AI回答に、その情報はいつまで残るのか — 危機管理と時間軸

不祥事や炎上に関する情報が、生成AIの回答にどれだけの期間残るのか。本稿で確認した範囲では、この問いに直接答える公開データは確認できなかった。したがって本稿は「何日で消える」「消えない」という数字を出さない。

だが「分からない」で終わる話ではない。残存を左右する構造は、大規模な実証と提供元の公式文書で確認できる。

まず、引用元の安定性はプラットフォームによって大きく異なる。Google AI Mode と ChatGPT Search では週単位の大きな入替が観測される一方、Google AI Overviews では半数超のプロンプトで17週間にわたり引用元が固定されていた。「AI回答は不安定だ」とも「安定している」とも一括りにできない。

次に、AI回答の生成には外部ウェブ情報の取得が関与するが、学習済みの知識と取得結果が個々の回答でどう統合されるかは公開されていない。

そして、法人が、真実である自社の不利な情報をAI回答から消すための一般的な権利は、本稿で確認した範囲では確認できなかった。制度ごとの対象と主体の切り分けは、姉妹記事「忘れられる権利は、AIの回答に届くのか」で扱っている。

さらに見落とされやすい点がある。引用元の入れ替わりを測ったデータは、「情報が消えたか」を測ったものではない。同じ調査は、引用元が17週間固定されていても回答本文は変化しうることを示している。引用元の安定性と回答文の安定性は別の指標であり、一方から他方を一意に推定することはできない。

結論はひとつに絞られる。いつ消えるかは予測できない。予測できない以上、消えるのを待つのではなく、継続的に観測するしかない。

• 危機対応が前提としてきた「時間が解決する」が、AI回答について成り立つか分からない理由
• 事実である不利な情報が、「誤っていること」を理由とする訂正の対象にならないこと
• 残存を左右する四つの構造と、引用元の安定性のプラットフォーム差
• 「引用元が入れ替わる」データを「情報が消える」根拠として読んではいけない理由
• AI観測を危機対応タイムラインに組み込む設計（観測項目・記録条件・やってはいけないこと）
• 本稿で確認できなかったことの一覧と、制度の問いをどこへ送るか

広報・危機管理の担当者と、その責任を負う経営層。すでに事案が起きた組織、および「収束したはずの過去の事案」がAI回答でどう扱われているかを把握したい組織を想定している。

AIO・GEO・LLMO は、AI検索における引用・言及・表示・印象を扱う実務上の呼称であり、公式規格ではない。Google はAI機能について「AI Overviews や AI Mode に表示されるための追加要件はなく、特別な最適化も必要ない」と公式ドキュメントに明記し、技術要件としては通常検索の基本と同じものを挙げている。用語の整理は AIOとは・LLMOとは を参照。

本稿の中心的な問いは「不祥事や炎上の情報は、AIの回答にいつまで残るのか」である。

この問いに直接答えるデータは確認できなかった。厳密に言えば、特定企業の特定の不祥事について、条件を固定して生成AIの回答を時系列で反復取得し、当該事実の言及率の減衰期間を測った公開研究・調査は、本稿で確認した範囲では確認できなかった。

実務メディアには日数を示す記述が流通しているが、標本の構成・測定手順・再現方法が公開されているものは確認できなかった。本稿はそれらの数字を採用しない。

そして本稿は、制度の側からこの問題を解くことを目的にしていない。「既存の削除制度がAI回答に届くのか」は、姉妹記事「忘れられる権利は、AIの回答に届くのか」が扱う。本稿は時間軸と観測に絞る。

そのうえで本稿は、従来の前提の確認（§1）、事実である情報の扱い（§2）、残存を左右する構造の整理（§3）、既存データを誤読しないための境界線（§4）、そして実務設計（§5〜§7）の順に進む。

「分からない」と「何も言えない」は違う。期間は分からないが、期間を左右する構造は分かっている。

広報・危機管理の実務は、長いあいだ減衰という前提の上に組み立てられてきた。

従来の危機対応では、報道量やSNS上の反応の沈静化を収束判断の一要素にすることがある。「初期対応を誤らなければ、あとは時間が味方する」という設計は、この観察の上に成り立つ。沈静化までの見通しを立て、対応体制を組み、収束を宣言する。多くの危機管理マニュアルは、明示的か否かを問わず、この時間軸を含んでいる。

しかし、その時間軸をAI回答へそのまま転用できる根拠は、本稿で確認した範囲では確認できなかった。本稿があえて具体的な日数を挙げないのは、この点を曖昧にしないためである。

1-1. 検索の世界には、時間を扱う仕組みがあった

検索の世界には、少なくとも一部について、掲載状態を明示的に制御する手段と期間があった。

Google は、サイト所有者が自サイトのページを検索結果から一時的に隠せる削除ツールを提供しており、その効果は約6か月続くと公式ドキュメントに明記している。同ドキュメントは、恒久的に表示させないためにはページ自体の削除・更新、パスワード保護、noindex の付与のいずれかが必要だとし、robots.txt での遮断は方法として適切でないと述べている。

適用範囲が重要である。この手段が使えるのは自社が管理するURLに限られ、報道記事や第三者の投稿には及ばない。それでも、少なくとも自社管理URLについては「一時的に隠す」「恒久的に外す」という二つの状態と、対応する手順・期間の目安が示されていた。その範囲では、時間を設計に組み込むことができた。

1-2. AI回答では、その前提が成り立つか分からない

問題は、この前提がAIの回答についても成り立つのかを、外から確認できないことである。

AI回答はURLの一覧ではなく生成された文章である。Google 公式から確認できるのは、AI Overviews と AI Mode が Search とクエリファンアウトを通じて外部ウェブ情報を取得することまでで、個々の回答で学習済みの知識と取得結果をどう統合しているかは公開されていない。減衰が起きるとすれば、どこで、どのくらいの速さで起きるのか。本稿が扱うのは、この「分からない」の中身である。

ここが本稿と、誤情報を扱う一連の記事との決定的な違いである。

AIが企業について誤った情報を語る問題については、AI誤情報対策（誤在の類型と構造）、AI誤情報の訂正・削除（訂正手段と制度）、AI誤情報と法的責任（法的手段）で扱っている。本稿はそれらの結論を前提として引き継ぐ。

本稿が扱うのは、誤っていない情報である。

2-1. 不祥事の多くは「事実」である

行政処分を受けた。リコールを実施した。訴訟を提起された。役員が辞任した。SNS上の投稿が批判を集め、謝罪を公表した。これらは多くの場合事実であり、公表資料に基づいて報道され、企業自身が公式に認めている場合も少なくない。

事実である以上、次のことが同時に成り立つ。

事実である不利な情報は、「誤っていること」を理由とする訂正の対象にはならない。ただし、正確な情報であっても、自然人についてはプライバシー、個人データ保護、検索結果削除など別の法的根拠により、消去・利用停止・削除等が認められる場合がある。

制度としても、この二つは分けて設計されている。「誤りの訂正」と「別の事由による消去・利用停止」は、EUでも日本でも別の条文に置かれている（詳細は姉妹記事「忘れられる権利は、AIの回答に届くのか」）。「事実だから何もできない」ではなく、「事実であることを前提に、どの根拠が使えるかを個別に判断する」のが正確な理解である。

2-2. だからこそ、時間だけが残る

誤情報であれば、誤りを指摘して直すという道筋が理屈の上では存在する（その道筋がどこまで機能するかは訂正・削除の記事が扱う）。少なくとも「何を求めるのか」は定義できる。

事実である不利な情報には、その定義が立ちにくい。本稿が扱う危機管理上の主要な変数は、時間と文脈である。

• 時間: 情報が語られる頻度が下がるのを待つ
• 文脈: 「その後どうしたか」を積み上げ、事案の記述に併記される状態を目指す

ただし、これで手段が尽きるわけではない。法的削除・利用停止等が別の根拠で成立する場合、元情報の適法な更新・削除、検索結果からの de-indexing、各プラットフォーム固有の申告、第三者媒体への修正依頼などが状況により残る。

2-3. 「では、法的に消せないのか」——この問いは別稿で扱う

ここまで読んだ読者は、必ず次を考える。誤りを理由とする訂正が使えないなら、法的に消すことはできないのか。

正当な問いである。そして本稿はその問いに答えない。

理由は、答えるために必要な検討が本稿の軸と別だからである。EU GDPR 第17条の消去権、Google Spain 判決、日本の最高裁2017年決定、CNIL と EDPB による AIモデルへの権利行使の整理、日本の個人情報保護法における「訂正等」と「利用停止・消去」の区別、EU AI Act 第50条の位置づけ——これらはいずれも制度と権利の話であり、本稿が扱う時間軸と観測とは別の軸にある。中途半端に触れれば、どちらも精度を欠く。

この問いは、姉妹記事「忘れられる権利は、AIの回答に届くのか」で正面から扱う。そこでは制度ごとに対象と主体を切り分け、法人と自然人で結論が分かれることを示している。先に一点だけ述べておくと、法人が、真実である自社の不利な情報をAI回答から消すための一般的な権利は、本稿で確認した範囲では確認できなかった。根拠と例外は姉妹記事を参照されたい。

なお、誤りである情報について法的に争えるかという別の問いは、AI誤情報と法的責任が扱っている。

本稿はここから先、制度に頼れないという前提の上で、時間と観測の問題として進む。時間については見通しが立たない。文脈については§5で扱う。

2-4. 誤りが混ざる場合の扱い

実務では、事実と誤りが混ざる。処分の事実は正しいが、内容や時期、対象範囲が誤って語られる場合である。この場合は分離して扱う。誤っている部分は誤情報の枠組みで対処し（AI誤情報対策へ）、正しい部分は時間軸の問題として扱う。混ぜたまま「全部消したい」と考えると、どちらの対処も設計できなくなる。

期間は分からない。しかし何が期間を左右するのかは、実証と公式文書から整理できる。

3-1. 構造① 引用元の安定性はプラットフォームで大きく異なる

SEOツールを提供する SISTRIX が2026年5月に公開した調査は、82,619件のプロンプト・1,548,213件のスナップショットを、6か国・3つのプラットフォーム・17週間（2025年12月17日〜2026年4月8日、週次基準日）にわたって観測している。ドメイン単位で、週ごとに引用元がどれだけ入れ替わるかを測ったものである。

この調査の主結果は「入れ替わりが激しい」ではなく、「プラットフォームごとに構造がまったく違う」である。

AI Overviews では、プロンプトの53%で17週間を通じて引用元が1件も変わっていない。28%は部分的な変化にとどまり、残る19%が AI Mode 並みに入れ替わる（churn-in 46%）。「入るか入らないか」で二極化した構造である。

AI Mode では、86.5%のプロンプトに1〜5ドメインの安定した中核が存在し、それ以外は週あたり89%が入れ替わる。ChatGPT Search では中核構造そのものが稀で、17週すべてに登場するドメインを1件も含まないプロンプトが中央値である。74%はドイツ語圏の値で、英国60%・フランス42%という国差も報告されている。

そのうえで、AI Mode については時間経過による収束が観測されていない。6か国で週あたり54〜59%という一貫した入替率が続き、17週間を通じて安定化の傾向は見られないと結論されている。URL単位では週85%とさらに大きい。

「AI回答は不安定だ」と一括りにしてはならない。自社に関わる問いがどのプラットフォームのどの構造に置かれているかは、観測しなければ分からない。

※この調査は自社ツールのデータに基づく当事者調査であり、数値はエンジンごとに分けて読む必要がある。同日中の再実行でも引用元の一致が限定的であることは広報とAIの引用元で扱っている。

3-2. 構造② 法人向けの訂正制度が確認できない

主要なAI提供元に共通する、法人が自社に関する記述の訂正を申し立て、処理期限と結果が保証される制度は、本稿で確認した範囲では確認できなかった（詳細はAI誤情報の訂正・削除）。残存期間の観点では、「待つ以外の手段で期間を短縮する導線が、制度として確認できない」ことを意味する。

3-3. 構造③ モデル内部の書き換えは安定しない

学習済みモデルの内部知識を局所的に書き換える技術（知識編集）については、書き換えが安定せず周辺の記述に波及するという課題が報告されている（詳細はAI誤情報の訂正・削除）。残存期間の観点では、「モデルの中から特定の記述を取り除けば済む」という前提が置けないことを意味する。

3-4. 構造④ 学習済み知識と検索結果が混ざる

期間の見通しを難しくしている構造だが、根拠の層を分けて読む必要がある。

第一層: 公式に確認できること。Google 公式は、AI Overviews と AI Mode が「クエリファンアウト（query fan-out）」——サブトピックやデータソースをまたいで複数の関連検索を発行する手法——を用いる場合があり、応答の生成中により多くの参照ページを特定して、通常のウェブ検索より広く多様なリンクを提示できると説明している。つまり1つの問いは内部で複数の派生した問いに展開されうる。企業名で検索していない問いからでも、企業に関する材料が集められる経路が存在する。

公式から確認できるのはここまでである。Google Search Central は、外部ウェブ情報を取得することは述べているが、学習済みの知識と取得結果を個々の回答でどう統合しているかは公開していない。

第二層: 一般のLLM研究で確認されていること。Xie らが ICLR 2024 で発表した研究（arXiv:2305.13300）は、モデルの内部記憶（parametric memory）とそれに反する外部証拠を統制条件下で突き合わせ、一見矛盾する二つの挙動を報告した。外部証拠が首尾一貫し説得的であれば、モデルは内部記憶に反する証拠にも高い受容性を示す。一方、外部証拠の中に内部記憶と一致する情報が含まれていると、矛盾する証拠が同時に提示されていても強い確証バイアスを示す。

この結果を商用AI検索での残存期間に直接換算することはできない。統制実験と実運用の製品は別である。それでも単純な「新情報＝上書き」というモデルを当然視できないことは示唆する。

3-5. 反映の速さにも、公表された幅がある

期間そのもののデータはないが、変更の反映にかかる時間については提供元が公式に述べている範囲がある。

Google は、スニペット制御を実装しても表示が変わらない場合の対処として「再クロールして変更を処理するまで待つこと」を挙げ、その所要を数日から数か月としている。削除ではなく反映速度の話だが、上限が示されていない点は時間軸を設計する側にとって重い。

OpenAI は、robots.txt の更新が検索側に反映されるまで約24時間としつつ、OAI-SearchBot をオプトアウトしたサイトについて「ChatGPT の検索回答には表示されないが、ナビゲーションリンクとしては表示されうる」と明記している。遮断しても表示経路が完全になくなるとは限らない。

3-6. 補足: 自社サイトの外に残るもの

自社サイトを修正しても、報道・掲示板・レビュー・動画といった第三者の面に情報は残る（供給構造は広報とAIの引用元が扱う）。本稿の文脈では、「自社で操作できる面」と「情報が残る面」が一致していないことを確認しておけば足りる。

§3-1のデータは強力だが、誤読されやすい。ここで境界線を引く。

4-1. ニュース記事は引用元として残りにくい

SISTRIX の調査は、Google AI Mode における引用元をドメイン種別に分類し、それぞれが「安定した中核」に入る比率（core rate）を報告している。

ニュース・メディアの中核率は1.4%で、分類の中で最も低い。調査はこれを「ニュースは片道切符」と表現している。

ただし正確を期すと、1.4%は「安定した中核に残る比率」であり、個別のニュース記事の引用寿命を直接測った値ではない。「1.4%以外は翌週に消える」とは読めない。分かるのは、ニュース系ドメインが恒常的な引用元として定着しにくい傾向である。

不祥事の情報は、多くの場合ニュース記事として世に出る。この数字から「時間が経てば引用されなくなるのだから、情報も消えるのでは」と考えたくなる。その推論は成立しない。

4-2. 引用元の安定性と、回答文の安定性は別の指標である

同じ調査は、AI Overviews について次のことを確認している。引用元が17週間まったく変わらなかったプロンプトのうち87%で、生成される回答の本文は週ごとに変化していた。同じ8つの情報源から、毎週違う文章が書かれていたということである。

この一点が本稿の中心にある。実証されているのは次の一方向である。

> 引用元が固定されていても、回答本文は変化しうる。

逆方向——引用元が入れ替われば回答内容も変わる——は、この調査では検証されていない。二つが統計的に独立であることを検定したものでもない。したがって正確な言い方はこうなる。引用元の安定性と回答文の安定性は別の指標であり、一方から他方を一意に推定することはできない。引用元の入替率は「どのサイトが引かれ続けるか」の指標であって、「何が語られ続けるか」の指標ではない。

4-3. 公開データが「ない」ことの実質的な意味

ここまでを整理すると、公開データの状況は次のようになる。

測定されているのは供給側（どのサイトが引かれるか）であって、需要側から見た内容（何が語られるか）ではない。この非対称が、「いつ消えるか」に答えられない構造的な理由である。

4-4. 加えて、プラットフォーム間の一致も低い

同調査は、同じプロンプトに対して AI Overviews と AI Mode が引用するドメインが83%の場合で異なり、重なりを示す Jaccard 指数は0.17だったと報告している。AI Mode と ChatGPT Search では0.125とさらに低い。同じ提供元の二つの機能ですら引用元がほとんど重ならない。

したがって「AI回答から消えたか」は、単一のエンジンで確認しても答えが出ない。複数のエンジンを横断して見る必要がある。

期間が予測できない以上、実務の設計は「見積もる」から「見続ける」へ移す必要がある。

5-1. 職業団体は、監視そのものは扱い始めている

設計に入る前に、職業団体がこの領域をどこまで扱っているかを確認しておく。動きは二つに分かれている。

AIを「使う側」の規律。英国の公共関係公認協会（CIPR）は2026年6月10日、PR実務におけるAIの責任ある利用に関するベストプラクティスガイドを公表した。Global Alliance の Venice Pledge の7原則を実務に落とし込み、ツールの事前評価、データの取り扱い、出力の確認、公開前の確認事項をチェックリスト化している。実務者がAIをどう使うかの話である。

AIを「観測する側」の実務。一方、米国広報協会（PRSA）のブログ PRsay は2026年7月9日、言語モデル上でのレピュテーション監視の設計を扱う記事を掲載した。レピュテーションを awareness（認知）・attitude（態度）・attribution（帰属） の三次元に整理し、言語モデルが企業について何を語るかを体系的に収集・分析・評価する監視を論じている。品質・信頼性・不祥事・サステナビリティ・雇用主としての魅力といった典型的な問いを対象に挙げている点は、本稿の関心と重なる。

つまり、LLM上のレピュテーション監視という実務は、職業団体の周辺で扱われ始めている。

それでもなお、特定の不祥事情報の残存期間を示す職業団体の基準・ガイダンスは、本稿で確認した範囲では確認できなかった。扱いは「観測すべきだ」という水準までで、「どれだけ残るか」には及んでいない。したがって、観測の設計は各社が自前で組む必要がある。以下はその設計案である。

5-2. 危機対応タイムラインへの組み込み

AI観測は、独立した施策としてではなく、既存の危機対応タイムラインの各フェーズに組み込む。

収束後の頻度は事案の性質と再発可能性で決める。「永久に同じ頻度で見続ける」は現実的ではない。一定期間の安定と、再発条件（同種事案・関連する規制動向・係属中の手続の進展など）を定めたうえで、通常の定期監視に移す。

最も重要なのは「発生前の記録」である。比較対象がなければ、事案後の状態が事案によるものかを判別できない。平時の観測は、危機時に意味を持つ。

5-3. 何を観測するか

表示の有無だけでは足りない。危機管理の文脈では内容まで見る必要がある。

最後の行が本稿の主題である。単発のスナップショットでは、変化したのか揺らいでいるだけなのかを区別できない。

5-4. 何を記録するか

AI回答は同じ問いでも実行ごとに変わりうる。記録がなければ後から検証できない。

ステートレスに、同一条件で、複数回。Vaipm は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で測定している。これは研究から導かれた最適値ではなく、Vaipm の運用設計である。回数と条件を固定する意味は、値そのものより前回と比較できる状態を維持することにある。

ここで注意がある。危機事案が役職員などの自然人に関係する場合、AI回答の全文を長期保存すること自体が個人情報の取扱いになりうる。検証可能性のために全文を残す要請と、個人データを不必要に蓄積しない要請は正面からぶつかる。したがって測定設計には、アクセス権（誰が閲覧できるか。危機管理・法務の範囲に限定する）、保存期間（検証に必要な期間を超えて持たない）、削除方針（判断者と手順、個人が特定される記述の扱い）の三点を必ず含める。

「測定のためだから」で無限に溜めない。個人データに関する権利の主体は自然人であり（姉妹記事参照）、これは細部ではなく測定設計に組み込むべき条件である。

5-5. 文脈を積み上げる

事実である以上、記述をなくすことは目標になりにくい。目標を「削除」だけに置かず、事案が言及されたときにその後の経過も併記される状態を観測する。そのための情報供給策を挙げる。

• 対応・是正・再発防止の内容を、自社の公式ページにテキストとして掲載する（Google はAI機能に関する基本として「重要なコンテンツをテキスト形式で利用可能にする」ことを挙げている）
• 事案の記述と対応の記述を同じページに置き、分断しない
• 日付・時点を明示する（いつの話なのかが判別できない記述は、時点の誤りを生みやすい）
• 第三者に事実として確認できる形で情報を提供する

これらが併記の確率を上げるという実測を、本稿は持っていない。§3-4で見たとおり、新しい材料が古い認識を強化する方向に働く可能性もある。したがって仮説として実行し、施策の後に観測して確かめる。観測なしに施策だけを積むと、効いたかどうかが永久に分からない。

5-6. やってはいけないこと

書けないことを明示する。以下はいずれも本稿で確認した範囲では確認できなかった。

数字が示されているという事実は、その数字が検証可能であることを意味しない。

本稿の論証をたどると、結論は必然的にひとつになる。

1. 特定企業の不祥事について、言及率の減衰期間を測った公開研究・調査は、本稿で確認した範囲では確認できなかった（§0・§6）
2. 引用元の安定性はプラットフォームで大きく異なり、AI Mode では17週間でも収束が見えていない一方、AI Overviews では半数超のプロンプトで引用元が固定されていた（§3-1）
3. 引用元の安定性と回答文の安定性は別の指標であり、一方から他方を一意に推定できない（§4-2）
4. AI回答の生成に外部ウェブ情報の取得が関与することは公式に確認できるが、学習済み知識との統合の仕方は公開されていない（§3-4）
5. 不祥事の多くは事実であり、「誤っていること」を理由とする訂正の枠組みが最初から使えない（§2）
6. そして、法人が真実である不利な情報をAI回答から消すための一般的な権利も確認できなかった（制度面は姉妹記事「忘れられる権利は、AIの回答に届くのか」）

期間を予測する材料が、どこにもない。

予測できないものを扱う方法は、他の領域と同じである。測り続けて、変化を検知する。品質指標を継続的に取り、労働災害の発生率を追い続けるのと構造は変わらない。

AI上の認知を、単発の確認ではなく継続的な管理の対象として扱う考え方を、Vaipm は AI Perception Management（AIPM）と呼んでいる。AIPM は業界の規格ではなく、Vaipm が用いる整理の枠組みである（AIPMとは）。

本稿の実務的な含意は、次の一行に尽きる。

> 収束宣言の条件に「AI回答での扱われ方を観測し、記録した」を加える。

報道が止まったことは、AIの回答が変わったことを意味しない。そして、AIの回答が変わったかどうかは、見なければ分からない。

Q1. 炎上した情報は、AIの回答からいつ消えますか。

本稿で確認した範囲では、この問いに答える公開データは確認できませんでした。より正確には、特定企業の特定の不祥事について条件を固定して回答を時系列反復し、言及率の減衰期間を測った公開研究・調査が確認できていません。日数を示す記述は実務メディアに流通していますが、標本・測定手順・再現方法が公開されているものはありません。期間を見積もるのではなく、観測して確かめる設計に切り替えることをおすすめします。

Q2. 元の記事を削除してもらえば、AIの回答からも消えますか。

そうとは限りません。第一に、学習済みの知識と取得結果が個々の回答でどう統合されるかは公開されていないため、検索側から消えたことが回答から消えることを意味するとは限りません。第二に、Google は再クロールと処理に数日から数か月かかる場合があると述べており、反映までの時間に幅があります。加えて、報道・掲示板・レビュー・動画といった第三者の面には情報が残ります。

Q3. 事実である不利な情報は、法的に消せないのですか。

本稿はこの問いを扱いません。制度と権利の検討は、本稿の軸である時間軸と観測とは別の作業になるためです。姉妹記事「忘れられる権利は、AIの回答に届くのか」で、GDPR 第17条・Google Spain 判決・日本の最高裁2017年決定・CNIL の整理・個人情報保護法・EU AI Act 第50条を制度ごとに切り分けて扱っています。本稿の範囲で言えるのは、法人が、真実である自社の不利な情報をAI回答から消すための一般的な権利は確認できなかったという一点までです。なお、誤りである情報について争えるかはAI誤情報と法的責任が扱っています。

Q4. ニュース記事は引用元として残りにくいと聞きました。時間が解決するのでは。

SISTRIX の調査では、Google AI Mode の引用元のうちニュース・メディア系ドメインが安定した中核に入る比率は1.4%で、分類の中で最も低い値でした。ただしこれは安定コアへの残存率であり、個別記事の引用寿命を直接測った値ではありません。さらに「どのサイトが引用元として残るか」の数字であって、「情報が語られなくなるか」の数字でもありません。同じ調査は、引用元が17週間変わらなかった場合でも回答本文は87%のケースで週ごとに変化していたことを示しています。二つは別の指標であり、一方から他方を一意に推定できません。

Q5. AI Overviews では引用元が固定されると聞きました。安心してよいのでしょうか。

安心の材料にはなりません。SISTRIX の調査では確かに AI Overviews のプロンプトの53%で17週間引用元が1件も変わっていませんが、同じ調査は、引用元が固定されていたプロンプトの87%で回答本文が週ごとに変化していたことも示しています。引用元が動かないことは、語られる内容が動かないことを意味しません。むしろ「固定されているから見なくてよい」という判断が、変化の見落としにつながります。

Q6. 何を、どのくらいの頻度で記録すればよいですか。

記録すべきはエンジン・機能名、モデルの版、実行日時、言語、地域設定、ログイン状態、プロンプト全文、反復回数、そして回答全文です。要約して保存すると後から検証できません。特に事案が起きる前の状態が重要で、比較対象がなければ変化を判別できません。頻度については、一度の確認では足りません。同じ提供元の AI Overviews と AI Mode ですら引用元が83%のケースで異なり（Jaccard 指数0.17）、AI Mode と ChatGPT Search では0.125とさらに低い値です。加えて実行ごとの揺らぎがあるため、単発の結果からは「変化した」のか「揺らいでいる」のかを区別できません。

Q7. 報道が止まれば、AIの回答も落ち着きますか。

その対応関係を示すデータは、本稿で確認した範囲では確認できませんでした。報道量とAI回答での扱われ方は別の系であり、片方から他方を推定する根拠がありません。収束を判断する材料として報道量だけを使うと、AI回答の状態を確認しないまま収束を宣言することになります。

Q8. 収束宣言は、何をもって出せばよいですか。

報道量の減衰に加えて、AI回答での扱われ方を観測し、記録したことを条件に加えてください。具体的には、複数のエンジンで同一条件の観測を行い、事案への言及の有無・記述の内容・引用元・前回からの変化を記録し、事案発生前の基準状態と比較できる形にしておくことです。収束後は頻度を落としてよいのですが、一定期間の安定と再発条件を定めたうえで定期監視に移すのが実務的です。

Q9. 新しい発表を出せば、古い記述は上書きされますか。

保証はありません。ICLR 2024 で発表された研究（Xie ら, arXiv:2305.13300）は、統制実験において、モデルが首尾一貫した外部証拠には内部記憶に反しても高い受容性を示す一方、外部証拠の中に内部記憶と一致する情報が含まれていると強い確証バイアスを示すことを報告しています。この結果を商用AI検索での残存期間に直接換算することはできませんが、単純な「新情報＝上書き」というモデルを当然視できないことは示唆します。発表後に観測して確かめる工程を設計に含めてください。

Q10. 押し下げのために大量のコンテンツを出すのは有効ですか。

推奨しません。従来SERPのように、特定URLの順位を下げれば見えなくなるという単純な押し下げモデルを、AI回答にそのまま適用できる根拠はありません。また§3-1のとおり、少なくとも AI Mode と ChatGPT Search では引用元が週単位で入れ替わるため、量で面を埋めるという考え方が働きにくい構造です。レビューや口コミの操作は各プラットフォームの規約違反となりうるうえ、発覚した場合の損害が元の事案を上回りかねません。

Q11. AIのクローラーをブロックすれば表示されなくなりますか。

完全にはなりません。OpenAI は、OAI-SearchBot をオプトアウトしたサイトは ChatGPT の検索回答に表示されないが、ナビゲーションリンクとしては表示されうると明記しています。robots.txt の更新の反映には約24時間かかるとも述べています。さらに遮断できるのは自社サイトのみで、報道や第三者の投稿は対象外です。ブロックは自社サイトの引用可能性も下げるため、副作用の検討が要ります。

Q12. 広報の業界団体に、この問題のガイダンスはありますか。

扱われ始めてはいます。CIPR は2026年6月10日にPR実務でのAI利用に関するベストプラクティスガイドを、PRSA のブログ PRsay は2026年7月9日に言語モデル上のレピュテーション監視の設計を扱う記事を出しています（§5-1）。それでも本稿で確認した範囲では、特定の不祥事情報の残存期間を示す職業団体の基準・ガイダンスは確認できませんでした。扱いは「観測すべきだ」という水準にとどまっています。

• 特定企業の不祥事について、言及率の減衰期間を測った公開研究・調査は、本稿で確認した範囲では確認できなかった
• 不祥事の多くは事実であり、「誤っていること」を理由とする訂正の枠組みが使えない
• 残存を左右する構造は四つ: 引用元の安定性のプラットフォーム差、法人向け訂正制度の不在、モデル内部書き換えの不安定性、学習と取得の統合が非公開であること
• 引用元の安定性はプラットフォームで大きく異なる。AI Mode では17週間でも収束が見えず、AI Overviews では半数超のプロンプトで引用元が固定されていた
• 引用元の入替データを「情報の消失」の根拠に読み替えない。二つは別の指標であり、一方から他方を一意に推定できない
• 法人が真実である不利な情報をAI回答から消す一般的な権利も確認できなかった（制度面は姉妹記事へ）
• 実務の設計は「期間を見積もる」から「継続的に観測する」へ移し、収束宣言の条件にAI回答の観測と記録を加える

一次情報（公式ドキュメント）

1. Google Search Central「AI features and your website」（クエリファンアウト、AI機能への追加要件、再クロールに数日から数か月、テキスト形式での提供）最終更新 2025-12-10

https://developers.google.com/search/docs/appearance/ai-features

2. Google Search Central「Remove a page hosted on your site from Google」（削除ツールの効果は約6か月、恒久的な措置の方法、適用は自社管理URLに限られる）

https://developers.google.com/search/docs/crawling-indexing/remove-information

3. OpenAI「Overview of OpenAI Crawlers」（robots.txt 反映に約24時間、OAI-SearchBot オプトアウト時もナビゲーションリンクとして表示されうる）

https://developers.openai.com/api/docs/bots

4. CIPR（Chartered Institute of Public Relations）「The Responsible Use of AI in PR」ベストプラクティスガイド 2026年6月10日公表

https://newsroom.cipr.co.uk/cipr-publishes-new-best-practice-guide-on-responsible-ai-use-in-pr/

5. CIPR による助言（PR実務者はクライアントの百科事典項目を直接編集せず、コミュニティへ内容・提案を提供する。荒らしの除去を除く。2026年1月に改めて表明）

実証研究・大規模観測データ

6. Xie, J., Zhang, K., Chen, J., Lou, R., Su, Y.「Adaptive Chameleon or Stubborn Sloth: Revealing the Behavior of Large Language Models in Knowledge Conflicts」ICLR 2024（arXiv:2305.13300）

https://arxiv.org/abs/2305.13300

7. SISTRIX「AI Citation drift: How stable are sources in AI search results?」2026年5月公開。82,619プロンプト・1,548,213スナップショット、6か国・3プラットフォーム・17週間（2025-12-17〜2026-04-08）

https://www.sistrix.com/blog/ai-citation-drift-how-stable-are-sources-in-ai-search-results/

実務資料・注記

8. PRSA / PRsay「How to Set Up Reputation Monitoring in Language Models」2026年7月9日（awareness・attitude・attribution の三次元、言語モデル上のレピュテーション監視の設計）

https://prsay.prsa.org/2026/07/09/how-to-set-up-reputation-monitoring-in-language-models/

9. SISTRIX の調査は自社ツールのデータに基づく当事者調査であり、数値はプラットフォーム別に読む必要がある。ドメイン単位の集計であり、URL単位ではより大きな入替が報告されている。
10. 本稿で言及した制度（EU GDPR 第17条、Google Spain 判決、最決平成29年1月31日、CNIL / EDPB Opinion 28/2024、EU AI Act 第50条、個人情報保護法）の一次情報は、姉妹記事「忘れられる権利は、AIの回答に届くのか」の出典一覧に収録している。

• 広報とAIの引用元 — AIが広報情報をどこから取るか（本記事の親記事）
• 忘れられる権利は、AIの回答に届くのか — 制度と権利の側から扱う姉妹記事（公開後に実リンク化）
• AI誤情報対策 — 誤った情報の類型と構造
• AI誤情報の訂正・削除 — 訂正できるのか、という問い
• AI誤情報と法的責任 — 法的手段と責任の所在
• AIPMとは — AI上の認知を継続的に管理する考え方
• AIOとは / LLMOとは — 用語の整理