大規模メディアでコンテンツ資産化を進めるほど、AI記事生成の運用が「都度のプロンプト入力」と「人手の確認」に引き戻される場面が増えた。ピラー記事を起点にクラスター記事へ広げる設計は分かっていても、生成タイミングごとに手が塞がると、SEOの更新サイクルが伸びない。私はこのボトルネックを、作業の順番そのものではなく「処理を非同期に逃がす」ことで構造的に解けないかと考えた。
そこでジョブキューを中心に、記事生成をタスク化してバックグラウンドで進行させる設計を組む。プロンプト入力を最小限にしつつ、進捗はメールやSMSで追える形にしておくと、PCを閉じている時間も進行を止めない運用に寄せられる。Drafityのような自律型AIエージェントを前提にするなら、キュー設計は「生成の速さ」よりも「失敗時の扱い」「再実行の単位」「品質確認のゲート」をどう切るかが肝になってくる。どこをジョブに切り出すかで、運用工数と再現性の両方が決まっていく。
背景・課題:都度生成から脱却するために、ジョブキューで非同期化したい
「生成が完了するまで待ってください」のログを見た瞬間、私は“人が画面を開いている時間”に処理が縛られていることを痛感しました。大規模メディアでコンテンツ資産化を進めるほど、AI記事生成の運用が詰まり、結局は都度の入力と確認に戻されがちです。ピラー記事を起点にクラスターへ広げる設計自体は頭にあっても、生成タイミングごとに手が塞がると、SEOの更新サイクルが伸びない。そこで私は、作業の順番そのものではなく、処理を別スレッドの“外”へ逃がす発想に寄せました。具体的には、記事生成をジョブとしてキューに積み、ワーカーが順に進め、完了・失敗・次アクションだけをメールやSMSで回収する形です。Drafityのような自律エージェントも組み合わせられるので、入力は最小限にしても進行状態は追える設計にできます。どこまでをジョブに切り出し、どこを同期で人が見るのか、その境界を決めるのが最初の分岐点になるはずです。
試したこと・実装:自律型AIエージェントの実行をジョブとして分割し、状態管理する
記事生成の開始時に「ジョブ作成→状態更新→結果格納」だけを行う小さなワーカーを先に動かした。具体的には、article_generation という1ジョブに「入力最小セット」「進捗」「出力の置き場」「失敗理由」を持たせ、生成中は状態だけを段階的に書き換える方式にした。私はこの分割で、同期処理側は“待つ”のではなく“受付と監視”に寄せられる感覚を得た。
-
状態モデル(例)
-
queued(投入済み) -
running(生成中) -
waiting_review(人の確認待ち) -
succeeded(結果確定) -
failed(エラー詳細保持)
-
-
実装の要点
- 状態遷移はトランザクション境界で更新(二重実行の抑止)
- 冪等性キー(例:
request_id)をジョブに持たせ、同一入力の重複投入で結果が壊れないようにする - 失敗時は「どの段階で」「どのデータが」欠けたかを分解して保存する(再実行時の復旧が速くなる)
-- 例: ジョブ状態の最小スキーマ(擬似)
CREATE TABLE article_generation_jobs (
request_id TEXT PRIMARY KEY,
status TEXT NOT NULL,
progress TEXT,
error_detail TEXT,
output_ref TEXT,
updated_at TIMESTAMP NOT NULL
);
私は、生成そのものを1回の巨大処理にせず、状態更新を細かく切ることで“止まっているように見える時間”を減らせた。結果として、運用側はジョブの状態を見れば次の手が分かる設計になった。
設計の要点:重複生成・失敗リトライ・優先度制御をどう切り分けるか
同期で人が最終確認する流れではなく、生成の途中で同じ内容が二重に走るのを防ぎつつ、失敗時は戻せる設計に寄せるのが肝になります。私はこの切り分けを「重複」「失敗」「順序」の3つに分けて考えるようにしました。重複生成は冪等性キーで抑え、失敗リトライは“何が失敗したか”で分岐し、優先度制御はキューの取り出しルールで表現します。
-
重複生成(同一成果物の二重実行)
-
idempotency_keyを「入力最小セット+成果物種別+バージョン」で構成し、状態更新は同一トランザクション境界で行う - すでに
succeededが確定していれば、後続ジョブは作らない(または即終了する)
-
-
失敗リトライ(やり直しの範囲を狭める)
- エラーを分類する(例:外部I/O、フォーマット不整合、内容ポリシー不適合)
- 同じ失敗でも「リトライで改善しない」タイプは
failedに固定し、人の判断へ寄せる - リトライ回数より先に“再生成してよい粒度”を決める(全体やり直しはコストと品質ブレが増える)
-
優先度制御(どれを先に進めるか)
-
waiting_reviewとrunningを混在させず、レビュー待ちを別キューに分けると詰まりが見える - 取り出し側で優先度(例:ピラー優先→クラスター後続)を重み付けし、同時実行数も上限で制御する
-
私が詰まったのは「失敗のたびに同じキーで再投入してしまい、結果として“止まっているのに進んでいる”状態になった」ケースでした。状態遷移と冪等性、リトライ判定の責務を分けて実装すると、運用での事故が減ります。
わかったこと・今後の展望:進捗通知と品質担保を両立し、運用工数を下げる道筋
進捗通知と品質担保を同時に成立させる鍵は、「人が介入する瞬間」を状態遷移で固定し、裏側の処理は進行しても成果の確定条件だけは揺らさないことだと私は思う。私は最初、通知は“ただの表示”と考えていたが、実際には通知が増えるほど例外系の整合性が崩れやすくなる。そこで通知は「現在地」ではなく「次に何が起きるか」を表すイベントに寄せた。
- 進捗イベント:生成途中の細かなログではなく、状態遷移(例:投入→生成→確認待ち→確定)に同期して発火する
- 品質担保:人の確認対象は“本文全体”ではなく、差分(変更点)と評価軸(E-E-A-T観点、根拠の有無、重複の兆候)に限定する
- 運用工数の削減:失敗時は再実行ではなく、どの段階で品質ゲートに引っかかったかを記録して次回の入力作法に反映する
私はこの設計で、通知の見た目を増やすほど人手が増える罠を避けられた。次は、品質判定を段階化して「最小の人間レビュー」で次工程へ進める境界を詰めていくのが現実的だ。
非同期化を進めると、「生成が終わったか」より先に「どこで止まっているか」が見えないと運用が詰まる。私はジョブキュー設計の最後に、状態遷移を“ログ”ではなく“判断材料”として整え直した。具体的には、品質ゲートで止まった理由(根拠不足なのか、重複兆候なのか、構成の崩れなのか)を差分単位で保持し、次回はその段階から再開できる形に寄せた。次の一手としては、失敗時の再実行範囲をさらに細かく切り、同じ入力条件でも結果がぶれたケースの追跡(再現性の検証)を仕込んでおきたい。
参考: Drafity