AIがSNSを自律運用する時代 — 27個のcronジョブ・4層安全システム・5プラットフォーム同時配信の全自動基盤を作った話

はじめに

「SNS運用、毎日大変じゃないですか？」

この質問をされるたびに、正直に答えている。

「何もしてない。」

投稿の企画、テキスト生成、品質チェック、投稿判断、マルチプラットフォーム配信、エンゲージメント分析、パターン最適化。これら全てをAIが自律的に実行している。

僕がやるのは、スマホから「方針を変えろ」と一言送ることだけ。

この記事では、1ヶ月かけてClaude Codeで構築した全自動SNS運用基盤の全アーキテクチャを、実コード・実データ・実数値とともに全て公開する。

---

なぜ全自動SNS基盤を作ったのか

CEOがSNS運用に毎日2時間使うのは、シンプルに割に合わない。

ネタ探し、文章作成、画像準備、投稿タイミング調整、各プラットフォームへの最適化、エンゲージメント確認。これを5プラットフォーム分やると1日が終わる。

しかも人間がやると品質がブレる。疲れてる日は雑になるし、忙しい日は投稿を忘れる。週末は完全に止まる。

「AIに全部任せたら？」

この一言から、プロジェクトが始まった。

---

全体アーキテクチャ — 6つのレイヤー

システムは大きく6つのレイヤーで構成されている。

1. ソース収集レイヤー— 何を投稿するか自動決定
2. コンテンツ生成レイヤー— 6つのモードを適応的に切り替え
3. 品質判定レイヤー（AI Judge）— 4層の自動チェック
4. マルチプラットフォーム配信レイヤー— 5プラットフォーム同時配信
5. 学習・最適化レイヤー— パターンバンディットによる自動進化
6. 安全管理レイヤー— キルスイッチと災害検知

これらが27個のcronジョブとしてGitHub Actions上で24時間稼働している。全てSlack経由で監視・制御可能。

---

レイヤー①: ソース収集 — AIが自動でネタを見つける

投稿のネタは3つのソースから自動収集される。

LinkedIn Source Collector

海外のAI/テック系記事を1日3回自動スキャンする。Brave Search APIで最新記事を検索し、候補をランキング付きでSupabaseのメモリテーブルに保存。

現在159件のメモリエントリが蓄積されており、各候補には以下が記録されている：

• 記事タイトル・URL・本文
• トピック関連度スコア
• エンゲージメント予測値

トレンドウォッチャー

リアルタイムでトレンドトピックを検知する。3つのソースを統合：

• buzz_postsテーブル（169件追跡中）: バズスコア200以上の速報
• x_quote_opportunitiesテーブル（65件検出）: 引用RT候補
• slack_bot_memory: 直近24時間のトレンドトピック

緊急度を「breaking」「trending」「standard」の3段階でスコアリング。スコア0.7以上の話題は通常の配信ルーティンを無視して即座に投稿生成に入る。

バイラルリポスト検知

海外AIインフルエンサー10名以上の投稿をBrave Search経由で定期監視。高エンゲージメント投稿を検知すると：

1. 日本語での引用RTドラフトを自動生成
2. Geminiでインフォグラフィック画像を自動生成
3. AI Judgeで品質チェック → 自動投稿

---

レイヤー②: コンテンツ生成 — 6つのモードの適応的切り替え

投稿は6つのモードから自動選択される。

適応的重み付け（Adaptive Content Distribution）

どのモードを使うかは、直近14日間のエンゲージメントデータに基づいて自動調整される。

デフォルト重み:
  repost:        10%
  quote:         20%
  viral_article: 10%
  thread:        10%
  article:       10%
  original:      40%

実際の投稿時には、各モードの平均エンゲージメント率を計算し、高パフォーマンスのモードに自動的に配分を増やす。ただし、探索のため各モードに**最低5%**の配分を保証（局所最適への陥落を防止）。

パターンバンディット（Thompson Sampling）

投稿の「型」もMLで最適化される。

各パターン（フック文の型、CTA、構成テンプレート）をBeta分布でモデル化。成功/失敗を記録し、Thompson Samplingで次回の投稿に最も期待値の高いパターンを自動選択する。

半減期23日（γ=0.97）の減衰関数で古いデータの影響を自動で薄め、トレンドの変化に追従する。

現在のトップパフォーマンスパターン：

• future_bet（平均エンゲージメント1.67）: 「○年後、△になる」型の未来予測
• internal_debate（1.50）: 「○だと思ってたけど、実は△」型の思考転換

これらもシステムが自動で発見したパターン。人間は一切チューニングしていない。

---

レイヤー③: AI Judge — 4層の品質・安全チェック

生成されたコンテンツは、投稿前に4層のチェックを通過する必要がある。

L1: Pre-Generation Guard（事前安全チェック）

Brave Search APIで直近6時間の災害・炎上・プラットフォーム障害をスキャン。

• 大規模災害検知 → 全投稿を自動停止
• プラットフォーム障害 → 該当プラットフォームのみ停止
• 社会的論争検知 → トピック関連投稿のみ停止

L2: Content Validator（コンテンツ検証）

• ブランドボイス一貫性: CEOとしてふさわしいトーンかスコアリング
• ファクトチェック: 事実に基づいた主張か検証
• トキシシティ検出: 攻撃的・不適切な表現のフィルタリング
• NGワード辞書: profanity / competitor / legal / sensitivity カテゴリで管理

L3: AI Judge（Claude判定）

最も重要なレイヤー。Claudeが5つの次元で投稿を評価：

判定結果は「approve」「edit」「reject」の3段階。

動的しきい値は時間帯と当日の投稿数で自動調整される。朝イチは基準を少し緩め（投稿数が少ないため）、夕方以降は厳しくする（日次上限に近づくため）。

L4: Post-Publish Monitor（投稿後モニタリング）

投稿後のエンゲージメントを24時間追跡し、AI Judgeの予測精度を検証。

予測と実績の乖離が大きければ、しきい値を自動再校正。これにより、AI Judge自体が日々進化する。

実績データ

これまでに146回の自動判定を実行：

• 直近30日で72件を承認、26件を却下
• 却下率27%

つまりAI Judgeは、生成コンテンツの約3割を「品質不足」として自動でブロックしている。人間がレビューする必要はない。AIがAIの出力を判定する。

---

レイヤー④: マルチプラットフォーム配信

1つの投稿判断から、5つのプラットフォームに最適化された形で配信される。

X（Twitter）

• 長文記事 / スレッド / 通常投稿 / 引用RT
• Geminiでサムネイル画像自動生成
• Markdown → プレーンテキスト自動変換
• スパム検出回避のランダム遅延（0〜5分）

LinkedIn

• ビジネストーン最適化
• ML予測でエンゲージメント事前予測
• 1日2回の最適時間帯投稿（JST 23:00, 07:00）

Threads

• カジュアルトーン最適化
• チェーン型リプライ（スレッド）対応

Zenn / Qiita

• 技術記事としてClaude AIでリライト（元記事との重複率30%以下を保証）
• プラットフォーム別サムネイル自動生成
• canonical URLで自社ブログへのバックリンク設定

実績

合計100件以上の投稿が、人間の手を一切介さずに実行された。

---

レイヤー⑤: 学習・最適化 — システムが自分で賢くなる

ここが一番重要なレイヤー。

高パフォーマンス投稿の自動学習

エンゲージメントが平均の1.5倍以上の投稿は、その特徴を自動でメモリに保存：

• 投稿時間帯
• 使用パターン
• トピックカテゴリ
• フック文の型

逆に平均の0.5倍以下の投稿は、ネガティブラーニングとして記録。同じ失敗パターンを二度と使わない。

クロスプラットフォーム転移学習

LinkedInで効果的だったパターンをXに転用、ThreadsのトーンをLinkedInに転用。

週次で各プラットフォームの学習結果を統合し、ベイジアン転移学習でプラットフォーム間の知見を共有する。

ドリフト検出

週次でモデルの予測精度をチェック。MAE（平均絶対誤差）が閾値を超えたら自動で再学習をトリガー。

トレンドの変化やアルゴリズム更新による性能劣化を自動検知し、人間の介入なしで対応する。

---

レイヤー⑥: 安全管理

キルスイッチ

Slackから「stop auto」と打つだけで全投稿を即座に停止。

自動停止トリガー：

• ゼロエンゲージメント投稿が5回連続した場合
• 手動で設定した期限付き停止（例: 「3時間停止」）

レート制限とスパム対策

• プラットフォームごとに1日の投稿上限を設定
• 各投稿前に0〜5分のランダム遅延を挿入
• 重複排除: URL / タイトル類似度 / キーワード一致率 / 画像URLの4重チェック

監査証跡

全投稿はSlackのpending actionsとして記録。承認/却下の全履歴が残る。

AI Judgeの全判定（146件）も、判定理由・信頼度・安全フラグとともにデータベースに保存されている。

---

開発はどうやったか

全てClaude Codeで開発した。

技術スタック：

• TypeScript + Next.js（フロントエンド + API）
• Supabase（PostgreSQL + Storage + Auth）
• GitHub Actions（27個のcronジョブ）
• Vercel（デプロイ）
• Brave Search API（トレンド検知）
• Gemini API（画像生成）
• X API v2 / LinkedIn API / Threads Graph API

開発フローもAI駆動：

1. スマホからSlack or Discord経由で「こういう機能を追加しろ」と指示
2. Claude Codeがコードを書く
3. TypeScriptの型チェックを通す
4. git push → Vercelに自動デプロイ

今日もこの記事を書く前に、画像重複投稿のバグをスマホから指示して修正・デプロイさせた。所要時間15分。

---

数字で見る全貌

---

これは「ツール」ではない

よく「SNS運用ツール」と比較されるが、これはツールではない。

ツールは人間が使う道具。このシステムは自律的に判断し、実行し、学習し、進化する。

人間はシステムの方針を決めるだけ。「AIトピックに注力しろ」「トーンをもう少しカジュアルに」。それだけ伝えれば、あとはシステムが勝手に最適化していく。

「スマホから一言 → AIが全部やる」

これが2026年のSNS運用の形だと考えている。

---

おわりに

この記事自体が、このシステムの産物です。

記事の生成、サムネイル画像の作成、X/Zenn/Qiita/noteへの同時配信。全てAIが自律的に実行しています。

「本当に？」と思った方は、今後の投稿を見てみてください。毎日、AIが判断し、生成し、投稿しています。CEOは何もしていません。

質問やフィードバックがあれば、Xでお気軽にどうぞ。