AIスパム検出の研究から学ぶ：一次情報を残す記事設計

AIに「このキーワードで記事を書いて」と頼めば、見出し、要約、比較、結論まで短時間でそろいます。

問題は、文章が作れるかではありません。読者がそのページを読む理由と、会社が次の判断に使える材料が残っているかです。

AIで似た構成のページを大量に作ると、表面上は別の記事でも、扱っている意味や結論が近づきます。検索順位を操作する目的で価値の薄いページを増やすなら、AIを使ったかどうかに関係なく、読者にも検索サービスにも役立ちません。

一方で、AIを調査の整理、構成案の比較、表現の調整に使いながら、現場で得た事実や判断を人が加える方法はあります。この記事では、AIスパム検出の研究と検索サービスの公開方針を手がかりに、一次情報を残す記事制作の順序を整理します。

まず、AI利用とスパムを同じものにしない

Google Search Centralは、生成AIや自動化の利用自体を禁止していません。生成AIを調査や構成整理に使うことも、役立つ情報を作るための補助にすることも可能です。

問題になるのは、検索順位を操作する目的で、利用者に実質的な価値を加えないページを大量に作ることです。Googleの説明でも、生成AIを使っているかどうかではなく、正確さ、品質、関連性、読者のために作られたかどうかが確認すべき軸になっています。

この区別を失うと、対策が「AIらしい文体を消す」に偏ります。しかし、言い回しを人間らしく整えただけでは、独自の事実も判断も増えません。見た目の修正ではなく、材料の出どころと意思決定の過程を設計する必要があります。

S-CTSが示すのは、1ページの判定ではなく集団の構造

Googleの研究者が公開した「Scalable Detection of Adversarial Synthetic Slop and Coordinated Media Abuse」という論文では、オンライン動画プラットフォーム向けのS-CTS（Scalable Cluster Termination System）が説明されています。

この研究の対象は、個人が書いたブログ記事のAI判定ではありません。複数のアカウントが協調し、似た合成コンテンツを大量に公開するような動画プラットフォーム上の悪用です。論文では、次のような情報を組み合わせる設計が示されています。

アカウント同士の関係性や投稿行動
テキストや動画に現れる似たパターン
タイトル、説明、音声、映像などのマルチモーダルな特徴
高い確信度で自動処理する範囲と、人が確認する範囲

ここから得られる大切な示唆は、1本のコンテンツを「AIか人間か」と二択で判定することではありません。似た材料、似た制作手順、似た投稿行動が繰り返されると、コンテンツ単体ではなく、制作・配信のまとまり全体が評価対象になりうるということです。

ただし、この論文を根拠に「Google検索の順位アルゴリズムへ同じ仕組みが実装されている」とは言えません。対象サービスも目的も異なります。研究で示された設計と、検索順位について確認できる公式方針は分けて扱うべきです。

ベクトルの密集は、品質判定の証明ではない

文章をベクトルに変換すると、意味の近さを距離として比較できます。Sentence-BERTは、文を意味的に比較しやすい表現へ変換するための研究です。大量の文章に同じテンプレートや似た結論が繰り返されていれば、類似性を調べる補助信号として使える可能性があります。

しかし、ベクトルが近いことは「AIが書いた証拠」ではありません。

業界用語が共通している。法令名や製品名を正確に書く必要がある。短いFAQで同じ質問に答えている。こうした場合も文章は自然に近づきます。逆に、AIで下書きを作った後に、実際の出来事や判断を加えれば、文章の意味は固有のものになります。

つまり、類似性の検査は「同じものを増やしていないか」を見る補助線です。人間らしさを演出するための偽装検査でも、公開可否を単独で決める検出器でもありません。

AIで作っても、一次情報は後から足せる

AIを使うと一次情報が消えるのではありません。最初からAIに結論まで作らせ、確認者が表現だけ直すと、一次情報を入れる場所がなくなるのです。

業務記事なら、先に次のような「事実カード」を作ります。

観察した事実:
いつ、どの業務で、何が起きたか:
確認できる資料・画面・記録:
制約や前提:
その場で選んだ判断:
結果と、まだ分からないこと:

AIには、このカードを分類し、矛盾を見つけ、読者の疑問を並べ、見出し案を比較させます。AIにない事実を補わせるのではなく、手元にある材料の欠落を指摘させる使い方です。

本文に残す価値は、次のような部分にあります。

最初に想定していたことと、実際に起きたことの差
うまくいかなかった方法と、やめた理由
予算、権限、納期、人員などの制約
判断を変えた観察や数値
読者が同じ状況で確認すべき条件

これらは、単に文章を自然に書き換えても増えません。現場の記録からしか出てこないため、AIを使うほど「何を記録しておくか」の設計が重要になります。

一次情報を残す記事制作の5段階

記事を公開するまでを、次の順序に分けます。

1. 記録する

観察、資料、判断、結果を事実カードに残します。感想だけで終わらせず、いつ、どの業務で、何を確認したかを記録します。

2. 整理する

AIにカードを渡し、重複、矛盾、抜けている前提、読者の疑問を整理させます。ここでは文章を上手にするより、材料の不足を見つけることを優先します。

3. 判断する

どの事実を公開し、どこを匿名化し、どの主張に出典を付けるかを人が決めます。個人情報、顧客情報、未確認の予測、会社として約束できない表現は、この段階で止めます。

4. 書く・図解する

確定した材料だけを、AIに見出し、本文、要約、図解案へ変換させます。本文と図解の矢印、数値、前提が一致しているかは別々に確認します。

5. 更新する

公開URL、読者の質問、差し戻し理由、更新が必要になる条件をログへ戻します。公開後の記録が次の記事の事実カードになるため、制作ラインが回り始めます。

公開前に落とすべき5つの質問

最後に、記事の公開ボタンを押す前に、次の質問へ答えます。

この記事でしか読めない事実や判断は何か
その事実を確認できる資料や記録はどこにあるか
AIが作った一般的な説明だけで、本文の大半を置き換えられないか
読者が誤解しそうな断定、比較、将来予測は残っていないか
公開後に誰が何を見て、いつ更新するか決まっているか

1つ目に答えられないなら、文章を増やす前に取材や業務記録へ戻ります。3つ目に「置き換えられる」と答えるなら、記事としての独自価値はまだ薄い状態です。

Optiensの見方

AI時代の発信で守るべきものは、「AIを使っていないように見せること」ではありません。会社が実際に見たこと、試したこと、迷ったこと、決めたことを、次の人が使える形で残すことです。

AIは、材料の整理や初稿作成を速くできます。一方で、現場の制約、失敗の理由、公開してよい範囲、成果をどう測るかは、会社側が決めなければなりません。

OptiensのAI活用診断では、フォーム入力をもとに、発信、FAQ、提案書、社内資料などの業務を棚卸しし、診断レポートとして整理します。診断は無料の入口で、制作ラインの具体設計、テンプレート整備、運用ルール化は個別支援の範囲です。

AIスパム検出の研究から学ぶ