AI検索対策のプロンプト例。記事制作6工程と人が担う判断

この記事のまとめ

AI検索を意識した記事制作は、プロンプトで下書きを効率化し、人が事実と責任を引き受ける運用が土台となります。本記事では、キーワード調査から構成案の作成、本文執筆、ファクトチェック、AI検索向けリライト、メタ情報作成に至る6工程について、プロンプトの狙いと確認ポイントを整理します。さらに、AIに任せる作業と人が判断すべき作業の線引きを4つの視点から解説します。

AIの回答内で引用された状況を確認できるツールが登場しており、可視性と引用は異なる指標として区別されています。
生成AI機能も検索インデックスやランキングシステムを基盤としているため、従来のSEOを実直に行うことが基本です。
6つの工程ごとに、入力する情報と出力の確認ポイントを定めてプロンプトを使い分けます。
生成結果には誤情報や架空の出典が含まれる懸念があるため、公開前の事実確認や一次情報の追加は人が担当します。

AI検索時代に記事制作が変わる理由

AI検索での引用と可視化

AI回答に自社記事が参照されているかどうかは、Bing Webmaster Toolsで把握できるようになっています。

Bing Webmaster Toolsに「AI Performance」機能が追加されました。これは、AI要約や提携パートナー機能において、自サイトがどう表示されているかを把握できる機能です。生成AIの回答内でコンテンツが引用される頻度をはじめ、参照されたURLや引用推移も確認できます（参照*1）。

着目すべき指標は1つだけではありません。「可視性」は、リンクの有無を問わずAIが回答内でブランドやテーマに言及することを指します。私がAI検索対策を考えるうえで重要だと感じるのも、まずこの区別です。

一方「引用」は、AIが情報源として自社ドメインのURLをリンク付きで明示することです。可視性はブランド認知、引用はコンテンツ構成の課題として整理されています（参照*2）。

このように、名前が言及されているか、リンク付きで引用されているかは切り離して検証する必要があります。

従来のSEOとの関係

AI検索対策は、従来のSEOと完全に切り離された別物ではありません。私自身、この点を見落としている相談を多く受けます。

生成AI機能も、既存の検索インデックスやコアランキングシステム、品質評価システムを土台に動作していると公表されています。そのため、新たな対策に手を広げるよりも、従来のSEOを着実に実行することが基本です（参照*3）。

一方で、生成AI向けの実践的な手引きも公開されています。5月15日には、検索の生成AI機能向けにウェブサイトを最適化するための指針が発表されました。サイト所有者やSEO担当者、開発者が、生成AI機能および検索全体での表示を見据えてコンテンツを最適化する手がかりとなります（参照*4）。

プロンプトを活用する際も、この基本的な前提から外れないことが肝要です。新しい対策ばかりに目が向きがちですが、土台となるコンテンツの質と技術的な健全性なしに、AI検索での引用は期待できません。

記事制作6工程のプロンプト例

キーワード調査のプロンプト

最初の工程では、読者の疑問や検索キーワードの候補を広げる作業をAIに任せます。ここはAIが得意な領域であり、人間が一人でブレインストーミングするより、はるかに短時間で網羅的な候補を出してくれます。

プロンプト例としては、「このテーマに関して読者が抱きやすい疑問や、関連するサブトピック、主題語を挙げてください」と指示する方法があります。生成AIはトピックの提案や、検索キーワード、主題語、ブール検索式の作成に有用です。ただし、自身の思考の幅を狭めないよう、あくまで初期の足がかりとして活用することが推奨されています（参照*5）。

出力結果を確認する際は、提示された数値を盲信しない姿勢が重要です。検索ボリュームやキーワード難易度、ドメイン評価などは、SEOツール提供元の独自算出による推定値であることが多いためです。比較の参考程度にとどめ、Search Consoleの実データや顧客からの質問、事業価値と照らし合わせて最終判断するのが私の基本スタンスです（参照*3）。

AIが出力した候補を精査せず、そのまま制作工程に進めてしまうのは避けたい失敗例です。

構成案作成のプロンプト

構成案を作成する際は、あらかじめフォーマットを提示することで骨組みが安定します。私の場合、まず「この記事で読者に何を判断させたいか」を一行で決めてからプロンプトを書きます。

ポイントはAIにすべてを任せるのではなく、目的や背景、提案内容といった企画書の構成順序をあらかじめ指示することです。全体の枠組みさえ指定すれば、AIは漏れのない構成案を返してくれます（参照*6）。

一度の指示で完結させず、対話を重ねます。AIツールはスケジュール作成やスライド構成、各種執筆課題の骨子作成にも対応できます。プロンプトを調整しながら、情報の取捨選択や優先度を変えた複数の案を検討し、自身の原稿構成を深める契機として活かす進め方が適しています（参照*7）。

最初に出力された1案だけを採用して作業を進めるのは避けます。構成案こそ、複数案を並べて比較する工程に時間をかける価値があります。

本文執筆のプロンプト

本文執筆の指示では、読者が意思決定を下すために必要な情報が網羅される状態を目指します。ここで私がプロンプトに必ず入れるのが、「事実として断言できない箇所は『要確認』と注記せよ」という一文です。

狙いを明確にする基準はコンテンツの充足度です。読み応えは文字の量ではなく、読者が判断するために欠かせない情報が過不足なく整理されているかで決まります。検索キーワードを過剰に詰め込むのではなく、タイトルやH1、導入文、見出しで主題を明確にし、本文中で読者の疑問へ的確に答えることが基本です（参照*3）。

「要確認」の注記が残された箇所は、後続の工程で人が責任を持って事実確認します。この仕組みを入れておくだけで、ファクトチェックの抜け漏れが格段に減ります。

ファクトチェックのプロンプト

ファクトチェック工程におけるAIの役割は、論拠が乏しい記述の洗い出しです。

プロンプト例としては、「以下は私の文章の一節です。より具体的な根拠や補足説明が求められる主張を指摘してください」や、「この主張に裏付けのない前提が含まれていないか精査し、補強すべき根拠を挙げてください」といった指示が有効です。段落や主張、構成案を直接提示して確認させます（参照*5）。

ただし、この確認作業をAIだけで完結させることはできません。大規模言語モデルは事実を能動的に調べるのではなく、学習データに照らして確率の高い語句を繋ぎ合わせているに過ぎないからです。私自身、AIが自信満々に提示した数値が実際には存在しなかった、という経験を何度もしています。

そのため、出力結果には不正確な情報、すなわちハルシネーションが含まれる可能性があります。公開前には人間がファクトチェックを実施し、正確性と信頼性を担保することが欠かせません。

AI検索向けリライトのプロンプト

リライトの工程では、結論を冒頭に示し、情報が効率的に抽出されるよう整えます。AIエンジンに引用されやすい構造は、人間にとっても読みやすい構造とほぼ一致しているというのが、私の実感です。

改善の視点は、引用されない要因を分析することから見出せます。同記事の診断では、可視性が40%以上と高いにもかかわらず引用率が15%未満にとどまる場合、記事構成に改善の余地があります。主な要因は3つ挙げられています（参照*2）。

canonical URLが別ページを指定している
BlogPostingやHowToなどの構造化データが不足している
要となる結論がスクロール後の深部に埋もれている

データの見せ方の工夫も有効です。Markdown形式の表を導入すると、AIエンジンが文章中の数値よりも正確にデータを抽出しやすくなります。表構造であれば各セルの関係性を直接解析しやすいためです（参照*2）。

ただし、むやみに文章を細分化すればよいわけではありません。AIへの配慮だけを目的に文章を細切れにする必要はないとされています。簡潔さが適した題材もあれば詳細な解説が必要な主題もあるため、読者の判断に資する適切な単位で構成を組み立てます（参照*3）。

メタ情報作成のプロンプト

最終工程は、タイトルやメタディスクリプションの作成と、その記載内容の精査です。ここもAIに下書きを作らせること自体は問題ありませんが、本文との整合性チェックは必ず人間が行います。

プロンプトには本文を添えた上で、「本文の記述に即してタイトル案と説明文案を作成してください」と指示します。タイトル要素やメタディスクリプション、構造化データ、画像のalt属性といった検索結果に関わるメタデータも、本文と同様に公開前の厳密なチェック対象となります。

チェック時の要点は、ページ本文とメタデータの内容が合致しているか否かです。実在しない口コミやFAQ、著者情報をマークアップしないことや、JSON-LD内の日付や見出し、著者、パンくずリストを実表示と一致させ、リッチリザルトテストやSearch Consoleで検証することが求められます（参照*3）。

本文で言及していない情報をメタデータに混入させてしまうケースは、不備の1つです。

AIに任せる工程と人が担う判断

工程ごとの役割分担

下調べや構成の整理にはAIを活用し、公開コンテンツへの最終責任は人間が負います。私はこの線引きを「候補を生成する工程はAI、採用と検証の工程は人間」と整理しています。

AIを調査や骨子作成に役立てること自体は問題ありません。問題視されるのは、独自価値のない類似記事の乱造、架空の体験談、未検証の数値、根拠のない断定表現です。AIで記事を量産できるようになるほど、こうした粗製乱造のコンテンツが増えやすくなる。だからこそ、人間が介在する工程の価値が上がると私は考えています。

これらは読者の信頼を損なうだけでなく、低品質な大量生成コンテンツとしてスパムポリシー違反に当たる可能性があります。発信者自身が内容を精査・編集し、責任を持てる情報のみを公開します（参照*3）。

人間による判断を組み込む姿勢は、行政のガイドラインでも重視されています。総務省と経済産業省の資料では、AI出力の公平性などを担保するため、システム単独の判断に頼るのではなく、適切な段階で人間の判断を介在させる運用の検討が求められています（参照*9）。

6つの工程においては、アイデア出しや構成案、下書き、言い換え案の作成をAIが支援し、採用の判断と事実確認を人が担う分担が適しています。逆に言えば、この分担を曖昧にしたまま運用しても、速くなるだけで品質は上がりません。

一次情報と専門家の知見を加える位置

競合コンテンツとの差別化は、他サイトでは代替できない独自情報を取り入れる場面で生まれます。AIがどれだけ高性能になっても、現場でしか得られない情報はAIには書けません。

盛り込む独自情報の例は8つあります（参照*3）。

自社の実測値
失敗談
比較基準
実務で寄せられた相談
独自の図解
画面キャプチャ
撮影画像
計算ロジック

私自身、会社設立から15年近く広告やPRに頼れない状況で情報発信を続けてきた経験から言えば、こうした1次情報は資金が少ない企業でも今すぐ始められる、インパクトの大きい施策です。大規模な調査や外部専門家のコメントがなくても、顧客から寄せられた質問、社内での失敗と判断、比較検討プロセスを素材にすれば、外部ライターには再現できない専門性として機能します。

情報を提示する際に明確にする前提条件は3つあります（参照*3）。

料金や仕様、公的制度、各種統計は公的資料などの一次ソースへリンクし、確認日時を記録します。
社内調査のデータには測定端末や通信環境、地域、キャッシュ状態、試行回数といった条件を明記します。
体験談では事実と所感を区別した上で、利害関係も透明に開示します。

こうした独自要素は、本文執筆およびファクトチェックの工程で意識的に組み込みます。構成案の段階で「この記事に入れる1次情報は何か」を先に決めておくと、下書きの質が大きく変わります。

よくある失敗と公開前チェック

誤情報と架空の出典

AIによる生成結果には、誤った記述や情報の抜け落ち、ハルシネーションによる虚偽情報が含まれる場合があります。実在しない引用や偽の参照先が出力されることもあるため、元の情報源と直接照らし合わせた綿密な検証が不可欠です（参照*10）。私が運営するメディアでも、AIが自信を持って提示した統計データが実際には存在しなかったケースを経験しています。見た目が整っているほど、読者も書き手も信じやすいので注意が必要です。

特に出典の提示を求めた際には細心の注意を払う必要があります。AIは文献の引用を指示された際、一見すると体裁の整ったもっともらしい参考文献を提示することがありますが、それらが完全に架空であったり内容が誤っていたりする場合があるためです（参照*7）。

情報の取り扱いと量産の注意

入力するデータの機密性と、制作する記事の総数の双方に配慮しなければなりません。

外部への漏洩を防ぐべき機密情報は、生成AIツールへ入力しないよう徹底が求められます。ツールによっては、プロンプトに入力された内容が学習データとして取り込まれ、他のユーザーへの回答に再利用される可能性があるためです（参照*7）。

また、記事の量産そのものが目的化すると別のリスクを招きます。生成AIを活用して読者への提供価値がないコンテンツを機械的に量産した場合、検索スパムポリシーに抵触する恐れがあります。AIでSEO記事を量産できるようになるほど、SEO記事そのものの価値は下がるというのが私の見立てです。量より、引用される理由のある1次情報を持つ記事を積み上げることに集中すべきです。

公開前には、入力情報の安全性と、その記事が読者に新たな価値を提供できているかを検証します。

おわりに

AI検索を意識した記事制作では、6つの工程に合わせてプロンプトを使い分け、裏付け調査や一次情報の補強を人が担う運用が肝要です。生成AI機能も従来の検索基盤の上に成り立っているため、堅実なSEOを継続することが基本です。私自身、新しいAI対策の前に「そもそも引用に値するコンテンツがあるか」を問い直すことが最も効くと実感しています。

公開前のファクトチェックを手作業で行い、自社として責任を持てる品質に仕上げる姿勢は、どのプロセスでも変わりません。キーワード選定から最終確認までの全工程を包括的に支援したい場合は、ワークワンダースへお気軽にご相談ください。

監修者

安達裕哉（あだちゆうや）

デロイトトーマツコンサルティングにて品質マネジメント、人事などの分野でコンサルティングに従事しその後、監査法人トーマツの中小企業向けコンサルティング部門の立ち上げに参画。大阪支社長、東京支社長を歴任したのち2013年5月にwebマーケティング、コンテンツ制作を行う「ティネクト株式会社」を設立。ビジネスメディア「Books&Apps」を運営。
2023年7月に生成AIコンサルティング、およびAIメディア運営を行う「ワークワンダース株式会社」を設立。ICJ2号ファンドによる調達を実施(1.3億円)。
著書「頭のいい人が話す前に考えていること」が、95万部（2026年6月時点）を売り上げる。
（“2023年・2024年上半期に日本で一番売れたビジネス書”（トーハン調べ／日販調べ））