Hero画像もEvidence監査の対象にする――未確認の「42いいね」「7コメント」が画像だけに入った実例

結論――Hero画像も、記事と一緒に公開される情報である

Evidence監査を本文だけに限定すると、画像の中にだけ入った未確認情報を見落とすことがあります。今回のKnowledge制作では、本文には存在しないSNS数値がHeroへ描かれていました。

Heroはページを目立たせる装飾でもありますが、数字や文字が入った瞬間に、それ自体が読者へ事実を伝える情報層になります。見た目として自然かどうかとは別に、その内容をEvidenceで確認する必要があります。

実際にHeroへ入っていたのは「42」「7」「167」だった

再監査した旧Heroには、ハートの横に42、コメントアイコンの横に7、閲覧を示す表示として167が描かれていました。

元の制作記録と照合すると、一次Evidenceとして確認できていたSNS数値はLinkedInの167インプレッションでした。一方、42いいねと7コメントについては、採掘した会話・制作記録の中で裏づけを確認できませんでした。

ここで重要なのは、「42と7が間違いだと証明された」ということではありません。正確には、今回利用した一次資料からは確認できなかったため、Knowledgeの事実として使わなかった、という状態です。

本文には書いていないのに、画像が新しい事実を追加していた

本文はEvidenceに沿っていても、Heroが別の情報を追加すると、公開ページ全体としては未確認情報を含むことになります。

この構造は、出典URLがあることと、内容を事実確認したことを分けるという既存Knowledgeと共通します。URLを知っていることと主張を照合したことが別であるように、画像に自然に描かれていることと、その内容が確認済みであることも別です。

Hero生成時にAIが具体的な数字を補った理由は、この作業記録からは確認できません。そのため「生成AIはSNS数値を勝手に捏造する」と一般化するのではなく、今回のHeroに未確認数値が入った事実だけを保存します。

デザイン監査とEvidence監査は、同じ画像でも別工程

Heroを見るとき、これまでもブランドの統一感、構図、余白、記事との結びつきなどを確認していました。

しかし、AI画像でブランドを統一しながら、ワンパターン化を防ぐ方法で扱うデザイン上の品質と、画像内の情報が事実かどうかは別の判断です。

見た目が美しく、ブランドにも合っていて、記事内容とも結びついていても、その画像に未確認の数字が入っていればEvidence監査ではNGになります。逆に、事実が正しくても記事と無関係な画像ならHeroとしての品質は低くなります。

画像の事実性は、写真やノンフィクションだけの問題ではない

視覚Evidenceの問題は、実写真に似ているかどうかだけではありません。図解、UI風画像、グラフ、数字、ラベル、注釈なども、見た人が事実として受け取る可能性があります。

既存Knowledgeのノンフィクション画像では「きれいにすること」が事実から離れる場合があるでは、生成画像の見た目を整えることで元の出来事から離れる問題を扱っています。今回のHeroは別の種類の事例で、視覚要素の中に未確認の数値が追加されました。

共通しているのは、画像を「雰囲気を作るもの」とだけ見ず、元Evidenceとの対応を確認する必要がある点です。

現在は、Heroの文字・数字・グラフ・アイコンまで確認する

この手戻りを受け、Hero公開前の確認対象を画像全体へ広げました。特に、読者が事実と受け取りやすい要素を優先して確認します。

確認対象：画像内の文字、具体的な数字、グラフや割合、SNS指標、日付、UI表示、引用らしく見える文言、人物や商品の属性、ALTに書く内容。

チェックは「本文と矛盾していないか」だけでは足りません。本文に存在しない情報をHeroが新しく追加していないかも確認します。

今回の修正では、Heroを完全に差し替えた

42いいねと7コメントだけを消して元画像を修正するのではなく、旧Heroは廃止し、未確認SNS数値を含まないHeroへ差し替えました。

この判断では、旧画像を部分修正することと新規Heroへ置き換えることの効果比較は行っていません。目的は、確認できない情報を公開状態から外すことでした。

修正後はCMSを読み戻し、Heroの更新だけでなく、対象KnowledgeのGraphやIndexに破損がないことも確認しました。

管理画面風の図解は、説明用の数字も実測に見えやすい

別のブログ制作では、Search Consoleの見方を説明するために作った生成画像が問題になりました。2026年10月1日に元の会話の画像を開くと、検索パフォーマンスの画面を模した図の中に「125,300」「4,280」といった数値、折れ線グラフ、期間の表示が確認できました。

同じ会話でChatGPTは、本文がサイトの実データを扱っているため、画像の数値も実測値だと誤認されるおそれがある、とレビューしています。その後、数値を含む画像を概念図へ差し替えたと報告しました。今回直接確認したのは旧画像に数字や期間があることと、その指摘・修正報告です。当時の実測データとの一致や差し替えの公開履歴までは再検証していません。

この例で増えた確認点は、数字の出典だけでなく、画像の見た目が何を証拠らしく見せるかです。管理画面、日付、グラフ、合計値が一緒にあると、説明用の図でも実画面の記録に見えます。実測を示す意図がないなら、不要な具体数値を外し、本文やキャプションにも概念図であることを明記する方法を検討します。見分けやすくなったかは、完成画像を別途確認します。

確認できたことと、まだ確認できていないこと

確認できたこと：旧Heroに「♡42」「コメント7」「167」が描かれていたこと。一次資料から167インプレッションを確認できたこと。42いいねと7コメントを裏づけるEvidenceは今回の資料では確認できなかったこと。未確認数値を含むHeroを差し替えたこと。

確認できていないこと：なぜ画像生成時に42と7が入ったか、別の生成モデルでも同じ問題が起こるか、検索エンジンや生成AIがHero内文字をどの程度読み取ったか、Hero差し替えがCTRやAI引用へ影響したか。

したがって本Knowledgeは、「Hero内の情報もEvidence監査対象にする」という運用知識を、この一事例から整理したものです。画像認識や検索順位への一般的効果を証明するものではありません。

このKnowledgeの関連知識

デザイン統一とEvidence監査を分ける：AI画像でブランドを統一しながら、ワンパターン化を防ぐ方法。ブランド統一や構図設計というデザイン品質と、画像内情報が確認済み事実かというEvidence品質を別工程として比較する。

検証状態を画像内情報へ広げる：出典URLがあることと、内容を事実確認したことを分ける。出典URL・本文確認・主張照合を分ける考え方を、Hero内の文字・数字・指標にも適用する。

画像の事実性を広く見る：ノンフィクション画像では「きれいにすること」が事実から離れる場合がある。Hero内の未確認数値という具体例から、ノンフィクション画像全般で見た目と事実性を分ける知識へ広げる。