AIブログの運営で一番難しいのは、記事を書くこと自体ではなく、「この密度で公開してよいか」を判断する基準を持つことです。基準がないまま量産すると、見出しだけ整った薄い記事が増え、検索でも読者でも評価されません。この記事では、AI Biz Lab が実際に運用している品質基準と、そこに至るまでの失敗を、隠さずに書きます。
先に結論です。AI Biz Lab では、体験・手順・確認日・煽り表現の禁止をチェックリストとして固定し、AIが下書きした記事は必ず人間がレビューしてから公開します。文字数を目標にはしませんが、目安として本文4,000字未満の記事は「薄い記事」として扱い、公開前に見出しを削るか、内容を深めるかの判断を挟みます。この基準ができる前は、実際に薄い記事を公開してしまった反省があります。
なぜ品質基準を先に文書化したのか
AIで記事を書く場合、「良い記事」の定義が運営者の頭の中にしかないと、その日の気分や忙しさで基準がぶれます。忙しい日は「とりあえず公開」、時間がある日は「しっかり書く」となり、メディア全体としての一貫性が失われます。
AI Biz Lab では、この基準を docs/CONTENT_STANDARD.md という文書として先に固定しました。コードより先に「何を良いとするか」を文章にする、という考え方です。基準を文書化しておくと、AIに下書きを依頼する際のチェック項目としても、人間がレビューする際のチェックリストとしても、同じ文書を使い回せます。
実際に失敗した初期記事の反省
基準を作る前、AI Biz Lab では見出しだけ整えて各見出しに2〜3行の説明を添える「骨格記事」を複数公開してしまいました。振り返ると、次のような特徴がありました。
- 見出しの構成は一般的なテンプレートに沿っていて、読者の検索意図には一応答えている
- しかし各見出しの本文が短く、「なぜそうなのか」「どういう場合に当てはまらないか」の説明がない
- 具体的な失敗例や分岐がなく、一般論の要約で終わっている
- 「まとめ」が本文の繰り返しになっていて、新しい情報がない
この手の記事は、AIに「〇〇について記事を書いて」とだけ指示すると自然に出てきてしまう形です。指示が抽象的なほど、AIは無難で一般的な内容に寄せます。だからこそ、AIへの指示自体を具体的にし、下書き後の人間レビューで密度不足を検出する仕組みが必要だと分かりました。
薄い記事に共通する失敗モード
反省を踏まえて、薄い記事に共通する失敗パターンを言語化しました。
- 結論が最後にしかない — 読者が知りたい答えが記事の後半まで出てこず、離脱されやすい
- 一般論だけで終わる — 「〜が重要です」「〜に気をつけましょう」という抽象的な助言だけで、具体的にどうするかの手順がない
- 限界や例外の記述がない — その方法が効かない場合や、向かないケースが書かれておらず、読者が自分に当てはまるか判断できない
- 次のアクションが残らない — 読み終えたあとに、読者が今日何をすればいいかが分からない
- 事実確認の跡がない — 料金や機能について、確認日や出典の記載がなく、断定的に書かれている
この5つは、文字数を増やせば自動的に解決するわけではありません。文字数だけ増やして中身が薄いまま冗長になった記事も、同じくらい失敗です。目指すのは、この5つの要素がすべて埋まっている状態であり、文字数はその結果として増える、という順序で考えています。
公開前チェックリスト
AI Biz Lab で実際に使っているチェックリストは、次の項目です。
- 誰の、どんな課題かが冒頭で分かるか
- 結論を先に出しているか
- 背景 → 原則 → 具体 → 限界 → 次アクションの流れがあるか
- 「やらないこと・まだできないこと」が書かれているか
- 未確認の料金・機能を断定していないか
- 「完全自動で稼げる」のような煽り表現がないか
- 一般ブログの要約で終わっていないか
このチェックリストは、AIに下書きを依頼するときのプロンプトにも、人間が最終レビューするときの確認項目にも、両方使っています。同じ基準を両方の工程で使うことで、「AIが基準を守っていない」と「人間がチェックし忘れた」のどちらが原因かを切り分けやすくなります。
AI下書きと人間レビューの分担
品質基準を機能させるには、AIと人間の作業分担を明確にする必要があります。
- AI側 — テーマに沿った構成案の作成、本文の下書き、チェックリスト項目に沿った自己点検の提示
- 人間側 — 事実確認、体験の実在性確認、密度不足の見抜き、公開判断
特に「密度不足の見抜き」は、まだ完全に自動化していません。AIに「この記事は基準を満たしていますか」と聞いても、AI自身は自分の書いた文章を甘く評価する傾向があるため、最終的な密度判断は人間が行っています。ここは今後改善したい部分ですが、現時点では人間の目を外していません。
数値目標との付き合い方
文字数や記事本数を目標にすることには、メリットとリスクの両方があります。
- メリット — 「短すぎる記事」を機械的に検出できる、進捗の目安になる
- リスク — 数値を満たすために、中身のない文章で埋める「かさ増し」が起きる
AI Biz Lab では、文字数を「下限のアラート」としてだけ使っています。一定の文字数を下回っていたら「薄いかもしれない」と疑うきっかけにしますが、文字数を満たしているからといって、それだけで公開判定が通るわけではありません。判定の最終条件は、あくまで先述のチェックリストです。
具体例：薄い記事をどう直すか
抽象論だけでは伝わりにくいので、実際にどう直すかの手順を書きます。「見出しだけ整った骨格記事」を見つけたときの対応は次の通りです。
- まず各見出しの下に、「この見出しで読者が知りたいことは何か」を1文で書き出す
- その1文に対して、今の本文が答えられているかを確認する。答えていなければ、一般論を消して具体的な手順や分岐に書き直す
- 「向かないケース」や「これだけでは足りない場合」を、各セクションに最低1つ追加する
- まとめのセクションが本文の要約になっていたら、要約ではなく「次に読者が取るべき1つの行動」に書き換える
この作業は、AIに「もっと詳しく書いて」と指示するだけでは進みません。AIは指示が抽象的だと、既存の文章を言い回しだけ変えて長くする傾向があります。具体的に「向かないケースを3つ追加して」「この見出しの結論を最初の1文に移動して」のように、直す箇所を人間が指示する方が、実際に密度が上がります。
まだできていないこと
この基準を作った上でも、まだ課題は残っています。
- 初期に公開した薄い記事の入れ替えが、まだ全て終わっていない
- 密度不足を自動検出する仕組みがなく、人間の目視レビューに依存している
- 公開後のデータ（読まれているか、離脱が早いか）を品質基準の見直しに反映するループがまだ弱い
これらは優先度をつけて順に手を入れています。特に3番目は、実際の読者の反応を基準の改善に反映する仕組みで、これができると「編集部の頭の中」だけでなく「データに基づく品質基準」に近づけると考えています。
品質基準を運営に定着させるための工夫
チェックリストを作っただけでは、忙しくなると自然に運用が緩みます。定着させるために、次のような工夫をしています。
- 基準を文書として外部化する — 頭の中の判断基準ではなく、いつでも参照できるファイルとして残す。忙しい日でも同じ基準で判断できる
- 公開前チェックを1つの工程として明示する — 「下書き」と「公開」の間に、必ずレビュー工程があることをフローとして固定する
- 基準を満たさない記事は公開を遅らせる — 本数の目標より基準を優先し、満たない記事は次の見直しに回す
- 過去の失敗例を記録として残す — 「なぜ薄い記事が生まれたか」の反省を消さずに残し、同じ失敗を繰り返さないようにする
4番目は特に効果があります。過去の失敗を消してしまうと、次に同じような依頼をしたときに、また同じ抽象的な指示でAIに下書きを頼んでしまいます。失敗の記録を残しておくことで、「この依頼の仕方は薄い記事になりやすい」という学びを次の記事に活かせます。
基準を厳しくしすぎた失敗もある
反省は「薄い記事を公開した」ことだけではありません。基準を作った直後は、逆に厳しくしすぎて動けなくなった時期もありました。
- 完璧主義になり公開が止まる — チェックリストの全項目を100点で満たそうとして、下書きの見直しに時間をかけすぎ、公開サイクルそのものが止まった時期があった
- 文字数の目安を目標化してしまう — 「4,000字未満は薄い」という目安を、いつの間にか「4,000字を超えれば良い」という誤った基準に読み替えてしまい、冗長な言い換えで水増しした記事が一時的に混ざった
- レビューの基準が個人差でぶれる — チェックリストの各項目を「満たしている」と判断する厳しさが、確認する人によって差があり、同じ基準のはずなのに判定結果が変わることがあった
これらの反省から、チェックリストは「満たしていなければ即不合格」ではなく、「どの項目が弱く、どう直せば通るか」を示す診断ツールとして使う方向に調整しました。基準は厳しさを競うものではなく、直すべき場所を早く見つけるための道具だという位置づけに変えたことで、公開のペースと密度のバランスが少しずつ安定してきました。
やらないこと
基準を作る上で、明確に「やらない」と決めていることも書きます。
- 存在しない個人体験を、体験談として書くことはしない
- 文字数を稼ぐために、同じ内容を言い換えて繰り返すことはしない
- 検証していない効果を、確定した事実として書くことはしない
まとめ
AI Biz Lab の品質基準は、文字数ではなく「結論・具体・限界・次アクションが揃っているか」というチェックリストで運用しています。この基準ができる前に、実際に薄い記事を公開してしまった反省が土台にあります。AI下書き後の人間レビューを外さないこと、数値はあくまで下限アラートとして使うこと。この2点を守ることが、量産と品質を両立させる、今のところの唯一の方法です。
※ 本記事は AI Biz Lab の運営方針に関する内容であり、基準や運用は今後見直される可能性があります。
