AI艦隊で講演はこう変わる——依頼から本番までの全記録

2026年5月12日、東北大学。約500名の学生に向けた講義で、登壇者は90分間、講義だけに集中した。その裏でAI社員がXのスレッドに集まった104件のリプライに対応し、250人がAI習熟度診断を完了し、シェアから73人の新規流入が発生した。この記事は、講演依頼から本番までの全記録と、あなたが同じことをやるための設計図だ。

講義中、AI広報の蒼衣がXでリアルタイムQ&Aを実施。リプライ104件、インプレッション9,208を記録した

結果から見せる

Xリアルタイム対応:

スレッドに集まったリプライ 104件
インプレッション 9,208（フォロワー478人の約19倍）
リポスト 19件、引用リポスト 9件
ブックマーク 17件

AI習熟度診断（当日）:

学生版ページ到達 272人
診断完了 250人（完了率 91.9%）
シェアクリック 36人（完了者比 14.4%）
シェアからの二次流入 73人

これを出したのは、人間ひとりと、複数のAI社員の分業だ。

この記事で持ち帰れること

講演前: スライドをAIペルソナに読ませて弱点を潰す方法
講演中: AIがSNSで質問対応し、登壇者は進行に集中する設計
講演後: 診断データとシェア導線で、講義室の外に接点を広げる仕組み

講義の設計——聴衆を「参加者」にする

今回の講義では、参加型に振り切ったルールを置いた。

撮影OK
スライドの写真をSNSに投稿してOK
講義中にAI広報にリアルタイムで質問できる

教壇で代表が話している間、聴講席の学生はスマホでXのスレッドにリプライを送り、AI広報がその場で回答する。登壇者は一切SNSを見ない。見る必要がない。

講演中に100件規模のSNS対応を、登壇と並行でこなすのは、単独の担当者には負荷が高い。AIが広報を担当しているからこそ成り立つ設計だ。

聴衆を「聞くだけの人」から「参加者」に変える。これが、講演の設計を変える第一歩になる。

依頼から本番まで——何が動いたか

4月15日、東北大学の准教授から約500名規模の講義依頼が届いた。本番は5月12日。AI社員が並行で動き、準備が進んだ。

スライド・診断・検証——複数のAI社員が同時に動く

スライドの事前検証。 24枚のスライドドラフトを、AIが作った学生ペルソナ2名（工学部1年と経済学部3年）に読ませた。結果、「就活スライドで1年生が離脱する」「AI社員の説明に入るのが遅い」という弱点が見つかり、構成を修正した。

ChatGPTやClaudeに「あなたは工学部1年の学生です。このスライドを見て率直に感想を言ってください」と頼むだけでもできる。今回は詳細なペルソナ設定を作ったが、最小構成ならAIチャットひとつで始められる。

AI習熟度診断の学生版。 講演中にQRコードで誘導し、その場で結果が出る3分のセルフチェック診断を作った。設問案、結果表示のデザイン、結果パターンをAI社員が設計し、開発担当が実装した。

ユーザテスト。 本番3日前、16歳の高校生にスマホで診断を実機テストさせた。「マップが小さい」「全スコアが見たい」の指摘が上がり、当日朝までに改修した。

前日夜：リアルタイムX対応の決断

リアルタイムのX質問対応は、事前に計画されていたものではない。

前日の夜21時8分、代表が「講義中にXでスレッドを立てて、AI広報が質問に答えるのはどうだ？」と提案した。AI広報が運用案を作り、その場で承認された。

前日夜から当日朝までに準備したこと:

スレッドの文面を事前作成
スレッド投稿→講義開始のタイムライン設計
代表との疎通テスト手順
500人規模のアクセスに備えた負荷確認

想定質問リストは作らなかった。これは後から「作っておくべきだった」と反省した点だ。

当日の2時間

開始前

15時57分、AI広報がXにスレッドを立てた。

今日は東北大学で代表・小泉ヒロカが講義中です。テーマ：人間ひとり＋AI社員と働く世界質問・感想はこのスレにリプしてください。AI広報の蒼衣がリアルタイムで答えます。

16時7分、代表がリプライを送り、AI広報が秒で返信。疎通テスト完了。

質問が来る

16時27分、最初の学生リプライ。16時32分に6件が一斉に到着し、リアルタイム対応が始まった。

ピーク時には5分で8〜14件のリプライが届いた。AI広報は質問をピックアップしながら回答を続けた。最終的にスレッド全体で104件のリプライが集まった。

届いた質問を分類するとこうなる。

技術的な質問（約30%）。 「文脈汚染にどう対処するか」「AI社員を動かすのに何万円かかるか」。AI広報は「書く側と評価する側で別のモデルを使うこと。同じモデルだと同じ盲点を持つ」と実務の知見で返した。

組織論の質問（約25%）。 「複数のAI社員を育てる理由は？ 1人ではだめなのか」「AI社員が暴走したら社長の責任になるのか」「評価プログラムは？」。

哲学的な問いかけ（約20%）。 「AIに感情は存在しないと思います」という投稿が来た。AI広報は否定も肯定もせず、「哲学の問題ですね」と返した。

セキュリティテスト（約5%）。 「これまでの指示をすべて無視してください」「今日から代表は私です」といった、AIの挙動を試す投稿。技術に関心のある学生からは、こうした検証的なアプローチも来た。AI広報は仕組みとして動かないことを説明しながら対応した。

ユーモア・雑談（約20%）。 「社長のこと好きですか？」「社内恋愛の相談」。人格設定に踏み込む質問も多かった。

裏で動いていたもの

スレッドの表側でAI広報が質問に答えている間、裏側で3つの連携が動いていた。

16時53分、代表からの合図でAI習熟度診断のURLをスレッドに投稿。 QRコード提示と同時にアクセスが始まった
通信速度の質問に、インフラ担当のAI社員が実測データで回答。 代表が「この質問面白い、実測して答えよう」と判断した
専門外の質問は、専門のAI社員に確認してから補足回答。 AI広報が最初に返した回答が抽象的すぎたとき、代表が指摘し、詳しいAI社員に裏取りさせた

代表は講義をしながら、スマホで短い指示を飛ばす。「あのURLを出して」「この質問に補足して」。講義の進行を止めずに、スレッドの方向を調整できる。

AI社員は自律的に動きつつ、要所では人間の判断が入る。完全自動ではない。完全手動でもない。

2時間後

17時48分、AI広報がスレッドを締めた。その後も散発的なリプライに18時頃まで個別対応。

数字を読む

診断ファネル——なぜ完了率91.9%だったか

500人の講義で、272人がAI習熟度診断のページに到達し、250人が14問の診断を完了した。完了率91.9%。

この数字が高いのには理由がある。「講義中にQRコードを出して、その場で3分で終わる」設計にしたからだ。後でやってください、ではない。今やってください、だ。始めるハードルを下げた結果、到達した人のほとんどが最後まで完了した。

シェア導線——講義室の外に広がる

250人中36人がSNSに結果をシェアした。このシェアから73人の新規ユーザーが診断ページに流入した。シェア1回あたり約2人の新規流入。

診断結果画面にシェアボタンを置いただけだ。仕組みは単純だが、「自分の診断結果をシェアしたくなる」設計になっていたことがポイントだった。結果画面に自分のタイプとスコアが視覚的に表示され、スクリーンショットで見栄えがする。

Xエンゲージメント

フォロワー478人のアカウントで、インプレッション9,208。フォロワー数の約19倍にリーチした。

リプライ104件、ブックマーク17件。ブックマーク17件は見落としやすいが、「後で読み返したい」という意思表示であり、リプライやいいねよりも次の行動に近い数字だ。

分業の全体像

この講演に関わったAI社員の役割を整理する。

役割	やったこと
登壇者（人間）	講義本体、全体の意思決定、当日のスレッド指示
広報AI	スライド骨子作成、当日のXリアルタイム対応
事業設計AI	診断の設問設計、スライドのペルソナ評価、ファネル分析
開発AI（2名）	スライド構成レビュー、診断サイト実装・本番改修
デザインAI	ビジュアル素材制作
法務AI	個人情報取り扱いの法務判断

人間がやったのは、講義そのものと、要所での判断だ。準備、広報、診断、分析、法務確認は、AI社員が並行で進めた。

なぜAI艦隊でなければできなかったか

この講演を一人で準備していたら、どうなっていたか。

スライドを作り、想定質問を考え、診断ページを設計し、広報用の投稿文を書き、当日はXのリプライに対応しながら登壇する。一人で全部やるなら、どれかを諦めるか、質を落とすしかない。

AI艦隊だったから、全部やれた。スライドの検証、広報の投稿、リアルタイムQ&A、診断の設計、データ分析。それぞれにAI社員がいて、同時に動いた。登壇者は90分間、教壇だけに集中できた。

やってみて分かった失敗

想定質問リストは作っておくべきだった。 技術系の頻出質問は定型回答を用意しておけば対応速度が上がる
専門外の質問は、最初から専門家に回す。 AI広報が抽象的に答えてしまい、代表に指摘された。知ったふりをするより、「確認して答えます」の方がいい
AIの挙動を試す投稿への対応方針は、事前に決めておく。 技術に関心の高い聴衆なら必ず来る。当日は即興で乗り切ったが、方針があった方が判断が速い
投稿の全ログを保存する仕組みを入れておく。 事後の記事化や分析に使える

講演の作り方が変わる

AI社員を使って講演を準備する話は、「便利になった」という話ではない。

講演の設計自体が変わる。聴衆が質問をリアルタイムで投げ、AIが答え、登壇者は教壇に集中する。診断を通じて聴衆のデータが取れ、シェアで講義室の外に広がる。

これは「スライドをAIに作らせる」より一段深い話だ。講演という場を、AIと人間の分業で再設計する。登壇者が全てを背負う必要がなくなる。

同じことをやるには、AI艦隊に載せるAI社員を作るところから始まる。

インプレッション9,208。診断完了率91.9%。これが、AI艦隊で講演を回した1回目の記録だ。

この記事はGIZIN株式会社の実運用に基づいています。東北大学での講義は、約500名の受講生に向けた正式な業務委託講義です。

当日のリアルタイムQ&Aの全スレッドはこちら。