5 月 5 日、深夜 22 時。X 自動化キャンペーンの最終セットアップが終わり、verify API のレスポンスが想定通りに返ってきた瞬間でした。同日の朝に「を理解しているのか？」と AI を叱り飛ばしたところから始まったこの作業は、結果として 半日で 12 キャンペーン分の Engagement Gate 設計と 実装 に到達していました。
私は () を、答えを出す部下ではなく、提案を出してくる参謀として扱っています。叱責で軌道修正し、再提案させる。このループを回すと、一発で正解を出させるより圧倒的に解像度の高い設計に届きます。本記事では、その日にあった 5 つの叱責と、それぞれが何を修正したか を実装記録として共有します。
結論を先に — 数字で並べる
| 項目 | 値 |
|---|---|
| 主題 | X (kei_soulmate) のゲート型キャンペーン構築 |
| 設計対象 | 12 キャンペーン分 (Card C01〜C15) |
| 経過時間 | およそ 8 時間 (調査含む) |
| AI への明示的な叱責回数 | 5 回 (根本前提のズレ) |
| 結果 | MVP 1 本 (cmp-found-pin) の本投稿 + Gate 登録 + LINE 形式登録までを API 自動化で完了 |
| インフラ追加コスト | 0 円 (既存 Worker 流用) |
12 キャンペーン分の運用バイブル campaign_master.md、画像 12 枚分の Canva デザイン指示書、LINE Harness のフォームとシナリオの仕様書、Engagement Gate 一括登録 スクリプト、PIL による統一画像生成スクリプト ── これらが全部、1 日のうちにアウトプットされました。
ただ、この成果に到達したのは AI が一発で正解を出したからではなく、5 回叱って軌道修正したから です。
叱責 1: 「ペルソナを理解しているのか？」
X のリサーチを始めた最初の段階で、AI は「占いコンテンツ」を調べに行こうとしました。数秘術関連のキーワードでラッコ API を叩き、検索ボリューム上位を取得して「これがマーケットマップです」と提案してきました。
私はそれを止めました。私たちが届けたいのは「占いを買う人」ではなく、「頑張ってるのに整わない 30 代キャリア女性」 です。占いコンテンツを調べたところで、すでに占い好きな人しか釣れません。
AI に伝えたのは「ペルソナの生活悩みを直接調べに行け。占い系のキーワードは全部捨てろ」という一言です。次の提案では「燃え尽き 30 代」「本当にやりたいことわからない」「夜眠れない」など、生活密着型のシードに切り替わりました。
💡 KEY TAKEAWAYS
検索データを取りに行くとき、AI は「サービス側のキーワード」から手をつけようとします。これは集計しやすいから。でもマーケティングで欲しいのは「ペルソナの生活側のキーワード」です。最初の出力でここを押し戻すかどうかで、リサーチ精度が桁違いに変わります。
叱責 2: 「順番が逆だ。バズ投稿実物を先に見ろ」
リサーチを進めて X 投稿の「型」を抽出させたとき、AI は「バズるツイートの法則」という Web 記事を 4 本読んで、抽象的な型を 5 つ提示してきました。「自己認識トリガー 5 要素中 3 つ以上含むと保存率が高い」のような、それっぽい仮説でした。
私は再度止めました。「実際のバズ投稿そのものを 1 本も見ていないじゃないか」と指摘しました。記事を読んでも「型」は仮説止まりです。検証するには実投稿のデータが要ります。
修正後、AI は X スクレイピングのライブラリを探し、サブ垢で 認証して、「フォロワー 1,000 以下なのに 5,000 いいね以上ついた投稿」14 本を実取得しました。結果、自分が出していた仮説は Top50 のうち 0 件 でしか成立していませんでした。
代わりに見えたのは、平均 fav/フォロワー比 232 倍という異次元の数字と、「反復セリフ」「物語+セリフ落ち」「知識リスト」など、実投稿に裏打ちされた 5 つの黄金型です。
叱責 3: 「同業者じゃなくて、釣ってる隣接アカウントを見ろ」
X のリサーチアカウント候補を 10 名提案してきたとき、AI は 占い系インフルエンサーばかり をリストアップしてきました。鏡リュウジ、紫微斗数の宮本、桝元つづり、など。
これも止めました。理由はシンプルで、「同業者が釣っているのは占い好きな層」だからです。同じターゲット層を釣っているのは、占い以外の領域 ── 30 代女性ライフ作家 (ジェーン・スー・紫原明子)、メンタル自己受容系 (Jam・minori)、キャリア悩み系 (やつづかえり) などです。
修正後、AI は隣接ジャンルのアカウントを 10 名選び直しました。実取得段階では 4 アカウントしか有効にならない (screen_name の特定誤り) という別の失敗もありましたが、方向性は正解でした。実バズ投稿のに、ペルソナと近い投稿が増えました。
叱責 4: 「お前、X Harness の仕様書読んだのか？」
ここが一番痛い叱責でした。
AI は 12 キャンペーンの運用設計を提案してきました。各投稿に UTM タグを付けて、Cloudflare Web Analytics で遷移計測する、という案です。それっぽく見えましたが、私は「お前、X Harness の Campaign と Engagement Gate を理解しているのか？仕様書を読み直してこい」と差し戻しました。
X Harness OSS には Engagement Gate というキラー機能があります。リプライキーワード + いいね + リポスト + フォローの 4 条件をクリアした人だけに、verify_only モードで特典を配布する仕組みです。これは LINE Harness のフォームと連携して、Cron 不要・X API 課金最小で動きます。
UTM 計測なんて出る幕ではありません。AI は仕様書 (docs/SPEC.md、docs/LINE-HARNESS-INTEGRATION.md) と実装ファイル (engagement-gate.ts、engagement-gates.ts) を読み直し、設計を全面的に組み直しました。
💡 KEY TAKEAWAYS
AI は「それっぽい設計」を出すのが得意です。ただし社内ツールやプロダクトの 既存仕様 を踏まえているとは限りません。「うちのシステムにはこれがある」という前提を踏まえさせるには、仕様書のパスを渡して読ませるしかありません。読まずに出した提案は、必ず筋から外れます。
叱責 4 の前後 — 設計の比較
| 観点 | 叱責前 (UTM 計測案) | 叱責後 (Engagement Gate 案) |
|---|---|---|
| トラッキング | UTM パラメータ | リプライキーワード + 4 条件 |
| 配布判定 | リンクをクリック | verify API でリアルタイム判定 |
| LINE 連携 | 別途自然流入頼み | 友だち追加 + タグ付与 + シナリオ自動開始 |
| ステルス性 | 低 | Cron 不要、API 課金最小 |
| キャンペーンごとの工数 | バラバラ | 12 本同じフォーマットで統一 |
叱責 5: 「すべてキーワードリプ投稿で campaign を組む！」
仕様を読み直した AI が再提案してきた設計を、私はさらに振り切らせました。「全 12 本を、すべて Engagement Gate のキーワードリプ型に統一しろ」と指示したのです。軽いリプ誘発型 (DM ボット) も、しっかり 4 条件型 (verify_only) もありますが、根本構造はすべて「キーワードでリプライさせる」という形に揃えました。
これで運用も一気に簡素化されました。同じ Python スクリプト (setup_campaigns.py) で 12 本分の Gate と LINE Form を一括登録できる構造になり、「--apply --filter cmp-found-pin」のようにキャンペーン単位での実行もできます。
完成した MVP — cmp-found-pin
最終的に、初発のキャンペーン cmp-found-pin は次のフローで本番稼働しました。
- PIL + qrcode でブランド統一画像 (1080×1350, ゴールドの QR 入り) を Python から生成
- X Harness の
/api/media/uploadで画像を X にアップロード (media_id取得) /api/postsで本投稿 (post_id取得)setup_campaigns.py --applyで Engagement Gate を登録 (キーワード「咲く」、4 条件、verify_onlyモード)- LINE Harness のフォーム (事前登録済み) の webhook URL を新
gate_idに書き換え - LINE シナリオ S01 (7 日間講座) を 5 ステップ連続で API 登録
- verify API を実際に叩いて、
eligible: false(まだリプ未達) のレスポンスを確認
すべて API 経由の自動実行で、最後の 「投稿をプロフィールに固定する」 だけが手動 という状態に着地しました。
完成までに作った成果物 (campaign/2026-05-04/ 配下)
campaign_master.md— 12 キャンペーン分の運用バイブル v2setup_campaigns.py— Gate + Form 一括登録スクリプトx_canva_briefs_v2.md— 画像 12 枚分のデザイン指示書line_harness_fixtures.md— フォームとシナリオの仕様書MVP_RUNBOOK.md— 残り手動 4 ステップの手順書diagnose_pdf_draft.md— 特典 PDF の原稿 (4 ページ)gen_card_c05.py— PIL による画像自動生成Image01_C05_pin_saku.png— 投稿された実画像
叱責駆動開発の 4 つのコツ
最後に、AI を参謀として使うときに私が気をつけている 4 つを残しておきます。
- 前提を疑え: AI が前提条件を取り違えていると感じたら、すぐ止めて指摘する。前提を直せば残りは AI 側が一気に進めます。
- 仕様書を読ませろ: 既存システムを踏まえた提案が必要なときは、仕様書のパスを必ず渡す。「読んでくれているはず」は通じません。
- 抽象論を二度受けない: 1 回目の提案が抽象的なら、2 回目は実データを取らせる。実データに基づかない型は、実装段階で破綻します。
- 叱責は履歴に残せ: 一度叱った内容は組織の知識資産。チェックリストやテンプレートに変えれば、次のメンバーが同じ高さからスタートできます。
次のアクション
EXBANK では、こうした AI を「叱って育てる」業務体制の構築支援 も行っています。「ウチも AI で動ける体質か？叱り返すリテラシーが現場にあるか？」と気になった方は、まず 細マッチョ企業診断 で 3 分セルフチェックしてみてください。AI と組める「業務体力」が 5 軸で可視化されます。
具体的な業務に AI を入れる相談がある場合は、お問い合わせフォームでご連絡ください。叱責の数だけ AI が育つので、最初の 3 ヶ月は伴走支援も可能です。