AI記事がSEOで不利になる——そんな誤解が広まっている。しかし問題はAIで書いたことではなく、E-E-A-Tの基準を満たしているかどうかだ。Googleの評価基準を正しく理解すれば、AI記事でも高い評価を得られる。
E-E-A-Tとは何か——Googleの品質評価の4軸
E-E-A-Tとは、Googleが検索品質評価ガイドライン（Search Quality Evaluator Guidelines）の中で定義している、コンテンツ品質を測る4つの要素の頭文字をとったフレームワークだ。2022年12月に「Expertise（専門性）」「Authoritativeness（権威性）」「Trustworthiness（信頼性）」の従来のE-A-Tに、新たに「Experience（経験）」が加わりE-E-A-Tとなった。
この追加は、実際の体験に基づくコンテンツをGoogleが重視するようになった転換点として業界に広く認知されている。
4つの要素の定義
| 要素 | 英語 | 意味 | 重要度の目安 |
|---|---|---|---|
| Experience（経験） | 一次体験・実体験 | 書き手が実際にその対象を使った・体験した証拠があるか | ★★★★★（2022年以降急上昇） |
| Expertise（専門性） | 知識・技術の深さ | そのテーマについて深く正確な知識を持っているか | ★★★★☆ |
| Authoritativeness（権威性） | 外部からの評価 | 他のサイト・メディアから引用・言及されているか | ★★★★☆ |
| Trustworthiness（信頼性） | 情報の正確性 | 情報が正確で、誤解を招かない誠実な発信か | ★★★★★（最重要） |
Googleはこの中でもTrustworthiness（信頼性）を最上位に置いている。公式ガイドラインには「T（信頼性）はE-E-A-Tの中心にある（Trustworthiness is the most important member of the E-E-A-T family）」と明記されている。
どんなコンテンツにE-E-A-Tが特に重要か
医療・法律・金融など、生活に直接影響を与える分野は「YMYL（Your Money or Your Life）」と呼ばれ、E-E-A-Tの審査が特に厳しい。しかしビジネスメディア・オウンドメディアが扱う業界知識・実践ノウハウも、同様の基準が適用される傾向が強まっている。
AI記事はGoogleに嫌われるのか——「書いた手段」より「コンテンツの質」
よくある誤解から先に結論を出す。GoogleはAIで生成されたコンテンツを、それだけを理由としてペナルティの対象にはしていない。
2023年2月、GoogleはSearch Central Blogで公式見解を示した。
> 「私たちのランキングシステムが報いるのは、高品質なコンテンツです。それがどのような手段で制作されたかは問いません。」
> —— Google Search Central Blog（2023年2月）
つまり問われているのは制作手段ではなく、コンテンツそのものの質だ。ただし同時に、Googleは「検索結果を操作する目的で大量生成されたAIコンテンツ」はスパムポリシー違反として排除する方針も明確にしている。
Googleが問題視するAI記事の特徴
| 問題のある使い方 | 具体例 |
|---|---|
| 一次情報ゼロの量産 | プロンプトに「〇〇について1000字で書いて」を繰り返しただけ |
| 事実確認なし | AIの出力を無検証のまま公開（数値・固有名詞の誤りが多発） |
| 著者・監修者が不在 | 誰が書いたか、誰がレビューしたかが明示されていない |
| 体験ゼロの体験談 | 使ったことのないサービスの「使ってみた」レビュー |
| 差別化要因なし | 他の記事と内容・構成がほぼ同一 |
逆に言えば、これらを解決すればAI記事でもGoogleの評価基準を満たせる。
AI記事でE-E-A-Tを満たす——5つの実践施策
E-E-A-TをAI記事で実現するには、AIの出力を起点にしつつ、人間の経験・専門性・信頼性を上乗せしていく制作プロセスが必要だ。具体的な施策を5つ紹介する。
施策①：著者情報の充実（Trustworthiness + Authoritativeness）
著者プロフィールは「誰が書いたか」を検索エンジンとユーザーに伝える最重要シグナルだ。
- 著者名：実名 or 組織名を明記する。「編集部」だけでは不十分
- 略歴：そのテーマにどんな実績・経験があるかを3〜5行で書く
- 外部リンク：LinkedIn、登壇実績、著書、他メディアへの寄稿があればリンクを貼る
- 監修者の追加：医療・法律・金融など専門性が問われる分野は、資格保有者の監修を入れる
opus LLCがsonataで制作する記事では、インタビュイーの経歴や職歴がそのまま「体験」「専門性」のエビデンスになる。インタビュー記事は構造的にE-E-A-Tと相性が良い。
施策②：一次情報の組み込み（Experience + Expertise）
AIが生成できないのは「実体験に基づくデータ」だ。以下の一次情報を意図的に組み込む。
| 一次情報の種類 | 具体例 |
|---|---|
| 自社データ | 「当社の調査では〇〇社中△△社が…」 |
| 顧客インタビュー | 導入企業の声・具体的な課題と解決プロセス |
| 実測値・検証結果 | 「A/Bテストを30日間実施した結果…」 |
| 担当者のコメント | 実務担当者が語る現場のリアル |
| 現地取材・写真 | イベントレポート、工場見学、施設訪問など |
特に「インタビュー起こし」はE-E-A-T強化に最も効果的な手法の一つだ。リアルな語り口に含まれる固有の体験・数値・判断プロセスは、AIが一から生成することができない。
施策③：ファクトチェックの徹底（Trustworthiness）
AI生成テキストで最もリスクが高いのが「ハルシネーション（もっともらしい嘘）」だ。公開前に以下を必ず確認する。
- 数値・統計：出典を明記し、一次資料へのリンクを貼る（調査年度も記載）
- 固有名詞：企業名、人名、法律名、サービス名の表記ミスをゼロにする
- 最新情報の確認：法改正、サービス仕様変更、業界動向など時間経過で変わる情報を再確認
- 引用の正確性：「〇〇社は〜と述べた」という引用は原文を確認してから使う
ファクトチェックのコストを下げるには、AIに「出典を示してください」と指示するか、信頼度が高いドメイン（政府機関・学術誌・主要メディア）のみを参照させるプロンプト設計が有効だ。
施策④：独自の見解・主張の追加（Expertise + Experience）
E-E-A-Tの観点で弱いAI記事の最大の特徴は「何も主張していない」ことだ。「〇〇にはメリットとデメリットがあります。状況に応じて判断しましょう」——こういった中立すぎる記事はユーザーにとって価値が低く、Googleも高く評価しない。
独自性を出す方法は以下の通り。
- 自分の立場を明確にする：「私たちは〇〇より△△を推奨する。理由は——」
- 反論に答える：「〇〇という意見もある。しかし実態は——」
- 業界の常識を疑う：「従来は〇〇とされてきたが、現場では——」
- 判断基準を示す：「AとBのどちらを選ぶべきか——決め手は〇〇だ」
sonataで実施するインタビュー記事は、話者の固有の判断基準・失敗体験・成功の理由が自然に盛り込まれる。これがAI生成との本質的な差別化になる。
施策⑤：定期的な更新と鮮度の維持（Trustworthiness）
公開後も記事の鮮度を保つことがE-E-A-T維持には不可欠だ。
| 更新の種類 | 推奨頻度 | 対応内容 |
|---|---|---|
| 軽微な修正 | 随時 | 誤字・数値の訂正、リンク切れの修正 |
| 情報更新 | 半年〜1年 | 統計数値の更新、サービス仕様変更の反映 |
| 大幅リライト | 1〜2年 | 記事構成の見直し、新しい一次情報の追加 |
記事の最終更新日を明示することも、読者とGoogleへの信頼性シグナルになる。
E-E-A-Tが弱いAI記事の典型パターンと改善策
実際のオウンドメディア運用の現場でよく見られる「E-E-A-T失点パターン」を整理する。自社の記事をセルフチェックする際の基準として活用してほしい。
パターン1：「誰でも書けるガイド系記事」の量産
症状：「〇〇とは？わかりやすく解説」「〇〇の始め方5ステップ」のような入門記事が多く、すべて同じような内容になっている。
なぜ弱いか：このカテゴリは既に大量のコンテンツが存在しており、AIが生成した平均的な記事が勝てる余地は小さい。Experience（経験）とExpertise（専門性）の両方が弱い。
改善策：
- 「なぜうちが書くのか」という理由がある記事にフォーカスする
- 自社サービスの導入事例・失敗例・特殊ケースなど、他社が書けない内容に絞る
- 既存の入門記事は「一次情報の追加」でアップデートし、差別化する
パターン2：著者が実体のない「編集部」だけ
症状：全記事の著者が「〇〇編集部」のみ。著者プロフィールの詳細なし。
なぜ弱いか：誰が書いたかが不明なコンテンツは、Authoritativeness（権威性）とTrustworthiness（信頼性）の両方でマイナス評価を受けやすい。
改善策：
- 編集部の中でも「このテーマを担当する個人」を指名し、略歴を充実させる
- 社外の専門家監修を付け、監修者のプロフィールと資格を明記する
- テーマごとに担当著者を固定し、継続的にその著者の記事を増やしてAuthority（権威）を積み上げる
パターン3：数値は多いが出典がない
症状：「〇〇を導入した企業の80%が効果を実感」「市場規模は2030年に〇兆円」などの数値が多用されているが、出典リンクがない。
なぜ弱いか：AI生成特有の「もっともらしい数値」が含まれるリスクが高い。Trustworthiness（信頼性）を根本から損なう。
改善策：
- 全数値に出典（調査機関名・調査年度・URL）を付ける
- 出典がとれない数値は削除するか「当社調べ」として一次データを取得する
- AIへの指示で「この数値の根拠を教えてください」とフォローアップする習慣を持つ
パターン4：体験談が実体のないフィクション
症状：「A社ではこんな課題がありました……」という事例が具体的に見えて、実は架空の事例。
なぜ弱いか：Googleの評価以上に、ユーザーからの信頼を失うリスクがある。発覚した場合のブランドダメージは大きい。
改善策：
- 事例は実際の顧客インタビューをベースにする。匿名でも構わないが「実際のケース」と明記する
- インタビューが難しい場合は「仮説ケース」として明示し、「このような状況が考えられます」という書き方にとどめる
公開前チェックリスト——E-E-A-T基準の確認項目
以下のチェックリストを記事公開前の最終確認として使用する。すべての項目にチェックが入らない場合は、公開を保留して該当箇所を補強すること。
E（Experience：経験）
- [ ] 著者または引用者が実際にその対象を体験・使用した記録が含まれているか
- [ ] 具体的な日時・数値・状況が書かれているか（「〜した気がします」ではなく「〜した」）
- [ ] 体験に基づく失敗例・注意点が含まれているか
E（Expertise：専門性）
- [ ] 著者のテーマに関連する専門知識・実績が記事内またはプロフィールに明記されているか
- [ ] 業界固有の用語・判断基準を正確に使えているか
- [ ] 表面的な解説だけでなく「なぜそうなのか」という理由・背景が書かれているか
A（Authoritativeness：権威性）
- [ ] 信頼できる外部ソースへのリンクが含まれているか（一次資料・公的機関・学術論文等）
- [ ] 著者または自社の外部での活動実績（メディア掲載・登壇等）が紐付いているか
- [ ] 他サイトが引用したくなるオリジナルデータ・見解が含まれているか
T（Trustworthiness：信頼性）
- [ ] 全ての数値・統計に出典が明記されているか
- [ ] 固有名詞（企業名・人名・サービス名・法律名）の表記を原文と照合したか
- [ ] 著者名・公開日・最終更新日が明記されているか
- [ ] 誤解を招く表現・誇大な主張がないか
- [ ] プライバシーポリシー・特定商取引法の表示など法的要件を満たしているか
総合品質
- [ ] 似た記事と比較して「この記事でしか得られない情報」が含まれているか
- [ ] 記事を読んだ後、読者が取るべき行動・次のステップが明確か
- [ ] モバイルでも読みやすいフォーマットになっているか
AI記事の品質はプロンプトの工夫だけでは上限がある。E-E-A-Tを満たすには、AIの生成能力と人間の体験・判断・責任を組み合わせる制作プロセスの設計が本質だ。「AIが書いたから」ではなく「何を、誰の名前で、どんな根拠で発信するか」——この問いに答えられる組織だけが、AI時代のSEOで継続的に優位に立てる。
🎵 この記事は sonata で制作しました
AIコンテンツ制作プラットフォーム「sonata」で、インタビュー音声や企画メモから、プロ品質の記事を制作できます。
→ https://sonata-ai.app
