「ChatGPTで記事を書いて、noteで売ろう」

この考え、もう通用しません。

やってみた人なら気づいているはずです。ChatGPTに「○○について2,000字で書いて」と指示して出てきた文章。読み返してみると、どこかで読んだことのある内容を、それっぽくまとめただけ。これに1,000円の値段をつけて、誰が買うのか。

「プロンプトをもっと工夫すれば質が上がるはず」

そう思って、「あなたは○○の専門家です」「読者の悩みに寄り添って」「具体例を3つ入れて」と指示を足していく。確かに少しマシにはなる。でも、根本的に「AIが書いた文章」の域を出ない。

なぜか。

問題は、プロンプトの書き方じゃないんです。「1回のプロンプトで記事を完成させようとしている」という、制作プロセスそのものが間違っているんです。

プロのライターが記事を書く工程を思い出してください。テーマ選定、市場調査、競合分析、構成案の作成、下書き、推敲、ファクトチェック、校正。何段階もの工程を経て、ようやく1本の記事ができあがる。

それを「プロンプト1発」で再現しようとしている。無理に決まっています。

この記事で公開するのは、筆者が実際に運用している「記事制作パイプライン」の全設計図です。

このパイプラインが生成する記事は、1本あたり2〜5万字。販売価格は1万円以上。主婦向け副業ジャンルを中心に、すでに複数本の記事を制作・販売しています。

仕組みの概要はこうです。

このパイプラインでは、2つのAIが役割分担をしています。

「Gemini 2.5 Pro」が記事を書く側。Google Search Groundingを使ったリアルタイムリサーチと、本文の執筆を担当します。

「Claude」がチェックする側。ワークフロー全体の制御、品質チェック、コンプライアンスチェック、事実検証、書き直し指示を担当します。

書く人とチェックする人を分ける。この構造が、1つのAIに全部やらせるよりも圧倒的に品質が安定する理由です。

実際の操作はこうなります。Cursor（AIコードエディタ）のターミナルでClaude Code CLIを起動し、「ネタ見つけて」と一言入力する。するとClaudeがトレンド分析から競合調査まで実行し、テーマ候補を5つ提示してくれる。その中から1つ選ぶと、あとはClaudeがGemini APIを呼び出して深層リサーチと本文執筆をさせ、返ってきた原稿に対して品質チェック、コンプライアンスチェック、事実検証を実行し、問題があれば自ら修正する。ここまですべて自動で完走します。

人間がやるのは「テーマを選ぶ」と「完成した記事を最終確認する」の2つだけです。

この記事では、このパイプラインを構成するすべての要素を公開します。

「Geminiが書き、Claudeがチェックする」2モデル構成の設計思想と、なぜ1つのAIに全部やらせると品質が落ちるのか
パイプライン全体を制御する「CLAUDE.md」の設計思想と、そのまま使える雛形
AIが書いたとバレない文章を生成するための「禁止文体パターン30個」と「推奨文体パターン」の完全リスト
Gemini 2.5 ProとGoogle Search Groundingを組み合わせた「2段階Deep Research」の仕組みとプロンプト全文
2万字超の長文記事でも品質を保つ「章単位プレミアム品質チェック」の7項目
景品表示法・著作権・プラットフォーム規約への抵触を自動検出する「コンプライアンスチェックリスト」全項目
Deep Researchを実行するPythonスクリプトの設計と実装方法

「AIで記事を書く方法」を解説する記事は山ほどあります。しかし、「実際に稼働中の制作システムの全設計図」を公開している記事は、おそらくこれが初めてです。

その前に、3つだけ確認させてください。

CursorとClaude Code CLIをインストール済みですか？（CursorはAIコードエディタで無料、Claude CodeはAnthropicのProプラン（月額$20）以上への加入が必要です。詳細は第7章で解説します）

Gemini APIキーを取得できる環境がありますか？（Googleアカウントがあれば無料で取得可能です）

noteやココナラなどで有料記事を販売する意思がありますか？

3つとも「Yes」なら、この先を読み進める準備ができています。今日中にパイプラインの初期構築を終え、最初の1記事を生成するところまで到達できます。

【第1章】なぜ「プロンプトを工夫する」だけでは売れる記事にならないのか

有料記事の世界で、ChatGPT量産型のコンテンツが売れなくなった理由は3つあります。

1つ目は、「情報の出所」が不明であること。

ChatGPTが生成する文章は、インターネット上のテキストを学習データとして統計的に「最もそれらしい次の単語」を予測し続けた結果です。つまり、無数のブログ記事やニュースサイトの情報を混ぜ合わせた「孫引き」に過ぎない。

この文章に1万円の値段をつけて売ろうとしても、読者は「どこかで見たな」と感じます。特に副業やお金、健康といったテーマは、読者自身が真剣に調べている分野です。出所のわからない情報にお金を出す人はいません。

2つ目は、「文体の均質化」です。

ChatGPTやGeminiが生成する日本語には、明確なクセがあります。「また、」「さらに、」「加えて、」で始まる文が延々と続く。「〜することが可能です」「〜という点において」という翻訳調の構文。すべての文がほぼ同じ長さで、リズムがない。

読者はこのパターンを無意識に検知します。「あ、AIが書いたやつだ」と気づいた瞬間、記事への信頼は消えます。どんなに中身が正確でも、「AIっぽい」というだけで読まれなくなるのが現実です。

3つ目は、「リサーチの欠如」です。

ChatGPTの学習データは過去の時点で止まっています。2026年4月時点の最新料金、最新機能、最新の規約変更は反映されていません。にもかかわらず、もっともらしい文章を自信満々に生成する。これがハルシネーション（AIの嘘）です。

有料記事で「このサービスは月額980円です」と書いた情報が、実際には1,200円に値上がりしていたら。読者の信頼は一発で崩れます。

では、これら3つの問題をどう解決するか。

答えは「プロンプトの改善」ではありません。「制作プロセス全体をシステムとして設計する」ことです。

具体的には、こういう発想の転換が必要です。

「情報の出所」問題 → Deep Research（Gemini 2.5 Pro + Google Search Grounding）で、リアルタイムのWeb情報を根拠として記事に注入する

「文体の均質化」問題 → Geminiのシステムプロンプトに「禁止文体パターン30個」を組み込み、さらにClaudeが出力をチェックして不自然な箇所を修正する

「リサーチの欠如」問題 → 記事完成後にClaudeがWebSearchで全ての事実情報を検証するチェック工程を自動実行する

これら全てを、1つの指示書（CLAUDE.md）に定義し、Cursorのターミナル上で起動したClaude Code CLIに実行させる。Geminiが書き、Claudeがチェックする。この2モデル構成が、本記事で解説する「記事制作パイプライン」の基本思想です。

【第2章】パイプライン全体設計：CLAUDE.mdというコントロールタワー