9月11日、TediumがiLands創業者のKaixin Tang氏について報じた。AI Agentで高度にパーソナライズされた推销メールを自動生成・大量送信する仕組みで、想定される送信規模は数万〜数十万通にのぼる。
同日、この記事はHacker Newsのトップページに登場し、43ポイント・19コメントを獲得した。コメント欄はおおむね二つの反応に割れていた。「これはspamじゃないか」「でも技術としては確かにすごい」。
元記事を読んだ筆者が気になったのは別の点だ。このパイプラインは、参入障壁が異常に低い。Pythonを書ける人なら週末一つで再現できる。
iLandsが何をしているか:Agentが「一斉送信」を「1対1」に偽装する
従来型のスパムメールはこうだ。
拝啓 貴社におかれましては益々ご清栄のことと存じます。弊社製品をご利用いただければ……
一目でspamとわかる。
iLandsのAgentが出力するのはこうだ。
昨年Postgresのインデックス最適化について書かれた記事、特にBRINのくだり拝読しました。先日ECのお客様に似たアプローチを実装したところ、書き込み性能が4倍に伸びています。ご興味あれば詳細なケーススタディをお送りします。
これを受信した側の第一印象は「この人、ちゃんと自分のブログを読んでくれた」になる。
実際は違う。Agentは送信3秒前に相手の個人サイト・GitHub・LinkedIn・Twitterをクロールし、公開情報をすべてpromptに詰め込んで、LLMに「手書き風」の返信を生成させている。人間は一度も介在しない。
これがTedium報道の核心だ。Agentがspamを「人間レベル」に引き上げた。
Agentパイプラインを分解する:全自動の3ステップ
外联(outreach)のフローを開くと、research → draft → sendの3段に分けられる。各段がAgentの一機能に対応する。
第1ステップ:Research(対象調査)
AgentがドメインまたはLinkedInのURLを受け取ると、以下を自動で実行する。
- 個人サイト・ブログ・GitHubプロフィールの取得
- 直近3〜5本の記事タイトルと要約の抽出
- LinkedInの職歴・学歴の取得
- Twitter/Xの直近投稿の取得
技術スタックはおおむねPlaywrightまたはheadless Chromeでのクロールに、簡単なLLM呼び出しによる情報抽出を組み合わせる。簡略版はこうなる。
from playwright.sync_api import sync_playwright
import anthropic
def scrape_target(url: str) -> dict:
with sync_playwright() as p:
browser = p.chromium.launch(headless=True)
page = browser.new_page()
page.goto(url, wait_until="networkidle")
html = page.content()
browser.close()
client = anthropic.Anthropic()
msg = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=1024,
messages=[{
"role": "user",
"content": f"从以下 HTML 提取这个人的职业背景、最近写的主题、技术栈偏好:\n\n{html[:50000]}"
}]
)
return msg.content[0].text
profile = scrape_target("https://example.com/blog")
以上すべて。クロール+抽出のフローは80行以内におさまる。
第2ステップ:Draft(文案生成)
前段で抽出したprofileをLLMに渡し、promptは概ね以下のようになる。
你是一名 SaaS 销售,要给下面这个人写一封冷邮件:
姓名:{name}
职业背景:{profile['background']}
最近关注的话题:{profile['topics']}
要求:
- 200 字以内
- 引用他最近一篇文章或一个观点(具体到细节)
- 不要使用"尊敬的"、"我们公司"这种套路词
- 口吻像一个同行在交流,不是销售在推销
- 结尾留一个低门槛的 CTA(比如"如果你有兴趣可以看看这个 case")Claude Sonnet 4.5やGPT-5で这类タスクを回せば、1通あたり2〜3セント程度。
第3ステップ:Send(投递)
技術的には最も単純だが、最も詰まりやすい工程でもある。
- SMTPアカウントを複数ローテーション(単一IPのフラグ回避)
- 送信間隔をランダム化(1通あたり30〜180秒)
- DKIM / SPF / DMARCを整備(安価なESPでも対応可)
- ドメインを分散(10ドメイン×50メールボックス=500の発信identity)
Gmailのスパムフィルターが止められなかった理由
Gmailのspamモデルはコンテンツ特徴+行動特徴の联合判断に基づく。
コンテンツ面: 旧来のspamはテンプレート文・誇大表現・リンクファームの塊だった。Agentが生成する文章は1通ごとに異なるため、spamルールのキーワードにヒットする確率は極端に低い。
行動面: 従来型spamは「一波型」——単一IP・単一ドメインから一斉に数千通を送る。Agent pipelineはこれを回避するために3つの仕掛けを入れている。
- ドメインブール: 報道によれば、Tang氏は複数ドメインをローテーションし、各ドメインは1日20〜50通までに制限
- 人間らしいリズム: 送信間隔をランダム化し、業務時間帯(午前10時〜午後4時)のピークを模倣
- 開封率・返信率の最適化: 開封・返信されたアドレスにはフラグを立て、未開封のアドレスは送信頻度を下げる
この3点が組み合わさると、Gmailから見えるシグナルは「普通の営業担当者が通常の方法で開発している」になる。
完全に破绽がないわけでもない。HNのコメントで指摘されていたが、発信者ドメインのWHOISを逆引きすると、登録6ヶ月未満・サイトなし・メール用途のみ——典型的なspamインフラの兆候が出る。ただし一般の受信者がそこまで調べることはない。
同様のAgent悪用はすでに量産体制に入っている
iLandsは氷山の一角だ。HNコメント欄には似た事例が並んでいた。
- SEO被リンク用Agent: ブログ一覧を自動クロールし、AIでコメントを生成、リンクを批量で残す
- LinkedInの友達追加Agent: Browser Useでheadless Chromeを動かし、人間のクリックを模倣して1日200人追加
- コメントスパムAgent: Hacker News・Reddit・ProductHuntに自動返信し、製品リンクを貼る
- 求人応募Agent: HR担当者が求職者全員に「履歴書を拝見しました」のテンプレを一斉送信
どのシナリオも技術的な流れはほぼ同じだ。クロール→LLMでリライト→人間らしく投递。
プラットフォーム側は何もしないのか
Gmail・Outlook・LinkedInが直接ブロックしない理由は3つある。どれも後ろ向きな理由だ。
第一に、誤検知コスト。 正規の営業活動でも一斉送信は行われる——AIが手書きを手伝っていないだけの話だ。厳しくブロックすれば合法なB2B営業も壊滅する。Googleはそこに賭けられない。
第二に、判別の難しさ。 Agent生成メールと人間の手書きメールは、テキストレベルではもはや区別がつかない。識別するには「行動の連鎖」を見るしかないが、それにはGmailがブラウザの操作やマウスの動きを監視する必要があり、それこそ別の災厄だ。
第三に、商業的インセンティブ。 Gmailは企業版で稼いでおり、B2B営業メールの開封率はKPIに直結する。LinkedIn Premiumの売りは「無制限InMail」だ。プラットフォームはspamから利益を得ている。
筆者の結論はこうだ。プラットフォームのガバナンスに期待するのは筋違い。動機がないし、能力もない(少なくとも、監視手法を使って能力を獲得する気はない)。
編集後記
iLandsの件で最も示唆的なのは、「またspamか」という話ではない。
この事例が証明したのは、Agentが個人の悪用能力を組織レベルまで引き上げたということだ。以前、大規模なパーソナライズspamを行うには、10人の営業を雇い各自が毎日50通を手書きする必要があった。今は1人+1セットのAgent pipelineで、10人超の営業を超える生産性を出せる。
さらに决定的なのは、この手法の限界費用がほぼゼロな点だ。宛先が1件増えるとLLMの呼び出しコストが数セント増えるだけ。スケーリングに上限がない。
今後12ヶ月で、anti-agent検出サービスが专门的に登場すると筆者は見ている。形としては次のようなものだ。
- ブラウザ拡張:受信中のメールをリアルタイム分析し「AI生成確率」を表示
- 企業ゲートウェイ:受信メールに対し逆LLM検出+発信者の行動プロファイリングを実施
- 逆引きクロールサービス:相手のドメイン/メールボックスのWHOIS・登録日・関連アカウントを調査
第一波はGLTR/DetectGPTのようなテキスト統計特徴に基づくものだろう。しかしすぐに行動の連鎖——発信者がリズム化した送信をしているか、ドメインが新規登録か、IPセグメントがメールサービス事業者の典型的な出口か——を調べる段階に移行する。
不確定な部分:これらのツールの誤検知率がどう推移するか。合法なB2Bメールを1%誤検知すれば企業は採用しない。0.1%以下に抑えられればSaaSの標準装備になり得る。
もう一つの未解決問題:法的にどう定義するか。GDPRは「自動化意思決定」を厳しく規制しているが、アメリカには対応する連邦法がない。州レベルではカリフォルニアのCCPAが「自動化処理のオプトアウト権」を定めているが、実効性はほぼゼロだ。短期的には、法律は技術に追いつけない。
これまでと異なるのは、今回のspamは「量が多い」のではなく「人間の手書きに見える」点だ。従来のanti-spamはすべて「量」と「テンプレート特徴」を軸に防御線を張ってきた。Agentはその両軸を回避している。これは技術细节の失效ではなく、ルールレベルの失效だ。
出典:
- Tedium元記事: iLandsがAI Agentでパーソナライズメール外联
- Hacker Newsスレッド(item 49671159)