この記事でわかること
- 「AI記事はGoogleに嫌われる」は本当に正しいのか
- Codexでサイト構築から記事作成まで進めた実験条件と初動数値
- AI SEOで落ちる記事と、インデックスされやすい記事の違い
5月下旬のGoogle検索まわりの変化と、AI Mode・AI Overviewsの拡大をきっかけに、「AI記事はもう終わり」「AI量産サイトは通らない」という空気が強くなっています。
そこで逆に、AI活用マーケティング総合研究所ではCodexを使ってWordPressサイト構築、記事設計、本文作成、画像設定、内部リンク、監修ブロック、公開後の監査までをまとめて実験しました。
結論から言うと、現時点では「AIだからインデックスされない」という単純な話ではありません。公開済み記事は121本、下書きは4本。制作対象としては約130本規模のメディアを短期間で構築し、Search Console上でもインデックス確認と表示クエリの発生が見え始めています。
もちろん、これはまだ初動です。順位が安定した、CVが出た、アップデートを完全に突破した、という話ではありません。ただ、「AIで作ったから全部ダメ」と言い切るには、かなり雑な見方だと感じています。
GoogleはAI記事そのものではなく、低品質な自動生成を見ている
Google Search Centralは、AI生成コンテンツについて「どのように作られたか」ではなく、オリジナルで高品質か、E-E-A-Tを示しているかを重視すると説明しています。つまり、AIを使うこと自体が問題なのではなく、検索順位を操作する目的で大量生成された低品質コンテンツが問題です。
ここを取り違えると、「AIを使ったら終わり」という極端な結論になります。しかし実務で見るべきは、記事が検索意図に答えているか、読者が次の判断に進めるか、監修や一次情報があるか、内部リンクで理解が深まるかです。
今回の実験でも、単にプロンプトで記事を量産したわけではありません。キーワードごとに検索ユーザーを想定し、H2・H3構造、表、FAQ、監修コメント、内部リンク、アイキャッチ、記事一覧導線を入れ、公開後に崩れや薄い章を修正する前提で進めています。
実務チェックポイント：AI利用を隠すかどうかより、読者にとって有用な情報、監修者、判断基準、公式情報への参照があるかを確認します。
Codexでサイトごと作った実験条件
今回の実験では、WordPress上にAIマーケティング特化メディアを構築し、AIマーケティング、ChatGPT、Claude、Gemini、Codex、GEO、AEO、AI広告運用などのクラスターを作りました。
制作フローは、キーワード選定、ペルソナ設計、競合上位の構成確認、記事構成、本文作成、装飾、アイキャッチ設定、内部リンク、公開、Search Console確認、リライト判断までを一連の流れにしています。人間が毎回ゼロから書くのではなく、AIに作業を任せながら、人間が「何が正解か」を判断する設計です。
特に意識したのは、AIらしい無難な一般論を減らすことです。たとえば料金記事なら料金表を先に出す、AEO記事ならAEOの定義を冒頭で説明する、導入支援記事なら費用感・失敗例・導入手順を先に出す、というように検索意図から逆算しています。
| 項目 | 今回の実験条件 | 見るべきポイント |
|---|---|---|
| サイト構築 | CodexでWordPressメディア構成、トップページ、カテゴリ導線を作成 | テーマ任せではなく、記事回遊と専門性が伝わる構造にしたか |
| 記事本数 | 公開済み121本、下書き4本、制作対象は約130本規模 | 量だけでなく、クラスターと内部リンクで意味のある束にしたか |
| 制作時間 | 初期構築と初回投入は約5時間規模で検証 | 短時間でも監査・修正・公開後改善の工程を入れたか |
| 初動 | Search Console上でインデックス確認、表示クエリの発生を確認 | 公開直後の結論ではなく、7日後・14日後の改善前提で見る |
初動で見えたのは「AIだから無理」ではなく「雑だと無理」
今回の実験で見えたのは、AIで記事を作ること自体よりも、作り方の差です。薄い記事、見出しだけ立派で本文が少ない記事、検索意図とずれた独自性を足した記事、監修ブロックや画像が崩れた記事は、公開後に修正が必要になります。
逆に、検索意図に対して必要な情報を先に出し、表やFAQで判断しやすくし、内部リンクで関連テーマへつなぎ、監修者の実務コメントで独自性を補うと、AIを使っても記事としての体裁はかなり整います。
この差は、AIツールの性能よりも運用側の設計力で決まります。AIに「SEO記事を書いて」と投げるだけでは足りません。誰が読むのか、何を解決したいのか、上位記事は何を満たしているのか、自社記事ではどの判断基準を追加するのかを先に決める必要があります。
実務チェックポイント：文字数を増やすための不要情報は入れず、検索ユーザーが次に判断するための表、失敗例、チェックリスト、比較軸を入れます。
Google検索のAI化で、むしろ情報設計の重要度は上がっている
GoogleはI/O 2026で、AI Mode、AI Overviewからの会話継続、情報エージェントなど、検索体験のAI化をさらに進める方向を示しました。ユーザーは単語で検索するだけでなく、複雑な条件を入力し、AIに整理された回答を受け取るようになります。
この流れでは、ただ記事がインデックスされるだけでは不十分です。AIが比較しやすい情報、引用しやすい定義、判断に使える表、一次情報へのリンク、監修者情報、実務経験にもとづくコメントが必要になります。
つまり、AI検索時代に強いコンテンツは「長い記事」ではなく、「構造化された判断材料」です。AIで記事を書く場合も、見出し、表、FAQ、内部リンク、著者情報、更新履歴、画像alt、パンくず、カテゴリ設計まで含めて整える必要があります。
AI SEOで再現するなら、記事作成より先に監査ルールを作る
今回の実験で一番重要だったのは、記事を作ることではなく、公開前後の監査項目を増やし続けたことです。見出し階層、H2直下画像、表の色、監修ブロック、アイキャッチ重複、本文内の不要な管理文言、内部リンク、スマホ表示、トップページの最新記事反映などを確認しました。
AI記事が失敗する理由は、AIが文章を書いたからではなく、公開後に誰も確認しないからです。生成した本文をそのまま公開すると、検索意図とずれた章、読者に見せてはいけない制作メモ、同じ画像の重複、文字化け、表崩れが残ります。
そのため、AIを本気でSEOに使うなら、記事生成よりも先に「公開してよい記事の条件」を決めるべきです。最低文字数だけではなく、各H2の厚み、H3構造、競合上位との不足差分、独自コメント、公式リンク、画像alt、モバイル崩れまで見ます。
| 監査項目 | 確認する内容 | NG例 |
|---|---|---|
| 検索意図 | 冒頭で読者の疑問に答えているか | 定義記事なのに定義が後半まで出ない |
| 見出し構造 | H2直下に説明、H3で補足があるか | H3が連続する、H2直下が空になる |
| 独自性 | 実務コメント、失敗例、判断基準があるか | 公式情報と競合記事の要約だけ |
| 表示品質 | 表、監修、画像、SP表示が崩れていないか | 監修アイコンが巨大化、表の文字が見えない |
結論：AIが悪いのではなく、設計なし量産が悪い
今回の実験から言えるのは、「AI記事は終わり」ではなく、設計なしのAI量産は終わりやすいということです。AIを使っても、検索意図、情報設計、監修、内部リンク、表示品質、公開後の改善があれば、少なくともインデックス初動は作れます。
一方で、AIで作っただけの記事は危険です。薄い章、根拠のない断言、読者が求めていない独自性、公式情報の欠落、同じ画像の使い回し、スマホ表示崩れが残れば、人間が書いてもAIが書いても評価されにくいでしょう。
AI SEOで見るべきは、AIか人間かではありません。誰が設計し、誰が確認し、どのデータで改善するかです。今回のメディアはまだ初動ですが、ここから7日後、14日後、30日後のインデックス、表示回数、クリック率、順位、CV導線を見ながら、AI活用メディアの再現性を検証していきます。
FAQ
AIで作った記事はGoogleに評価されないのですか？
AIで作ったかどうかだけで評価が決まるわけではありません。Googleは、コンテンツの品質、独自性、E-E-A-T、読者にとっての有用性を重視しています。
AI記事を大量に作ればSEOで勝てますか？
勝てません。量だけではなく、検索意図、内部リンク、監修、表、FAQ、公式情報、公開後の改善が必要です。雑な量産はリスクになります。
今回の実験は成功と言えますか？
現時点では初動成功に近い状態です。インデックスと表示回数は確認できていますが、順位安定、クリック率、CVまでは継続検証が必要です。
参考情報
- Google Search Central：AI生成コンテンツに関するガイダンス
- Google Search Central：有用で信頼できるユーザー第一のコンテンツ作成
- Google：A new era for AI Search
SUPERVISOR
監修者：魚見幸司
SEO、Web広告、SNS運用、LINE運用、LP制作、アクセス解析、コンテンツマーケティングの実務に携わる。広告代理店で当時最年少マーケティング事業部長、グローバルマーケティング会社CMOを経験。キーワード設計、記事構成、広告運用、LP改善、生成AI導入体制づくりまで、戦略と運用の両面から監修しています。
監修者の独自見解：AI記事で成果が出るかどうかは、生成モデルよりも運用者の判断基準で決まります。検索意図、広告の成果指標、SNSの反応、CV導線の正解を知らないままAIを使っても、出力の良し悪しを判断できません。AIは素人を一気にプロにする道具ではなく、正解を知っている人の実行量と改善速度を伸ばす道具です。
