1. はじめに：AI連携によるブログ運用の現在地
Antigravity IDEを用いた自動投稿の運用状況
前々回の記事で紹介した、Antigravity IDEを活用したWordPressブログ記事の自動投稿システムは、現在も非常に順調に稼働している。
現在の運用フローは次の通りだ。
- 記事の作成・AIによる下書き投稿
- 下書き時点で内容の最終確認
- カテゴリ・タグ・スラッグのAI提案を受け、アイキャッチ画像を指定して本番公開
記事の執筆自体にかかる時間はブログのテーマや内容によって異なるが、作成後の本番公開までの時間は、人間による最終確認を除けばわずか数分で完了するようになった。ブログ運用の作業効率は、以前と比べて劇的に向上したと言える。
今回の取り組み：画像分析から記事を作成する試み
この自動化システムをさらに進化させるため、新たな取り組みに着手した。それが「インターネット上で公開されている外部記事の画像から情報を分析し、新しく記事を生成する仕組み」だ。
特に注目しているのが、記事内の写真に写っている「小物」の特定である。写真内の小物をAIに調べさせ、その商品の詳細や販売店情報を調査した上で、1つの記事としてまとめるアプローチだ。
従来の調査フローとの比較
従来であれば、画像に写る小物を人間が地道に検索・特定し、販売店を1つずつ調べる必要があったため、膨大な時間がかかっていた。この調査プロセスをAIに代行させることで、さらなる省力化と効率化を目指す。
この処理を以下の4つのステップに分解し、それぞれにAIを割り当てるシステム設計を考えた。
- ステップ1：元記事内の画像分析と商品情報の抽出
- ステップ2：商品情報の販売店調査
- ステップ3：記事素案の作成
- ステップ4：記事の最終確認と本番公開
2. 今回のコア技術「Gemini Spark」の活用ポイント
Gemini Sparkとは何か？
上記で定義した「ステップ1（画像分析と抽出）」および「ステップ2（販売店調査）」を担うキープレイヤーとして選んだのが、Gemini Sparkである。
Gemini Sparkは、Gemini AIのProユーザー向けに新しく解放されたモデル・機能であり、高度なマルチモーダル解析能力と高速なWebリサーチ能力を兼ね備えているのが大きな特徴だ。
自動リサーチにおけるGemini Sparkの役割（画像解析〜販売店調査）
本システムにおいて、Gemini Sparkに期待している役割は非常に明確だ。
- 画像のマルチモーダル解析: 入力された画像データから、写っている小物の特徴や製品スペックを正確に読み取る。
- Webリサーチの自動化: 抽出した商品情報を元にWeb上を探索し、現在取り扱いのある販売店や価格情報等をスムーズに集約する。
サンプルとしていくつか調査を実施してみたところ、情報の抽出処理・販売店調査ともに驚くほど短時間かつスムーズに完了した。この段階では、画像解析からリサーチまでの自動化はきわめて順調に進むかのように思われた。
3. 実証実験：Gemini Sparkによる自動情報収集の流れ
画像解析から商品抽出・販売店調査までのステップ
実際にいくつかのサイトの画像をサンプルとして用い、Gemini Sparkによる情報収集の実証実験を行った。
処理の流れは非常にシンプルだ。元記事の画像データをGemini Sparkに入力し、画像内に含まれる小物の特徴を抽出させる。その後、抽出された商品情報をベースにWeb上の販売店情報をリサーチさせた。
結果として、Gemini Sparkは膨大な時間をかけることなくスムーズに情報を抽出し、該当商品の販売店調査までを速やかに完了してくれた。手動で検索エンジンにキーワードを入力し、1ページずつ確認していく地道な作業と比較すると、処理速度の向上は圧倒的であった。
人物認識の課題と現段階での手動修正割り切り方針
一方で、検証の過程でひとつの課題も浮き彫りとなった。それは「人物の認識精度」である。
元記事の画像内に人物（特に有名人など）が写っているケースがあったため、人物情報についても自動抽出を試みた。しかし、以前記事にした検証結果と同様に、AIによる人物認識は現段階で実用レベルに達しているとは言い難い状態であった。
人物認識に関する運用方針
人物の特定精度については完璧を求めず、「後から人間が手動で修正すれば良い」と割り切って運用を進める方針とした。現状の仕様を考慮すれば、すべての工程を完全自動化しようとするよりも、一部を手動カバーとする方が現実的かつ効率的である。
この人物認識の点を除けば、情報収集フェーズにおいては大きな問題もないように思えた。
4. 検証で浮き彫りになった「微妙な誤認識」と解像度の問題
最終確認で判明した「ニットカーディガン」の微妙な食い違い
情報収集が完了した後、次のステップである「3. 記事作成の効率化」に向けてプロトタイプの構築を進めた。AIに記事素案を書かせるサンプル作成自体は恐ろしく順調に進行した。
しかし、記事を投稿する前の最終確認時、念のために元の参照サイトとAIが作成した内容を見比べた際に問題が発生した。
なんと、AIが特定した商品と元の画像に写っている商品が異なっていたのだ。
全く無関係な商品を抽出しているわけではないため、一見するとAIの「ハルシネーション（嘘の生成）」とは判断しづらい。例えるなら、元画像が「ニットVネックカーディガン」であるのに対し、AIが「ニットカーディガン」と判定してしまうような、絶妙で微妙な違いであった。
画像の「四分割・拡大」検証で分かった原因と解決の糸口
この誤認識の原因を追究するため、検証を行った。
該当の元サイト画像を人間が手動で4分割にトリミングし、該当の小物を拡大した状態で改めてAIに渡して認識させてみたのだ。
すると、AIは本来の商品を正確に認識・特定することができた。
| 検証条件 | AIの認識結果 | 精度の評価 |
|---|---|---|
| 元画像をそのまま入力 | 微妙な差異が発生（例：カーディガンの襟形状の誤認） | 実用には人間による確認が必要 |
| 四分割・拡大して入力 | 商品の特徴を正確に把握し特定成功 | 高い認識精度を発揮 |
この結果から、今回の誤認はAIの純粋な妄想というよりも、「入力された画像の解像度（視認性）」が主な原因であることが判明した。画像解像度が原因であると分かったことは前進だが、現状のままでは「人間の目による最終確認と修正の工程」が不可欠であることに変わりはない。
5. まとめと今後の展望：確認工程をどう効率化するか
人の手による「最終チェック」を前提とした現実的なAI連携
今回の実証実験を通じて、画像解析を用いた記事作成の自動化における現実的なラインが見えてきた。
Gemini Sparkを活用したリサーチやAntigravity IDEによる自動投稿など、AIのサポートによる大幅な効率化は確実に実現できている。しかし、解像度に起因する商品の微妙な誤認識が発生する以上、人間の目による最終確認・修正プロセスは運用上外せない重要な安全網となる。
完全自動化を目指すあまりチェック体制を怠ると、誤った情報を発信してしまうリスクがある。現段階では、「AIが8割の作業を高速で終わらせ、残り2割の精密な確認を人間が行う」という協調スタイルが最もバランスが良いと言える。
自動化システムのブラッシュアップに向けて
現在は、この「人間の目による確認・修正工程」をいかにしてさらに省力化・スムーズ化するかという点について、試行錯誤を続けている最中だ。
例えば、画像をAIに渡す前処理として自動で拡大クロップを行う処理を挟むか、確認用のUIを工夫して一目で差異をチェックできるようにするかなど、アイデアの検証を進めている。
今後もAntigravity IDEやGemini Sparkをはじめとする先進ツールを使い倒し、よりスマートで精度の高いブログ運用システムを追求していきたい。同様の自動化やAI連携に挑戦している読者の方にとっても、本記事の「解像度による誤認識の注意点」が参考になれば幸いである。
