「AI生成記事は薄い」という批判は的を外しています。Googleが問題にしているのは生成方法ではなく、独自性と価値の有無だからです。この記事では、AI生成記事の品質評価を事実正確性・独自性・冗長さという3軸に分解します。それぞれの確認観点を公式ガイダンスに基づいて示します。
検証環境：Google Search Central公式ドキュメント群を2026-08-08に確認しています。対象はAI生成コンテンツガイダンス・ヘルプフルコンテンツ・スパムポリシー・2023年公式ブログです。
01結論：AI生成記事の品質評価は「事実正確性・独自性・冗長さ」の3軸で見る
AI生成記事の品質評価は、生成方法そのものではなく成果物の中身を3つの軸で見ます。事実正確性は原典と一致しているか、独自性は既存ページに無い情報を加えているか、冗長さは文字数を稼ぐための水増しが無いかです。
Googleは自動化やAIの利用自体をガイドライン違反とはしていません（出典: Google Search Central）。この記載は2025年12月31日更新版のものです。問題にされるのは、ユーザーへの価値を付加しない量産です。
3軸それぞれが依拠する公式基準は次の通りです。
| 評価軸 | 確認する問い | 主な根拠 |
|---|---|---|
| 事実正確性 | 数値・固有名詞・引用が原典と一致しているか | E-E-A-Tの信頼性（Trust） |
| 独自性 | 既存ページに無い情報・分析・実例を加えているか | ヘルプフルコンテンツの自己評価質問 |
| 冗長さ | 文字数を稼ぐための反復・水増しが無いか | 検索エンジンを第一に考えたコンテンツの回避基準 |
02なぜいまAI生成記事の品質評価が必要なのか
Googleのスパムに関するポリシーは、大量生成されたコンテンツの不正使用を独自の定義で説明しています（出典: Google Search Central）。定義は「検索ランキングの操作を主な目的として大量のページを生成すること」です。この記載は2026年5月18日更新版のものです。
該当例は5件列挙されており、生成AIツールで価値を付加せず大量ページを生成する行為も含まれます。ページ数の多さそのものではなく、独自性と価値の欠如が判定の軸です。
検索品質評価者向けガイドラインには、大量生成されたコンテンツの不正使用（セクション4.6.5）の評価方法が記載されています（出典: Google Search Central）。同ガイドラインには、独自性や価値をほとんど付加しないメインコンテンツ（セクション4.6.6）の評価方法も記載されています。この記載は2025年12月31日更新版のものです。
これらは検索品質評価者がランキングシステムの性能を評価するための基準です。ランキングに直接影響するものではないと、Google自身が明記しています。
本誌自身もAI社員が執筆を担う前提で運用しています。量産計画そのものの点検記録を『AI量産記事とスパムポリシー違反｜見るべきは本数でなく価値』で公開しています。本記事はその一段階手前を扱います。
1本ごとの記事をどの観点で評価すればスパムポリシーの穴に落ちずに済むかという論点です。執筆から入稿までの分業体制は『AIで記事を作る工程設計｜構成から入稿までの分業表』にまとめています。
品質評価を後回しにできない理由はもう1つあります。AI生成コンテンツの使用がガイドライン違反になるかは、作成方法ではなく内容で判断されます（出典: Google Search Central Blog）。2023年2月8日公開の同ブログは、この論点を含む10件のFAQを公開しています。生成方法を隠すことではなく、内容そのものを評価に耐える水準に保つことが前提になっています。
同ブログのFAQは、AI生成コンテンツを使用する必要があるかという問いにも回答しています。AIが有用なコンテンツ制作に役立つと考える場合は、使用を検討してよいという立場です（出典: 同上）。一方、検索ランキングを操作する安価な手段として使うことは勧めていません。品質評価の3軸は、この「なぜ作るのか」という問いへの答えを、記事単位で機械的に確認するための実務的な分解でもあります。
03事実正確性の軸でAI生成記事をどう検証するか
生成AIには、実在しないURLや文献番号を作り出す性質があります。これはハルシネーションと呼ばれる既知の限界です。AI生成記事の事実正確性を検証すべき最大の理由でもあります。
E-E-A-T（経験・専門性・権威性・信頼性）のうち、Googleは信頼性が最も重要な要素だと明記しています（出典: Google Search Central）。専門性に関する自己評価質問は4件あります（出典: 同上）。そのうちの1つが「コンテンツに明らかな事実誤認はありませんか」です。
事実正確性を検証する実務手順は、次の3ステップに整理できます。
- AI生成文中の数値・固有名詞・引用を洗い出す。入力はAIが出力した本文、期待される出力は検証対象の一覧
- 一次情報のURLを開き、該当箇所が実在し、数字や固有名詞が一致するかを照合する。入力は検証対象の一覧、期待される出力は一致・不一致・該当なしの判定
- 不一致または該当なしの場合は書き直すか、公式には記載が無いと本文に明示する。入力は判定結果、期待される出力は反映済みの本文
この手順で特に見落としやすいのは「該当なし」の扱いです。原典に記載が無いのに、AIが自信を持って断定的に書いてしまうケースがあります。この場合は数字を削るか、「公式ドキュメントには記載が無い（2026-08-08時点で確認）」と読者向けに明示します。本誌の執筆規約でも、原典に無い数字を断定として残さない運用にしています。
E-E-A-Tは経験・専門性・権威性・信頼性という4つの要素の組み合わせです（出典: Google Search Central）。事実正確性の検証はこのうち信頼性に直結します。ただし経験が無いのに体験調で書くと、事実正確性とは別の軸で評価が崩れます。AI生成記事の品質評価では、事実の一致だけでなく体験の有無も同じ工程で確認します。
04独自性の軸でAI生成記事をどう評価するか
独自性の評価は「他のページと同じ情報を、違う言葉で言っているだけではないか」を見る作業です。ヘルプフルコンテンツガイドは、2025年12月18日更新版です（出典: Google Search Central）。同ガイドによると、コンテンツと品質に関する自己評価質問は12件あり、そのうち複数が独自性に直結します。
- コンテンツは独自の情報・レポート・研究または分析を提示しているか
- 他ソースを参考にした場合、単なるコピーや書き換えでなく付加価値とオリジナリティを示しているか
- 自明の事柄だけでなく、洞察に富んだ分析や興味深い情報を含んでいるか
- 検索結果に表示された他のページと比較して、実質的な価値を提供しているか
大量生成されたコンテンツの不正使用の例には、複数ページのつなぎ合わせが含まれます（出典: Google Search Central）。原文は「複数のウェブページからのコンテンツを、価値を加えることなくつなぎ合わせたり組み合わせたりすること」です。AI生成記事は複数の情報源を要約する構成になりやすく、この基準に触れやすい領域です。独自性の評価では、要約の正確さだけでなく、要約に加えて何を足したかを別途確認します。
独自性を担保しやすいのは、自社の実測データ・実際に導入したツールの挙動・自社が実際に運用して気づいた失敗のいずれかを本文に加えるケースです。本誌が実行ログ完全公開型・失敗ファイル型という記事型を設けているのも、この独自性の欠如を構造的に避けるためです。
独自性の評価でもう1つ確認したいのは、見出しやページタイトルの誇張です。ヘルプフルコンテンツガイドは、見出しやタイトルが内容を要約する有用なものかも自己評価質問に含めています（出典: 同上）。誇張や読者への強い衝撃・不快感を狙ったものではないかという観点です。
AI生成記事は要約力を評価されにくい代わりに、目を引く言い回しに寄りがちです。独自性の高さと見出しの誇張は別問題であり、両方を分けて確認します。
05冗長さは品質評価のどこで見抜けるか
冗長さの評価は文字数の多さではなく、情報密度の低さを見ます。Googleのヘルプフルコンテンツガイドは、検索エンジンを第一に考えたコンテンツ作成の回避策も示しています（出典: Google Search Central）。関連する自己評価質問は11件あり、次の3件は冗長さの判定にそのまま使えます。
| Googleの自己評価質問（抜粋） | AI生成記事の品質評価での見立て |
|---|---|
| 価値を付加することなく、主に他の人の意見を要約しているか | 出典の言い換えだけで新しい情報が無ければ冗長と判定する |
| 特定の文字数になるように記事を書いているか（Googleが優先する文字数という設定は存在しない） | 文字数を埋めるための反復・抽象語の多用は減点対象にする |
| 読み終えても他のソースでより良い情報を探す必要があると感じさせるか | 読者の疑問が本文だけで解決しない場合は情報不足と冗長さの両方を疑う |
本誌自身は、抽象的な結び（「重要です」「効果的です」等）で終わる段落を「未完成」として差し戻す運用ルールを置いています。条件は、段落内に単位つき数値・固有名詞・具体的な操作動詞が1つも無いことです。AI生成文はこの種の抽象クローザーを繰り返す傾向があります。冗長さの評価では最終文だけでなく段落全体を確認します。
06AI生成記事の品質評価で評価が割れやすい点
評価者によって判定が割れやすい領域が3つあります。
| グレーゾーン | 何が起きているか | 判定のよりどころ |
|---|---|---|
| 統計データの言い換え | 出典の数値をそのまま使いつつ表現だけ変えている | 数値の出典明記があれば要約は可、解釈の追加が無ければ独自性は不足のまま |
| 実体験の裏付け | AIが一般論を「実際に使ってみると」のように体験調で書く | 自社が実際に導入・実行した記録が無ければ体験調の記述自体を削る |
| 定型的な構成の反復 | 同じ見出しパターン・同じ結び方が記事間で繰り返される | 1記事単体では違反にならないが、サイト全体で見ると量産の兆候になる |
いずれのグレーゾーンも、単独では明確な違反と言い切れません。判定に迷った場合は2点に立ち返ります。原典に無い情報を断定していないか、そして読者が既存ページより多くを得られるかです。
サイト全体で見たときの反復にも注意が必要です。Googleは大量生成の隠蔽も不正使用の例に挙げています（出典: Google Search Central）。複数のサイトを作成してコンテンツの大量生成を隠す行為です。1記事単位の品質評価だけでなく、公開済み記事の見出しパターンや結び方が偏っていないかを、定期的にサイト単位で見直す工程も合わせて持つ必要があります。
07AI生成記事の品質評価チェックリスト
- 本文中の数値・固有名詞・引用を一次情報と照合したか
- 原典に記載が無い主張を断定表現のまま残していないか
- 既存ページに無い情報・分析・実例を最低1つ加えているか
- 複数の情報源をつなぎ合わせただけの構成になっていないか
- 抽象的な結びで終わり、かつ具体的な数値や固有名詞が無い段落が残っていないか
- 特定の文字数に合わせるための反復・水増しが無いか
- 自社の実測・導入記録が無いのに体験調で書いた箇所が無いか
- 読者が既存ページより多くの情報を得られるかを自問したか
08FAQ
AI生成記事の品質評価で最も重視すべき軸はどれですか
3軸のうち優先度を1つに絞る必要はありません。ただしGoogleはE-E-A-Tの中で信頼性を最も重要な要素だと明記しています（出典: Google Search Central）。事実正確性の欠如は他の2軸で補えません。
AI生成コンテンツというだけでスパムポリシー違反になりますか
なりません。Googleはユーザーへの価値を付加することなく大量のページを生成する行為を問題視しています（出典: Google Search Central）。生成方法そのものは判定基準ではありません。
独自性の品質評価は具体的に何を確認すればよいですか
既存の検索結果に表示されている他のページと比較して、実質的な価値を提供しているかを確認します。自社の実測データや実際の導入記録を加えることが、独自性を担保する具体的な方法です。
冗長さはどう見分ければよいですか
文字数の多さではなく、抽象的な結びで終わりながら具体的な数値や固有名詞が無い段落が無いかを確認します。特定の文字数に合わせるための反復も冗長さの兆候です。
品質評価は誰が行うべきですか
執筆した本人だけで完結させず、別の担当が原典照合を行う体制が望まれます。本誌は執筆担当とは別人格の担当がファクトチェックを行う運用にしています（詳細は『AIで記事を作る工程設計｜構成から入稿までの分業表』）。
AI生成記事の品質評価チェックリストはどのくらいの頻度で使いますか
公開前に毎回使うことを想定しています。量産のペースが上がるほど、1本ごとの確認を省略しやすくなるためです。
事実正確性・独自性・冗長さのどれか1つが基準を満たせば公開してよいですか
いいえ。3軸は独立して評価する必要があります。独自性が高くても事実誤認があれば信頼性を損ないます。事実が正確でも既存ページの言い換えに留まれば独自性の基準を満たしません。
