AIライティングで726記事を運用した結果｜上位5本が表示の6割を占めた

目次

• この記事の立ち位置
• 726記事を測った結果
• 上位1本が表示の39.2%を占めた
• 上位に入った記事の共通点
• 表示ゼロの209本は何だったか
• パイプラインの構成
• 品質を機械で採点する
• 合格ラインをどこに置いたか
• 点数と関係なく止めるもの
• 毎日「成功」と表示しながら0件だった
• 伏字化が暴走した
• 仕様書と実装が食い違っていた
• 量は効かなかった、では何が効いたか
• 費用の見方
• これから始める人への手順
• やってはいけないこと
• 表示されているのに選ばれない、という別の問題
• まとめ

この記事の立ち位置

生成AIで記事を作る話は多い。ツールの紹介、プロンプトの例、効率化の見込み。しかし「実際に量産した結果どうなったか」を全件の数字で出した記事はほとんどない。

編集部は2025年8月から記事の自動生成を運用しており、2026年9月時点で726記事を公開している。その全件について、検索エンジンからの表示とクリックを測った。

結論を先に書く。本数は流入に比例しなかった。 上位1本が表示の39.2%を占め、29%の記事は表示が1回もなかった。

この記事は自動生成をすすめる記事でも、やめろという記事でもない。何が起きたかの記録である。

726記事を測った結果

検索エンジンの管理ツールから、直近90日の記事URLの実績を取得した。アンカー付きのURLは同じページなので基底のURLに畳んでいる。

平均だけを見ると「1記事あたり月に9回表示される」ように読める。しかしこの平均は実態を表していない。

上位1本が表示の39.2%を占めた

表示回数の多い順に並べて、累積を取った。

1本の記事が、726本全体の表示の4割を生んでいる。 上位5本まで広げると6割、上位50本、つまり全体の7%で、表示の85%になる。

残りの676本、93%の記事が生んでいるのは表示の15%である。

この分布の読み方

検索流入がべき分布になること自体は知られている。問題はその前提で量産の判断をしていたかどうかである。

編集部は「量を出せば当たりが増える」という前提で運用していた。この前提は、当たりの数が本数に比例するなら正しい。しかし実測では、上位に入った記事は題材で決まっており、本数を増やしても上位の構成は変わらなかった。

平均で語ると判断を誤る

「1記事あたり月9回表示」という平均から、「100記事増やせば月900回増える」と考えると外れる。追加される記事の大半は、中央値に近い側、つまり表示が1桁の側に入るためである。

実際、表示が1〜2回だった記事は234本、3〜9回が176本あった。合計410本、全体の56%が表示1桁台である。

平均ではなく分布を見る。 これは自動生成に限らず、コンテンツの投資判断で共通して要る視点である。

上位に入った記事の共通点

表示の多い記事を上から見ると、はっきりした傾向がある。

1位は、特定分野の対象を1,500件並べた一覧記事だった。3,234回の表示、64クリック、平均順位8.3。

2位は比較記事（1,453回表示）。3位は実際に起きた事故を扱った事例記事（1,210回表示、86クリック、平均順位5.8）。

以降も、規制の解説、特定モデルの解説、企業の戦略分析、比較記事と続く。

「〜とは」は上位にいない

対照的に、定義を説明する解説記事は上位に一本も入っていない。

理由は推測できる。「〜とは」で検索する人は多いが、その検索結果は既に大手の解説サイトや公式ドキュメントで埋まっている。後から参入して上位に入るのは難しい。

一方で、一覧・比較・具体的な事例は、作るのに手間がかかるぶん競合が少ない。 1,500件を並べる記事を作る人は多くない。

クリック率は別の話

注意すべきは、表示が多いことと、クリックされることが一致していない点である。

1位の記事は3,234表示で64クリック、クリック率2.0%。3位の記事は1,210表示で86クリック、クリック率7.1%。3位のほうが実際に読まれている。

さらに、表示上位に入っているアンカー付きURL（記事内の見出しへのリンク）は、936表示でクリック0というものが複数ある。表示はされるが選ばれていない。

表示ゼロの209本は何だったか

29%が表示ゼロだった。この理由を分けると3つある。

第1に、公開が新しい。 直近に公開した記事は、まだ評価が定まっていない。

第2に、題材に検索需要がない。 これが最も多い。編集部が後から検索需要を測ったところ、書いていた題材の多くが推定検索数ゼロだった。需要のない語で書いた記事は、品質を上げても表示されない。

第3に、同じ題材の記事が自社内に複数ある。 似た記事が並ぶと、検索エンジンはそのうち1本を選ぶ。残りは表示されない。

需要を測らずに題材を決めていた

振り返ると、最大の失敗はここである。題材は「AIの話題として重要そうか」で決めており、検索需要を測っていなかった。

後から測って分かったのは、業務の言い回しにはほとんど需要がないことだった。「社内 AI」「AI 導入 費用」「機密情報 AI」「チャットボット 導入」は、いずれも推定検索数がゼロだった。一方で、ツールの名前や制度の名前には大きな需要がある。

書く前に測れば、209本のうち相当数は書かずに済んだ。

パイプラインの構成

実際に動いているものを説明する。6段構成である。

第1段：話題の企画

検索機能つきの生成AIで最新のニュースを取得し、そこから記事の題材をJSONで出させる。直近14日分の既存記事を入力に含め、重複を避けている。

出力は、題材の種、カテゴリ、切り口、対象とする企業名。

第2段：本文の生成

検索機能つきで本文を生成する。ここが最も重い段で、大きいモデルを優先して使う。失敗した場合は検索なしで再試行する。

この段で、記者としての人物設定を注入している。また、生成後に個人情報を匿名化する処理を通している。

第3段：タイトルの最適化

軽いモデルで3案を生成させ、最良のものを選ばせる。そのあと、記号や煽り表現を機械的に除去する。

第4段：メタデータの生成

タグ、URLの文字列、抜粋、説明文を生成する。読了時間は生成させず、文字数を500で割って1を足すという単純な計算で出している。

第5段：品質ゲート

ここはPythonで書かれており、生成AIを使っていない。 採点の基準が実行のたびに揺れると、ゲートとして機能しないためである。

第6段：後処理

日本語の文章校正ツールで自動修正をかけ、記事を充実させる処理と、共有画像の生成を行う。いずれもタイムアウトを設定しており、失敗した場合はスキップしてログだけ残す。

内部リンクは第4段と第5段の間で付けている

関連記事を最大3本と、上位の記事を1本、メタデータに追加している。後処理ではなく採点の前に入れているのは、内部リンクの有無が採点対象に含まれるためである。

品質を機械で採点する

第5段の採点は、5つの軸を合計して100点とする。

最も配点が大きいのは事実密度の25点である。生成AIの文章は、放っておくと一般論で埋まる。数値と固有名詞が入っているかを配点で押している。

加えて、生成AI経由の引用を意識した調整を入れている

上記の100点とは別に、マイナス40点からゼロの範囲で調整する項目がある。定義から始まる書き出しになっているか、情報の塊が分割されているか、権威のある外部リンクがあるか、といった観点である。

これは、検索エンジンだけでなく生成AIが回答の根拠として引用しやすいかを意識した項目である。

禁止表現を正規表現で持っている

冒頭に「こんにちは」「今回は」といった書き出しが来るパターンを8種類、一人称の「私が」「僕が」を4パターン、正規表現で検出して減点している。

方針ではなく具体的な文字列で持つのが要点である。「丁寧に書く」という指示は機能しないが、「この8つの書き出しを使わない」は機能する。

指示の書き方を変えながら採点し続けた記録は、プロンプトは足しても良くならないにまとめている。規則を書き足すと評価が50ポイント下がった実測である。

合格ラインをどこに置いたか

合格は60点以上としている。ただし不合格だった場合の扱いが、設計として重要な部分である。

なぜ55点で妥協しているのか

この設計は明らかに妥協である。60点を合格としながら、55点は通している。

理由は費用と時間である。改稿は最も大きいモデルを使うため、1回あたりの費用が本文生成と同程度かかる。 60点まで1〜2点足りない記事をすべて再生成すると、費用が跳ねる。

ただし、この妥協には問題がある

正直に書くと、この線引きには根拠がない。 55点と60点の差が読者にとって何を意味するかを測っていない。

点数は編集部が決めた配点の合計であり、外部の評価と対応づけて検証していない。 60点の記事と55点の記事で、読まれ方に差があるかは確かめていない。

採点の仕組みを持つこと自体は有効だが、その点数が何を予測するのかを確かめない限り、合格ラインの数字は恣意的である。これは今後直すべき点として記録しておく。

点数と関係なく止めるもの

点数とは別に、該当したら無条件で公開を止めるゲートがある。こちらのほうが実務では効いている。

出典の帰属が取れていない。 数値や主張に対して出どころが示されていない場合に止める。

文末が切れている。 生成が途中で打ち切られた記事は、見た目では気づきにくい。

作業報告が混入している。 「以下に記事を作成します」「いかがでしたでしょうか」といった、生成AIの応答の断片が本文に残ることがある。

段落が重複している。 同じ文章が2回出る。

本文全体がコードブロックで囲まれている。 これは実際に起きた。

この区別が重要な理由

点数によるゲートは「良し悪し」を判定する。無条件のゲートは「出してはいけない状態」を判定する。

前者は程度の問題なので閾値の設定に議論の余地があるが、後者は該当するかしないかである。出してはいけないものを点数で扱うと、他の項目が高得点だった場合に通ってしまう。

編集部は当初これを分けておらず、実際に汚染された記事が公開された。次の節で書く。

毎日「成功」と表示しながら0件だった

自動生成の運用で最も高くついた事故である。

記事生成の定期実行が、毎日「成功」と記録されながら、生成した記事は0件という状態が続いていた。

何が起きていたか

生成に使っていたコマンドへのパスが、環境の変更で通らなくなっていた。実行すると即座に失敗する。

しかし、実行結果をログファイルに書き出す際にパイプを使っており、パイプ全体の終了コードは最後のコマンドのものになっていた。ログを書き出すコマンドは成功するので、全体としては成功と記録される。

監視は「定期実行が成功したか」を見ていた。成功していたので、何も鳴らなかった。

どう気づいたか

記事が増えていないことに人が気づいた。自動的には検知されなかった。

対策

パイプの途中で失敗したら全体を失敗にする設定を入れた。加えて、「成功」の定義を「実行が終わったこと」から「成果物が増えたこと」に変えた。

これは自動化全般に当てはまる。実行の成功と、目的の達成は別の量である。 定期実行の監視は、終了コードではなく成果物の件数を見るべきである。

この形の故障は他にもあった。HTTP 200を返しながら壊れていた6件をHTTP 200なのに壊れているに記録している。

伏字化が暴走した

もう1件、性質の違う事故がある。

編集部のパイプラインには、非公開の固有名詞が記事に混入しないよう伏字化する処理がある。人物名や案件名が誤って出力されるのを防ぐためのものである。

この処理が、実在する公開企業の名前まで伏字にしていた。 生成AIの提供元として広く知られている企業名が、「某生成AI企業」といった表現に置き換わったまま、19記事以上で公開されていた。

さらに1件は、記事のタイトルにその置換が焼き付いていた。

なぜ気づかなかったか

伏字化された記事は、日本語として自然に読める。「某生成AI企業が発表した」という文は、文法的にも内容的にも異常ではない。

機械の検査も人の目視も通過する。 元の文と比べなければ、置き換わったことが分からない。

根本原因は特定できていない

正直に書くと、なぜ公開企業名が伏字化の対象になったのかは、まだ特定できていない。 該当する記事の修正は行ったが、再発を防ぐ根本の対策は取れていない。

この種の処理は、「何を守るか」を広く取ると「何を壊すか」も広くなる。 保護の範囲を広げるときは、保護すべきでないものが巻き込まれていないかを確かめる必要がある。

仕様書と実装が食い違っていた

棚卸しをしていて見つかったことがある。

技術仕様を書いた文書には、画像生成の仕組みや、定期実行の構成について記述がある。しかし現在動いているコードの構成とは食い違っている。

どちらが現行かは、文書からは判断できない。更新日の記載もない。

これは珍しくない

仕様書と実装の乖離は、動いているシステムでは常に起きる。問題は、乖離していることに気づかないまま、仕様書を根拠に判断することである。

対策としては、仕様書ではなく動いているコードから構成を出力させるのが確実である。起動時に実際に読み込んだ設定を記録し、その記録を参照する。

本記事に書いた6段の構成は、文書ではなく実装を読んで確認したものである。

量は効かなかった、では何が効いたか

726本の実測から読めることをまとめる。

効かなかったもの

本数を増やすこと。 上位の構成は本数を増やしても変わらなかった。追加した記事の大半は表示1桁台に入る。

採点の点数を上げること。 点数の高い記事が上位に入っているという関係は確認できていない。上位に入った記事の差は、点数ではなく題材だった。

網羅すること。 同じ題材で複数の記事を作ると、検索エンジンは1本だけを選ぶ。残りは表示されない。

効いたもの

手間のかかる一覧を作ること。 1,500件を並べた記事が、単独で全体の表示の4割を占めている。作るのに手間がかかるものは、競合が少ない。

具体的な事例を扱うこと。 実際に起きた出来事を扱った記事は、表示数ではなくクリック率で上位だった（7.1%）。

比較を提示すること。 比較記事は上位に複数入っている。

いずれも「検索する人がすでに知りたいと思っていること」に対して、他より手間のかかる答えを出しているという点で共通している。

運用を変えた

実測を受けて、編集部は方針を次のように変えた。

題材を決める前に検索需要を測る。 推定検索数がゼロの語では書かない。

上位表示されている記事の構造を測ってから書く。 本文の長さ、見出しの数、外部リンクの本数を実測し、その水準を満たしてから公開する。

自社にしかないデータを入れる。 一般論は既に大手が書いている。実測値や失敗の記録は、自社にしかない。

本記事そのものが、この3つに沿って書いたものである。

費用の見方

自動生成の費用は、1本あたりで見ると安い。しかし判断に使うべきなのは成果1件あたりの費用である。

726本のうち、クリックが1回以上あったのは86本、11.8%だった。90日間の合計クリックは338である。

つまり、726本を運用して90日で338クリック。 1本あたり0.47クリックである。

ただし検索だけが成果ではない

公平を期すために書くと、記事の価値は検索流入だけではない。

営業の場で示す資料になる。 「この分野についてはこう考えている」を示す材料として機能する。

生成AIの回答に引用される可能性がある。 検索エンジンの表示とは別の経路である。

社内の知識が形になる。 書くために調べた内容が残る。

これらは検索の数字に現れない。検索流入だけで費用対効果を判定すると、過小評価になる。 ただし、過小評価を理由に「だから量産してよい」とはならない。

これから始める人への手順

編集部の失敗を踏まえた順序である。

手順1：題材の検索需要を測る

書く前に測る。 検索エンジンの管理ツールや、広告の管理画面から推定検索数が取れる。ゼロの語では書かない。

注意点として、業務の言い回しには需要がないことが多い。「社内の情報共有」ではなく、使われているツールの名前や制度の名前で測る。

手順2：上位に表示されている記事の構造を数える

狙う語で実際に上位にある記事を集め、本文の長さ・見出しの数・数値の個数・外部リンクの本数を数える。その中央値が、最低限満たすべき水準である。

感覚で「長めに書く」と決めると、たいてい足りない。

手順3：自社にしかない材料を1つ入れる

実測値、失敗の記録、社内の運用ルール。一般論だけの記事は、生成AIでも人手でも、既にあるものの繰り返しになる。

手順4：出してはいけない状態を機械で止める

点数によるゲートより先に、無条件で止めるゲートを作る。文末の切れ、作業報告の混入、段落の重複、出典のない数値。これらは点数で扱わない。

手順5：成果物の件数で監視する

定期実行の成否ではなく、増えた記事の本数を見る。実行の成功と目的の達成は別の量である。

手順6：公開後に測り、分布で見る

平均ではなく分布を見る。上位何本で何割かを出す。集中しているなら、本数を増やす投資は効いていない。

やってはいけないこと

検索順位の操作を主目的に量産する

Googleは、制作方法ではなく内容で評価すると説明している。一方で、検索順位の操作を主な目的とした大量生成はスパムポリシーの対象である。

編集部の実測でも、順位が付かない記事の問題は「AIが書いたこと」ではなく、題材に需要がないことだった。方法ではなく中身の問題として扱うのが実務的である。

同じ題材で複数本を作る

自社内で競合する。検索エンジンは1本を選び、残りは表示されない。網羅ではなく1本を厚くする。

実績のない数値を書く

生成AIは数値を補完する。出典のない数値を機械で止める仕組みがないと、誤った数値が公開される。

法令に触れる表現を人の目視だけで防ぐ

景品表示法や薬機法に触れる表現は、量が増えると目視では追えない。機械で検出する。

検出の実装と、724記事に遡って適用した結果はAI記事のコンプライアンスチェックにある。

表示されているのに選ばれない、という別の問題

流入が伸びない原因は2つに分かれる。表示されていないのか、表示されているのに選ばれていないのかである。この2つは対策が違うので、分けて見る必要がある。

編集部のデータで起きていること

記事全体では、18,982表示に対して338クリック。クリック率は1.8%である。

しかし内訳を見ると、大きく割れている。表示1位の記事は3,234表示で64クリック、クリック率2.0%。3位の記事は1,210表示で86クリック、クリック率7.1%。表示は3分の1なのに、クリックは3割多い。

さらに極端な例がある。記事内の見出しへのリンクとして表示されているURLに、936表示でクリック0というものが複数あった。平均順位は5.9で、決して下位ではない。

順位が良いのにクリックされないとき

検索結果の上位に出ていてクリックされない場合、原因は表示された文面にある。

タイトルが検索語に答えていない。 検索した人の問いに対して、タイトルが別のことを言っている。

説明文が自動生成されている。 説明文を指定していないと、検索エンジンが本文から適当に抜き出す。抜き出された箇所が、記事の要点とは限らない。

同じ画面に、より具体的な結果が並んでいる。 数値の入ったタイトルや、年号の入ったタイトルが隣にあると、そちらが選ばれる。

どちらを直すべきか

判断は単純である。順位が20位より下なら、まず表示されるようにする。 内容と構造の問題である。

順位が10位以内でクリック率が2%を下回るなら、文面の問題である。 記事を書き直すより、タイトルと説明文を直すほうが速く効く。

編集部でも、順位は中央値で9位なのにクリック率が0.7%という一群を見つけ、本文ではなく説明文だけを書き直す対応を取ったことがある。本文が悪いのではなく、検索結果に出ている文面が要点を示していなかった。

流入が伸びないとき、記事を増やす前に、既に表示されている記事のクリック率を見る。 ここは既に表示があるぶん、改善の効きが速い。

まとめ

726記事を13か月運用して測った結果である。

上位1本が表示の39.2%、上位5本で60.2%、上位50本（全体の6.9%）で84.6%。 本数は流入に比例しなかった。

209本（29%）は表示が1回もなかった。 主な理由は、題材に検索需要がなかったことである。書く前に測っていれば避けられた。

クリックがあったのは86本（11.8%）。 90日の合計クリックは338だった。

上位に入ったのは、一覧・比較・具体的な事例。 定義を説明する解説記事は1本も上位に入っていない。

点数によるゲートより、無条件で止めるゲートのほうが効いた。 出してはいけない状態は、点数で扱うと他の項目の高得点で通ってしまう。

「成功」と記録されながら成果物が0件の状態が続いた。 実行の成功と目的の達成は別の量である。

明日から試せる3つ

1つ目は、次に書く予定の題材を1つだけ、検索需要を測ることである。ゼロなら題材を変える。これだけで無駄な1本を防げる。

2つ目は、既に公開している記事の表示回数を上位から並べ、上位10本で何割かを出すことである。集中しているなら、本数を増やす投資は効いていない。

3つ目は、定期実行の監視を「成功したか」から「何件増えたか」に変えることである。

編集部では、AIの導入支援と、生成の運用に品質確認を組み込む支援を行っている。生成は自動化したが成果の測り方が分からない、という段階の相談については、サービス案内を参照してほしい。

参考にした一次資料

• Google 検索の基本事項 — 検索に表示されるための要件
• Google 役に立つコンテンツの作成 — 内容で評価するという方針
• Google スパムポリシー — 順位操作目的の大量生成の扱い
• Google 検索セントラル ブログ — 方針変更の告知元
• Search Console — 本記事の実績データの取得元
• Search Console の使い方 — 測り方の公式解説
• 構造化データ（記事） — 記事のマークアップ
• リッチリザルトの一覧 — 表示形式の種類
• schema.org Article — 構造化データの語彙
• Bing Webmaster Tools — Bing側の実績を測る
• Bing Webmaster Tools のドキュメント — API の仕様
• textlint — 後処理で使っている文章校正ツール
• textlint 日本語技術文書ルールプリセット — 適用しているルール群
• 消費者庁 表示対策 — 誇大表現の検査が参照する制度
• AI事業者ガイドライン（経済産業省・総務省） — 生成AIを業務で使う際の指針

よくある質問

AIで記事を量産すればアクセスは増えますか。

本数に比例しては増えません。編集部が726記事の全件を測ったところ、直近90日の検索表示のうち39.2%は1本の記事によるもので、上位50本（全体の6.9%）で84.6%を占めていました。一方で209本（29%）は表示が1回もありませんでした。本数を増やすことと流入が増えることは、実測では比例していません。

上位に入った記事には何か共通点がありますか。

編集部のデータでは、上位に入っているのは一覧・比較・具体的な事例を扱った記事でした。最も表示が多かったのは特定分野の対象を1,500件並べた記事で、次に比較記事、その次に実際に起きた事故を扱った事例記事が続きます。「〜とは」という定義中心の解説記事は上位に入っていません。

AIが書いた記事は検索エンジンにペナルティを受けますか。

Googleは制作方法ではなく内容で評価すると説明しています。問題になるのは検索順位の操作を主目的とした大量生成で、これはスパムポリシーの対象です。編集部の実測でも、順位が付かない記事の問題は「AIが書いたから」ではなく、扱っている題材にそもそも検索需要がないことでした。

品質のチェックはどうしていますか。

生成のあとに機械で採点しています。完全性20点・事実密度25点・読みやすさ20点・エンゲージメント20点・法令順守15点の100点満点で、60点以上を合格としています。加えて、点数とは別に、出典の帰属が取れていない・文末が切れている・作業報告が混入しているといった異常は、点数に関係なく公開を止めます。

自動生成は人手より安いですか。

1本あたりの生成費用は安くなりますが、本数を増やしても流入が比例しないため、1アクセスあたりで見ると割安とは限りません。編集部の実測では、726本のうちクリックが1回以上あったのは86本（11.8%）でした。費用を判断するなら、1本あたりではなく成果1件あたりで見る必要があります。

これから自動生成を始めるなら何から手を付けるべきですか。

題材の検索需要を先に測ることです。編集部の失敗は、題材を先に決めて量を出したことでした。需要のない語で書いた記事は、品質を上げても表示されません。本記事の「これから始める人への手順」に、測ってから書くまでの順序を挙げています。