AIにサイト運営をどこまで任せるべきか？人間承認とログの価値

AIにサイト運営を任せるなら、最初に自動化してよいのは「候補収集」「調査メモ」「下書き」「差分整理」「QA補助」までです。逆に、本番公開、権限変更、システム設定、外部サービス接続、個人情報や秘密情報を含む入力は、人間承認を残すべきです。

これはAIを信用しないという話ではありません。AIエージェントは、長い作業を速く積み上げる方向へ明確に進んでいます。だからこそ、どこを任せ、どこで止めるかを先に決めないと、便利さの裏で「人間が見ていない変更」が増えます。

この記事は、公式発表とGEPPOUの運営設計に基づく論考です。特定のGitHub Agentic Workflows運用を実機検証した記事ではありません。GEPPOU運営者の観察は、公式発表で確認できる事実とは分けて扱います。

なぜ今、AIにサイト運営を任せる話が現実的になったのか？

OpenAIの2026年6月25日の記事は、エージェント型AIが短いチャットから、数十分から数時間の委任作業へ広がっていると説明しています。OpenAIは、Codexの利用が社内の非エンジニア部門にも広がり、長い作業や職務境界をまたぐ作業に使われていることも示しています。

サイト運営で考えると、これはかなり大きい変化です。従来のAIは「記事案を出す」「文章を直す」程度でした。いまのエージェントは、ソースを調べ、既存記事と重複を見て、Markdownを編集し、ビルドし、差分を説明するところまで進めます。

GEPPOUで毎日走っている source scan、つまり公式情報を自動巡回する仕組みも、この流れに近い使い方です。公式一次情報を巡回し、記事候補を拾い、候補レポートとして残します。ただし、公開中のページや記事ファイル、つまり本番コンテンツは変更しません。ここが重要です。

AIに任せてよい作業と止める作業は？

最初の線引きは、次のように置くのが現実的です。

作業	AIに任せる度合い	理由
公式一次情報の候補収集	高い	公開URLだけを対象にでき、失敗しても公開影響が小さい
既存記事との重複確認	高い	リポジトリ内検索で機械的に確認しやすい
調査メモ作成	高い	事実、推論、不明点を分けて残せる
Markdown下書き	中〜高	人間の観察を足せば記事価値が出るが、根拠確認は必要
ビルド・リンク・構造化データ確認	中〜高	コマンドで再現しやすい
commit	中	差分が小さく、意図が明確な場合は任せやすい
push	中〜低	公開ブランチやCI/CDと結びつくため承認が必要
本番公開	低い	読者、検索、外部リンク、法務、個人情報の影響が出る
権限・システム設定変更	低い	事故時の影響範囲が広い
個人情報を含むデータ接続	原則止める	入力境界が崩れると記事やログへ混入する

AIに任せるかどうかは、文章のうまさではなく「失敗時にどこまで戻せるか」で決めます。候補収集や調査メモは戻しやすい。本番公開や権限変更は戻せても外部に影響が出ます。

GitHub Agentic Workflowsは何を示している？

GitHub Agentic Workflowsのpublic preview、つまり正式提供前の公開試験版の発表では、Issue triage、CI failure analysis、documentation updates などの作業を、GitHub Actions内のcoding agentsで自動化できると説明されています。ここでいうIssue triageはGitHub上の課題整理、CI failure analysisは自動テストやビルド失敗の原因調査、documentation updatesはドキュメント更新です。どれも単なる文字変換ではなく、状況を読んで判断する作業です。

これは「AIがGitHubの外で勝手に作業する」というより、GitHub ActionsというGitHub上の自動実行機能の中でエージェントを動かす設計です。runner groupsは実行環境のまとまり、policy constraintsは組織やリポジトリで決めた制限ルールです。GitHubは、初期状態では読み取り中心にすること、隔離されたコンテナ内で動かすこと、Agent Workflow Firewallで外部通信や危険な動きを抑えること、安全な出力だけを通すこと、脅威検知ジョブで変更を検査することも説明しています。

さらに同日の別発表では、Agentic WorkflowsがGitHub ActionsのGITHUB_TOKENを使えるようになり、長期Personal Access Tokenを管理するリスクを減らす方向も示されました。Personal Access Tokenは、人間のGitHubアカウントに紐づく長期の認証キーです。便利ですが、漏れると広い権限を悪用される可能性があります。GITHUB_TOKENはGitHub Actionsの実行ごとに使うトークンで、運用上は長期キーを置きっぱなしにしない設計に近づきます。

ここから読み取れるのは、AI運営の正解が「AIに全部渡す」ではないことです。むしろ、AIを既存の権限、ログ、ワークフロー、予算管理の中に閉じ込める方向へ進んでいます。

GEPPOUではどこまで自動化する？

GEPPOUの現時点の安全ラインは次です。

1. Automation、つまり定期的にAI作業を走らせる設定は、公式一次情報の候補収集まで行う
2. 候補から調査メモを作る
3. 調査メモには検索意図、直接回答、一次情報、主張と根拠、不確実な点を残す
4. 運営者である私が構成と一次情報を確認する
5. CodexがMarkdown本文を書き、QA、つまり公開前の品質確認を行う
6. 本番公開は承認ゲートを挟む

この設計では、AIはかなり働きます。毎日の候補収集、記事構成、本文化、リンク確認、ビルド確認まで進められます。ただし、AIが単独で公開しません。

GEPPOU運営者の観察として、AIに記事を任せる強みは「圧倒的な速度」と「システム的に積み上がっていく気持ちよさ」にあります。一方で、もっとも怖いのは文章の粗さではありません。人間が気づかないうちにシステム部分へ修正が入り、想定外の公開や情報流出につながることです。

怖い事故は誤情報だけではない

AIメディア運営で最初に思いつく事故は、誤情報や古い情報の掲載です。もちろんそれは重大です。価格、モデル名、提供地域、日付、法律判断は特に危険です。

しかし、サイト運営では別の事故もあります。

• .envや認証情報を誤って読ませる
• ローカルメモやチャット履歴の個人情報が本文に混ざる
• 公開用でないログを記事に引用する
• ビルド設定やリダイレクト設定を意図せず変える
• R18導線や年齢確認の境界を壊す
• アフィリエイトIDや計測タグを誤って置き換える
• mainへのpushで本番公開されることを忘れる

この種の事故は、記事本文を目で読んだだけでは見つかりません。Git差分、生成ファイル、構造化データ、フィード、サイトマップ、外部リンク、公開ブランチまで確認が必要です。

個人情報・メモリー・コンテキスト混入をどう止める？

公開記事に使ってよい入力を、最初に限定します。

GEPPOUで記事素材に使ってよいもの:

• 公式公開URL
• 公式ドキュメント
• 公式リポジトリ
• 原論文、規制当局、権利者資料
• GEPPOU内の公開記事
• 運営者である私が「記事に使ってよい」と明示した所感
• 個人情報を除去した運営ログ

使わないもの:

• .env
• APIキー、トークン、Cookie
• 個人名、住所、メールアドレス、支払い情報
• ブラウザ履歴
• 非公開チャット全文
• ローカルの未整理メモ
• スクショ内に映った個人情報
• AIメモリー内の未確認情報

重要なのは、AIに「気をつけて」と言うだけでは不十分な点です。入力元を制限し、リポジトリ側にもルールを置き、記事化前の調査メモで「何を根拠にしたか」を明示します。

失敗ログはなぜ一次情報になる？

AI運営メディアが強くなるのは、公式発表をただ要約したときではありません。実際に運営し、何が詰まったか、どこで危なかったか、どう判断したかを残したときです。

たとえば、次のような記録は価値があります。

• Automationが拾った候補のうち、なぜ採用しなかったか
• 一次情報に辿れず記事化を止めた例
• ビルドは通ったが、構造化データが本文とズレた例
• アフィリエイトリンクを中央管理にした理由
• R18ゲートを全年齢ページに出さないための検品手順
• AIが変更しようとしたが、人間が止めたシステム差分

これは単なる作業日誌ではありません。AI時代の運営ノウハウです。成功した記事より、失敗しかけたログの方が、読者の実践に役立つことがあります。

実践するなら最初に何を自動化する？

最初は、公開影響がなく、入力範囲を限定でき、結果を人間が確認しやすい作業から始めます。

1. 公式ブログやchangelogの巡回
2. 新着候補の一覧化
3. 既存記事との重複検索
4. 一次情報URLの抽出
5. 調査メモの作成
6. 採用・保留・破棄の理由記録

次に、記事化を半自動化します。

1. 調査メモを人間が承認する
2. AIがMarkdown本文を書く
3. AIがリンク、日付、FAQ、JSON-LD整合性を確認する
4. npm run checkとnpm run buildを実行する
5. ブラウザでデスクトップ・モバイル表示を確認する
6. 人間が本番公開を判断する

ここまでなら、AIは大きく役に立ちます。逆に、最初から「毎日勝手に記事を書いて公開する」にすると、誤情報、重複、薄い記事、システム事故が同時に起きやすくなります。

AI運営の安全ライン

当面の結論はシンプルです。

• AIは速い
• AIは積み上げが得意
• AIは公式情報の巡回と下書きに向く
• AIは公開判断と責任までは代替しない
• AI運営では、ログ、差分、承認履歴が資産になる

GEPPOUでは、AIに作業を任せる範囲を広げます。ただし、本番サイトに出る直前の判断、権限境界、個人情報の扱いは人間が見ます。AIメディアとしての強さは、自動化そのものではなく、どこで止めたかまで公開可能な形で説明できることにあります。