AIの誤情報は削除・訂正できるのか｜各AIの依頼導線と「消えない」理由

AIが自社について誤った情報を提示したとき、それを訂正・削除するための申告の導線は、主要なAI提供元のいずれにも存在する。しかし本記事の一次調査で明らかになったのは、次の三つである。第一に、これらの導線は「一般フィードバック」「違法性を根拠とする法的削除」「個人データの削除」の三系統に収れんし、法人が自社に関する事実誤認の訂正を、真偽を審査してもらったうえで反映させるための専用制度は、本記事が2026年7月時点で確認した各社の公開ヘルプ・ポリシー上は確認できない。第二に、少なくとも OpenAI は「争いのある事実を独自には調査しない」「対応はモデルの技術的能力に依存する」とポリシーに明記している。他社も報告の導線は持つが、法人の評判訂正のための専用制度は確認できず、訂正は保証されていない。第三に、モデル内部を書き換える「知識編集」は現時点で技術的に安定せず、副作用を伴うことが査読論文で繰り返し示されている。つまり訂正の申告は必要条件ではあるが十分条件ではなく、十分条件は現時点で存在しない。だからこそ、誤情報対策の重心は「消す」ことから「継続的に測って管理する」ことへ移る。

なお、AIが企業について誤った情報や誤った帰属（誤帰属）を示す問題そのものの定義・類型・全体像は、ハブ記事「AI誤情報・誤帰属対策とは」で扱う。本記事はそのうち「訂正・削除は可能か」という一点に絞って深掘りする。

AIが自社・自社製品・経営者について誤った情報を示していることに気づき、「これは消せるのか」「どこにどう頼めばよいのか」「頼めば本当に消えるのか」を知りたい広報・PR・マーケティングの実務担当者を想定する。訴訟・差止めといった法的手段そのものを検討する段階の読者には、姉妹記事「AIの誤情報と法的手段」を用意している。本記事はあくまで、裁判所を経由しない「プラットフォーム側の自主対応・申告フォーム・技術的な訂正」の範囲を扱う。

AI検索が事実を、とりわけ出典の特定において誤ることは、例外的な事故ではない。米コロンビア大学ジャーナリズム大学院 Tow Center が8つのAI検索エンジンに記事の出典（見出し・媒体・発行日・URL）を答えさせた検証では、6割超で誤答し、最も成績の良かった Perplexity ですら誤答率は37%だった（Tow Center, 2025年3月）。少なくとも、ニュース記事の出典特定や引用付き回答の領域では、AI検索の誤りは反復的に観察されている現象である。加えて、AIが引用する情報源そのものが極めて不安定である。ドイツ SISTRIX が6か国・3プラットフォーム・17週間にわたり週次で追跡した大規模調査では、Google AI Mode が引用するドメインは全体で週におよそ56%（国・言語別でも54〜59%）が入れ替わり、ChatGPT Search では最大74%に達した（SISTRIX, 2026年）。この二つ——「よく間違える」ことと「引用源が絶えず入れ替わる」こと——が、訂正という営みを難しくしている構造の入口である。

読者が「消したい」と考えるとき、その心的イメージはたいてい、検索結果から特定のページを削除するときの体験に近い。誤ったページを見つけ、しかるべき窓口に申し立てれば、そのページは表示されなくなる——という素朴な期待である。だが生成AIの回答は、既存のどこかのページを「表示」しているのではなく、複数のソースを読み込んだうえでモデルがその場で新しく文章を生成している。したがって「消す」対象が、検索結果のように一意なURLとして存在しない。

この違いは、後述するドイツ・ミュンヘンの司法判断でも論点になった。裁判所は、AIによる要約が従来の検索結果とは異なり「独自の、新しい、実質的な言明」を生成していると整理した（詳細な法的評価は法務記事に譲る）。訂正の対象が「他人のページへのリンク」ではなく「AI自身が作った文章」であること。これが、訂正を通常のコンテンツ削除と同じようには扱えない根本的な理由である。

本記事では「訂正・削除」を、次の三つの異なる行為に腑分けして論じる。混同されがちだが、実務上はまったく別物である。

• 回答生成への働きかけ（提供元にフィードバックし、以後の回答が改善されることを期待する）
• 表示の停止（特定の言明を出さないよう求める。違法性を根拠とする法的削除がこれに近い）
• モデル内部の書き換え（誤った知識そのものをモデルから消す。技術的には「知識編集」と呼ばれる領域）

以下、この三つを順に検討する。なお、AIO（AI最適化）・GEO（生成エンジン最適化）・LLMO といった呼称は公式規格ではなく実務上の用語であり、本記事でもそのように扱う。訂正・削除の可否は、これらの「対策」の巧拙とは別の、提供元の制度と技術の問題である。

まず事実として、主要なAI提供元には誤った回答を報告するための導線が用意されている。以下は2026年7月時点で各社のヘルプ・ポリシーページから確認した内容である（各社の窓口やURLは頻繁に変わるため、実際に申告する際は必ず最新の案内を確認してほしい）。

上表は、2026年7月時点で各社の公開情報から「確認できた導線」を、その性格（一般フィードバック／違法性ベースの法的削除／個人データ削除）ごとに整理したものである。ここで二点、注意が要る。第一に、Google の「肖像濫用（AI Likeness Abuse）」フォームは、Gemini アプリ等が生成する画像・動画における個人の肖像の濫用を対象とするものであり、AI Overviews / AI Mode のテキスト誤情報や、法人の評判の訂正を扱う制度ではない。第二に、Perplexity や Microsoft の法的・個人データ関連の窓口は、各サービス専用に設けられた削除制度というより、それぞれの企業全体の一般的なプライバシー・法務窓口へ合流する。いずれにせよ、法人の評判に関する事実誤認を、真偽を審査したうえで訂正する専用の制度としては、本記事が確認した範囲では、どの提供元でも確認できない。

表を一瞥すると、選択肢は豊富に見える。低評価ボタンを押し、フォームに「この情報は誤りだ」と書けば、何かが動く気がする。しかし導線を横並びにして初めて見えてくるのは、その豊かさが実は三つの型の反復にすぎないということである。

• 一般フィードバックは、モデルを将来的に改善するための材料として集められる。個別の申告について真偽を審査し、あなたの件を訂正することを約束する仕組みではない。たとえば Microsoft は公式に、Copilot の誤りを「フィードバックを送信」「問題を報告」から知らせるよう案内している（公開 Q&A の回答例では、名前に紐づく虚偽情報の削除を求める問いに対しても同じ低評価フィードバックの繰り返しを促す案内が見られるが、これはあくまで Q&A 上の一例であって中心的な根拠ではない）。
• 違法性を根拠とする法的削除は、名誉毀損など「違法である」ことを前提にした経路である。Google の法的報告フォームは「裁判所の判断など、その国・地域の法律で違法と判断されたコンテンツ」を対象として明示しており、ポリシー申告とは別に個別提出しなければならず、ポリシー経路での報告は法的な通知の代わりにはならないと注記されている。これは実質的に訴訟・法的請求の領域であり、その詳細は法務記事の領域である。
• 個人データの削除は、GDPR 等が定める個人データに関する権利（いわゆる忘れられる権利）に基づくもので、対象は自然人の個人データである。

つまり、企業が「自社に関する事実誤認を、真偽を審査してもらったうえで訂正させたい」という、最も切実なニーズにちょうど当てはまる第四の制度が、本記事の確認した範囲では見当たらない。次章で、その空白を最もはっきりと確認できる OpenAI のポリシーを精読する。

3-1. OpenAI のポリシーが自ら明かしていること

OpenAI は、ChatGPT の出力に含まれる自分に関する誤った情報について、訂正または削除を請求する窓口を公開している。請求は Privacy Portal（privacy.openai.com）または dsar@openai.com から行い、GDPR 等を根拠とする。ここまでは「訂正できる」ように読める。だが、その運用条件をポリシーの文面に沿って読むと、訂正が保証されていないことが提供元自身の言葉で示されている。

第一に、対象は個人データである。この窓口は「忘れられる権利」「消去」「異議」といった、自然人の個人データに関する権利の行使として設計されている。請求できるのは当人または法定代理人であり、企業が自社のブランド評判を「個人データ」として同じ枠組みで請求することは想定されていない。法人の評判は、この制度の設計上の対象外である。ただし、経営者・役員といった自然人の個人データについては、当人または法定代理人が、この個人データの枠組みで別途請求できる余地は残る。それはあくまで「自然人の個人データ」としての請求であって、「法人の評判」そのものの訂正ではない、という切り分けが重要である。

第二に、真偽の立証責任は申告する側にある。ポリシーは、情報が誤っていると考える場合には、その理由を説明し、信頼できる裏付けとなる証拠を添えるよう求めている。そのうえで、正確性の判断は「申告とともに提供された情報に基づいて行い、争いのある事実を自ら独自に調査することはできない」と明記している（英語原文の該当表現は "cannot independently investigate disputed facts"）。すなわち、あなたが「これは誤りだ」と主張しても、提供元がその真偽を能動的に確かめてくれるわけではない。誤りであることを、証拠とともに申告側が示さねばならない。

第三に、対応はモデルの技術的能力に依存する。プライバシーポリシーの正確性に関する注記は、出力の事実的正確性に依拠すべきではないと述べたうえで、訂正・削除の請求は「適用される法律と、当社モデルの技術的能力に基づいて検討する」としている（"technical capabilities of our models"）。この一文は重い。つまり、モデルの技術的制約により、たとえ請求の要件を満たしても希望どおりの対応が常に可能とは限らない、という留保が、提供元自身の言葉であらかじめ置かれているのである。この「技術的能力」の限界が具体的に何を意味するのかは、次章の知識編集の議論で明らかになる。

第四に、仮に消えても、外部には残る。ポリシーは、ChatGPT の回答から個人データを削除しても、外部のウェブサイトや検索エンジンからは消えず、それらには個別に連絡する必要があると明記している。AIの回答は外部ソースを読み込んで生成されるため、元のソースが残っていれば、同じ誤情報が別の経路から再び現れうる。

第五に、この権利は絶対ではない。ポリシーは、消去・忘れられる権利・異議の権利は絶対的なものではなく、正当な理由があれば請求を拒否することがあると述べている。加えて、対象者が公人・専門職的な役割を持ち、その役割に関連する情報である場合は、削除されずに残る可能性が高まるとされる。企業やその代表者に関する情報は、まさにこの「公的・専門的な役割に関連する情報」に該当しやすい。

以上を一つの文にまとめれば、こうなる。OpenAI の窓口は、個人データについて、証拠を添えて申告すれば、法律とモデルの技術的能力の範囲で、公益等との衡量を経たうえで、検討はされる。だがそれは、法人の評判の事実誤認を、真偽の審査つきで、確実に訂正するための制度ではない。他社の一般フィードバックや法的経路も、この空白を埋めるものではない。

3-2. 他社も構図は同じ

Perplexity は、不正確な回答をフラグアイコンや「Report」から報告するよう案内し、そこにはクエリのURL・誤りの説明・期待される正しい答えを添えるよう求めている。Copilot も、公式には誤った回答を低評価と説明で報告するよう案内している。Gemini は「良くない回答」フィードバックと「法的な問題を報告」を分けて用意している。いずれも、証拠を添えて申告する構造は共通しており、そして「一般フィードバック」か「違法性ベースの法的削除」か「個人データ削除」かという三系統の外に、法人の評判訂正のための専用の第四経路を持たない点も共通している。

この「制度が存在しない」という発見こそ、本記事の中核である。導線が少ないのではない。導線は複数ある。しかし、あなたが本当に必要としている種類の導線——法人の事実誤認を、真偽を審査したうえで訂正し、それを反映することを引き受ける制度——だけが、構造的に欠けている。

導線で消えないなら、モデルそのものから誤った知識を消してもらえばよいのではないか。この直観に対応する技術的な研究領域が「知識編集（knowledge editing）」である。モデル全体を再学習させることなく、最小限のパラメータ改変で特定の事実だけを更新しようとする技術で、活発に研究されている。実際、ACM Computing Surveys に掲載された包括的なサーベイは、知識編集の手法を外部記憶・大域最適化・局所改変の三類型に整理し、実務者が用途に応じて手法を選べるよう体系化している（Wang et al., ACM Computing Surveys 57巻3号, 論文59）。この領域が有望で、多くの手法が提案されていること自体は事実である。

しかし同時に、査読を経た複数の研究が、この技術を「企業の誤情報を安定的に消す」目的でそのまま使うことの危うさを、繰り返し指摘している。

三つの研究が共通して示すのは、「一つの事実を書き換える」という操作が、そのモデルの他の知識や一般的な能力に副作用を及ぼしうるということである。狙った事実を消そうとして、周辺の無関係な事実まで歪んだり、モデル全体の性能が落ちたりする。しかも、企業の誤情報訂正はふつう一件では終わらない。誤りは次々に見つかり、その都度の編集を重ねるうちに、副作用は累積していく。前章で見た OpenAI ポリシーの「モデルの技術的能力に基づいて検討する」という留保は、この研究が描く技術的現実を、提供元の言葉で言い換えたものと読める。

ここで一つ、慎重に線を引いておきたい。これらの研究は、知識編集が「原理的に不可能」だと証明したわけではない。前述のサーベイが示すように、知識編集は活発に研究され、多くの手法が提案され、改善が続いている。正確に言えるのは、現時点では技術的に安定せず、副作用を伴い、実運用において企業の誤情報を安定的に消去する手段としては確立していない、ということである。将来この状況が変わる可能性はある。だが「今、頼めばモデルから消してもらえる」という前提で対策を立てることはできない。

なお、モデルそのものを書き換えるのではなく、回答時に外部の正しい情報を参照させる検索連携型（RAG）の設計は、これとは別のアプローチである。上記の Pinter & Elhadad も、事実的記憶を推論から切り離す検索型アーキテクチャを、モデル編集とは目的の異なる代替案として対置している。ただしこれは提供元側の設計思想の問題であり、外部の一企業が自社の誤情報を消すために直接操作できるものではない。実務上重要なのは、この「外部の正しい情報を参照させる」余地を、こちら側で最大化しておくこと——すなわち正しい一次情報を機械可読な形で整えておくことである。この点は第6章で扱う。

訂正が難しいだけではない。仮に一度うまく訂正されたとしても、それは一回きりの解決にはならない。理由は、AIが回答を作るために参照する第三者ソースが、絶えず入れ替わっているからである。

前掲の SISTRIX による17週間の週次調査（6か国・3プラットフォーム・82,619プロンプト・約155万スナップショット、2025年12月〜2026年4月）は、この不安定さを定量的に描き出している。Google AI Mode が引用するドメインは、全体として週におよそ56%が新規のものに入れ替わり、国・言語別に見ても54〜59%とほぼ一定だった。ChatGPT Search ではさらに変動が大きく、ドイツで74%、英国で60%、フランスで42%と幅がある。しかも17週間を通じて、この入れ替わりが落ち着く兆候は見られなかった。引用元の集合が安定する日を待っても、その日はなかなか来ない、というのが調査者の結論である。

とりわけ訂正の観点で示唆的なのは、ブランド自身のドメインに関する所見である。ブランド名を含むクエリのうち43%では、そのブランド自身の公式ドメインが17週間ずっと引用され続けていた一方で、その隣に並ぶ共引用のソースは週70%の割合で入れ替わっていた。言い換えれば、自社の公式情報は定着させられても、AIがそれと並べて引く「周囲のソース」はこちらの管理外で回転し続ける。誤情報の出所が第三者ソースにある場合、一つの経路を訂正できても、翌週には別のソースから同じ誤りが回答に混入しうる。ただし、ここは正確に区別しておきたい——共引用ソースの高い入れ替わりは、同じ誤情報が別経路から再混入する「リスクを高める」ものであって、入れ替わりそれ自体が誤情報の再発を直接示すわけではない（相関と因果は分けて考える）。ニュース記事に至っては、引用され続けるのはわずか1.4%で、大半は一度引かれても消えていく。

このことは、ドイツ・ミュンヘンの事例が生々しく裏づけている。ある出版社が、Google の AI Overviews が自社を詐欺的な事業と誤って結びつけていることに気づき、まず2026年2月2日にオンラインの報告フォームから通報し、さらに警告書（差止めを求める書面）を送付した。しかしそれでも誤った情報は訂正されず、出版社は最終的に裁判所へ申立てざるを得なかった（この件でGoogleに責任を認めた仮処分判断が2026年5月に出ているが、その法的評価はドイツ法固有の論点であり、姉妹記事「AIの誤情報と法的手段」で扱う）。本記事の関心に引きつけて言えば、重要なのは次の一点である——プラットフォームの申告フォームで通報し、警告書まで送っても、誤情報は自動的には消えなかった。これは、申告や警告が直ちに自主的な訂正を保証するわけではないことを示す一つの事例である（法的評価はドイツ法固有の論点として姉妹記事に譲る）。申告の導線を使うこと自体は正しい。だがそれは、訂正を保証しない。

ここまで「消せない・保証されない・再発する」を重ねてきたが、これは「何もするな」という主張ではない。訂正の申告は依然として必要である。ただし、それを十分条件と誤解せず、限界を織り込んだうえで、正しい型で行うことが肝心である。訂正は必要条件だが十分条件ではない——この一文を、実務の設計思想の中心に置きたい。

訂正を優先すべきなのは、次のような場面である。誤情報が明確な事実誤認であり、証拠で覆せること。放置した場合の損害（採用・取引・与信・株主対応などへの影響）が具体的に見込めること。そして、その誤りが特定のソースに由来しており、そのソース側の是正が可能なこと。逆に、真偽が争いになる評価的な言説や、そもそも出所が特定できないものは、申告で動かせる余地が小さい。

そのうえで、実務上の型は次の三つに整理できる。

第一に、経路を使い分ける。 ポリシー違反としての一般フィードバックと、違法性を根拠とする法的経路は、多くの提供元で別の窓口・別の手続きであり、片方の報告がもう片方を兼ねない。Google は、同じ内容でも法的経路とポリシー経路をそれぞれ個別に提出する必要があると明記している。急ぎ表示を止めたい事情があるなら、一般フィードバックだけで満足せず、違法性が問える場合には法的経路を並行させる。ただし法的経路は実質的に法務の領域であり、その進め方の詳細は法務記事に譲る。

第二に、証拠は自分で用意する。 前述のとおり、提供元は争いのある事実を自ら調査しない。訂正が通る確率は、こちらがどれだけ明快な証拠を添えられるかにかかっている。誤った回答を再現できる形で記録し（プロンプト・日時・スクリーンショット・共有URL）、どの記述が誤りで、正しくは何で、それをどの一次情報が裏づけるのかを、審査する側が確認しやすい「証拠パッケージ」として提出する。漠然と「これは間違っている」と伝えるより、はるかに動きやすい。

第三に、正しい一次情報を機械可読にしておく。 AIは外部ソースを読み込んで回答を生成する。ならば、自社に関する正確な事実が、明快に・一貫した形で・こちらの権威あるプロパティ上に存在している状態を作ることが、間接的だが最も持続的な「訂正」になる。会社名・所在地・事業内容・沿革・製品と企業の対応関係などを、曖昧さなく、複数の窓口で食い違わないように整える。ここで注意したいのは、Google 自身が、生成AIに出るためにAI専用の機械可読ファイル（llms.txt など）や特別なマークアップは不要だと明言していることである。つまり「特別なファイルを置けば直る」という近道はない。効くのは、正確で一貫した実体情報そのものである。

この三つを尽くしてなお、第5章で見たとおり、訂正は保証されず再発する。ゆえに実務は、訂正を「一度きりのイベント」として設計してはならない。訂正を試み、結果を観測し、再発を監視し続ける——という継続的なループとして設計する必要がある。ここから、最後の転換が導かれる。

これまでの議論を突き詰めると、一つの発想の転換に行き着く。AI上の誤情報は、検索結果のように「消して終わり」にできる対象ではない。専用の訂正制度は存在せず、モデルの書き換えは安定せず、仮に直っても第三者ソースの入れ替わりで再発する。であれば、目標を「完全に消し去ること」に置くのは、達成不可能なゴールを追うことになる。

より現実的で、実務的にも有効な目標は、AI空間で自社がどう認知されているかを継続的に把握し、誤情報を早期に検知し、訂正を試み、その効果と再発を測り続けることである。「消す」から「測って管理する」への転換である。これは、誤情報を放置してよいという話ではまったくない。むしろ逆で、消せないからこそ、監視と管理の網を張り続ける必要がある、ということである。

ここで一点だけ補足しておく。Google や Microsoft は近年、自社面での「AI可視性」に関するレポートを公式に提供し始めた。ただし両者が見せるものは異なる。Google は Search Console の生成AI機能において、自社URLが表示された回数（インプレッション）を示す。Microsoft は Bing Webmaster Tools の「AI Performance」で、Copilot 等における引用の回数・引用されたページ・grounding query（AIが回答を組み立てる際に内部で生成した検索フレーズ）といった引用活動を示す。いずれも有用な前進だが、範囲は限定的である。各社が見せるのは自社の面だけであり、他のエンジン（ChatGPT・Perplexity・Claude・Gemini アプリなど）は含まれない。そして決定的に、これらのレポートは「表示・引用されたか（回数）」を示しても、「AIが自社をどう説明したか（内容・正誤・誤帰属・印象）」までは示さない。誤情報対策で本当に見たいのは後者である。だからこそ、複数のエンジンを横断し、回数だけでなく内容・正誤・印象まで含めて、継続的に測る層が別途必要になる。この継続的な計測と管理こそが、AI認知管理（AI Perception Management）の領域であり、誤情報対策の全体像はハブ記事「AI誤情報・誤帰属対策とは」に、測定の具体的な方法（反復・条件統制・信頼区間など）は測定に特化した解説にそれぞれ委ねる。

Vaipm は、この「測って管理する」層を担うために、AI上の認知を、複数のAIへの合計25回のステートレス計測によって測定している。単発の確認ではなく、条件をそろえた反復計測によって、誤情報の有無・訂正の効果・再発を継続的に捉えることを狙いとする方法論である。誤情報を「消す」ことが構造的に難しい以上、それを「測り続ける」ことが、現実的な守りの中心になる。

以下は、AIが自社について誤った情報を示していると気づいたときの、訂正の実務手順である。各ステップは前章までの原則に対応している。法的手段の詳細は法務記事へ、測定条件の詳細は測定の解説へ、それぞれ切り分けている。

1. 検知を記録する。 誤った回答を再現できる形で保全する。使ったエンジン・プロンプト・日時・スクリーンショット・共有URLを残す。同じプロンプトでも回答は揺らぐため、複数回・複数エンジンで確認し、再現性の有無も記録する。
2. 誤りの中身を切り分ける。 それが「事実誤認（証拠で覆せる）」なのか、「評価・意見（争いになる）」なのか、「誤帰属（他社・他事象との取り違え）」なのかを判定する。訂正の申告で動かせる見込みが高いのは、証拠で覆せる事実誤認と誤帰属である。
3. 出所を特定する。 その誤りが、AIが引いている特定の第三者ソースに由来するのかを確認する。由来するソースがあれば、そのソース側の是正（訂正記事の依頼など）が、AIの回答を変える最も直接的な手になりうる。
4. 申告経路を選ぶ。 該当エンジンの一般フィードバックから報告する。違法性が問える内容であれば、別途、法的経路も並行させる（両者は多くの提供元で別手続きであり、個別提出が必要）。法的経路の進め方は法務記事を参照。
5. 証拠を添える。 どの記述が誤りで、正しくは何で、それをどの一次情報が裏づけるのかを、審査側が確認しやすい形にまとめて提出する。提供元は真偽を独自に調査しないため、立証はこちらの責任である。
6. 一次情報を整える。 自社に関する正確な事実を、明快かつ一貫した形で、自社の権威あるプロパティ上に整備する。会社名・所在地・事業内容・沿革・製品対応関係を曖昧さなく揃える。AI専用ファイルに頼る必要はない。
7. 再発を監視する。 訂正が反映されたかを確認し、その後も定期的に同じプロンプトで観測を続ける。第三者ソースの入れ替わりにより再発しうるため、監視は一回で終えず、継続的な運用にする。

この一連の流れを、単発の作業ではなく反復するループとして回すこと。それが、消せない誤情報に対する現実的な備えである。

Q1. AIの間違いは消せますか。

完全に「消す」ことは、現時点では保証されません。各AI提供元には誤りを報告する導線があり、申告すること自体は有効ですが、それが確実な削除・訂正を約束するものではないためです。理由は三つあります。法人の事実誤認を審査のうえ訂正する専用の制度がどの提供元にもないこと、モデル内部の書き換え(知識編集)が技術的に安定しないこと、そして仮に一度直っても、AIが引く第三者ソースが週単位で入れ替わるため再発しうることです。したがって「消す」ことを唯一のゴールにするより、継続的に測って管理する発想への切り替えが現実的です。

Q2. 訂正を頼めば、その場で消えますか。

その場で消えるとは限りません。一般フィードバックは、主にモデルを将来的に改善するための材料として集められるもので、あなたの個別の申告について真偽を審査し、即座に訂正することを約束する仕組みではないためです。実際、ドイツのある出版社は、オンラインの報告フォームで通報し警告書まで送りましたが、誤情報はすぐには訂正されませんでした。申告は必要な一歩ですが、十分条件ではないと理解しておくのが安全です。

Q3. 法人でも「忘れられる権利」で削除請求できますか。

基本的にはできません。OpenAI をはじめとする各社の削除請求の窓口は、GDPR等が定める自然人の個人データに関する権利(忘れられる権利)を根拠にしており、対象は個人データ、請求できるのは当人または法定代理人だからです。企業のブランド評判は、この制度の設計上の対象ではありません。法人の評判に関わる誤情報については、この個人データ削除の枠組みではなく、違法性を根拠とする法的手段(法務記事を参照)か、継続的な監視と一次情報整備による管理が中心になります。

Q4. 一度訂正されたのに、また同じ誤情報が出てきました。なぜですか。

AIが回答を作るために参照する第三者ソースが、絶えず入れ替わっているためです。ある大規模な週次調査では、Google AI Mode が引用するドメインは全体で週におよそ56%（国別でも54〜59%）、ChatGPT Search では最大74%が入れ替わっていました。自社の公式情報は定着させられても、その周囲でAIが引くソースはこちらの管理外で回転し続けます。誤情報の出所が第三者ソースにある場合、一つの経路を訂正しても、別のソースから同じ誤りが再び混入しうるのです。だからこそ、訂正は一度きりではなく、再発を監視し続ける運用が必要になります。

Q5. モデルそのものから、誤った知識を消してもらえないのですか。

モデル内部の特定の事実だけを書き換える「知識編集」という研究領域はありますが、現時点で実運用の訂正手段としては確立していません。査読を経た複数の研究が、わずか一度の編集でもモデル全体の性能が劣化しうること(モデル崩壊)や、狙った事実の周辺で知識が歪むことを示しているためです。知識編集は活発に研究され改善も続いていますが、「今、頼めばモデルから安定的に消してもらえる」段階ではありません。OpenAI のポリシーが訂正を「モデルの技術的能力に基づいて検討する」と留保しているのも、この技術的現実を反映したものと読めます。

Q6. 提供元に「これは誤りだ」と伝えれば、真偽を調べてくれますか。

自動的には調べてくれません。OpenAI はポリシーで、正確性の判断は申告とともに提供された情報に基づいて行い、争いのある事実を自ら独自には調査できないと明記しています。つまり、誤りであることを示す立証責任は申告する側にあります。訂正が通る確率を上げるには、どの記述が誤りで、正しくは何で、それをどの一次情報が裏づけるのかを、証拠とともに明快に提出することが重要です。

Q7. ChatGPT から自分の情報を消せば、他の場所からも消えますか。

消えません。OpenAI は、ChatGPT の回答から個人データを削除しても、外部のウェブサイトや検索エンジンからは消えず、それらには個別に連絡する必要があると明記しています。AIの回答は外部ソースを読み込んで生成されるため、元のソースが残っていれば、同じ情報が別の経路から再び現れることもあります。根本的には、出所となっているソース側の是正が必要です。

Q8. どの経路で申告するのが正しいですか。一般フィードバックと法的申告は同じですか。

別物です。多くの提供元で、ポリシー違反としての一般フィードバックと、違法性を根拠とする法的経路は、別の窓口・別の手続きになっています。Google は、同じ内容でも法的経路とポリシー経路をそれぞれ個別に提出する必要があり、ポリシー経路の報告は法的な通知の代わりにはならないと注記しています。急ぎ表示を止めたい事情があり、かつ違法性が問える場合には、一般フィードバックだけでなく法的経路も並行させます。法的経路の進め方の詳細は、法務に特化した解説を参照してください。

Q9. 誤情報を放置するとどんなリスクがありますか。

AIが自社について誤った情報や誤帰属を示すと、それを見た採用候補者・取引先・株主・顧客の判断に影響しかねません。AI検索は事実を誤ることが珍しくなく、8つのAI検索エンジンを検証した研究では出典の帰属で6割超が誤答しました。さらに、利用者はAIの回答内のリンクをほとんどクリックせず(ある実測では約1%)、要約だけを読んで判断する傾向があります。誤りが可視化されにくいまま影響が広がりうるため、放置せず、少なくとも継続的に監視する体制が必要です。

Q10. 結局、企業は何をすればよいのですか。

三段構えが現実的です。第一に、明確な事実誤認については、証拠を添えて各社の導線から訂正を申告します(必要条件)。第二に、自社に関する正確な一次情報を、明快で一貫した形で自社の権威あるプロパティ上に整備し、AIが正しい事実を参照しやすくします。第三に、そのうえで消えない・再発することを前提に、複数のエンジンを横断して「引用の有無」だけでなく「どう語られているか(内容・正誤・印象)」を継続的に測り、管理します。誤情報を「消す」ことが難しい以上、「測って管理する」ことが守りの中心になります。

Q11. 各社の申告窓口のURLを教えてください。

本記事では2026年7月時点の各社ヘルプ・ポリシーページで確認した導線の性格を示していますが、具体的な窓口やURL、手続きは頻繁に変わります。申告の際は、必ず各社の最新の案内(ヘルプセンター、プライバシーポリシー、法的報告フォーム)を直接確認してください。特にOpenAIの個人データ請求は Privacy Portal(privacy.openai.com)、Googleの法的報告は「法的な問題を報告」フォーム、Perplexityはサポート窓口、といった入口はありますが、対象範囲や運用は各社の現行ポリシーに従います。

AIの誤情報を訂正・削除するための申告の導線は、主要な提供元のいずれにも存在する。だが本記事の一次調査が示したのは、その導線が「一般フィードバック」「違法性ベースの法的削除」「個人データ削除」の三系統に収れんし、法人の事実誤認を審査のうえ訂正する専用制度だけが、確認できる範囲では欠けている、という点である。OpenAI 自身のポリシーは、真偽を独自に調査しないこと、対応がモデルの技術的能力に依存すること、外部には残ること、権利が絶対でないことを明記している。モデルを直接書き換える知識編集は、査読研究が繰り返し示すとおり、現時点で安定せず副作用を伴う。そして仮に一度訂正されても、AIが引く第三者ソースが週単位で入れ替わるために再発する。

だからこそ、訂正は必要条件だが十分条件ではない。企業に必要なのは、明確な誤りには証拠を添えて訂正を申告しつつ、正しい一次情報を機械可読に整え、そのうえで「消えない・再発する」ことを前提に、複数エンジンを横断して内容・正誤・印象まで継続的に測り、管理し続けることである。「消す」から「測って管理する」へ——これが、消せない誤情報に対する現実的な守りの形である。

• 誤情報・誤帰属対策の全体像は「AI誤情報・誤帰属対策とは」を参照。
• 訴訟・差止めなど法的手段の詳細は「AIの誤情報と法的手段」を参照。
• 基礎概念は「AIOとは」「GEOとは」「LLMOとは」「AI Perception Managementとは」を参照。
• AI上の認知を継続的に測る測定の方法(反復・条件統制・信頼区間)については、測定に特化した解説を別途用意している。