AI生成コンテンツのSEO｜BtoB担当者が公開前に使う3層診断チェック表と売上計算式

結論：AI生成コンテンツのSEOは「作り方」ではなく「公開前に何を足したか」で決まる

この記事は、社内1〜2名でオウンドメディアを回し、AIを使って月に数本の記事を出し始めた中小・中堅BtoB企業のWeb担当者・マーケティング責任者に向けたものです。結論から言えば、AIで書いたという事実そのものが順位を下げるわけではありません。評価が崩れるのは、一次情報・検証・検索意図の3つが欠けたまま公開した記事です。

以下では、公開の可否を自分で判定できる「AIコンテンツ3層診断」チェック表、AIと人間の役割分担表、そしてAI活用が売上・工数のどの経路で効くかを自社の数字で再計算できる計算式を用意しました。

Googleは「どう作ったか」ではなく「何を提供したか」を見ている

Googleは、AI生成コンテンツに関する検索ガイダンス（2023年2月公開）で、コンテンツがどのように制作されたかではなく、コンテンツの品質を重視するという立場を示しています。

この方針から読み取れるのは、次の2点に限られます。

• AIを使ったこと自体が違反行為として扱われるわけではない
• 検索順位の操作を主目的とした低品質な大量生産は、生成手段にかかわらず評価対象外になり得る

逆に言えば「AIを使えば評価される」「人間が書けば安全」という保証はどちらもガイダンスの範囲を超えた解釈です。判断の軸は、記事の中身がユーザーの検索意図を解決しているかどうかに絞られます。

AI記事で評価を落とす3つのパターンは、状況まで含めて共通している

失敗は「AIを使ったから」ではなく、運用体制の穴から起きます。以下は、AI活用の初期に起きやすい典型的な状況です（いずれも条件を立てた想定であり、特定の実例ではありません）。

パターン1：キーワードリストを一括投入し、似た記事が社内で競合する

「AI生成コンテンツ SEO」「AI記事 SEO」「AIライティング SEO」のように語尾違いのキーワードを50語まとめてAIに投げ、1週間で50本公開したとします。生成された記事は導入文も見出し構成もほぼ同一で、同じ検索意図を狙う記事が社内に何本も並びます。この状態では、どのページを検索エンジンが代表として扱うか定まらず、担当者は「本数は増えたのに指名される記事がない」という状況に陥ります。修正しようにも50本すべてを読み直す工数が発生し、結局は放置されます。

パターン2：納期を優先してファクトチェックを飛ばし、営業が商談で訂正する

月末までに5本という社内目標があり、レビューを飛ばして公開したケースです。AIが生成した価格帯・法規制・製品仕様の記述が実態とずれていると、記事を読んで問い合わせてきた見込み客が、商談の場で「サイトに書いてある内容と違う」と指摘します。SEOの数値以前に、営業が訂正から会話を始めることになり、受注率そのものが落ちます。AIが事実と異なる情報を生成する（ハルシネーション）以上、検証を省いた運用は営業リスクに直結します。

パターン3：監修者を置かず、一般論だけの記事が比較検討層に刺さらない

業界知識を持つ担当者が忙しく、AIの出力をそのまま公開している状態です。記事は文章として整っていても、書かれているのは「業界の一般的な流れ」だけで、自社が現場で見てきた判断基準や失敗の傾向が入りません。情報収集段階の読者は読んでくれても、比較検討段階の読者は「どこにでも書いてある」と判断して離脱します。流入はあるのに問い合わせがゼロ、という数字の形で表面化します。

公開前に使う判断枠組み「AIコンテンツ3層診断」

この記事では、AI記事の公開可否を3つの層で判定する枠組みを「AIコンテンツ3層診断」と呼びます。層のどれか1つでも欠けている記事は、本数を増やしても成果につながりません。

層	確認する問い	欠けているときに起きること	確認方法
第1層：一次情報	自社しか書けない判断基準・現場の観察が入っているか	一般論記事になり、比較検討層が離脱する（パターン3）	記事から社名を消しても成立するなら第1層は不足
第2層：検証	事実・数値・出典を人間が確認し、責任者名が決まっているか	商談で訂正が必要になり、受注率が落ちる（パターン2）	記事内の数値・固有名詞に出典が紐づいているか1つずつ照合
第3層：需要	検索意図が既存記事と重複せず、次の行動につながるか	社内で記事同士が競合し、代表ページが定まらない（パターン1）	既存記事の見出し一覧と並べ、答える問いが重複していないか確認

3層診断は「良い記事かどうか」ではなく「公開してよいかどうか」を決めるための道具です。

3層診断スコアカード（12点満点・そのまま社内チェックに使えます）

1記事ごとに、満たしていれば1点、満たしていなければ0点で採点します。

層	チェック項目	配点
第1層	自社の判断基準・現場で見てきた失敗の傾向が本文にある	1
第1層	読者が自分で使える表・チェックリスト・手順が入っている	1
第1層	想定読者の業種・規模・立場が冒頭で特定できる	1
第1層	競合記事にない切り口・枠組みがある	1
第2層	本文の数値すべてに出典または「自社の数字を入れる」明示がある	1
第2層	固有名詞・製品仕様・価格帯を担当部門が確認済み	1
第2層	記事の内容に責任を持つ人物が社内で決まっている	1
第2層	断定できない論点に「〜の範囲では」等の限定表現がある	1
第3層	同じ検索意図を狙う既存記事がない（あれば統合済み）	1
第3層	読者が検索する言い回しの疑問に本文で直接答えている	1
第3層	読み終えた読者が次に取る行動が1つに定まっている	1
第3層	見出しだけを拾い読みしても要点が伝わる	1

運用の目安は次の通りです。10点以上：公開してよい／7〜9点：不足した層を補ってから公開／6点以下：公開を止め、企画から作り直す。この閾値は順位を保証するものではなく、社内で公開基準をぶらさないための取り決めとして使ってください。

AIに任せる工程と人間が必ず持つ工程はどう分けるべきか

役割分担を先に決めておくと、レビューが「なんとなく読む」作業から「決められた項目を確認する」作業に変わります。

工程	AIに任せてよいか	人間が持つべきか	判断の理由
キーワードの洗い出し	任せてよい	重複の統合のみ	網羅は得意だが、社内カニバリの判断はできない
検索意図の確定	補助まで	人間が決める	自社の受注につながる読者像はAIが知らない
構成案の作成	任せてよい	切り口の追加	一般的な構成は出せるが、独自の枠組みは出ない
初稿の執筆	任せてよい	不要	工数削減の効果が最も大きい工程
数値・出典の確認	任せない	必ず人間	ハルシネーションは文章の自然さでは検知できない
自社の判断基準・現場知見の追記	任せない	必ず人間	第1層はAIが持っていない情報でしか埋まらない
公開可否の最終判断	任せない	必ず人間	責任の所在を社内に置くため

AIに渡す指示も精度を左右します。「SEOについて書いて」ではなく「製造業の生産管理責任者が、既存システムの入れ替えを検討する段階で調べる論点に答える記事を、判断基準を表形式で含めて書いて」と条件を具体化するほど、人間の修正量は減ります。

AI活用の効果は、売上と工数のどの経路で表れるか

AIコンテンツの投資判断は「順位が上がるか」ではなく、次の2本の経路で計算します。

経路A（売上）：月間オーガニックセッション × CV率 × 商談化率 × 成約率 × 平均受注単価 ＝ 月間の売上貢献額

経路B（工数）：（従来の1本あたり制作時間 − AI併用後の1本あたり制作時間）× 月間本数 × 時間あたり人件費 ＝ 月間の削減コスト

投資回収期間（月）＝（ツール費＋初期設計にかけた人件費）÷（経路Aの売上貢献額 × 粗利率 ＋ 経路Bの削減コスト）

計算例（数値はすべて仮の値です。自社の数字に置き換えてください）

経路A：月間オーガニックセッション【仮に1,000】× CV率【仮に1%】× 商談化率【仮に50%】× 成約率【仮に20%】× 平均受注単価【仮に50万円】＝ 月間売上貢献【この仮の値では50万円】。

経路B：（従来【仮に8時間】− AI併用後【仮に4時間】）× 月間【仮に10本】× 時間単価【仮に4,000円】＝ 月間削減コスト【この仮の値では16万円】。

回収：初期投資【仮に60万円】÷（50万円 × 粗利率【仮に40%】＋ 16万円 ＝ 36万円）＝ 約1.7か月。

ここで使った数値はいずれも計算の手順を示すための仮置きであり、実績値ではありません。自社のSearch Console・CRMの数字を入れて再計算してください。

自社数値の記入ワークシート

項目	取得元	自社の数値
月間オーガニックセッション	Search Console / アクセス解析	（　　）
CV率（問い合わせ・資料請求）	アクセス解析	（　　）%
商談化率	営業管理表 / CRM	（　　）%
成約率	営業管理表 / CRM	（　　）%
平均受注単価	請求データ	（　　）円
1本あたり制作時間（従来／AI併用）	担当者の実測	（　　）h／（　　）h
時間あたり人件費	人事・経理	（　　）円

この2本の経路で計算できないうちは、記事本数を増やしても投資判断の材料になりません。

よくある質問

AIで書いた記事はGoogleにペナルティを受けますか？

AIを使ったという理由だけでペナルティを受けるわけではありません。Googleは2023年2月のガイダンスで、制作方法ではなく品質を重視する立場を示しています。問題になるのは、検索順位の操作を主目的とした低品質な量産であり、これは人間が書いた記事でも同じ扱いになります。

E-E-A-TをAIコンテンツで満たすにはどうすればよいですか？

AIが構造的に持てないのは「経験」の部分です。自社が現場で見てきた判断の分かれ目、うまくいかなかったときの兆候、担当部門が確認した仕様や条件——こうした一次情報を人間が追記し、記事の責任者を明示することで、3層診断の第1層と第2層が埋まります。文章表現を整えるだけでは埋まりません。

人間がレビューすれば何を公開しても大丈夫ですか？

いいえ。レビューが「読んで違和感がないか」で終わっている場合、ハルシネーションは高い確率で見逃されます。AIの出力は誤っていても文章として自然だからです。数値・固有名詞・仕様を1つずつ出典と照合する手順に落とし込み、確認者を記録として残してください。

AI記事は何本まで増やしてよいですか？

本数の上限は、レビュー体制が処理できる本数で決まります。3層診断で10点以上を付けられる本数が月4本なら、月4本が上限です。レビューが追いつかないまま公開本数を増やすと、パターン1（社内競合）とパターン2（未検証公開）が同時に発生します。

すでに大量に公開したAI記事はどう扱えばよいですか？

削除の前に、同じ検索意図を狙っている記事をグルーピングし、最も情報量が多い1本に統合する方針が扱いやすい形です。統合先の記事に一次情報を追記し、残りは統合先へ集約します。全記事を一律に消すのではなく、3層診断のスコアが低い順に手を付ける進め方が現実的です。

まとめ：3層のどれか1つでも欠けているなら、公開ではなく設計を見直す

AI生成コンテンツのSEOで問われるのは、生成の可否ではなく運用の設計です。第1層（一次情報）・第2層（検証）・第3層（需要）のいずれかが欠けた記事は、本数を増やすほど社内競合と訂正対応のコストを積み上げます。まずは公開済みの記事を5本だけ選び、12点満点のスコアカードで採点してみてください。

採点の結果、（1）6点以下の記事が半数以上ある、（2）検証の責任者が社内で決まっていない、（3）経路A・経路Bの計算式に入れる自社数値が揃わない——この3条件のうち1つでも当てはまる場合は、記事を追加する前に現状の棚卸しを先に行うことをおすすめします。

無料診断では、公開中の記事のうち一次情報が不足しているページ、同じ検索意図で競合しているページ、検索意図と見出しがずれているページの3点を確認し、着手すべき順番を整理します。事前に「公開済みURLの一覧」「狙っている主要キーワード」「Search Consoleの直近の表示回数・クリック数」を用意しておくと、その場で優先順位まで詰められます。