AI Crewだけで月100コンテンツを運営できるか。BrewUpの公開実験と測定設計

なぜ「月100本」を目標にするのか

生成AIへ依頼すれば、文字列としての100本は作れます。しかし、読者に新しい判断材料を渡さず、検索順位だけを狙うページを増やしても事業資産にはなりません。

Google Search Centralも、生成AIは調査や構造化に役立つ一方、利用者への価値を加えず大量生成する行為はscaled content abuseに該当し得ると説明しています。

100本という数字は量産目標ではなく、運用の弱点を顕在化させる負荷テストです。少数なら人の注意力で隠せる曖昧な基準、出典漏れ、重複、ブランドのぶれを、仕組みとして解決できるかを見ます。

人とAI Crewの分担

人が担うこと

• 読者と事業課題の選定
• 独自の主張、経験、公開可能範囲の決定
• 一次情報と重要な事実の確認
• 公開、修正、非公開の最終判断

AI Crewが担うこと

• 既存記事との重複確認と関連テーマの発見
• 一次情報候補の収集と論点整理
• 構成、下書き、要約、媒体別の再編集
• リンク、日付、表記、メタデータの検査
• 公開後データの集計と改善候補の提示

最終承認だけを人に残し、途中工程を完全にブラックボックス化する設計は取りません。どの根拠から何を述べ、どこを人が修正したかを追える状態にします。

公開する7つの指標

1. 制作数：公開、下書き、取り下げを分ける
2. 人間時間：企画、確認、修正、公開に使った時間
3. Crew処理時間：待ち時間と実処理を分ける
4. 修正率：事実、論理、表現、ブランド別に記録する
5. 出典エラー：誤引用、リンク切れ、二次情報依存を数える
6. 媒体別成果：閲覧だけでなく、読了、保存、指名検索を見る
7. 事業成果：問い合わせ、商談、採用、協業などへの寄与を見る

PVが増えても、修正時間と誤情報リスクが増えれば成功とは言えません。人間時間、品質、事業成果の三つを同時に見ます。

品質基準と停止条件

公開前に、正確性、独自性、読者価値、透明性、再利用性を確認します。特に、数字、制度、企業事例は一次情報へ戻り、確認できない内容は「未確認」または「仮説」と明示します。

次の状態が続いた場合は、本数を増やさず工程を止めます。

• 事実誤認や出典不一致が許容範囲を超える
• 既存記事の言い換えが増え、独自価値が下がる
• 人の修正時間が減らず、負荷だけが移動する
• 公開後の成果を次の企画へ戻せない
• 機密情報、個人情報、権利上の問題を検知できない

現時点の状態と、公開する理由

現在は、記事データの構造化、公開工程、計測の土台を整えている段階です。月100本の達成も、問い合わせ増加も、まだ確認できていません。

成果が出た後だけ公開すると、失敗した仮説、捨てた工程、人が修正した箇所が見えません。そこで、目標、測定方法、停止条件を先に公開し、結果が出なかった場合も更新します。

この実験自体をLearning Workforceの検証にします。制作するほどテーマ判断、出典確認、編集基準が蓄積し、次の制作へ戻るかを見ます。