コラム
LP制作はAIでどこまでできるか｜工程別に見るツール・プロンプト・実務の限界
LP制作を構成案・ワイヤーフレーム・コピー・実装・公開後の改善という工程に分け、AIで完結できる範囲と人の判断が必要な範囲を整理します。内製化の進め方と失敗パターンもあわせて解説します。
公開日：2026年8月9日
執筆・編集：malna編集部（編集方針）
「外注していたLP制作を、AIで内製化できないか」
こうしたご相談を、当社でも受けることが増えてきました。制作会社への発注は1本ごとに費用も時間もかかりますし、修正のたびに依頼し直すのも負担です。AIで自分たちのペースで作れるなら、それに越したことはないと考えるのは自然なことだと思います。
一方で、実際に検索してみると「AIでLPが数分で作れる」という紹介記事と、「AIでは伝わるLPは作れない」という慎重な意見の両方が出てきて、結局どちらを信じればいいのか分からない、という声もよく聞きます。
この混乱が起きる理由ははっきりしています。「LP制作」とひとことで言っても、構成案づくり・ワイヤーフレーム設計・コピーライティング・コーディング（実装）、そして公開後の改善という複数の工程が含まれており、工程によってAIが得意な範囲と、人の判断が欠かせない範囲がまったく違うからです。工程を分けずに「LP制作 AI」を語ると、どうしても話が極端になります。
本記事では、当社がクライアントのLP制作を実際に担当してきた実務の知見をもとに、工程別に「AIで完結できる範囲」と「人が仕上げるべき範囲」を整理します。公開して終わりではなく、公開後の改善にAIをどう使うかまで含めて解説します。LPの内製化や制作の効率化を検討している実務者・発注担当者の方に向けた内容です。
「LP制作AI」とは？工程を分けて考えると迷わない
「LP制作AI」とは、ランディングページの構成案・コピー・デザイン・コーディングといった制作工程を、生成AIやAIエージェントが人に代わって、あるいは人と協働して担う一連の手法を指します。特定の1つのツールを指す言葉ではなく、工程ごとに複数のAIを使い分けるのが実務上の一般的なやり方です。
例えば、UI生成AIの「v0」（Vercel提供）は、プロンプトの指示だけでランディングページのテンプレートを含む複数形式のUIとコードを同時に生成できます（v0公式サイト、2026-08-07確認：https://v0.app）。ノーコードツール「STUDIO」のAI機能「Studio.Assistant」は、ヒアリング情報から情報設計とワイヤーフレームを自動生成し、AIが提示した案を人が編集・仕上げる設計になっています（STUDIO公式ヘルプ、2026-08-07確認：https://studio.design/ja/assistant）。
つまり、現時点のAIツールの多くが「AIが案を作り、人が磨く」という前提で設計されています。ここで大切なのは「何をAIにやらせるか」ではなく、「工程のどこにAIを差し込み、どこは人の判断として残すかを、どう設計するか」です。この線引きが曖昧なまま使い始めると、後から「思っていたのと違う」という手戻りが発生しやすくなります。
なお、LP制作を語るときは「作って終わり」になりがちですが、実務では公開後の効果検証と改善までが1セットです。本記事も、構成案・ワイヤーフレーム・コピーライティング・コーディングという4つの制作工程に加えて、公開後の改善という5つ目の局面までを対象に含めて整理します。
工程別に見る「AIで完結する範囲」と「人の判断が必要な範囲」
LP制作を4つの工程に分けると、AIに任せられる範囲と人の判断が必要な範囲は、以下のように整理できます。
| 工程 | AIが得意な範囲 | 人の判断が必要な範囲 |
|---|---|---|
| 構成案・情報設計 | セクション構成の初稿、一般的な訴求フローの提示 | ターゲットの悩み・意思決定プロセスに合わせた優先順位付け |
| ワイヤーフレーム | ファーストビュー〜CTAまでのレイアウト案の生成 | 実データ・遷移導線・計測要件との整合確認 |
| コピーライティング | 見出し・訴求文の幅出し、複数案の生成 | 事実確認、景表法・薬機法等の表現チェック、最終選定 |
| コーディング・実装 | HTML/CSSの自動生成、レスポンシブ対応の補完 | フォーム仕様・計測タグ・表示速度・SEOの基本要件・実機での最終確認 |
表からわかるとおり、AIが強いのは「案を素早く量産する」局面です。一方で、「何を優先するか」「事実として正しいか」「実装として崩れていないか」という判断は、いずれの工程でも人が担う必要があります。この表を先に共有しておくと、社内でも発注先とも、AIに何を任せるかの意思決定がブレずに進みます。
工程ごとの実務ポイント
構成案・情報設計
構成案づくりは、AIとの相性が良い工程です。ターゲット・商品・訴求したいポイントをプロンプトで伝えれば、一般的なLPの型（課題提起→共感→解決策→根拠→CTA等）に沿ったセクション構成の初稿が出てきます。当社でも、構成案の初稿づくりにAIを使う機会は増えています。
ただし、AIが出す構成案は「よくある型」に寄りがちです。実際にどの悩みを一番手前に置くべきか、どの根拠を厚く見せるべきかは、ターゲットの検討プロセスを理解している人が判断すべき部分です。構成案をAIで作る場合は、以下の手順で進めると精度が上がります。
- ターゲットの悩み・検討状況・競合状況をプロンプトに具体的に書く
- 商品・サービスの概要とゴール（問い合わせ獲得・資料請求・購入等）をあわせて明記する
- AIに複数パターンのセクション構成を出させる（訴求軸を変えた案も含めて比較する）
- 自社の顧客理解と照らして、優先順位を人が入れ替える
プロンプトに入れる情報が具体的であるほど、AIが出す構成案の精度は上がります。逆に「LPの構成案を作って」といった抽象的な指示だけでは、汎用的な構成しか出てこない点には注意が必要です。
ワイヤーフレーム
ワイヤーフレームも、AIで叩き台を作れる工程です。前述のとおり、STUDIOのAI機能はヒアリング情報からワイヤーフレームを自動生成する機能を持っています。ファーストビューからCTAまでの大まかな配置を、ゼロから手で組むより速く用意できます。
ワイヤーフレームの段階では、以下の流れで進めると運用面の抜け漏れを防ぎやすくなります。
- 構成案の各セクションに、見出し・画像・CTAボタンなど入れるべき要素を箇条書きで洗い出す
- AIツールにセクションごとのレイアウト案を複数出させる
- 既存サイトとの遷移導線、フォームの入力項目、計測タグの設置箇所を人がリストとして用意し、ワイヤーに反映する
- 実際の商品写真・料金表・利用規約リンクなど実データに差し替えて、レイアウトが崩れないか確認する
一方で、既存サイトとの遷移導線、フォームの入力項目、計測タグの設置箇所といった「実装後の運用に関わる要件」は、AIが自動で把握してくれるわけではありません。ワイヤーフレームの段階で、運用側の要件を人がリストとして渡しておく必要があります。
コピーライティング
キャッチコピーや訴求文の幅出しも、AIが力を発揮する工程です。同じ訴求軸で何パターンも文章を出せるため、案の量産には向いています。訴求軸（何を一番の強みとして打ち出すか）を先に人が決めてからAIに幅出しさせると、出てくる案の精度が上がりやすくなります。ただし、コピーの技法や選定基準、表現規制（景品表示法・薬機法等）のチェック観点については、本記事では深掘りしません。別記事「キャッチコピーはAIで作れるか｜プロンプトと選定基準」で詳しく扱っています。
コーディング・実装
当社は全社的にClaude Code（Anthropicのコーディングエージェント）を業務で使っており、Webページの実装作業にコーディングエージェントを活用する機会が増えています。プロンプトから直接コードを生成し、そのままデプロイまで行えるツールも増えてきました。例えば前述のv0は、指示に応じてコードを生成しGitHubリポジトリへ直接反映する機能を持っています（v0公式サイト、2026-08-07確認）。デザインカンプをもとにコーディングエージェントだけでLPを実装したという事例も社外で報告されています（LIG「デザインカンプからClaude CodeだけでLPを実装してみた」、2026-08-07確認：https://liginc.co.jp/676810）。
コーディングエージェントの強みは、「見出しの文言を変えて」「ボタンの色をブランドカラーに合わせて」といった自然言語の指示だけで、コードを直接修正できる点です。HTML/CSSの知識がなくても、修正のたびに制作会社へ依頼し直す必要がなくなります。
ただし、コーディングをAIに任せられるのは「指示した通りに組む」部分までです。以下のような確認は、人が担うべき工程として残ります。
- フォームのバリデーションが仕様通りに動くか
- 表示速度が落ちていないか
- スマートフォンなど実機で崩れていないか
- 見出しタグ（H1/H2）の階層や画像のalt属性など、SEOの基本要件が抜けていないか
- 計測タグ（コンバージョン計測用のタグ等）が正しく設置されているか
AIが生成したコードは、見た目上は問題なく動いているように見えても、こうした細部が抜け落ちやすいという指摘は外部の解説記事にも見られます（AIpedia「AI Web制作 失敗事例10選」、2026-08-07確認：https://ai-pedia.jp/guides/ai-web-development-failure-cases/）。実装を内製化する場合ほど、「どこまでAIに任せ、どこから先は必ず人が見るか」を先に決めておくことが欠かせません。
公開後の改善にAIをどう使うか
LP制作はAIの話が「作る」工程に集中しがちですが、実務上はLPを公開した後の改善こそが成果を左右します。公開後の改善は、大きく分けると以下のような流れで進みます。
- ヒートマップツールやGA4等のアクセス解析で、離脱率が高いセクションや、クリックされていないCTAを特定する
- 特定した箇所について、AIに複数の改善仮説（見出しの言い換え、CTA文言の変更、フォーム項目の削減等）を出させる
- 出てきた仮説に、成果への影響が大きそうなものから人が優先順位をつける
- ABテストツールで検証し、結果をもとに次の仮説をAIに再度出させる
AIが得意なのは、行動データの傾向をもとに「考えられる改善仮説を複数出す」部分です。実際にどの仮説から検証するか、テスト結果を事業として妥当な結論として解釈できるかは、人の判断が必要な部分のまま残ります。ヒートマップ分析やABテストツールの中には、AIによる分析支援機能を打ち出しているものも出てきていますが、機能の有無や精度はサービスによって差があるため、導入を検討する場合は各ツールの公式情報で確認することをおすすめします。
なお、行動データをAIに読み込ませて分析させる場合、個人が特定できる情報（氏名・メールアドレス・電話番号等）を含めたまま渡さないよう注意が必要です。集計済みの数値データや、個人が特定できない形に加工したデータの範囲で扱うのが基本です。
そもそも計測タグが正しく設置されていなければ、この改善サイクル自体が回せません。「コーディング・実装」で触れた「計測タグの設置確認」は、公開後の改善のための前提条件でもあります。
どこから内製化すべきか
5つの局面のうち、内製化に着手しやすいのは「構成案」「コピーの幅出し」、そして公開後の「改善仮説出し」です。AIが出した案を人が選ぶ・並べ替えるという作業は、専門知識がなくても始めやすく、失敗した場合のリスクも小さいためです。
反対に、「コーディング・実装」は内製化の効果が大きい一方、フォーム仕様や計測設計を誤ると機会損失に直結します。当社の実務での考え方は、いきなり全工程を内製化しようとせず、リスクが小さい工程から手をつけ、AIツールの出力の癖や自社の顧客理解が深まった段階で実装や公開後の改善サイクルに進むという順番です。「何から着手するか」ではなく「どの順番でなければ後が効かないか」を先に整えることが、内製化を無理なく進めるコツだと考えています。
AIに任せすぎて失敗するパターン
AIエージェントにLP制作を丸ごと任せて、構成からコーディングまで一度に生成させてしまうケースを見かけることがあります。この進め方では、AIが「よくある型」で作った構成をそのまま実装まで進めてしまい、ターゲット固有の訴求ポイントが反映されないまま公開されてしまうことが少なくありません。
また、AIが生成したワイヤーフレームやコードをそのまま使い、フォームの入力項目や計測タグの設置を確認しないまま公開してしまうと、後から「問い合わせが計測されていなかった」という事態にもつながりかねません。公開後の改善は計測データが前提になるため、この確認漏れは公開後の打ち手そのものを失うことを意味します。
さらに、見出し階層やalt属性といったSEOの基本要件が整っていないまま公開してしまうケースにも注意が必要です。AIが生成したコードは、見た目のレイアウトは整っていても、こうした構造面の細部まではチェックしてくれるとは限りません。加えて、AIが生成した画像や表現をそのまま使う場合、実際の商品・サービスの内容と食い違っていないかの確認も欠かせません（画像生成やコピー表現の権利・表現規制については、広告バナーは生成AIでつくれるか｜クリエイティブ制作の実務で扱っています）。
こうした失敗の多くは、「AIに何をやらせるか」だけを決めて、「何を人の確認から外さないか」を決めていなかったことが原因だと当社では感じています。AIに任せる工程と、あえてAIに任せない工程を事前にやらないことを決める形で線引きしておくことが、失敗を避ける一番の近道です。
よくある質問
Q1. LP制作はAIだけで完結しますか。無料でできますか。 構成案・コピー・コーディングの初稿はAIだけで作れますが、事実確認・表現チェック・実装後の動作確認は人の作業として残ります。無料プランのAIツールでも初稿の生成自体は可能ですが、商用のLP公開まで見据えると、有料プランや実装環境が必要になるケースが多いです。
Q2. LP制作でおすすめのAIツールは何ですか。 工程によって適したツールが異なります。ワイヤーフレームからデザインまでを一気通貫で扱いたい場合はSTUDIOのようなノーコードAI機能、コードベースで柔軟に実装したい場合はv0のようなAIコーディングツールやClaude Codeのようなコーディングエージェントが選択肢になります。他社ツールとの優劣を断定的に比較することは本記事では避けますが、工程ごとに向き不向きがある点は押さえておくとよいと思います。
Q3. AIエージェントにLP制作を丸ごと任せられますか。 現時点では、構成からコーディングまでの一連の作業をAIエージェントに指示することは可能ですが、公開前の最終確認（事実確認・表現規制・計測設計・実機表示）は人が担う前提で設計されているツールがほとんどです。丸投げではなく、AIが案を作り、人が仕上げる分担を前提に考えるとよいと思います。
Q4. LP制作のプロンプトはどう書けばいいですか。 ターゲットの悩み・商品の特徴・競合状況・目的（問い合わせ獲得か資料請求か等）を具体的に書くほど、AIが出す構成案の精度は上がります。抽象的な指示だけだと、汎用的な構成しか出てこない点には注意が必要です。
Q5. 公開後のLP改善にもAIは使えますか。 使えます。ヒートマップやアクセス解析のデータから離脱ポイントを人が特定し、その箇所の改善仮説をAIに複数出させて、ABテストで検証するという分担が実務的です。ただし、計測タグが正しく設置されていることが前提になるため、公開前の計測設計の確認が先に必要です。
さいごに
LP制作にAIを使うかどうかは、もはや「使う・使わない」の二択ではなく、「どの工程から、どこまで任せるかをどう設計するか」を決める段階に来ていると当社では感じています。構成案やコピーの幅出しから始め、AIツールの癖をつかみながら、実装、そして公開後の改善サイクルへと内製化の範囲を広げていくのが、無理のない進め方だと思います。
LP制作の内製化・効率化について、自社だけで判断が難しいと感じられた方は、ぜひ当社までお気軽にご相談ください。
自社のAI導入・AI活用について相談したい場合は、企業からのご相談もご検討ください。
