記事づくりを半分だけ自動にする｜全部を任せると失敗する理由

記事作成の自動化は、全部任せると失敗します。半分だけ任せるのが正解です。 線引きはこうです——調べる・並べる・整えるはAIへ。決める・言い切る・確かめるは自分で持つ。このサイトの記事も、この分け方で作っています。

なお「半分」は、作業量をきっちり50%ずつに割るという意味ではありません。AIへ任せる作業と、人が手放さない判断を分ける、という覚え方の合言葉です。

この記事で分かることは3つ。全部を任せると失敗する理由、6工程の線引き、今日から使える進め方です。

全部を任せると、速く間違える

「記事 作成 自動化」と検索する人は、文章を書く時間を減らしたいはずです。そこで題名だけ渡し、調査から公開前の確認までを一度に頼むと、見た目の整った原稿は早く出ます。ただし、その速さが安心とは限りません。

理由は、AIの間違い方にあります。OpenAIの研究解説は、ハルシネーション(=もっともらしいが誤った説明を、AIが自信ありげに出すこと)が起きる一因を、こう説明しています。「分からない」と答えるより、推測してでも答える方が評価されやすい仕組みで訓練されているから、というものです(Why language models hallucinate)。つまり、文章が自然に読めることと、中身が事実であることは、別の話です。

OpenAIの公式ヘルプも、ChatGPTの答えを最終的な情報源ではなく「初稿(=最初の下書き)」として使い、引用・数字・技術的な説明・外部資料への参照は必ず確かめるよう案内しています(Does ChatGPT tell the truth?)。架空の出典や、間違った日付が混ざる例も、同じページに挙げられています。

これは他人事ではありません。私が運営する別のサイトは、確認の薄い記事のまま審査に出して、2026年7月にGoogle AdSenseから「有用性の低いコンテンツ」と判定されました。誤りが完成稿まで隠れると、結局は全文を調べ直すことになります。速く書けても、確認が遅くなるのです。

半分だけ自動にする6工程の線引き

線引きは、次の6工程で考えると迷いません。早見表にします。

工程	担当	やってもらうこと	人が確かめること・止める条件
1. 調べる	AI	読者の疑問、関連語、出典の候補を広く集める	答えをここで確定させない
2. 決める	自分	誰の悩みを解決するか、何を書かないかを一文にする	決まらないうちは次へ進まない
3. 並べる	AI	結論→理由→手順→例→まとめの順に材料を配置する	目的とずれた見出しを外す
4. 言い切る	自分	——(ここはAIに渡さない)	体験した範囲と意見を区別する
5. 整える	AI	長い文、重複、難しい言葉、表記のばらつきを直す	意味が変わっていないか読む
6. 確かめる	自分+機械	リンク切れや表記の機械検査	出典を開く、手順を再現する

AIが向くのは、候補を広げる・分類する・形式をそろえる、といった繰り返しの作業です。人が手放してはいけないのは、読者は誰か、どの主張を採用するか、体験は本当か、公開してよいか、という判断です。

Anthropicの公式ドキュメントも、順序や抜け漏れが大事な仕事では、依頼を連続した段階に分けて示すことを勧めています(Prompting best practices)。工程を分けるのは遠回りに見えて、公式が案内する使い方に沿った形です。

ひとつ注意があります。この表は「AI対人間」の完全な二分法ではありません。生成AIのリスク管理をまとめた米国の公的文書NIST AI 600-1も、出力の確認には、正解となる資料との比較・人の監督・自動評価など複数の方法を組み合わせることを提案しています(NIST AI 600-1)。工程6で機械検査と人の確認を重ねるのは、この考え方に沿っています。

進め方——人が3つ決めてから、一工程ずつ頼む

手を動かす順番は、次のとおりです。

1. 最初に、人が3つだけ決めます。 ①誰のどんな悩みを解決するか ②読み終えた人が何をできれば成功か ③この記事で扱わないこと。それぞれ一文で書きます。
2. 決めた3つを、依頼文に入れて渡します。 「AI記事作成を説明して」のような広い頼み方はしません。たとえば——「初めてAIで記事を書く人向け。読後に、出典を自分で確かめられるようになるのがゴール。ツールの料金比較は扱わない。まず読者の疑問を10個挙げて」。
3. 一度に一工程だけ頼みます。 素材集め、構成、初稿、検品、修正を別々に頼み、each(=それぞれの)結果を保存してから、採用するかを人が決めます。Anthropicのドキュメントは「初稿を作る→基準でレビューする→指摘だけを直す」という分け方を代表例として挙げています(Prompting best practices)。
4. 出典は、URL・ページ名・裏付けたい主張の3点セットで受け取ります。 そして必ず人がURLを開き、該当する記述が本当にあるかを見ます。Anthropicは、主張ごとに引用と出典を付けさせ、裏付けが見つからない主張は取り下げさせる方法を案内し、同時に「対策してもハルシネーションは完全にはなくならない」とも注意しています(ハルシネーションを減らす)。根拠が確認できない主張は、削るのが基本です。

順番の根拠も添えます。Anthropicのプロンプト設計の概要は、改善を始める前に「成功条件」「それを測る方法」「たたき台の初稿」の3つを用意するよう求めています(Prompt engineering overview)。手順1で人が決める3つは、この「成功条件を先に置く」を記事づくりに当てはめたものです。

止まる条件も決めておきます。出典が開けない、体験していない、手順を再現できない——このどれかに当たったら、次の工程へ進めません。前の工程へ戻ります。

公開前は5項目を機械と人で確かめる

公開ボタンを押す前に、次の5つを確かめます。

1. URLが開くか。 リンク切れの検査は機械に任せられます。
2. 引用と数値が原文どおりか。 出典のページを開いて、目で照らします。
3. 日付・製品名・画面が今も合っているか。 AIの機能や料金は変わりやすいので、断定せず「その時点の公式案内で確認してください」と書き添えます。
4. 手順を自分で再現できるか。 記事を見ずに同じ操作ができるか試します。一つでも再現できなければ、確かめられた範囲まで書き直すか、その説明を外します。
5. 体験と意見を、事実のように書いていないか。 「私はこう思う」と「公式がこう書いている」を分けます。

1と2の一部のような機械的な検査はAIやツールへ、3〜5のような意味・経験・公開責任にかかわる判断は人へ残します。前述のNIST AI 600-1が示す「人の監督と自動評価を組み合わせる」の、個人でもできる形です。失敗が見つかったら、該当する工程(出典なら工程1へ、表現なら工程4へ)に戻します。

よくある質問

AIに本文を書かせてはいけませんか？

禁止ではありません。OpenAI自身が、出力を初稿として使うことを案内しています(Does ChatGPT tell the truth?)。ただし、目的と構成を人が決め、出典・数値・引用・手順を検証し、公開稿として採用するかの判断は人が持ちます。

検索機能があるAIなら、出典確認は不要ですか？

不要にはなりません。検索で新しい情報や出典の候補は得やすくなりますが、正確さが大事な場面ではリンクを実際に開いて確かめることが、公式ヘルプでも案内されています。候補集めが速くなるだけで、確認の担当は変わりません。

どの工程から自動化すれば、時間を減らせますか？

「調べる」からがおすすめです。読者の疑問候補を集める、材料を分類する、見出し案を作る、表記を整える——このあたりは失敗しても直しやすい作業です。事実の採否や公開判断はAIへ渡さず、まず一工程だけ試して、効果を見てから広げます。

AIが示したURLが開けないときはどうしますか？

そのURLを根拠に使いません。製品の公式サイトの中で、ページ名や主張を検索し直します。実在する一次資料(=発信元が自分で出している資料)で該当の記述を確認できなければ、その主張は削るか、「未確認」と明示します。架空の出典は、AIの間違い方の代表例として公式ヘルプにも挙げられています。

まとめ

読者のあなたが次にやることは、この3つです。

• 次に書く記事で、まず「調べる」だけをAIへ頼んでみる(いきなり本文まで頼まない)
• AIが出した出典のURLを、1本ずつ自分で開いて、該当する記述があるか見る
• 公開前チェック5項目(URL・引用・日付・再現・体験の区別)を、自分の記事に1回かけてみる

任せる量を機械的に半分にするのではなく、候補づくりと整形は広く任せて、目的・採用・事実確認・公開判断は人が持つ。これがこの記事の原則です。

公式一次情報

確認日: 2026-07-26

• Does ChatGPT tell the truth?: ChatGPTは誤った出力を自信ありげに返すことがあり、初稿として使って引用・データ・参照を確認するようOpenAIが案内している
• Why language models hallucinate: ハルシネーションを「もっともらしいが誤った記述」と定義し、推測が評価されやすい訓練・評価の構造が一因だと説明している
• Prompt engineering overview: プロンプト改善の前に、成功条件・それを測る方法・改善対象の初稿の3つを用意するよう案内している
• Prompting best practices: 出力形式と制約を明確にし、中間出力を確認したいときは依頼を複数回に分ける(初稿→レビュー→修正)方法を案内している
• ハルシネーションを減らす: 主張ごとに引用と出典を付けて検証し、裏付けのない主張は取り下げさせる方法と、対策しても完全にはなくならない注意を載せている
• NIST AI 600-1: 生成AI出力の評価に、正解資料との比較・人の監督・自動評価など複数の方法とファクトチェック手法の導入を提案する米国の公的文書