AIで記事を量産するリスク｜Googleが問題視する条件と沈まない作り方

AIで記事を量産するリスクを調べている方が本当に知りたいのは、「AIで書くと検索順位が落ちるのか」ではなく「どこからが危ないのか」だと思います。結論から書きます。

結論：Googleが問題視するのは「AIかどうか」ではなく「価値のない大量生成」

Google はウェブ検索のスパムに関するポリシーで「大量生成されたコンテンツの不正使用（英語表記は scaled content abuse）」を、「ユーザーをサポートすることではなく、検索ランキングの操作を主な目的として大量のページを生成すること」と定義しています。そして同じ項に「その作成方法は問わず」と明記されています。つまり判定軸は生成手段ではなく、目的と価値です。

違反例として公式に挙げられているのは「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」です。裏を返せば、価値を付加していれば AI の利用そのものは違反ではありません。「AIで書いた＝ペナルティ」という単純化は、公式ドキュメントの記述と一致しません。

一方で、量産が実際に効いていることも事実です。Google は2024年3月のコアアップデートとスパムポリシー更新で、低品質で独創性のないコンテンツを検索結果から40％減らすことを見込むと発表し、ロールアウト完了後には45％減という数字を示しました。危ないのは「AI」ではなく「薄いページの束」だ、というのがこの数年の一貫した方向です。

Googleが「不正使用」と判断する条件を、公式の違反例から整理する

スパムポリシーに列挙されている違反例を、実務で自己点検しやすい形に並べ替えると次のようになります。左が公式に挙がっている行為、右が量産運用でそれに近づいてしまう典型的な状態です。

この5つに1つも当てはまらないなら、本数が多いこと自体はポリシー違反ではありません。逆に、本数が10本でも上の状態なら危ういということでもあります。リスクは「量」ではなく「1本あたりの付加価値がゼロかどうか」で決まります。

それでも量産で沈むのはなぜか──実務で起きる4つの失敗

ポリシー違反まで行かなくても、量産した結果として成果が出ない（あるいは既存記事まで足を引っ張る）ケースがあります。運用していて頻度が高いのは次の4つです。

1. カニバリで自社記事同士が食い合う

同じ検索意図を狙う記事が複数あると、Google はどれを評価すべきか決めきれず、結果としてどれも中途半端な順位に落ち着きます。量産の一番現実的なリスクはペナルティではなく、これです。単語が重なるだけなら共存できますが、「検索意図まで同じ」記事を増やすと確実に薄まります。

2. 一次情報がゼロで「どこにでもある要約」になる

AIは既存の情報をまとめるのが得意なぶん、放っておくと上位記事の平均値に収束します。自社の実測値・実際の案件で起きたこと・自社プロダクトの画面など、その記事にしか無い要素が1つも無いなら、それは公式が言う「価値を付加していない」ページに近づいています。

3. 事実確認をしないまま数字と固有名詞を書く

統計値・料金・制度の要件・機能名は、AIが最も間違えやすい部分です。しかも数字は引用されやすいので、間違いはそのまま信頼の毀損になります。Google が有用なコンテンツの自己評価で「独自の情報、レポート、研究を提示しているか」を問い、E-E-A-T の中でも信頼性（Trust）を最も重要と位置づけていることを踏まえると、裏取りのない数字を載せる量産は割に合いません。

4. 公開しっぱなしで、更新と内部リンクが置き去りになる

本数が増えるほど、古い記事の情報が腐り、内部リンクの網が追いつかなくなります。更新頻度そのものが順位を上げる魔法ではありませんが、内容が古くなった記事を放置するのは別問題です。この線引きはホームページの更新頻度とSEOの関係で詳しく整理しています。量産を始める前に、更新の運用まで含めて設計しておくほうが安全です。

私たちはAIブログの生成・運用そのものをサービスとしても提供しています。記事の途中で恐縮ですが、下記の品質ゲートをそのまま組み込んだ仕組みですので、よろしければAIブログ生成の運用サービスもあわせてご覧いただけたら嬉しいです。

Mihataが毎晩AIで記事を公開するときに通している4つの品質ゲート

ここからは一次情報です。Mihata は自社サイトのコラムを、毎晩AIで生成して公開する運用を続けています。つまり「AIで記事を量産する側」であり、そのうえで沈まないように、公開までに4つのゲートを置いています。通らなかった記事は本数が足りなくても公開しません。

①カニバリ判定：新規テーマを既存記事と突き合わせる

キーワード候補は、既存記事を見せない状態で発想させてから、あとで既存記事一覧と突き合わせます。順序を逆にすると過去テーマに引きずられて発想が縮むためです。判定基準は文字列の一致ではなく「同じ検索意図を奪い合うか」の一点に絞っています。単語が被っていても意図が違えば通します。

②付加価値ゲート：一次情報が1つも無い記事は公開しない

この記事でいえば、いま読んでいるこのセクション自体が該当します。他社の解説記事を要約しただけでは書けない内容を、必ず1本につき1つ以上入れる。ここが公式ポリシーの「価値を付加することなく」に対する、いちばん直接的な防御になります。

③ファクトチェック：公式ドキュメントを当日確認する

本文中の数値・仕様・制度は、執筆時点で公式ソースを引き直します。この記事のスパムポリシーに関する記述も、Google Search Central の日本語版ドキュメントを当日確認したうえで書いています。確認できなかったものは、表現をやわらげて残すのではなく落とす。ここを曖昧にすると、量産のスピードがそのまま誤情報の量産速度になります。

④機械チェック：人が見なくても落ちる仕組みにする

タイトルの文字数、meta description の有無、構造化データ、公開後のHTTPステータスといった機械的に判定できる項目は、人の目視ではなくスクリプトで落とします。量産の品質は「頑張って確認する」では保てません。確認を仕組みに変換できた範囲だけが、安全に増やせる本数です。

量産しても沈まない運用設計：本数ではなく「通過率」で考える

以上を踏まえると、量産の設計指標は「月に何本出すか」ではなく「ゲートを通過できる記事を月に何本作れるか」になります。実務でおすすめする順序は次のとおりです。

1. 先に落とす基準を決める：カニバリ・一次情報・裏取りの3点を、公開前の必須条件として明文化する。
2. 一次情報の仕入れ先を決める：自社の実測データ、案件で起きた失敗、自社プロダクトの画面など、記事に入れられる素材を先に棚卸しする。ここが枯れると量産は必ず薄くなる。
3. 機械で落とせるものは機械に任せる：文字数・メタ情報・リンク切れ・公開後の応答確認は自動化する。
4. 本数はゲート通過数に合わせる：目標本数のために基準を下げない。足りない月は少なく出す。
5. 公開後の更新を運用に含める：情報が古くなった記事を直す枠を、新規と同じカレンダーに確保する。

この順序で回すと、AIは「本数を増やす装置」ではなく「調査と下書きの時間を圧縮する装置」になります。空いた時間を一次情報の付加と裏取りに使えるかどうかが、量産の分かれ目です。

やらないほうがいい量産

正直に書くと、次のケースはAIでの量産をおすすめしません。

• 一次情報の在庫がない：実績も実測値も出せない段階で本数だけ増やしても、公式が言う「価値の付加」を満たせません。
• 裏取りの担当が決まっていない：誰も数字を確認しない体制では、誤情報の量産になります。
• 更新の予定がない：出しっぱなしにする前提なら、記事は資産ではなく負債になります。
• 医療・金融など判断が重い領域で、監修を置けない：信頼性の要求水準が高く、AI単独の運用はリスクに見合いません。

逆にいえば、この4つが埋まっているなら、AIでの量産は現実的な選択肢です。Google は制作手段を問うていないので、埋めるべきは手段の言い訳ではなく中身のほうです。

まとめ

AIで記事を量産するリスクの本体は「AIを使うこと」ではなく、「価値を付加しないページを大量に作ること」です。Google のスパムポリシーは作成方法を問わないと明記しており、危険なのは手段ではなく状態のほうです。カニバリ判定・一次情報の付加・ファクトチェック・機械チェックの4つを公開前の関門にできれば、本数を増やしても沈みにくくなります。

自社のコラムをAIで運用したいが品質の担保に不安がある、という段階でしたら、どこを人が持ちどこを仕組みに任せるかの設計からご相談いただけます。

あわせて、AI学習オプトアウト設定、ローカルLLMは業務で使えるのかも参考にしてください。