AIエージェント28体でブログ制作を回す — 設計思想と実装の記録
「月に60本のnote記事と、4〜6本の自社ブログ記事を、どうやって品質を保ちながら出し続けるのか。」
この問いに対する私たちの答えが、28体のAIエージェントによるコンテンツ制作パイプラインでした。実はこの記事自体も、そのパイプラインの中で生まれたものです。
本稿では、Glis Productionが自社ブログ（glis-pro.com/magazine）の運営に導入したマルチエージェントの設計思想と実装を、うまくいったことも想定外だったことも含めてお伝えします。
ブログ・コンテンツ制作のボトルネック解消法とは？
私たちGlis Productionは、KDDI、東急電鉄、集英社、東京エレクトロン デバイスといった企業のデジタルメディア戦略を支援しています。その傍ら、自社でも2つのコンテンツチャネルを運営してきました。
- note — 認知獲得を目的に月60本を発信
- 自社ブログ（glis-pro.com/magazine） — 信頼構築とCV（コンバージョン）獲得を目的に月4〜6本を発信
量と質、この両方を人の手だけで維持しようとすると、以下の3つの壁にぶつかりました。
1. 工程の多さ 1本の記事を完成させるまでに、SEO調査、構成設計、執筆、編集、ファクトチェック、校正、CV導線の設計、公開作業と、少なくとも8つの工程があります。人が1つずつ順番にこなすと、1本あたり8〜12時間かかっていました。
2. 品質のばらつき 担当者の経験やコンディションによって、記事の出来が揺れる。特にファクトチェックと校正は、疲労が蓄積する後半工程で精度が落ちやすい傾向がありました。
3. 専門性の分散 SEOに強い人が文章力も高いとは限らない。逆も然り。1人の担当者にすべてを任せると、どこかの品質が犠牲になっていたのが実情です。
マルチAIエージェント・パイプラインの設計思想と採用理由
単一エージェントの限界
最初に試したのは、1つのAIエージェントに「記事を書いて」と依頼するアプローチでした。表面的にはまとまった文章が出てくるものの、SEOの観点が抜け、数字の裏取りもなく、公開に耐える品質には程遠いものだったと振り返っています。
人間の編集部がそうであるように、「調べる人」「書く人」「直す人」「チェックする人」は分けたほうが各工程の精度が上がる。この考えが、マルチエージェント設計の出発点になっています。
分業と品質保証の設計原則
私たちが採用した設計原則は3つあります。
原則1 — 1エージェント1責務 各エージェントには明確な役割を1つだけ与える。SEO Strategistはキーワード戦略だけを考え、Fact-Checkerは数字の検証だけを行います。責務を絞ることで、プロンプトの精度とアウトプットの一貫性が上がりました。
原則2 — 前工程の出力が次工程の入力 パイプラインの各フェーズは、前の工程の成果物を受け取って動きます。ResearcherのリサーチシートがDirectorに渡り、Directorの構成案がWriterに渡る。この「バトンリレー方式」により、情報の欠落を防いでいます。
原則3 — 品質ゲートを多層に設ける Editor、Fact-Checker、Proofreader、Supervising Editorと、品質チェックを4段階で実施します。Fact-Checkerは4パス検証を行い、すべての数字についてソースURLの中身まで確認する仕組みにしました。
AIエージェントによるコンテンツ制作パイプライン：12フェーズの実装全貌
以下が、1本の記事が完成するまでの流れです。
| Phase | エージェント | 処理内容 | |-------|------------|---------| | -1 | Editorial Planner | 月次編集カレンダー策定 | | 0 | SEO Strategist + Competitive Intelligence Analyst | キーワード設計と競合分析（並列実行） | | 1 | Researcher | エビデンス付きリサーチ | | 2 | Director | 記事タイプ別構成設計 | | 2.5 | Title SEO Consultant + Heading SEO Consultant | 見出しSEO最適化（並列実行） | | 3 | Writer（タイプ別分岐） | Technical Writer / Brand Storyteller / Case Study Interviewer | | 4 | Data Analyst + Thumbnail Generator + Article Illustrator | データ分析・画像生成（並列実行） | | 5 | Editor | 推敲・トーン調整 | | 6 | Conversion Architect | CV導線設計 | | 7 | Fact-Checker → Proofreader → SEO Strategist | 品質検証（順次・4パス） | | 8 | Supervising Editor | A/B/C判定（B以下は差し戻し） | | 9 | Retrospective | 振り返り・改善提案 | | 10 | Publisher | Firestore自動投入 | | 11 | Distribution Agent | X / note要約 / メルマガ / Slack通知 |
各エージェントの役割を簡潔に
編集企画層 Editorial Plannerが月次の編集カレンダーを策定し、SEOクラスター戦略に基づいてテーマを配分します。
戦略・分析層（Phase 0） SEO StrategistとCompetitive Intelligence Analystが並列で動き、キーワード設計と競合分析を同時に進めます。並列実行にした理由は、この2つの工程に依存関係がなく、待ち時間を削減できるためです。
リサーチ層（Phase 1） Researcherがエビデンス付きのリサーチシートを作成します。「エビデンス付き」とは、すべてのデータについてソースURLを明記し、そのURLの中身を実際に取得・確認した上で引用することを意味しています。
構成設計層（Phase 2〜2.5） Directorが記事タイプに応じた構成を設計し、Title SEO ConsultantとHeading SEO Consultantが見出し階層のSEO対策を行います。
執筆層（Phase 3） 記事タイプに応じて3種類のWriterが分岐します。技術レポートならTechnical Writer、思想記事ならBrand Storyteller、事例記事ならCase Study Interviewerが担当します。
ビジュアル層（Phase 4） Data Analyst、Thumbnail Generator、Article Illustratorが並列で動き、データ分析・サムネイル・記事内図解をそれぞれ生成します。
品質保証層（Phase 5〜8） Editorが推敲した後、Conversion Architectが導線を設計し、Fact-Checker → Proofreader → SEO Strategistの順で4パス検証を実施。最終的にSupervising EditorがA/B/C判定を下します。B以下は前工程に差し戻されます。
公開・配信層（Phase 10〜11） PublisherがFirestoreへ自動投入し、Distribution Agentが各チャネル向けの配信素材を生成します。
AIエージェント導入効果：コンテンツ制作の生産性・品質変化
定量的な変化
| 指標 | 導入前 | 導入後 | 変化 | |------|--------|--------|------| | 1記事あたりの制作時間 | 8〜12時間 | 2〜3時間（人の関与分） | 約75%削減 | | noteの月間発信本数 | 10〜15本 | 60本 | 4〜6倍 | | 自社ブログの月間発信本数 | 1〜2本 | 4〜6本 | 3〜4倍 | | ファクトチェックの検証パス数 | 1パス（目視） | 4パス（自動+人の確認） | 4倍 |
制作時間の「2〜3時間」は、パイプライン実行後の人によるレビュー・承認にかかる時間です。パイプラインそのものの実行は自動で進むため、担当者は並行して別の業務を進められるようになりました。
定性的な変化
品質のばらつきが小さくなったことが、数字には表れにくいものの大きな変化でした。以前は「今回の記事、ちょっとファクトチェック甘いな」ということが月に1〜2回は起きていましたが、4パス検証を導入してからはソースURLの確認漏れがほぼなくなっています。
AIエージェント導入の課題と解決策：運用で直面した問題
エージェント間の「伝言ゲーム問題」
最初の設計では、各エージェントの出力をそのまま次のエージェントに渡していました。すると、Phase 0のSEO戦略で決めたキーワードが、Phase 3のWriterに届くころには意図とずれた形で使われている、という事態が発生したのです。
対策として、各エージェントの出力に「次工程への申し送り事項」セクションを設け、重要な意思決定事項が確実に伝わる仕組みに変えました。それでも完全ではなく、Supervising Editorの最終チェックが差し戻しのセーフティネットとして機能しています。
並列実行の調整
Phase 0とPhase 4では複数のエージェントを並列実行していますが、たまに片方の出力がもう片方の前提を覆すケースがありました。たとえば、Competitive Intelligence Analystが「この切り口は競合が手薄」と分析した一方で、SEO Strategistが「検索ボリュームが少なすぎる」と判定するような場面です。
現在は、並列実行の後にDirectorが両方の出力を統合し、矛盾があれば人が判断する運用にしています。
品質ゲートの厳しさとスループットのトレードオフ
Supervising Editorの判定基準を厳しく設定した当初、記事の約40%がB判定で差し戻されていました。差し戻しのたびにPhase 3からやり直すため、スループットが想定の半分以下に落ちたことも。
判定基準の調整と、差し戻し時の改善ポイント明示を組み合わせた結果、現在は差し戻し率を15%程度まで下げることができています。
AIエージェントによるコンテンツ制作自動化のROIと工数削減効果
工数削減の試算
月間の記事制作にかかる工数を、導入前後で比較しました。
導入前（すべて人力の場合）
- 自社ブログ 4本 × 10時間 = 40時間/月
- note 15本 × 4時間 = 60時間/月
- 合計 → 100時間/月
導入後（パイプライン運用）
- 自社ブログ 5本 × 2.5時間（レビュー） = 12.5時間/月
- note 60本 × 0.5時間（レビュー） = 30時間/月
- 合計 → 42.5時間/月
本数が増えているにもかかわらず、月間の人的工数は約57%削減されています。浮いた時間はクライアントワークや新規事業の検討に充てられるようになりました。
AIエージェント市場の現在と未来：生成AIトレンドとの関連性
私たちがマルチエージェントの設計を始めた2024年後半は、まだ「AIエージェント」という言葉自体が広く使われ始めた時期でした。
2026年現在、状況は大きく変わっています。
- AIエージェント市場は2025年に約80億ドル規模に達し、2034年には2,510億ドルに成長すると予測されている（Fortune Business Insights, 2026年3月更新）
- Gartnerへのマルチエージェントシステムに関する問い合わせは、2024年Q1から2025年Q2にかけて1,445%増加した（Gartner, Multiagent Systems in Enterprise AI）
- Capgeminiの調査（1,100社以上の大企業対象）では、82%の企業が1〜3年以内にAIエージェントの統合を計画していると回答した（Capgemini, Rise of Agentic AI, 2025年7月）
一方で、Gartnerは「エージェンティックAIプロジェクトの40%以上が、コストの増大や不明確なビジネス価値を理由に2027年末までに中止される」とも予測しています。
私たちの実感としても、マルチエージェントの設計は「作って終わり」ではなく、継続的な調整が不可欠です。ただ、自社のコンテンツ制作という明確なユースケースに絞ったことで、ROIを実感できる段階に到達できたと考えています。
AIエージェントによるコンテンツ制作自動化：導入のステップと始め方
「28体のエージェント」と聞くと大掛かりに感じるかもしれませんが、私たちも最初から28体だったわけではありません。
最初に作ったのは3体でした。Researcher、Writer、Editorの3つだけで、「調べる → 書く → 直す」の最小パイプラインを組み、そこから段階的にエージェントを追加していきました。
もし同様の取り組みを検討されているなら、以下の順序をおすすめします。
ステップ1 — まず3体で始める 調査、執筆、編集の3工程を分けるだけでも、品質の底上げが見えてきます。
ステップ2 — 品質ゲートを追加する Fact-CheckerとProofreaderを加えて、公開前の検証工程を自動化します。
ステップ3 — 前後の工程を拡張する SEO戦略（前工程）と公開・配信（後工程）を自動化し、人の関与をレビューに集中させていきます。
大切なのは、最初から完成形を目指さないことです。小さく始めて、実際に運用しながら足りない部分をエージェントで補っていく。私たちもそのプロセスの途中にいます。
まとめ
28体のAIエージェントによるコンテンツ制作パイプラインは、「人がやるべきこと」と「AIに任せられること」を明確に分けることで機能しています。
私たちが得た最大の学びは、AIエージェントの価値は「1体の賢さ」ではなく「複数体の連携設計」にあるということでした。1体のエージェントにすべてを任せるより、責務を分けて品質ゲートを設けたほうが、結果として安定した成果物が得られます。
もちろん、この設計が唯一の正解だとは考えていません。記事タイプやチームの体制によって、適した構成は変わるはずです。ただ、「コンテンツ制作の工数と品質に課題がある」という企業にとって、マルチエージェントという選択肢は検討に値すると、自社の運用を通じて実感しています。
コンテンツ制作の自動化について、もう少し具体的に話を聞いてみたいという方はお気軽にご相談ください。