AI コンテンツ作成の基本 - できること、できないこと、70点で出し続ける戦略

AI コンテンツ作成とは、生成 AI でコンテンツを作り、人の制作を助けるプロセス全体を指す。自社ブログを AI ドラフトで運用する筆者の実体験から、 AI に任せる工程と人が握る工程、 Google ペナルティの境界線、ハルシネーション対策、70点で出し続ける戦略までを解説する。

Ryosuke Suzuki (鈴木凌介)

2026年7月22日約7,224文字約15分

サマリー

AI コンテンツ作成とは、生成 AI でテキストや画像などのコンテンツを作り、人の制作を助けるプロセス全体を指す。速いのはリサーチ・構成・ドラフトで、事実確認と品質判断は人の仕事として残る
筆者は自社ブログを AI ドラフトで運用している。 AI との対話30分の企画で2週間分のスケジュールが埋まり、以前は1本に2日かかっていた記事が、いまは1本あたり15分〜1時間の手直しで出続ける
筆者の戦略は、70点の記事をトピッククラスターで設計した面に揃え、トピックオーソリティーを先に作り、公開後のデータを見てから磨く記事を選ぶこと
AI で書いたこと自体は Google のペナルティ対象ではない。対象は価値を足さない大量生成(scaled content abuse)で、生成 AI の回答を操作する行為もスパムに明記された
AI Overviews 向けの特別な最適化は不要、というのが Google の公式見解。クロールできるテキストと基本の SEO がそのまま効く
ハルシネーション対策の要は、リファレンス付きで書かせて、公開前に人がリンク先を開いて確かめること。リンクが実在することと主張が正しいことは別の問題になる

この記事のドラフトは、 AI が書いた。

筆者は Timothe AI というサービスを作りながら、自社ブログの記事制作を AI のパイプラインに載せている。キーワードの選定、リサーチ、構成、ドラフトまで自動で進み、最後に筆者が修正を加え公開する。この記事も例外ではない。

そのドラフトの日本語の質は酷かった。事実は合っている。構成も悪くない。しかし、人間の読む文章になっていなかった。筆者は結局、ほぼ全文を書き直した。

それでも筆者は、明日も AI で記事を作る。修正の手間を払ってなお、十分に割に合うからだ。この「割に合う」の中身、つまり何を AI に任せ、何を人が引き取り、どういう戦略なら量産がスパムにならないのかを、筆者の運用の実際から書いていく。

AI コンテンツ作成とは何か？

AI コンテンツ作成とは、生成 AI を使ってテキスト・画像・動画・音声などのコンテンツを作り出す、あるいは人の制作を助けるプロセス全体を指す。

中心にあるのは LLM（ Large Language Model 、大規模言語モデル）だ。仕組みを一言で言えばパターン予測で、学習した膨大なテキストをもとに、プロンプトに応じてそれらしい文章や構造を高速に組み立てる。既知のパターンを再構成するのは速い。一方で、世に出ていない事実を検証することや、書き手だけの経験を生み出すことはできない。

だから AI の速さは、リサーチ・構成案・ドラフトという「パターンで進む工程」に集中して現れる。そして事実確認と品質の最終判断は、当面、人の仕事として残る。

参考:

Google 検索での生成 AI コンテンツの使用に関するガイダンス | Google 検索セントラル

AI に何を任せて、何を人が握るのか？

任せてよいのは反復とパターン(リサーチ、構成案、ドラフト)、人が握るのは判断と責任(検索意図、事実、独自性、公開の判断)だ。工程ごとに整理すると次のようになる。

工程	AI に任せる	人が握る
リサーチ・アイデア出し	関連トピックの洗い出し、競合見出しの整理	一次情報の取得、読者理解、優先順位
構成	見出し案、各節の要約	検索意図との合致、独自の切り口
ドラフト	セクションごとのドラフト	実体験・独自データの差し込み
仕上げ	誤字脱字の修正、言い換え案	事実確認、トーン、公開の判断
公開後	リライト案の生成	どの記事を磨くかの方針と責任

表の左右は、能力の差というより性質の差だ。 Ahrefs も、キーワード選定、検索意図の分析、独自視点の設計、と工程を分けたうえで、執筆は「一度に1セクションずつ」書かせることを勧めている。長文を一発で生成させるより、後の編集がずっと楽になる。筆者の運用も同じ形に落ち着いた。

リサーチでは一つだけ注意がいる。 AI チャット単体では、キーワードの検索ボリュームは正確に出ない。候補を広げるのは AI が得意でも、どのキーワードに需要があるかはKeyword Researchのような実データを引けるツールで確かめる必要がある。

参考:

ハイクオリティ + SEO に最適な AI コンテンツ作成のための完全プロセス | Ahrefs

どの AI モデルを使えばよいのか？

工程を分けたら、次はモデル選びだ。 LLM はどれも同じに見えて、得意分野がモデルごとにはっきり違う。調査が得意なモデルと、文章が得意なモデルは別物だと考えたほうがいい。

筆者の使い分けはこうだ。

調査・リサーチ: Perplexity や Claude Code 、 Claude Cowork のような、ウェブや手元の資料を自分で探し回って調べてくれるタイプ
ライティング: Claude 系のモデル。筆者の体感では日本語の文章品質が頭一つ抜けていて、ドラフトの手直しが軽くなる

同じプロンプトでも、調査型のツールに書かせると根拠は揃うのに文章が硬く、ライティングの強いモデルに調査をさせると、それらしいのに浅い答えが返ってくる。工程ごとにモデルを替えるだけで、ドラフトの質は一段変わる。

モデル毎の得意不得意は頻繁に入れ替わる。LMArena のリーダーボードのようなサイトをチェックして、いまどのモデルが何に強いかを確かめると良い。

筆者は実際にどう作っているのか？

筆者の運用は「計画から生成まで AI 、手直しと公開判断は人」だ。この形で、これまでに20本あまりの記事を公開してきた。

使っているのは、グロースカレンダーというツールだ。 AI と対話しながら、キーワードの検索ボリュームをもとにトピックを発案させ、トピッククラスター（ topic cluster 、関連記事のまとまり）を組ませ、どの記事をどんなスケジュールで生成、修正、公開していくかの計画まで立てさせる。あとは予定に従ってドラフトが生成されてくるので、筆者は手直しして公開するだけになる。この企画のやり取り自体は、30分ほどで終わる。それで2週間分の公開スケジュールが埋まり、毎日、どの記事を書くかを判断するコストが無くなる。

トピッククラスターを計画し、数カ月分の記事投稿パイプラインをカレンダーで管理している様子

正直に言うと、記事1本の書く速さより効いているのはこちらだと筆者は思っている。コンテンツマーケティングが止まるのは、多くの場合、書くのが遅いからではない。「次に何を書くか」を毎回決め直すうちに、更新が途切れるからだ。企画をクラスター単位でまとめて済ませ、あとはスケジュールが記事を運んでくる形にすると、継続が意思の力ではなく仕組みで担保される。

以前は1本に2日かかっていた。リサーチに半日、執筆に1日、修正に半日という配分だ。いまは筆者の作業が1本あたり15分〜1時間の修正に圧縮され、1日に2〜3本出せる日もある。

修正の中で重要なのは、日本語の書き直しで、こちらが想像以上に重い。 AI のドラフトは、意味は正しいのに読めない。断定の形だけ整った文が延々と続き、どの段落も同じ調子で進む。冒頭に書いたとおり、この記事のドラフトがまさにそれだった。それでも、ゼロから2日かけて書くのと比べれば、圧倒的に割に合う。

なぜ「70点で出す」のか？

筆者の方針は、1本を100点まで磨いてから出すのではなく、70点の記事を面で揃えて トピックオーソリティー（ topical authority 、特定のテーマを網羅的に扱うことで検索エンジンから得る「この領域に詳しいサイト」という評価）を先に作ることだ。

ここで言う「面」は、思いつくままキーワード記事を大量に作ることではない。先にトピッククラスターとして、そのテーマで読者が持つ問いの分布を描き、どの記事がどの問いを担当するかを決めてから書き始める。検索エンジンの評価はテーマ単位で効くから、内部リンクで束ねたクラスターは、1本の当たりが面全体の評価を押し上げてくれる。逆に、単発のキーワード記事をバラバラに量産すると、1本1本が孤立し、同じテーマの記事同士でクエリを取り合うことすら起きる。トピッククラスターを先に計画するだけで、この無駄は構造的に消える。

理屈は効率の話に尽きる。1本に2日かける作り方では、テーマのカバレッジを取るのに半年かかる。検索評価はテーマ単位で決まる部分が大きいから、その半年はほぼ無風のまま磨き続けることになる。どの記事が当たるかは、出す前にはわからないのにだ。

AI でドラフト作成の時間が消えると、この順番を裏返せる。まず領域を70点で取り、検索に入り、どの記事がどのクエリで表示され読まれているかのデータを見る。そのうえで、伸びる記事にだけ時間を投資して80点、90点へ上げていく。「磨いてから出す」を「出してから磨く」に変える。筆者にとって、これが構造的なブレークスルーだった。

正直に言えば、70点の記事を公開する時は、毎回ためらいがある。それでも出すのは、磨く価値のある記事がどれかを教えてくれるのが、公開後のデータだけだからだ。そして、この未完成なものを公開することの気持ち悪さにアービトラージがある。コンテンツ戦略全体の中でのこの位置づけは、AI コンテンツマーケティングの全体戦略にまとめている。

AI で作ったコンテンツは Google にペナルティを受けるのか？

受けない。 AI で書いたこと自体は、 Google のペナルティ対象ではない。対象になるのは、価値を足さずに検索順位目的でページを量産する行為だ。

Google のスパムポリシーは、大量生成されたコンテンツの不正使用 を「生成 AI ツールまたはその他の同様のツールを使用して、ユーザーにとっての価値を付加することなく大量のページを生成すること」と定義している。問われているのは生成の手段ではなく、価値の有無だ。人手による量産でも同じように違反になる。

これは宣言だけの話でもない。 Google は2024年3月のアップデートで、検索結果の低品質・非独自コンテンツを40%減らす見込みだと発表し、後に実績として45%減らしたと報告している。薄い量産ページは、実際に締め出されてきた。

では、70点で面を張る筆者の戦略は、この「量産」とどこが違うのか。境界線は3つある。各記事が固有の問いに答えていること(テンプレートの差し替えではない)。事実と出典が検証済みであること。内部リンクでサイト構造に組み込まれ、孤立したページを作らないこと。70点は深さの上限であって、価値がゼロという意味ではない。逆に、事実確認を省いた記事は、日本語がどれだけ綺麗でもスパムの側に落ちる。

参考:

AI 検索(AI Overviews)にはどう対応すればよいのか？

特別なことはしなくていい、というのが Google の公式回答だ。公式ガイド「 AI 機能とウェブサイト」は、 AI による概要(AI Overviews)や AI モードにコンテンツが表示されるための追加の要件はなく、別途特別な最適化も必要ないと明言している。

やることは基本の SEO と重なる。クローラーがアクセスできること。重要な情報を画像やスクリプトの中に埋めず、テキストで提示すること。内部リンクと構造化データを正確に保つこと。 AI 向けに機械可読のファイルを新しく用意する必要もない、と同ガイドは付け加えている。

一方で、禁止側の定義は広がった。スパムポリシーには、検索ランキングの操作と並んで「 Google 検索の生成 AI の回答を操作しようとする行為」がスパムとして明記されている。2026年6月24日には約2日間のスパムアップデートも実施された。 AI 回答への露出だけを狙った不自然な最適化は、薄い量産と同じ扱いに向かっていると見ていい。

つまり、通常の検索順位にも AI 回答への引用にも効く共通解は、質問に直接答える正確なページを作ることに帰着する。 AI 検索最適化(GEO/AIO)の詳細は別記事で扱っている。

参考:

ハルシネーションはどう防ぐのか？

生成の段階で、文章にはリファレンスも含めて生成させ、公開の前に人がそのリファレンスをチェックする。この二段構えで、ハルシネーション（ hallucination 、それらしく見える虚偽の生成）は実務上ほぼ抑え込める。

起きやすい場所は決まっている。統計の数値、引用文、固有名詞、日付、料金。要するに「断定的な事実」の周辺だ。

この記事のドラフトには、外部の出典リンクが8本あった。公開前に全部開いて確かめたところ、問題のあるリンクは1本もなかった。筆者はリファレンスのハルシネーションには遭遇していない。

ただし、安心できたのはそこまでだった。リンクは実在するのに、中身の解釈がズレていた箇所がある。ドラフトは Google の公式ガイドの内容を国内の解説記事を参考に要約していて、公式が「特別な最適化は不要」と書いている話が、ドラフトでは最適化の要件リストに化けていた。リンクが実在することと、主張が正しいことは、別の問題である。

この経験を経て、筆者の運用は3つに固まった。

数値と引用には出典を必須にする
「与えた資料の範囲で書き、知らないことは書かない」と明示的にプロンプトに含める
公開前にリファレンスをチェックし、リンク先の主張と中身を確かめる

ツールがどれだけ進化しても確認作業は無くならない。

明日から小さく始めるにはどうすればよいか？

全工程の自動化から始めない。手元の ChatGPT や Claude で、1記事を工程に分けて作ってみるのが最短だ。

キーワードを1つ決める。需要の確認だけはKeyword Researchのような検索ボリュームの実データを引けるツールで行う
そのキーワードで実際に検索し、上位ページを見て検索意図を書き出す。構成案は AI に出させ、意図と合っているかを自分で判定する
セクションごとにドラフトを書かせる。長文の一発生成はしない
数値・固有名詞・リファレンスを自分で開いて確かめる
日本語を自分のスタイルに修正して公開する

1本目から流入は期待しないほうがいい。面が揃うまで、検索流入は来ない。だから最初の4週間は、流入ではなく制作時間と本数だけを考える。1本あたりの制作時間が下がり始めたら、型ができてきた合図になる。

正直にいえば、筆者も最初の数本は AI なしより時間がかかった。プロンプトの型が固まるまでは、指示を書く時間が記事作成の時間を食う。そこを越えると、2日が1〜2時間になる。

もっと楽にはじめて継続的に運用をしたい場合は、筆者が活用しているグロースカレンダーを試すのもおすすめだ。ここまでの工程のうち、需要の調査からトピッククラスターの設計、スケジュールに沿ったドラフト生成までを引き受けてくれる。残るのは、修正と公開だけだ。

まとめ

AI コンテンツ作成の価値は、綺麗な文章が一瞬で手に入ることではない。ドラフトまでの時間が消えることで「磨いてから出す」を「出してから磨く」に裏返せること、そして企画がクラスター単位で済むことで、面を低コストで出し続けられることだ。70点で面を張り、トピックオーソリティーを先に作り、公開後のデータで磨く先を選ぶ。

この記事も、 AI のドラフトのままなら、たぶん最後まで読まれなかった。書き直しにかけたのは1時間弱だ。その1時間を払う価値があるかどうかは、あなたのサイトに「70点でも先に面を張るべきテーマ」があるかどうかで決まる。それはどこか。決まれば、最初の1本は今日のうちに出せる。

よくある質問

AI コンテンツ作成におすすめのツールは何か？

1つに統一する必要はない。文章のドラフトと編集は ChatGPT ・ Claude ・ Gemini 。リサーチはウェブ検索ができる AI(ChatGPT の検索機能や Perplexity など)。キーワードの需要確認はKeyword Researchのような検索ボリュームの実データを引けるツール。工程ごとに得意なものを使い分け、どのツールでも出力は人が確認してから公開する。モデルごとの得意分野はどの AI モデルを使えばよいのかにまとめた。

「70点で出す」は手抜き記事の量産と何が違うのか？

70点なのは深さと磨きで、事実の正確さと検索意図への回答は落とさない。各記事が固有の問いに答え、出典が検証済みで、内部リンクに組み込まれていれば、Google が定義する scaled content abuse(価値を付加しない大量生成)には当たらない。逆に、事実確認を省いた時点で、本数に関係なくスパムの側に落ちる。

AI Overviews に引用されるには何が必要か？

特別な最適化は不要、というのが Google の公式見解だ。クローラーが読めるテキストで質問に直接答え、基本の SEO(内部リンク、構造化データ、ページエクスペリエンス)を保つ。詳しくはAI 検索の節を参照。

公開前のチェックリストは何を確認すればよいか？

筆者が毎回確認しているのは次の5点だ。

数値・固有名詞・引用を出典と突き合わせた
出典リンクを実際に開き、主張と中身が一致している
実体験か独自データを最低1つ足した
内部リンクを張り、孤立ページにしていない
見出しの問いに、そのセクション冒頭の一文で答えている

プロンプトには何を書けばよいか？

役割(誰として書くか)、読者(誰のどんな状況向けか)、検索意図(何に答えるか)、制約(使ってよい事実の範囲と「知らないことは書かない」)、出力形式(見出し構造と分量)の5点。特に効くのは制約で、ハルシネーション対策の第一歩になる。