AI記事の成績が人より悪く見える原因｜条件を揃えて比べる

「AIで下書きした記事は、人が書いた記事より順位もクリックも明らかに悪い」「だからAIの記事はもうやめて、全部人の手に戻そうという話が出ている」。月次の報告でこうした比較表が出てくると、数字が並んでいるぶん説得力があります。ところが、SEOツールを提供するエイチレフスが2025年7月に公表した調査では、10万語の検索結果の上位20件、合わせて60万ページを調べ、AIの使用度合いと順位の相関は0.011と、ほぼ関係がないという結果でした。社内で見えている差は、作り方のせいではありません。本当は、比べている記事どうしの条件が揃っていないことから来ている場合が多いのです。この記事では、差が出る原因の型と、条件を揃えて比べ直す方法を整理します。

「AI記事は弱い」という結論は、どこから出てくるか

よく見かけるのは、次のような表です。AIで下書きした記事を20本、人が書いた記事を20本並べ、それぞれの平均順位とクリック数の平均を出す。すると人の記事のほうが順位が高く、クリックも多い。表だけを見れば、AIの記事が劣っているとしか読めません。問題は、この2つの群が作り方以外の点でも大きく違っていることです。多くの会社では、人が書いた記事は何年も前から積み上がってきたもので、AIの下書きを使い始めたのはここ1〜2年のことです。

つまり、人の記事の群には「古くて、時間をかけて評価が固まった記事」が多く含まれ、AIの記事の群には「出したばかりの記事」が多く含まれます。さらに、AIを使い始めた時期には、本数を一気に増やすために、それまで手が回らなかった細かな語を狙うことがよくあります。こうした違いが重なった群どうしを比べると、作り方の差ではなく、記事の年齢と題材の差を測ってしまいます。

この比べ方が怖いのは、結論が運用を大きく動かしてしまう点です。「AIは弱い」と決まれば、下書きの工程ごと止める判断につながりますし、逆に条件の違いを見落としたまま「AIでも同じくらい取れる」と結論すれば、人の手を入れるべき工程まで削ってしまいます。どちらに転んでも、比べ方を直さない限り、判断の根拠が崩れたままです。

検索の側は、作り方で点を付けていない

グーグルは2023年2月に検索セントラルのブログで、AIで作られたかどうかではなく、コンテンツの中身の質を見て評価するという立場を示しています。AIを使ったこと自体で有利にも不利にもならない、という趣旨です。大量生成の扱いなどの細かな規定はここでは立ち入りませんが、少なくとも「AIで書いたから順位が下がる」という仕組みが公式に説明されているわけではありません。

冒頭で触れたエイチレフスの調査も、この立場と矛盾しない結果でした。調べた60万ページのうち、判定ツールで完全にAIとされたのは4.6%、完全に人の手とされたのは13.5%で、残りの81.9%は両方が混ざったページでした。順位との相関は0.011です。ただし著者自身が、判定ツールは確率で推定するもので完全ではないと断っています。1位の位置ではAIの割合がやや低い傾向も見られたものの、相関は非常に弱いと書かれています。

ここから言えるのは、「AIかどうか」で成績が決まるわけではない、という程度です。逆に「AIでも必ず取れる」とも言えません。同じ調査の著者も、AIだけで本当に質の高いコンテンツを作るのは難しいという実感を書き添えています。だからこそ社内の比較では、作り方の違いを見る前に、ほかの条件の違いを取り除く必要があるのです。

原因1：AI記事のほうが公開から日が浅い

最も多い原因は、記事の年齢の違いです。新しく公開した記事は、検索エンジンに見つけられ、どの語で出すかが決まり、順位が落ち着くまでに時間がかかります。数週間で落ち着く記事もあれば、数か月かけて少しずつ上がる記事もあります。公開から3か月の記事と3年の記事を同じ月の数字で並べると、若い記事が不利になるのは当然です。

よくあるのが、「先月の成績」を記事ごとに並べる表です。先月公開したAIの記事は、月の途中から数字が出始めているので、1か月分の表示もクリックもありません。一方で人の記事は、丸1か月分の数字が入っています。これだけで、合計のクリック数には大きな差が出ます。平均順位も、出始めの記事は低い位置からの出発になりがちです。

もう1つ見落とされやすいのが、公開してからの外部の反応の差です。古い記事は、年月をかけて他のサイトから紹介されたり、社内の資料やメールで何度も共有されたりしています。こうした積み重ねは、記事の中身とは別に成績を押し上げます。古い記事の成績には、時間が積んだ分が含まれていると考えて、比べる前に年齢を揃える必要があります。

原因2：狙った語の難しさと検索回数が違う

2つ目の原因は、狙った語の違いです。人が時間をかけて書く記事は、事業の中心になる語、検索回数が多く競合も強い語を狙うことが多くなります。一方でAIの下書きを使って本数を増やすときは、それまで手が回らなかった細かな語、つまり検索回数の少ない語を広く拾いにいくことがよくあります。

この違いは、成績の数字を両方向にゆがめます。検索回数の多い語で上位に入った記事は、クリック数が桁違いに多くなります。そのためクリックの合計や平均で比べると、狙った語が大きい群が勝つのは当たり前です。逆に、細かな語は競合が弱いので順位だけは上がりやすく、AIの記事の平均順位がかえって良く見えることもあります。どちらの場合も、作り方の差ではなく語の差を見ています。

さらに、検索回数の少ない語を狙った記事は、サーチコンソールで表示回数がごくわずかしか出ません。表示が月に数回しかない記事の平均順位は、1回の表示で大きく動くので、数字としての安定感がありません。このあと触れるように、語の帯を揃えたうえで、表示が少なすぎる記事は比べる対象から外すことが必要になります。

原因3：量産した記事ほど内部リンクが薄い

3つ目は、サイトの中での扱いの違いです。人が書いた記事は、公開のたびに関連する既存記事から手でリンクを張ったり、カテゴリの一覧やトップページで紹介したりされてきました。一方で、AIの下書きで短期間に本数を増やしたときは、公開の作業が追いつかず、新しい記事にどこからもリンクが張られていないことがよくあります。

内部リンクが少ない記事は、検索エンジンに見つけられるまでの時間が延びやすく、サイトの中でどれほど大事な記事かも伝わりにくくなります。読者の側から見ても、関連記事からたどり着く道がないので、検索以外からの閲覧が生まれません。こうした差は、記事の本文をどれだけ丁寧に書いても埋まりません。

確かめ方は難しくありません。記事ごとに「その記事へ向かう内部リンクが何本あるか」を数え、群ごとに並べてみます。人の記事は平均で10本以上、AIの記事は1〜2本、といった差が出ることは珍しくありません。数えるときは、全ページに共通して出るメニューや新着一覧のリンクは除き、本文の中から張られたリンクだけを数えると、記事ごとの扱いの差がはっきり見えます。この場合、比べるべきなのは作り方ではなく、公開のあとにリンクを張る工程があったかどうかです。

原因4：新しい記事が既存の記事と食い合っている

4つ目は、題材の重なりです。本数を増やす段階では、すでにある記事と近い語を狙った記事が混ざりやすくなります。同じ問いに答える記事が2本あると、検索エンジンはどちらを出すか迷い、表示が2本に割れたり、片方だけが出てもう片方はほとんど表示されなかったりします。後から出た記事が負けるのはよくある形で、その後から出た記事がAIの下書きであることが多いのです。

この場合、成績が悪いのはAIの記事の中身のせいではなく、同じ棚にすでに強い記事があるからです。しかも食い合いは、既存の記事の成績まで少し下げることがあります。比較表では、AIの記事が弱く、人の記事も少し落ちた、という形に見えるので、「AIを入れてからサイト全体が弱くなった」と読まれることさえあります。

確かめるには、AIの記事が狙った語でサーチコンソールを引き、同じ語で自社のどの記事が表示されているかを見ます。狙った記事ではなく既存の記事が出ていれば、食い合いの疑いが強くなります。食い合いが起きている記事は、作り方の比較からは外して、題材の重なりの問題として別に扱うほうが判断を誤りません。

もう少し踏み込んで確かめるなら、サーチコンソールの検索結果の画面で狙った語に絞り込み、ページごとの表示を見ます。同じ語で2つの記事が週ごとに入れ替わって表示されている、あるいは新しい記事を出した時期から既存の記事の表示が減っている、といった動きがあれば、食い合いの可能性が高いと判断できます。こうした記事を比べる群に残したままだと、AIの記事の成績だけでなく、人の記事の成績まで実際より低く見えてしまいます。

原因5：人の記事には、題材そのものに一次情報が入っている

5つ目の原因は、最も見落とされやすく、最も大きいものです。人が書いた記事の中には、自社の導入事例、担当者が現場で見た失敗、社内で集めた数字など、その会社にしか書けない一次情報を題材にした記事が含まれています。一方で、AIの下書きで量産した記事は、一般的な解説を題材にしたものが多くなります。

この2つは、作り方の違いである以前に、題材の違いです。一次情報を持つ記事は、ほかのサイトにない中身があるので評価されやすく、紹介もされやすい。一般的な解説は、すでに多くのサイトが似た内容を出しているので、順位を取るのが難しい。ここで出た差をAIのせいにすると、「何を題材にするか」という判断の差を見落とします。

逆に言えば、一次情報の入った題材をAIで下書きし、人が経験や数字を足した記事であれば、成績は大きく変わる可能性があります。比べるときは、記事ごとに「一次情報が入っているか」を列として持ち、入っている記事どうし、入っていない記事どうしで比べるようにします。こうすると、作り方と題材の影響を分けて見られるようになります。

比べる前に、記事一覧に条件の列を足す

ここまでの5つの原因を取り除くには、記事一覧に条件の列を足すのが最も確実です。サーチコンソールから書き出した記事ごとの数字の横に、記事の条件を並べます。列を先に作っておけば、あとから揃った組を選ぶだけで比べられるようになります。

列の名前	中身	何のために使うか
公開日	記事を公開した日（大きく書き直した日も別の列に）	公開後の同じ日数で切り取る
狙った語	記事が主に狙った検索語	語の帯を揃える・食い合いを調べる
語の検索回数	狙った語の月間の検索回数の目安	大きな語と細かな語を分ける
内部リンク数	その記事へ向かうサイト内のリンクの本数	公開後の扱いの差を見る
一次情報	自社の事例・数字・現場の話が入っているか	題材の差を分ける
人の工程	構成・加筆・事実確認・編集のどれに人が入ったか	工程ごとの差を見る

このうち最後の「人の工程」は、多くの会社で記録が残っていない列です。AIで下書きした記事でも、構成を人が作ったもの、下書きのあとに人が大きく加筆したもの、事実確認だけしたもの、ほとんど手を入れていないものと、実際にはかなり幅があります。「AIか人か」の2つに分けてしまうと、この幅がすべて消えてしまいます。

過去の記事については、担当者の記憶や制作の記録から分かる範囲で埋め、分からないものは「不明」とします。そのうえで、これから公開する記事からは、公開のときに人の工程を記録する欄を必ず埋めるようにしておきます。数か月たつと、工程ごとに比べられるだけの記事がたまってくるはずです。

揃え方1：公開後の同じ日数で切り取る

記事の年齢の差を取り除く方法は、カレンダーの月ではなく、公開してからの日数で数字を切り取ることです。たとえば「公開後90日間の表示・クリック・平均順位」をすべての記事について出し、それを並べます。公開から90日の時点で比べれば、古い記事も新しい記事も同じ条件になります。

注意したいのは、サーチコンソールの数字が保存されている期間です。記事ごとの数字は過去16か月分までしか遡れないので、それより前に公開した古い記事は、公開直後の数字をもう取り出せません。この場合、古い記事は比べる対象から外すか、「公開から1年以上たった記事どうし」という別の組で比べることになります。無理に混ぜると、また年齢の差が入り込みます。

日数の区切りは、記事が落ち着くまでの時間を考えて決めます。短すぎると、どの記事もまだ動いている途中の数字になります。30日と90日と180日のように複数の区切りで出しておくと、早く立ち上がる記事と、あとから伸びる記事の違いも見えてきます。比べる区切りは、結果を見る前に決めておきます。結果を見てから都合のよい区切りを選ぶと、結論がゆがみます。

起点にする日付にも気をつけます。記事の管理画面に表示される日付は、公開日ではなく最終更新日になっていることがあり、予約公開の記事では下書きを作った日が残っていることもあります。起点は実際に公開した日にそろえるのが原則です。公開日が確かめられない記事は、サーチコンソールで最初に表示が出た日を代わりの起点にし、その旨を列に書いておきます。

揃え方2：狙った語の帯と、公開の時期を揃える

語の違いを取り除くには、狙った語の検索回数でいくつかの帯に分け、同じ帯の中で比べます。たとえば「月に100回未満」「100回から1,000回」「1,000回以上」のように3つほどに分ければ十分です。帯を分けずに平均を出すと、大きな語を狙った記事の数字が全体を引っ張ります。

帯を揃えたら、次は公開の時期です。検索の仕組みは年に何度も大きく更新されますし、季節によって検索回数そのものが上下する語もあります。同じ帯の中でも、2年前に出した記事と先月出した記事では、公開直後の環境が違います。できれば、同じ四半期に出した記事どうしを組にして比べると、環境の差が小さくなります。

理想は、同じ時期に、同じ帯の語を、片方はAIの下書きから、片方は人の手で書いて出すことです。ただ、実際にはそこまで揃った組は多く作れません。現実的には、揃った組がいくつあるかを数え、少なければ結論を保留するという姿勢が大切です。組が3つや4つしかないのに結論を出すと、たまたまの差を作り方の差と読んでしまいます。

帯を分けるときの検索回数は、キーワード調査のツールが出す推定値です。ツールによって数字が大きく違うことがあり、同じツールでも時期によって値が変わります。そのため、すべての記事について同じツール・同じ時点で取った値を使うようにします。記事を書いたときに担当者が控えた値と、あとからまとめて取り直した値を混ぜると、帯の境目にある記事の振り分けがずれてしまいます。

揃え方3：表示の少ない記事を外し、見る数字を順に並べる

最後に、数字として安定しない記事を外します。平均順位は、表示されたときの順位を平均したものなので、表示が月に数回しかない記事では、1回の表示で大きく動きます。サーチコンソールのヘルプにも書かれているように、平均順位はサイトの結果のうち最も上に出たものの位置です。表示が少ない記事の平均順位は、たまたま出た1回の位置に近くなると考えておきます。

外したあとは、見る数字を順番に並べます。まず表示回数、つまり検索結果に出ているかどうか。次に平均順位、つまりどの位置に出ているか。その次にクリック数とクリック率、つまり押されているか。最後に問い合わせや資料請求など、記事から生まれた成果です。この順に見ると、どの段階で差がついているのかが分かります。

• 表示の基準は「比べる期間の表示が一定回数以上」のように、結果を見る前に数で決めておく
• 問い合わせは件数が少ないので、記事単位ではなく群の合計で見る
• クリック率は検索結果での見え方にも左右されるため、題名の付け方の違いも一緒に確かめる

たとえば、表示の段階ではAIの記事も人の記事も変わらないのに、クリック率だけが低いのであれば、本文ではなく題名や説明文の差を疑います。表示そのものが出ていないのであれば、内部リンクや食い合いを疑います。どの段階で差がついたかが分かれば、直す工程が具体的に決まるので、作り方全体を止める必要はなくなります。

結論は「AIか人か」でなく、人の手を入れた工程ごとに出す

条件を揃えて比べた結果、まだ差が残ったとします。このときも、「AIの記事は弱い」とまとめるのは早すぎます。先に作った「人の工程」の列を使い、構成を人が作ったか、下書きのあとに人が加筆したか、事実確認をしたか、一次情報を足したか、という工程ごとに成績を並べ直します。差が工程で説明できるなら、止めるべきはAIではなく、抜けていた工程です。

よく見られるのは、人が構成を作り、一次情報を足した記事は人の記事と変わらない成績で、AIの下書きをほぼそのまま出した記事だけが弱い、という形です。この場合の結論は「AIをやめる」ではなく、「構成と一次情報の工程には必ず人を入れる」になります。逆に、どの工程で分けても差が出ないなら、作り方の違いは成績にほとんど効いていないと考えられます。

報告にまとめるときは、比べた組の数、揃えた条件、外した記事の数と理由を必ず書き添えます。「90日時点・同じ帯・同じ四半期で揃った12組を比べた」と書いてあれば、読む人は結論の強さを自分で判断できます。条件を書かない結論は、どれほど数字が並んでいても根拠にならないと考えてください。

AIに任せてよい作業と、人が決める範囲

この比べ直しの作業のうち、AIに任せられるのは表の下ごしらえです。記事の一覧と本文、サーチコンソールから書き出した数字を渡し、条件の列を埋めさせる。記事の本文を読ませて一次情報が入っていそうかの候補を挙げさせる。内部リンクの本数を数えさせる。こうした作業は手で行うと時間がかかるので、AIに向いています。

反対に、AIに判断させてはいけないのは、どの記事を外すか、どの組を比べるか、そしてどちらの作り方を続けるかです。AIは渡された表の範囲でしか考えられず、社内の事情や記事ごとの経緯を知りません。人が確認する範囲を先に決めておくと、下書きの誤りに引きずられることが減ります。

AIに表を作らせたあとは、数本を抜き取って元の数字と照らし合わせます。表を結合するときに行がずれ、別の記事の数字が入っていることは珍しくありません。抜き取りで1本でも食い違いが見つかれば、表全体を作り直すくらいの慎重さで扱います。また、サーチコンソールの数字や未公開の記事を外部のAIに渡すときは、社内の利用規則で認められた範囲のサービスを使うようにします。

比べ方でよくある失敗

条件を揃えるつもりでも、次のような失敗は起きやすいものです。どれも、比較表を作る前の段階で防げます。

• 先月の成績を記事ごとに並べる：公開したばかりの記事が1か月分の数字を持たないまま比べられる
• クリックの合計で比べる：大きな語を狙った記事が数本あるだけで、群全体の勝ち負けが決まる
• 表示が数回の記事の順位を平均に入れる：たまたまの1回が平均を大きく動かす
• 結果を見てから区切りや組を選ぶ：都合のよい比べ方だけが残り、結論が先に決まってしまう
• AIか人かの2つに分ける：人が大きく手を入れたAIの記事と、ほぼそのままの記事が同じ群に入る

このうち特に避けたいのは、結果を見てから比べ方を選ぶ失敗です。比べ方をあとから変えられると、どんな結論でも出せてしまいます。比べる日数・帯・外す基準は、数字を開く前に紙に書いておくようにします。

もう1つ、比べた結果を記事の書き直しにすぐつなげないことも大切です。AIの記事が弱かったからといって、全部を人が書き直すと、何が効いたのかが分からなくなります。まず抜けていた工程を数本で試し、同じ条件で比べてから広げるほうが、手間も少なく済みます。

よくある質問

そもそも記事がAIで書かれたかどうかを、判定ツールで調べてもよいですか

判定ツールは確率で推定するもので、先の調査でも完全ではないと断られています。自社の記事であれば、判定ツールより制作の記録や担当者への確認のほうが確かです。記録が残っていない記事は「不明」として扱い、無理に振り分けないほうが比べ方を誤りません。

比べられる組が少なすぎるときはどうしますか

結論を保留し、これから出す記事で組を作ります。同じ時期に同じ帯の語を2本ずつ用意し、片方はAIの下書きから、片方は人の手で書いて出せば、数か月で比べられる組がたまります。そのあいだは、工程の記録を確実に残すことを優先します。

順位よりも問い合わせで比べたほうがよいのではありませんか

最終的に大切なのは問い合わせですが、記事1本あたりの件数は少なく、たまたまの差が大きくなります。問い合わせは群の合計で見て、その手前の表示・順位・クリックで差がどの段階でついたかを確かめるほうが、直す場所を見つけやすくなります。

大きく書き直した記事は、どちらの群に入れますか

書き直した日を別の列に持ち、書き直しの前と後を別の記事として扱うのが分かりやすい方法です。人の記事をAIで書き直した、あるいはその逆の場合は、書き直しのあとの期間を公開後の日数として数え直します。

まとめ

「AIで書いた記事は人の記事より成績が悪い」という結論は、多くの場合、比べ方が揃っていないことから生まれます。差が出る原因は、公開からの日数、狙った語の難しさと検索回数、内部リンクの本数、既存の記事との食い合い、一次情報の有無という5つの型に分けられます。比べ直すときは、記事一覧に条件の列を足し、公開後の同じ日数で切り取り、語の帯と公開の時期を揃え、表示の少ない記事を外してから、表示・順位・クリック・問い合わせの順に見ます。結論は「AIか人か」ではなく、人の手を入れた工程ごとに出します。AIには条件の列を付けた比較表の下書きまでを任せ、根拠を書かせたうえで人が確かめ、どの作り方を続けるかは人が決めます。まずは直近で公開した記事を10本選び、公開日・狙った語・内部リンク数の3つの列を足してみるところから始めてみてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。