AIによる記事作成はペナルティになる？順位が伸びた事例と落ちた事例で解説

「ダッシュボードとレポートの違い」を扱った記事は、2024年7月末の30位から2025年7月末には1位へ上がっています。生成前に想定読者や構成を指定し、公開前に人が内容を編集した記事です。

同じ検証の6記事のうち、2025年7月末に10位以内だったのは3記事でした。AIを使っていても上位を獲得できる一方、同じ制作方法ですべての記事が伸びたわけではありません。

自社で参考にするなら、テーマを選んだ理由、AIに渡す材料、編集で直す内容まで具体化しましょう。成功した1本の生成方法をまねるだけでは、自社の読者が必要とする答えを用意できるかまでは確かめられません。

新規サイト群では、公開から約3か月で、上位100位に入るページの割合が28%から3%へ低下しました。16か月の観測でも大幅な回復は報告されていません。

この検証だけでは、AIへのペナルティが下落の原因だったとは判断できません。実務上の教訓は、公開直後に検索へ表示されたことだけで増産を決めず、流入が続くかを確かめることです。

たとえば、試した記事が検索に出始めた段階で別テーマへ一気に展開すると、先に公開した記事の不足を次の記事にも引き継ぐ可能性があります。順位と流入の推移を見ながら、内容の改善と公開規模を判断しましょう。

AIへ執筆を依頼する前に、読者の判断に役立つ自社の経験やデータを用意します。たとえば「AI記事制作の費用」というテーマなら、実際に何へ時間とお金がかかったかを説明できる材料が役立ちます。

材料は、記事が答える疑問に合うものを選びます。自社の実測がない部分は外部資料で補えますが、外部の事例と自社の経験が混ざらないように書き分けることも必要です。

公開前には、事実の正確さと読者の疑問への答えを確認します。文法や表記を整えるだけでなく、読者が判断するために必要な条件まで説明できているかを見ます。

たとえば「導入すると作業時間が半減します」と書くなら、対象となる工程と測定条件が必要です。執筆時間だけの短縮を、記事の完成までにかかる時間の短縮として説明しないようにしましょう。

記事の企画から執筆・改善までの進め方は、次の記事でも詳しく解説しています。

公開後は、記事ごとの順位と流入を継続して確認し、次の制作へ反映します。どの記事も同じ結果になるとは限らないため、伸びた記事と伸びていない記事を分けて見ると改善箇所を探しやすくなります。

• 狙った検索語で表示されているか
• 表示回数が増えた後もクリックにつながっているか
• 読者が知りたい内容と本文にずれがないか
• 記事を入口に問い合わせなどの成果が生まれているか

検索順位や流入を比べるときは、対象ページ・検索語・期間などの条件をそろえます。特定の成功記事の数字だけを見て全体の公開本数を増やさず、成果が続くテーマと、調査や修正が必要なテーマを分けて進めましょう。

公開本数を増やすには、作業が滞る工程まで自動化の対象に含めます。まず、企画・調査・執筆・確認・入稿・更新について、処理できる本数と担当者の作業時間を並べます。

以下は、執筆だけをAIへ置き換えた場合の説明用の仮例です。

この場合、下書きが5倍になっても公開本数は増えません。確認・入稿の処理量が変わらないまま生成を続けると、未公開の原稿が積み上がります。

出典探しが長いなら根拠と原稿を一緒に提出する工程へ、修正が多いなら調査や執筆の条件へ、転記が長いなら原稿管理と入稿の連携へ手を入れます。時間がかかっている作業に合わせて自動化の範囲を広げると、公開までの処理量を改善しやすくなります。

ライターや編集者が毎回補っていた情報を共通の資料として引き継ぎます。AIに渡る情報が足りないままでは、生成後に同じ説明や修正を繰り返すことになります。

• 商品情報や料金・仕様は、最新の情報を確認する資料と更新元を決める
• 編集基準は、読者に答える範囲・出典の扱い・文体の見本をまとめる
• 繰り返す修正は、問題のあった例と直した理由を残す

たとえば、毎回「料金に初期費用も加えて」と指摘しているなら、料金比較で使う資料と比較項目を共通の手順に反映します。一つの原稿を直すときに、次の記事でも同じ手戻りが発生しないようにすることが、継続的な工数削減につながります。

資料の更新担当も決めておきましょう。AIが参照する商品情報が古いままでは、原稿を生成するたびに人が最新情報へ直す作業が残ります。

確認で見つけた問題を原稿へ直すところまで一つの工程にします。指摘だけをAIから受け取り、人が修正文を貼り直す形では、記事が増えるほど受け渡しの作業も増えます。

確認も自動化する場合は、試験運用で完成した原稿を実際に読み、どんな誤りや不足を見落としたかを検証します。修正が繰り返される箇所は、前工程の資料や指示へ戻して改善します。

調査から原稿の確認・修正までAIへ依頼する具体的な進め方は、次の記事で紹介しています。

導入効果は、総コスト・公開本数・社内工数・検索成果を分けて確認します。ライターへの支払いが減っても、担当者の修正時間や仕組みの保守費用が増えれば、想定したほどの効果が出ない場合があります。

同じ品質の記事を同じ本数、より少ない総コストで作れるなら、1本あたりの制作費は下がっています。一方、月20本を40本へ増やすことが目的なら、下書き数が増えただけでは達成といえません。

試験運用では、執筆依頼から公開までを通して実行し、作業時間と確認待ちの時間を記録します。初期設定に一度だけかかる費用と、毎月かかる運用費を分けて比較すると、継続した場合の採算も考えやすくなります。

導入前には「社内工数を月○時間以内に収めて○本公開する」など、費用と制作量の目標を一緒に決めておきましょう。運用後にどこが足りないかを判断し、次に改善する工程を選べます。

外部のAI判定ツールのスコアからGoogleのペナルティは判断できません。AI判定ツールは文章の特徴から制作方法を推定するもので、誤判定もあります。

Ahrefsが検索上位から抽出した60万ページを調べたところ、AI生成と判定された文章も含まれていました。ただし、これは検出器による分類であり、各記事の制作履歴を確認した結果ではありません。

公開判断には、事実の正確さ・読者への回答・既存記事との違いを使いましょう。AI判定の数値だけで、順位低下の原因や記事の有用性までは確定できません。

人が書き直したという事実だけではペナルティを防げません。Googleのスパムポリシーでは、検索順位の操作を主目的に価値の乏しいページを大量に生成する行為は、制作手段を問わず対象になります。

編集するなら、誤った情報を直すことや、判断に必要な条件を加えることに取り組みます。たとえば「このツールで制作費が下がる」という記述に、利用料・修正工数・対象業務を補うと、読者が自社の場合を考えやすくなります。

言い回しの変更だけで終わらせず、内容がどう役立つようになったかを確認してください。

影響が出たページと検索語を絞り原因に合わせて対応します。まず、いつから何が変わったかを確認し、次のように調べます。

手動対策がなければすべて問題ない、という判断もできません。公開設定の問題は設定を直し、内容の不足は調査や編集で補うというように、確認できた原因に対応を合わせましょう。