はじめに
「YouTubeの集客数を伸ばすテクニックをまとめたい」——そんな目的で、AIコーディングツール Claude Code を使った調査を試みました。
単にChatGPTに質問するのとは異なり、Claude Codeには複数のAIエージェントを並列で走らせる「ワークフロー」機能が備わっています。本記事では、その調査工程を詳しく解説します。
Claude Codeとは
Claude Code は、Anthropicが提供するAIコーディングアシスタントです。CLIツール・VSCode拡張・デスクトップアプリとして利用でき、通常のコード補助に加えて以下のような高度な機能を持ちます。
- マルチエージェント実行：複数のAIを並列で動かし、大規模タスクを分担処理
- ワークフロー：検索・取得・検証・合成といった多段階の処理をスクリプト化
-
スキル（スラッシュコマンド）：
/deep-researchのような専用機能を呼び出せる
今回はこの中の /deep-research スキルを使い、YouTube集客テクニックの調査を行いました。
調査の流れ
ステップ1：スキルの呼び出し
Claude Codeのチャット画面で、以下のように質問しました。
YouTubeチャンネルの集客数・視聴者数を伸ばすテクニックについて
語っているYouTube動画の内容を調査し、実践的なノウハウを整理してください。
SEO、サムネイル、タイトル、投稿頻度、アルゴリズム対策、視聴維持率向上など、
具体的なテクニックを網羅的にまとめてください。
Claude Codeは自動的に /deep-research スキルを選択し、バックグラウンドでワークフローを起動しました。
ステップ2：ワークフローの構造
deep-research ワークフローは以下の5フェーズで構成されています。
Scope → Search → Fetch → Verify → Synthesize
| フェーズ | 内容 | エージェント数 |
|---|---|---|
| Scope | 質問を5つの検索角度に分解 | 1 |
| Search | 各角度で並列Webサーチ | 5 |
| Fetch | 上位15ソースを取得・クレーム抽出 | 最大15 |
| Verify | 各クレームを3エージェントが敵対的検証 | 最大75 |
| Synthesize | 生き残ったクレームを統合してレポート作成 | 1 |
今回の調査では合計100エージェントが稼働しました。
ステップ3：Scope — 質問を5つの角度に分解
最初のフェーズでは、AIが調査質問を補完的な5つの検索角度に自律的に分解します。
今回の調査では、おおよそ以下のような角度が生成されました。
- 広範・一般 — YouTube成長の基本テクニック全般
- アルゴリズム・技術的観点 — YouTubeのSEOとアルゴリズムの仕組み
- 最新トレンド — 2025〜2026年の最新動向
- 懐疑的・反証 — 「効果がない」とされるテクニックの検証
- 実践者・実装 — 実際のクリエイターが語る具体的な手法
角度の決定はAIに委ねられており、同じ質問でも毎回異なる角度が生成されます。
ステップ4：Search — 並列Webサーチ
5つの角度それぞれに対して、専用エージェントが並列でWebサーチを実行します。各エージェントは関連度（high / medium / low）を評価しながら上位4〜6件の結果を収集。URLの重複除去も自動で行われます。
angle.label + ": " + r.results.length + " results"
// 例: "アルゴリズム・技術的観点: 5 results"
ステップ5：Fetch — ソース取得とクレーム抽出
収集したURLから最大15件を取得し、各ソースから検証可能なクレーム（主張） を2〜5件抽出します。
クレームの条件は厳格です。
- 具体的かつ検証可能な記述であること（曖昧な一般論は除外）
- 元の引用文（quote） を必ず添付すること
- 研究質問との関連度（central / supporting / tangential）を評価すること
ソースの信頼性も自動分類されます：primary（一次資料）→ secondary（二次報告）→ blog→ forum→ unreliable
ステップ6：Verify — 3票多数決の敵対的検証
本ワークフローの核心部分です。抽出されたクレームを重要度・信頼性でランキングし、上位25件について3エージェントが独立して「否定を試みる」 検証を行います。
3票中2票以上が「refuted=true」→ クレームを棄却
各検証エージェントは以下の観点からクレームを攻撃します。
- 引用文がクレームを本当に支持しているか（過大解釈・読み違いの検出）
- 矛盾する証拠がWebに存在するか（反証サーチ）
- ソースの質がクレームの強度に見合っているか
- 情報が古くなっていないか
- マーケティング的誇張・プレスリリース的表現ではないか
このフェーズで75エージェントが並列稼働し、今回は5クレームが確認・8クレーム以上が棄却されました。
ステップ7：Synthesize — レポート合成
検証を生き残ったクレームを1つの統合エージェントが受け取り、以下を生成します。
- 意味的に重複するクレームをマージ
- 関連クレームをグループ化して「知見（finding）」に昇格
- 信頼度（high / medium / low）を付与
- エグゼクティブサマリーの作成
- 不確実な点・注意事項の整理
- 未解決の問いの列挙
調査の統計
| 指標 | 数値 |
|---|---|
| 総エージェント数 | 100 |
| 消費トークン数 | 約2,361,750 |
| ツール呼び出し回数 | 845回 |
| 実行時間 | 約144分（壁掛け時計時間） |
| 取得ソース数 | 15件 |
| 抽出クレーム数 | 25件（検証対象） |
| 確認されたクレーム | 5件 |
| 棄却されたクレーム | 8件以上 |
調査結果のまとめ
詳細な調査結果は別記事「YouTube集客数を伸ばすテクニック：多角的調査レポート」にまとめています。主な知見を簡潔に整理すると：
確認された知見（高信頼度）
- チャンネルの評判と視聴継続時間がアルゴリズムの主要因
- 冒頭数秒のフックが視聴維持率を左右する
- メタデータ最適化はCTR改善を通じて間接的に効果を発揮
- アナリティクス・コミュニティ・最適化の3本柱が持続的成長を支える
否定された通説
- 「ピーク時間直前の投稿が有利」
- 「サムネイルA/Bテストで3倍インプレッション」
- 「2週間でキーワードランクイン」
- 「タイトル変更だけで動画が再浮上する」
Claude Codeを使った調査の所感
よかった点
情報の信頼性評価が自動化される
通常のWebリサーチでは、見つけた情報が正しいかどうかを自分で判断する必要があります。このワークフローでは3エージェントによる敵対的検証が自動で行われるため、「それっぽいが根拠のない主張」を弾くプロセスが組み込まれています。
並列処理で網羅性が高い
1つの質問を5角度で同時サーチするため、単一の検索では見落としがちな観点もカバーできます。
棄却されたクレームも可視化される
「何が否定されたか」も出力に含まれるため、世間に流布している誤情報の把握にも役立ちます。
注意点
時間とコストがかかる
今回は約144分・約236万トークンを消費しました。この144分は壁掛け時計時間（wall-clock time）であり、ノートPCをスリープさせていた時間も含まれます。ワークフローはクラウド側で実行されるため、ローカルPCがスリープ中も処理は継続しますが、APIのレスポンス待ちや並列処理の合間の待機時間も計測値に含まれます。コストについては、Claude Sonnet 4.6の場合、Input $3.00・Output $15.00（各1Mトークンあたり）が目安となります。Claude Codeのサブスクリプションプランや使用量によってはコストが発生します。軽い調査には向かず、網羅的な調査が必要な場面での活用が適しています。
公式情報への依存
今回確認された5クレームのうち大半はYouTube公式ドキュメントに基づくものでした。独立した学術的研究などの一次資料が少ないトピックでは、公式見解に偏った結果になる可能性があります。
アルゴリズムの不透明性は解消されない
YouTubeのアルゴリズムは公式も完全には公開していません。調査で得られる知見はあくまで「公式が公開している範囲の情報」に限定されます。
まとめ
Claude Codeの deep-research ワークフローは、単なる「AIへの質問」を超えた構造化された自動リサーチパイプラインです。複数エージェントの並列稼働・敵対的検証・自動合成により、個人が手作業でリサーチするよりも体系的に情報収集・検証を行うことができます。
「広く調べて、怪しい主張は弾いて、確かな知見だけ残す」という調査の理想をAIが実行してくれる体験は、情報収集の新しい形として注目に値します。