用語と社内用語」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・社内用語が一般的な訳語に置き換わることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「長文を短くする」を手伝ってもらいます。 いままでは「自分で削る」でしていましたが、「要約させて確かめる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「削ってよいかの判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・結論だけ残り、前提が消えて誤解されることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
効果を測る
移す前と後で、同じ1件を比べます。
【業務】［ ］
【いま】かかった時間［ ］分／やり直し［ ］回
【移したあと】かかった時間［ ］分／やり直し［ ］回
【人に残った仕事】［ ］分
【出てきたもの】そのまま使えた／直した（直した箇所［ ］）
【起きたつまずき】［ ］
【判断】続ける／やめる／もう1件
【やめるときの戻し方】［ ］人に残る仕事の担当を決める
AIに移しても、人に残る仕事は消えません。担当を書いて共有しておくと、抜け落ちを防げます。
【部署】［ ］ 【見直す日】［ ］ ・定型メールを毎回書く：相手ごとの言い回しの調整 → 担当［ ］／いつ［ ］ ・翻訳して社内に共有する：専門用語と社内用語 → 担当［ ］／いつ［ ］ ・長文を短くする：削ってよいかの判断 → 担当［ ］／いつ［ ］ 【困ったときの相談先】［ ］
社内に説明する
【試した業務】定型メールを毎回書く・翻訳して社内に共有する・長文を短くする 【判定】AIへ移しやすい（当サイトの判定を参考） 【試した結果】時間［ ］分→［ ］分／やり直し［ ］回→［ ］回 【人に残す仕事と担当】［ ］ 【続けるかどうか】［ ］ 【費用】［使ったモデルと月の目安］
文章を書くの業務に要る機能と、合うモデル
文章を書くの業務で効くのは長めの下書きを安く何度も書けることです。下書きは何度も書き直させるので、出力の単価が安いものが効きます。掲載76件のうち、この条件に合うのは31件でした。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | 単価がいちばん安い | 1,310,720 | $0.03 |
| Llama 4 Scout | 一度に読める量がいちばん多い | 1,310,720 | $0.1 |
| Ministral 3 8B 2512 | 別の提供元で、単価が中くらい | 262,144 | $0.15 |
DeepSeek V4 Flash 0731（単価がいちばん安い）
DeepSeekのモデルです。入力100万トークン$0.03（目安5円）。件数が多い作業ほど差が出ます。渡せる入力は文字。
Llama 4 Scout（一度に読める量がいちばん多い）
Metaのモデルです。1,310,720トークン（原稿用紙でおよそ2,341枚）。資料を分けずに渡せます。渡せる入力は文字・画像。
Ministral 3 8B 2512（別の提供元で、単価が中くらい）
Mistral AIのモデルです。Mistral AIのモデルで、入力100万トークン$0.15。1社に寄せないための比べ先になります。渡せる入力は文字・画像。
並べているのは公表されている仕様と単価だけで、出来の良し悪しの順位ではありません。同じ材料で1回ずつ試して、自分の作業で比べてください。
費用の目安を計算する
APIの料金は、読ませた量と書かせた量の両方にかかります。単価から3つの使い方の費用を出しました（入力・出力の量は当サイトの目安、1ドル150円）。
| モデル | メールの下書き1,000通 | 会議の要約100本 | 問い合わせの一次返信5,000件 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | $0.38（57円） | $0.109（16円） | $0.95（143円） |
| Command R7B (12-2024) | $0.226（34円） | $0.087（13円） | $0.565（85円） |
| DeepSeek V4 Flash 0423 | $0.196（29円） | $0.093（14円） | $0.49（74円） |
| Llama 3.2 3B Instruct | $0.43（65円） | $0.141（21円） | $1.075（161円） |
| Nova Lite 1.0 | $0.36（54円） | $0.138（21円） | $0.9（135円） |
| Nemotron 3.5 Lightning | $0.36（54円） | $0.16（24円） | $0.9（135円） |
| Gemma 4 26B A4B | $0.48（72円） | $0.195（29円） | $1.2（180円） |
| Llama 4 Scout | $0.5（75円） | $0.21（32円） | $1.25（188円） |
| GPT-6 Luna Pro | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| GPT-6 Luna | $0.7（105円） | $0.25（38円） | $1.75（263円） |
件数と1件の長さを入れると、月の費用の目安が出ます。
【1件の入力】［ ］トークン（日本語は1字およそ1〜1.5トークン） 【1件の出力】［ ］トークン 【月の件数】［ ］件 入力の費用 ＝ 1件の入力 × 月の件数 ÷ 1,000,000 × 入力の単価 出力の費用 ＝ 1件の出力 × 月の件数 ÷ 1,000,000 × 出力の単価 月の費用 ＝ 入力の費用 ＋ 出力の費用（ドル）× 為替
長めの下書きを安く何度も書けるモデル31件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 |
|---|---|---|
| DeepSeek V4 Flash 0731（DeepSeek） | 1,310,720 | $0.03／$0.32 |
| Command R7B (12-2024)（Cohere） | 128,000 | $0.038／$0.15 |
| DeepSeek V4 Flash 0423（DeepSeek） | 1,048,576 | $0.049／$0.098 |
| Llama 3.2 3B Instruct（Meta） | 131,072 | $0.05／$0.33 |
| Nova Lite 1.0（Amazon） | 300,000 | $0.06／$0.24 |
| Nemotron 3.5 Lightning（NVIDIA） | 262,144 | $0.08／$0.2 |
| Gemma 4 26B A4B （Google） | 262,144 | $0.09／$0.3 |
| Llama 4 Scout（Meta） | 1,310,720 | $0.1／$0.3 |
| GPT-6 Luna Pro（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-6 Luna（OpenAI） | 1,050,000 | $0.1／$0.5 |
| Ministral 3 3B 2512（Mistral AI） | 131,072 | $0.1／$0.1 |
| Llama 3.3 70B Instruct（Meta） | 131,072 | $0.1／$0.32 |
| DeepSeek V4.1 Flash（DeepSeek） | 1,048,576 | $0.15／$0.6 |
| Qwen3.8 Omni Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Qwen3.8 Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Mistral Small 4（Mistral AI） | 262,144 | $0.15／$0.6 |
| Ministral 3 8B 2512（Mistral AI） | 262,144 | $0.15／$0.15 |
| Command R (08-2024)（Cohere） | 128,000 | $0.15／$0.6 |
| Llama Guard 4 12B（Meta） | 163,840 | $0.18／$0.18 |
| Llama 4 Maverick（Meta） | 1,048,576 | $0.188／$0.653 |
ほかに11件あります（入力の単価が高い順に省略）。
文章を書くの業務で、合うモデルが一度に読める量
やりたいことに要るおおよその量と、この中のモデルのうち一度に読めるものの数です。足りないモデルでは、資料を分けて渡すことになります。
| やりたいこと | 要るおおよその量 | 一度に読めるモデル |
|---|---|---|
| メール1通を書かせる | 1,000トークン | 31件／31件 |
| A4の資料1枚を読ませる | 2,000トークン | 31件／31件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 31件／31件 |
| 契約書1通を読ませる | 20,000トークン | 31件／31件 |
| 本1冊を読ませる | 150,000トークン | 25件／31件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 15件／31件 |
モデルを使う前に決めること
試す前に、情シスや上長と決めておくことです。
この記事で使っている言葉
コンテキスト（一度に読める量）
1回のやり取りで渡せる文章の長さです。足りないと、前に渡したところを忘れます。大きいほど長い資料を分けずに渡せますが、読ませた分だけ費用もかかります。
トークン
AIが文章を数える単位です。日本語はおおむね1字が1〜1.5トークン。料金も読める量も、このトークンで数えます。
入力の単価・出力の単価
100万トークンあたりの米ドルです。読ませた量に入力の単価、書かせた量に出力の単価がかかります。出力のほうが高いのが普通です。
仕様はhttps://openrouter.ai/api/v1/modelsから2026-09-25に取ったものです。OpenRouter が各提供元から集めて公開している仕様です。単価は100万トークンあたりの米ドル。ベンチマークの点数や順位は含みません。
文章を書くのほかの業務
提案書のたたき台を作る
判定は「一部だけAI化する」。いまは白紙から書き始める、移したあとは構成をAIに出させて中身を入れる。人に残るのは自社の実績と数字。提案書のたたき台を作る
社外への説明文を書く
判定は「一部だけAI化する」。いまは自分で書く、移したあとは下書きさせて直す。人に残るのは責任の所在。社外への説明文を書く
断りの連絡を書く
判定は「一部だけAI化する」。いまは過去の文面を書き換える、移したあとは要点から下書きさせる。人に残るのは理由の伝え方。断りの連絡を書く
文章を書くのほかの判定
- 文章を書くで「一部だけAI化する」業務（3件）
よくある質問
全部まとめて移したほうが早くありませんか？
比べる相手がいなくなるので、効果を説明できなくなります。1件ずつ移して、測ってから広げてください。
どのモデルがいちばん良いですか？
当サイトは点数や順位を持っていません。上の候補を同じ材料で試し、自分の作業で正しさと直す手間を比べて決めてください。
人に残る仕事は、いずれAIに任せられますか？
この3件の「人に残る仕事」は、間違えたときの影響が大きいか、判断の材料がAIに渡らないものです。任せるかどうかは、移したあとの記録を見てから決めます。
次にやること
- 1件選ぶ
上の表から、いちばん手間のかかっている業務を1件選びます。
定型メールを毎回書く - いまのやり方を測る
移す前の1回を測っておかないと、効果を説明できません。 - 合うモデルを2つ試す
候補から2つ選び、同じ材料で比べます。