AIは何を見て自社を語るのか — 広報・PRのためのレピュテーション供給源

生成AIが自社について語るとき、その回答に引用として示されるのは、広報が最も管理してきた自社サイトでも、最も働きかけてきた報道でもありません。その両方を含む、はるかに広く、サービスによって構成の違う情報源です。

国内の広報部門における生成AIの導入率は、2回の調査で37.2%（2024年）から77.0%（2025年）へ上昇しました（日本広報学会・生成AIを活用した広報研究会、有効回答121件および104件）。ただし用途は制作・要約・企画支援に集中しています。

一方、供給の構造は従来の広報の前提とずれています。McKinseyの分析では、ブランドの自社サイトがAI検索の参照する情報源に占める割合は多くの場合5〜10%程度と推計されています（算出根拠は非公開のため参考値）。またAI Overviewsに引用されたURLのうち、同じクエリの検索結果の最初の10ブロックに入っていたのは37.9%でした（Ahrefs、863,000件のSERPと400万件のAI Overviews URL）。引用元の顔ぶれも、調査対象のデータセットではサービスごとに大きく異なっていました。

そして2026年5月、測定・評価の国際団体AMECが「AMEC GEO Principles」を公表しました。本記事はこの供給構造を広報・PRの視点から整理し、AMECの原則と突き合わせます。誤りへの対処ではなく、平常時に正しい情報がどこから引かれ、どう扱われるかを扱います。

本記事の観測範囲（重要）

本記事が測定対象とするのは、AI回答の画面に表示された引用リンク・支持リンクです。これらは回答を支える公開上の手掛かりですが、モデルが内部で参照・評価した情報源の全体や、各ページの因果的な寄与を示すものではありません。Googleも自社の公式ドキュメントでこれらを「supporting links（支持リンク）」と表現しています。

AMECのGEO原則も同じ立場で、観測されたAI出力は「directional indicators（方向性を示す指標）」であり、ツール・プロンプト・市場・言語・時間をまたいで透明に検証されるべきものだとしています。本記事のタイトルにある「AIは何を見て」も、この限定のもとで読んでください。

この記事で分かること

• AIが参照する情報源に占める自社サイトの比重と、その限界
• 引用として表示されるURLが検索上位と一致しない構造的な理由（query fan-out）
• ChatGPT・Google AI Overviews・Perplexityで引用元の構成がどう違うか
• AMECのGEO原則が広報の測定に何を求めているか
• 実務として何ができ、何をやってはいけないか

対象読者

事業会社の広報・PR部門、PR会社、コーポレートコミュニケーションの責任者層を想定しています。採用広報の文脈は扱いません（採用候補者はAIで会社を調べているを参照）。

用語について

本記事ではAIO・GEO・LLMOといった呼称を、公式規格ではなく実務上の呼び名として扱います。Google Searchは公式ドキュメントで、生成AI機能に出るための追加要件や特別な最適化は必要なく、生成AI検索への最適化は検索体験への最適化であり依然としてSEOである、と説明しています。用語の整理はAIOとはとLLMOとはを参照してください。

本記事の後半で用いる「AIPM（AI Perception Management）」も、業界で共通に定められた名称ではなく、Vaipmが採用している整理です。この点はAIO・GEO・LLMOと同じ扱いになります。

1.1 2回の調査で 37.2% から 77.0% へ

日本広報学会の「生成AIを活用した広報研究会」（主査：雨宮徳左衛門氏）は、広報部門を対象とした生成AI活用の調査を2年続けて実施しています。第1回調査は2024年10月12日から11月11日に行われ、国内の企業・団体の広報担当者・管理職、広報代理業従事者、広報学研究者を対象に128件の回答（うち有効回答121件）を得ました。この時点での生成AI導入率は37.2%、資本金1億円以上の企業では44.8%、1億円未満では31.6%です。

第2回調査は約1年後の2025年10月から11月にかけて、同時期・同規模で、一定程度共通した対象リストを用いた定点調査として実施され、有効回答は104件でした。「定着している」18.3%と「導入し、定着を模索している」58.7%を合計した導入済み層は77.0%に達し、「認知している」にとどまる層は45.5%から13.5%へ低下しています。

読み方には注意が要ります。両調査は同一回答者を追跡したパネル調査ではありません。「同じ組織が変化した」ではなく「2回の調査結果では37.2%から77.0%へ上昇した」と書くのが正確です。いずれもインターネット調査で、回答者には事業会社の広報担当者だけでなくPR代理店の従事者や広報学研究者も含まれます。

1.2 用途は制作・要約・企画支援に集中している

何に使われているかを見ると、輪郭がはっきりします。第2回調査で上位に並んだのは、プレスリリース類の作成、コピーやリリースタイトルの案だし、企画の壁打ちや案だしでした。前回と比べ議事録の作成が11件（24.4%）から29件（36.3%）へ、翻訳が3件（6.7%）から14件（17.5%）へ伸びています。

※日本広報学会「第2回 広報における生成AIの活用実態調査」（2025年10月〜11月、有効回答104件）。割合は導入者を分母とする。複数回答。

この分布から読み取れるのは、回答者の生成AI用途が制作・要約・企画支援に集中していたという事実までです。 同調査はAI上での自社認知を測定しているかを直接尋ねたものではないため、国内広報部門におけるAI認知測定の普及率をこの調査から判断することはできません。

生成AIを使ってプレスリリースを書くことと、生成AIが自社について何と説明しているかを把握することは別の活動です。前者は自社の内部で完結し、後者は自社の外側、しかも複数のAIサービスの内部で起きており、外から問いかけない限り見えません。導入率77.0%は前者の普及を示す数字であって、後者について何かを示すものではありません。本記事が扱うのは後者です。

1.4 本記事が扱わない範囲

本記事は「誤りではない」領域を扱います。AIが自社について誤った情報を出している場合の定義・類型・対処・法的手段は、別の記事群が担当します。

• AI上の誤情報の全体像と対処の枠組み：AI誤情報対策
• 法的に争えるかどうか：AIの誤情報は法的に争えるか
• 訂正・削除を求める実務：AI誤情報の訂正・削除

求職者がAIで企業を調べる行動と、そこで参照される雇用主レビュー系の情報源については、採用候補者はAIで会社を調べているが扱っています。

本記事が担当するのは、平常時のレピュテーションの供給構造です。正しい情報であっても、どこから引かれ、どう要約され、誰と並べられるのか。その構造を見ます。

2.1 半数がAI検索を使っている

McKinseyは2025年10月16日公開の記事「New front door to the internet」で、自社のAI Discovery Surveyの結果を報告しています。米国の代表性のある消費者パネルに対し2025年8月に実施したもので、n=1,927です。この調査では、消費者の約半数がAI検索エンジンを意図的に使っていると回答しました。利用は全年齢層に広がっており、利用者のうち70%超がカテゴリーやブランド、製品を知るためのファネル上部の質問をしていると報告されています。

しばしば引用される「44%」は分母に注意が必要です。全消費者ではなく、AI検索の利用者を分母として「主要かつ好みの情報源」だと答えた割合です。同じ設問で従来型の検索は31%、小売事業者やブランドのサイトは9%、レビューサイトは6%でした。

2.2 追跡しているブランドは16%

同じ記事のなかで、McKinseyは別の調査にも触れています。2025年9月にフォーチュン500の消費財ブランドのCMOを対象に実施した調査（n≒30）で、AI検索でのパフォーマンスを体系的に追跡していると答えたブランドは16%でした。n≒30という小規模な調査であり、対象は米国の大手消費財ブランドに限られます。日本企業に、まして広報部門にそのまま当てはめることはできません。

なお本節の数字はいずれもコンサルティングファームによる自社調査であり、査読を経た研究ではありません。本記事では方向性を示す参考値として扱い、精密な水準値としては扱いません。

3.1 5〜10%という推計

McKinseyは同じ記事で、AI検索が参照する情報源のうちブランドの自社サイトが占めるのは多くの場合5〜10%程度だと述べています。出典としてはGoogle AI Overviewと同社の分析が挙げられ、算出方法の詳細は公開されていません。推計であり、精密な測定値ではありません。

それでもこの数字が示す構造は重要です。従来のSEO実務では自社サイトの最適化が中心になりやすかったのに対し、AI検索はアフィリエイトやユーザー生成コンテンツを含む多様な情報源から材料を集めます。その構成は言語モデル、地域、カテゴリー、質問の種類によって変わります。

3.2 業界によっては外部が65%超を占める

同記事によれば、消費財や金融サービスといった業界では、AI検索の回答が参照する情報源の65%超が出版社（雑誌やマイクロサイト）、ユーザー生成コンテンツ、アフィリエイトサイトだとされています。ここでも算出根拠は非公開のため水準値としては扱えませんが、「業界によって供給構造が大きく違う」という指摘は、後述するサービス別の引用データとも方向が一致します。

自社サイトのニュースルーム、会社概要、サステナビリティレポート。広報がもっとも直接的に管理できる領域を完璧に整えても、それがAI回答の引用元に占める比重は限られる可能性があります。McKinsey自身も、伝統的なブランド力の強さはAI検索の世界で戦う準備の指標にはならないと書いています。

3.3 ただし技術要件は残る

誤読を避けるために、逆方向の注記を置きます。

Google Search公式ドキュメントは、自社サイトの特定のページが生成AI機能の支持リンクとして表示されるためには、そのページがインデックスされ、スニペット付きでGoogle検索に表示され得る状態である必要があると明記しています。加えて、Search Consoleで生成AI機能への表示対象に含まれている必要があります。追加の最適化ではなく従来からの技術要件です。

ただしこれは「自社ページが引用リンクとして出るための条件」であって、企業がAI回答で言及されること自体の必要条件ではありません。第三者の報道、Wikipedia、レビューや掲示板の書き込みだけを材料に自社が語られることは十分にあり得ます。それでも、クロールを許可し重要な内容をテキストで提供しなければ、自社ページが引用の候補に入らないことは変わりません。

4.1 最初の10ブロックからの引用は37.9%

ここが最も通説を崩す部分です。Ahrefsは2026年3月2日公開の調査で、863,000件のキーワードSERPと合計400万件のAI Overviews URLを分析しました（同社のAI可視性ツールによるデータ）。AI Overviewsに引用されたURLのうち最初の10 SERPブロックに入っていたのは37.9%でした。ここでいうブロックとは、広告、強調スニペット、他のユーザーはこちらも質問、動画パックなどのSERP機能を、それぞれ別々に1ブロックとして数えたものです。「検索1ページ目」や「上位10位」とは一致しません。残りは11〜100ブロック目が31.2%、100ブロック目より外が31.0%と、ほぼ二分されています。通常の青いリンクだけに限定した第2の分析では、上位10位37.1%、11〜100位26.2%、上位100位圏外36.7%でした。

同社は2025年7月の調査では約76%が上位10位からだったと報告しており、約半分に落ちたことになります。この変化について同社は、2026年1月からAI OverviewsがGemini 3で動作するようになったことに触れていますが、これは同社の解釈でありGoogleの説明ではありません。

4.2 引用ドメインの29.8%は1ページ目に存在しない

学術側からも、方向の一致する測定結果が出ています。ワシントン大学セントルイス校のHaofei Xu、Umar Iqbal、Jacob M. Montgomeryによる測定研究（arXiv:2605.14021、2026年5月13日投稿。査読前）は、2026年3月13日から4月21日までの40日間に、19カテゴリーにわたる55,393件のトレンドクエリをGoogleに投入しました。AI Overviewsが表示されたのは7,583件（13.7%）、疑問形のクエリでは64.7%、疑問形でないクエリでは9.5%です。

情報源については、次のように報告されています。AI Overviewsの参照ドメインのうち、同じSERPの1ページ目の結果と重なるのは、上位5件で25.0%、上位10件で41.4%、1ページ目全体でも70.2%。裏を返せば、29.8%の参照ドメインは対応する1ページ目のどこにも現れていません。URL単位では28.5%（61,206件中17,451件）です。しかもこれら「1ページ目に出ない」参照のドメイン品質スコアの平均は、1ページ目に出る参照より高くなっていました。

繰り返しますが査読前のプレプリントであり、米国からの英語クエリが対象です。日本語での挙動が同じである保証はありません。

4.3 引用は「集中」ではなく「広がり」である

同じ研究には、広報にとってさらに実務的な含意を持つ数字があります。AI Overviewsの引用は、7,583件の回答に対して61,212件の参照URL、7,479のユニークホストに及びました。1件あたりの参照数は中央値8件で、分布は次のようになっています。

※Xu, Iqbal & Montgomery（arXiv:2605.14021、査読前）。1ページ目の集計にはGoogleサービスのURLが約3%含まれる。

検索結果の1ページ目は少数のドメインに集中しますが、AI Overviewsの引用はより平たく広がっています。40日間の観測期間中にちょうど1回だけ引用されたホストは4,212件で、ユニークホスト全体の56.3%を占めました。上位10ドメインを見張っていれば全体像がつかめる、という前提は成り立ちません。

4.4 なぜそうなるのか — Google公式のquery fan-out

構造的な理由は、Google自身の公式ドキュメントに書かれています。Google Search Centralは、AI OverviewsとAI Modeが「query fan-out」と呼ばれる技術を使う場合があると説明しています。元のクエリからモデルが関連する複数のクエリを同時に生成し、追加の検索結果を取得する仕組みで、「雑草だらけの芝生を直す方法」に対して「芝生に最適な除草剤」「薬剤を使わない除草」といった派生クエリが生成される例が挙げられています。この過程で「クラシックなウェブ検索よりも幅広く多様な有用リンクを表示できる」とされています。

つまり回答に引用として表示されるURLの供給元は、ユーザーが打った言葉のSERPだけではありません。AIが内部で言い換えた複数の問いのSERPです。広報が想定していない言い回しの検索結果から、自社や競合のページが引かれることがあります。

「主要キーワードで1位を取る」という発想は、AI回答のなかでの見え方を説明しきれません。だからといってSEOが無意味になったわけでもありません。Googleは公式に、生成AI機能は中核の検索ランキング・品質システムに根ざしておりSEOのベストプラクティスは引き続き有効だと述べています。前提は変わらず、その上に「どこから引かれているか」という別の観測軸が必要になった、というのが正確な理解です。

5.1 Profoundの2024〜2025年データでは、上位引用元の構成がサービスごとに異なった

AI可視性ツールを提供するProfoundは、2024年8月から2025年6月にかけてChatGPT、Google AI Overviews、Perplexityの引用パターンを分析しました（2025年6月5日公開、2025年8月更新）。データセットは6億8,000万件の引用規模とされます。ただし引用件数は公開されているものの、独立した質問（プロンプト）の数、対象企業数、言語・地域の構成、サンプリング方法は非公開です。この調査は2種類の数字を提示しており、混同しやすいので分けて読む必要があります。

第一に、データセット全体の引用に占める割合です。

※ChatGPTにおけるRedditは1.8%。

第二に、各サービスの上位10ソースのなかでの相対シェアです。こちらは母数が「上位10ソースの引用合計」であり、全引用ではありません。

※Profound「AI Platform Citation Patterns」（2024年8月〜2025年6月）。上位10ソース内の相対シェアであり、全引用に占める割合ではない。

「ChatGPTの引用の約半分がWikipedia」と読むのは誤りです。正しくは「上位10ソースのなかでWikipediaが47.9%」であり、全引用に占める割合は7.8%です。社内共有の際は必ず母数を添えてください。

そのうえで、当該ベンダーの当該期間・当該データセットでは、上位引用元の構成が大きく異なっていました。ChatGPTでは百科事典的なソース、Perplexityではコミュニティ系の比重が高く、Google AI Overviewsは両者が混在しています。現在も同じ構成が続いているかは、この調査からは分かりません。

5.2 AI Modeでは別の顔ぶれが上位に来る

SE Rankingは2025年6月20日に、米国からの10,000キーワードを用いてGoogleのAI Modeを調査しました（2025年8月29日公開）。ログインしていない状態で取得しています。

AI Modeの回答1件あたりのリンク数は平均12.6件。引用元として最も多かったのはwww.google.comで全引用の5.7%を占めましたが、これは検索結果へのリンクではなく、97.9%がGoogleマップのビジネスプロフィールへのリンクが回答に表示されたものです。9,734件の回答のうち902件、回答出現率9.2%に相当します。

Googleを除いた上位は、www.indeed.com（1.8%）、en.wikipedia.org（1.6%）、www.reddit.com（1.5%）、youtube.com（1.4%）、www.nerdwallet.com（1.2%）。上位10ドメインを合計しても全引用の11.9%です。会社の所在地や営業時間といった情報が、報道でもオウンドサイトでもない経路で回答に表示されている点は、広報にとって見落としやすい論点です。

5.3 Google自身も「AI OverviewsとAI Modeは違う」と書いている

差は外部調査の解釈だけではありません。Google Search Centralの公式ドキュメントは、「AI ModeとAI Overviewsは異なるモデルと技術を使う場合があるため、表示される回答とリンクのセットは変わる」と明記しています。同じGoogleの、同じ検索インデックスを土台にした2つの機能ですら、出てくる引用元が違うと公式に説明されているわけです。SE Rankingの調査でも、同じキーワードに対する引用URLの重複は平均10.7%、ドメイン単位でも16%でした。

5.4 同じ日に3回聞いても、引用URLの一致は平均9.2%

同じSE Rankingの調査には、測定を考えるうえで無視できない数字があります。

同じ10,000キーワードを同じ日に3回、独立して投入したところ、3回すべてで回答が得られた9,451件について、3回分の引用URL集合のJaccard係数を算出した平均は9.2%、ドメイン単位では14.7%でした。ペアワイズ比較ではURLで18.5〜19%、ドメインで26.6〜27%まで上がりますが、一致は限定的です。

前節のGoogleマップの「9.2%」は回答出現率、こちらは3集合のJaccard係数の平均です。数字が同じでも意味は別ですので、社内共有の際は取り違えないようご注意ください。

一方、上位に来るサイトの顔ぶれは3回とも比較的安定しており、www.google.com、www.indeed.com、en.wikipedia.org、www.reddit.comの並びはほぼ変わっていません。個別のページは入れ替わるが、頼りにされるサイト群には一定の傾向がある、ということです。

この性質は、1回の観測で結論を出すことの危うさを示します。一度聞いて出てこなくても「出ていない」とは言えず、一度出たからといって「出ている」とも言えません。

広報が長く扱ってきた対立軸は報道（アーンド）と自社発信（オウンド）でしたが、引用として表示されるURLには、この2つに収まらないものが大きな比重を占めています。百科事典、掲示板、Q&Aサイト、動画、レビュー、地図上のビジネスプロフィール。「AI」をひとつのものとして扱うと、この差は見えなくなります。

6.1 当該データセットでは引用の9%

ビンガムトン大学のKai-Cheng Yangによる分析（arXiv:2507.05301、2025年7月7日投稿。査読前）は、AI Search Arenaという対戦型評価プラットフォームのデータを対象としています。OpenAI、Perplexity、Googleの3提供者による12のAI検索モデルとの、24,000件超の会話、65,000件超の回答、366,000件超の引用が母数です。

このうち、ニュースソースを参照していた引用は9%でした。これは当該データセットにおける割合であり、AI検索全体、企業に関する質問、日本語での質問における割合ではありません。

6.2 提供者ごとに依存するメディア群が違う

同研究の主要な発見は2つです。第一に、提供者が異なればモデルは異なるニュースソースを引用する。第二に、それでも引用の振る舞いには共通のパターンがある。ニュースの引用は少数の媒体に強く集中しており、信頼性の低いソースが引かれることは稀でした。なお同研究は引用元の政治的傾向も分析していますが、本記事の主題ではないため扱いません。広報の実務に関わるのは「提供者によって頼りにされるメディア群が違う」という一点です。

6.3 アーンドメディアは重要だが、ただ一つの経路ではない

PRSAのブログPRsayに2025年6月18日に掲載された論考は、可視性はリンクからではなく「ソースになること」から生まれると論じています。ただし筆者はPRソフトウェア企業Muck Rackの共同創業者兼CEOであり、当事者による主張です。データ論文ではなく論考であり、記事中の数字も本記事では採用していません。

前節までのデータと突き合わせると、より穏当な結論になります。ニュースは当該データセットで引用の9%を占め、少数の媒体に集中し、提供者によって顔ぶれが違う。アーンドメディアは重要な経路ですが、AIが自社を語る材料のすべてではありません。

7.1 AMEC GEO Principles（2026年5月20日・ダブリン）

コミュニケーション測定・評価の国際団体AMECは、2026年5月20日、ダブリンで開催されたAMEC Global Summitで「AMEC GEO Principles」と実務ガイド「A Practitioner's Guide to GEO Measurement」を公表しました。AI主導の発見のなかで組織がどう見つけられ、解釈され、表現されるかを測るための枠組みです。

原則は6か月以上をかけて、AMEC Agency Groupの協働、理事会のレビュー、学術的な検証、ベンダーと実務者からのフィードバック、反復的なテストを経て策定されました。主要な執筆者はPR Agency OneのJames Crawford氏、KetchumのMary Elizabeth Germaine氏、FleishmanHillard TRUE Global IntelligenceのBen Levine氏ほかで、AMECのAcademic Advisory Groupが助言しています。

原則の冒頭には目的がこう書かれています。GEO測定が焦点を当てるのは、ステークホルダーが出会う情報が正確で、有用で、最新で、信頼でき、信用に足るものかどうかであって、単に可視性を高めることではない、と。

7.2 七つの原則

AMECの7原則は次のとおりです（要約は本記事による）。

1. AI主導の発見は、コミュニケーション目標とステークホルダーの情報ニーズに照らして測定されるべきである
2. GEO測定は、AI生成の回答を解釈する前に、上流の情報環境を評価しなければならない
3. 検索・コンテンツの準備状況は、信頼できる情報が発見され、理解され、引用され得るかの証拠として評価されるべきである
4. 観測されたAI出力は方向性を示す指標であり、ツール、プロンプト、市場、言語、時間をまたいで透明に検証されるべきである
5. GEO測定は可視性と成果を区別し、AIによる発見を認知・信頼・行動・インパクトに接続すべきである
6. 信頼でき最新であるソースは、量や宣伝や短期的な可視性より重要である
7. 倫理的なGEOは公共の情報環境を改善するものであり、操作・偽装・氾濫をもたらしてはならない

7.3 三つの証拠領域と、最低限の証拠水準

原則を適用する場は、三つの証拠領域に整理されます。

そのための最低限の証拠水準として、AMECは次を挙げています。

• ステークホルダーの質問に紐づけて管理されたクエリ・ライブラリ
• 使用したツール、プロンプト、プラットフォーム、日付、市場、言語の文書化
• 変動を開示したうえでの反復テストと、証拠としての出力の保存
• ソース品質のレビューとリスクログ
• 可視性・成果・インパクトの明確な区別

倫理面のガードレールも明示されています。低品質なコンテンツでウェブを氾濫させない、宣伝を独立した証拠のように偽装しない、レビューやフォーラムを操作しない、AI出力を検証なしに事実として扱わない。そして、いかなる単一のスコア、ツール、プロンプト集合も、AI可視性やコミュニケーションのインパクトの全体を証明することはできない、と書かれています。

7.4 「AI可視性だけを追うことは、次のAVEになりうる」

AMECは公表にあわせて「How to Measure GEO: Why AI Visibility Alone Is the Next AVE.」という記事も出しています。AVEとは広告換算値のことで、AMECが長年「使うべきでない」と主張してきた指標です。

James Crawford氏は公表時のコメントで、GEOやLLM出力の測定が急速に求められる一方、水準のばらつき、過剰な主張、バニティ指標、十分に透明でない方法論も存在すると述べ、最も有用な測定は証拠を三角測量することから生まれるとしています。AMECの立場は「AI可視性を測るな」ではなく「測れ。ただし単一のスコアに還元するな」です。

7.5 認識は広がったが、担当と運用は未整備

実務の現状は、この枠組みにまだ追いついていません。Muck Rackの「State of PR」レポートは、2026年5月14日から6月12日にPR実務者1,115名へ主にメールで配布して実施され、低品質・重複・スパム・外れ値を除外した971件が最終分析に含まれます。設問の文言が過年度から更新されており、年次比較はそのまま適用できない場合があるとされています。

※Muck Rack「State of PR」2026年版（2026年5月14日〜6月12日、有効回答971件）。同社はPR向けソフトウェアを提供する事業者であり、当事者調査。

重要だと考えている層が73%いる一方、39%はまったく測っておらず、29%は誰が担当するかも決まっていません。枠組みが存在しないのではなく、認識が広がった段階で、組織内の担当と運用がまだ整備されていない、というのが正確な読み方です。なおこの調査はAMECのGEO原則が公表された2026年5月20日をまたぐ期間に実施されており、回答者が原則を認識したうえで答えたかは分かりません。

7.6 全社共通のKPIが成立したわけではない

業界団体が枠組みを示したことは確かです。ただしそれは、すべての企業が同一のKPIを使うという意味での固定的な標準が成立したということではありません。AMEC自身が単一のスコアやツールへの依存を戒めています。原則が求めているのは、共通の数値ではなく共通の作法です。

Barcelona Principles V4.0（2025年6月、ウィーン）も同じ方向を向いています。測定と評価はアウトプット・アウトカム・インパクトを報告すべきであること、データ・方法論・技術における倫理・ガバナンス・透明性が信頼を築き学習を促すことが挙げられており、GEO原則はその延長線上にあります。

一方、英国のCIPRが2026年6月に公表した「The Responsible Use of AI in PR」は、Global AllianceのVenice PledgeをPR実務向けの手引きに翻訳したものです。AMECのGEO原則が「AIがどう語っているかをどう測るか」を扱うのに対し、CIPRのガイドは「PRがAIをどう使うか」の倫理を扱います。両者は補完関係にあり、混同しないほうが実務では扱いやすくなります。

8.1 一次情報を、機械にも読める形で置く

まず、Googleが公式に述べている範囲で確実なことから始めます。公式ドキュメントが挙げているのは、robots.txtやCDN側でクロールがブロックされていないこと、重要な内容がテキスト形式で提供されていること、内部リンクで見つけやすいこと、構造化データを使う場合はページの可視テキストと一致していること、良好なページ体験を提供していること、といった従来型のSEOの基本です。

広報の実務に置き換えると、こうなります。会社概要、沿革、事業内容、役員情報、主要な数値といった一次情報が、画像やPDFのなかだけに存在していないか。プレスリリースがテキストとして取得可能な形で恒久的なURLに置かれているか。重複したページが乱立していないか。これはAMECのGEO原則でいう「検索・コンテンツの準備状況」に対応します。

Googleは公式に、セマンティックHTMLは完璧である必要はないが可能な範囲で使うのは一般によい考えであり、スクリーンリーダーなど他の利用者がページを解析・移動しやすくなると述べています。アクセシビリティへの配慮と方向が一致する点は、社内を説得する際に使いやすい論点です。

8.2 第三者の面をどう扱うか

引用として表示されるURLの多くは自社の管理外ですが、広報にできることは限定的ながら存在します。レビューサイト、コミュニティ、動画、地図上のビジネスプロフィール。このうち事実関係の記載が自社の管理下にあるもの（ビジネスプロフィールの所在地・営業時間など）は正確に保てます。SE Rankingの調査でGoogleマップのビジネスプロフィールへのリンクがAI Modeの回答に表示されていた点を踏まえれば、軽視できない作業です。

一方、第三者が書いた内容そのものを操作しようとすることは、次節の禁止事項に該当します。

8.3 やってはいけないこと

第一に、口コミやレビューの操作です。AMECのGEO原則は、倫理的なGEOは公共の情報環境を改善するものであり操作・偽装・氾濫をもたらしてはならないと定め、ガードレールとして「レビューやフォーラムを操作しない」「宣伝を独立した証拠のように偽装しない」を明記しています。Google Search公式のガイドも「不自然な『メンション』を求めること」を効果が期待できない項目として挙げています。

第二に、日本国内では消費者庁が所管する景品表示法上のステルスマーケティング規制があります。社員による自発的な発信が直ちに規制対象になるわけではありませんが、社員の地位や担当業務、投稿の目的、会社の関与、報酬や便宜の有無などを総合して判断されます（詳細はFAQのQ6）。個別の判断は法務部門や専門家にご確認ください。

第三に、AI専用ファイルへの依存です。Google Searchは公式に、生成AI機能を含むGoogle検索に表示されるために新しい機械可読ファイルやAI用テキストファイル、マークアップ、Markdownを作成する必要はなく、Google Search自身がそれらを使わないと述べています。llms.txtは他のサービスのために維持するのは差し支えないが、Google検索での可視性を害することも助けることもなく無視する、と明記されています。特別なschema.orgの構造化データも不要とされ、FAQPageについてもGoogleは2026年5月7日にFAQリッチリザルトの表示を終了しています（詳細はFAQのQ7・Q8）。

第四に、単一スコアの過信です。AMECのGEO原則は、いかなる単一のスコア、ツール、プロンプト集合も、AI可視性やコミュニケーションのインパクトの全体を証明することはできないと明記しています。要約指標を使う場合も、サービス別・質問別の構成値と測定条件を併記する必要があります。Google自身も公式ガイドで、いかなるサードパーティツールもGoogleの内部ランキングやAIシステムにアクセスできないと警告しています。外部から観測できるのは出力であって、内部のランキングではありません。

8.4 広報のためのチェックリスト

1. 会社の一次情報（沿革、事業内容、拠点、主要数値）が、テキストで取得可能な恒久URLに置かれているか
2. プレスリリースがアーカイブとして残り、クロール可能か
3. robots.txtやCDNの設定で、意図せずクロールがブロックされていないか
4. 構造化データを使っている場合、ページの可視テキストと一致しているか
5. Googleビジネスプロフィールなど、自社が管理できる第三者面の事実情報が最新か
6. ステークホルダーの質問に紐づけた想定質問リストを作り、管理しているか
7. その質問を複数のAIサービスに実際に投げ、回答と引用元を記録・保存しているか
8. 記録の際、使用したツール、プロンプト、プラットフォーム、日付、市場、言語を文書化しているか
9. 数字を社内共有する際、母数と測定条件を添え、可視性と成果を区別しているか
10. 誤った情報が含まれていた場合の対応フローが決まっているか

6〜9番は、AMECの最低限の証拠水準（管理されたクエリ・ライブラリ、条件の文書化、出力の保存、可視性と成果の区別）に対応します。想定質問の観点は5つ。社名を含まない発見の問い（「〇〇業界の主要企業は」）、社名を含む確認の問い、競合と並べる比較の問い、印象を問う評判の問い、自社固有の論点（過去の不祥事、係争など）に触れる問いです。

なお前述のXuらの研究で疑問形クエリのAI Overviews起動率が64.7%だったのは調査対象全体の数字であり、企業レピュテーションに関する質問を抽出したものではありません。企業に関する質問で同じ差が生じるかは確認できません。それでも文の形をした問いを想定しておく意味はある、というのが本記事による推論です。

実際に測ってみると、事実と異なる記述に行き当たることがあります。そのとき必要になるのは別の判断です。何を「誤り」と定義し、訂正や削除を求める手段があるのか、法的に争えるのか。以下の記事群が扱っています。

• 全体像と対処の枠組み：AI誤情報対策
• 法的責任と争う手段：AIの誤情報は法的に争えるか
• 訂正・削除の実務：AI誤情報の訂正・削除

ひとつだけ補足します。前述のXuらの研究（査読前）は、AI Overviewsの回答を98,020件の原子的主張に分解し、11.0%が引用先のページに支持されていなかったと報告しています（「省略」7.0%、「誤り」2.7%、「曖昧」1.4%）。引用元が信頼できる媒体でも、そこから組み立てられた文が媒体の記述どおりとは限りません。AMECの原則がAI出力を「検証なしに事実として扱わない」と定めているのは、この構造に対応しています。

10.1 単一スコアだけで全体を評価することはできない

本記事で見てきたことを、測定の観点から整理します。第一に、引用元の構成はサービスごとに大きく異なり、Google内部のAI OverviewsとAI Modeですら引用URLの重複は平均10.7%でした。第二に、同じサービスでも実行のたびに揺れ、同じ日に3回投入した引用URLのJaccard係数の平均は9.2%でした。第三に、引用の裾野が広く平たいため、少数のドメインの監視では全体像がつかめません。

したがって、単一のスコアだけで全体を評価することはできません。要約指標を使うこと自体は否定されませんが、その場合もサービス別・質問別の構成値と測定条件を併記する必要があります。これはAMECのGEO原則が求める「変動を開示したうえでの反復テスト」「可視性・成果・インパクトの区別」と整合します。

10.2 記録すべき条件

測定結果を社内で共有し、時間をおいて比較するのであれば、少なくとも次を併記します。AMECの最低限の証拠水準とほぼ同じ内容です。

• どのAIサービスか（サービス名とモード）、いつか（日時）、どの言語・市場からか
• ログイン状態や過去の会話履歴の影響を受けていないか
• 何回試したか、そのうち何回に自社が現れたか
• 回答内でどう扱われたか（言及のみか、引用リンク付きか、推奨されたか、比較で不利に置かれたか）
• 引用元として何が示されたか

数字そのものよりも、その数字がどう得られたかを説明できることのほうが長期的には重要です。

なお、観測された数字の変動と広報施策の実施とのあいだに時期的な対応が見られても、それだけでは因果関係を示したことになりません。引用元は施策と無関係にも変動します。相関と因果は分けて記述してください。

10.3 AIPMという整理

AI上での自社の見え方を継続的に把握し、管理していくことは、SEO、メディア分析、レピュテーション管理を横断する業務です。この領域をVaipmでは「AI Perception Management（AIPM／AI認知管理）」と呼びます。前述のとおり業界で共通に定められた名称ではなく、Vaipmが採用している整理です。概念の詳細はAIPMとはで扱っています。

広報にとって、この層は突飛なものではありません。「自社が社会からどう見られているか」を把握し、働きかけることは、広報がずっとやってきた仕事です。変わったのは、その「見られ方」を媒介する層に、異なる挙動をする複数のAIサービスが入り込んだことです。まずは供給構造を把握すること。

Q1. AIに自社を良く語らせる方法はありますか？

「良く語らせる」ことを直接保証する方法は、公開されている一次情報の範囲では確認できません。Google Searchは公式に、生成AI機能に表示されるための追加要件や特別な最適化は必要なく従来のSEOのベストプラクティスが有効だと述べ、不自然なメンションをウェブ上で求めることは見かけほど有用ではないとも明記しています。AMECのGEO原則も、信頼でき最新であるソースは量や宣伝より重要だとしています。現実的にできるのは、自社の一次情報を正確かつ取得可能な形で提供し、実際にどう語られているかを継続的に確認し、事実と異なる点があれば対処することです。

Q2. 自社サイトを充実させれば足りますか？

足りない可能性が高い、というのが本記事の結論です。McKinseyの分析では、自社サイトがAI検索の参照する情報源に占める割合は多くの場合5〜10%程度と推計されています（算出根拠は非公開の参考値）。ただし自社サイトが不要という意味ではありません。自社ページが生成AI機能の支持リンクとして表示されるには、そのページがインデックスされスニペット付きで表示され得る状態である必要があります。これは自社ページが引用されるための条件であり、企業がAI回答で言及されること自体の条件ではありません。

Q3. 検索で1位を取れば、AIにも引用されますか？

必ずしもそうではありません。Ahrefsの調査（863,000件のSERP、400万件のAI Overviews URL）では、AI Overviewsに引用されたURLのうち検索結果の最初の10ブロックに入っていたのは37.9%、100ブロック目より外が31.0%でした。査読前の測定研究でも、参照ドメインの29.8%は同じクエリの1ページ目に現れていません。Googleが公式に説明するquery fan-outにより、AIは元のクエリから派生した複数の問いの検索結果からも材料を集めるためです。

Q4. ChatGPTとGoogleで、対策は同じですか？

Profoundの分析（2024年8月〜2025年6月）では、ChatGPTの上位10ソースのなかでWikipediaが47.9%、Google AI OverviewsではReddit（21.0%）、YouTube（18.8%）、Quora（14.3%）が上位、PerplexityではRedditが46.7%でした。いずれも上位10ソース内での相対シェアであり、全引用に占める割合ではありません。プロンプト数やサンプリング方法は非公開で、データ期間も限定されます。Google自身も、AI OverviewsとAI Modeは異なるモデルと技術を使う場合があり表示される回答とリンクは変わる、と公式に述べています。

Q5. 報道を増やせばAI上の評判は良くなりますか？

報道は重要な経路のひとつですが、それだけではありません。査読前の分析では、AI Search Arenaの当該データセットにおいて引用のうちニュースソースを参照していたのは9%でした。これはAI検索全体や企業に関する質問での割合ではありません。ニュースの引用は少数の媒体に集中し、提供者によって顔ぶれが異なることも報告されています。報道獲得の努力をAI上の可視性の全体戦略と同一視すると、コミュニティ、動画、レビュー、百科事典といった他の経路が視界から抜け落ちます。

Q6. 社員にSNSで発信してもらうのは有効ですか？

社員による自発的な発信が直ちに規制対象になるわけではありません。ただし日本では消費者庁が所管する景品表示法上のステルスマーケティング規制があり、社員の地位や担当業務、投稿の目的、会社が内容の決定に関与しているか、報酬や便宜があるかなどを総合して判断されます。事業者の表示に当たる場合は、所属を示すだけでは足りず、広告や依頼による投稿であることを一般消費者に明瞭に示す必要があります。個別の判断は法務部門や専門家にご確認ください。

Q7. llms.txtやFAQの構造化データを置けばAIに拾われますか？

Google検索については公式に否定されています。Google Searchは、生成AI機能を含むGoogle検索に表示されるために新しい機械可読ファイルやAI用テキストファイルを作成する必要はなく、Google Search自身がそれらを使わないと明記しています。llms.txtは他のサービスのために維持するのは差し支えないが、Google検索での可視性を害することも助けることもなく無視する、とされています。生成AI検索のために特別なschema.orgの構造化データを追加する必要もありません。FAQPageについては、GoogleがFAQリッチリザルトの表示を2026年5月7日に終了しており、表示装飾を生む施策としては期待できません（FAQのコンテンツ自体には読者にとっての価値があります）。構造化データを使う場合は、ページの可視テキストと一致させることが求められます。

Q8. 1回聞いて自社が出てこなければ、出ていないということですか？

そうとは言えません。SE Rankingの調査では、同じ10,000キーワードを同じ日に3回投入し、3回すべてで回答が得られた9,451件について引用URL集合のJaccard係数を算出したところ、平均は9.2%、ドメイン単位でも14.7%でした。1回の観測では、その回に何が選ばれたかしか分かりません。AMECのGEO原則も、変動を開示したうえでの反復テストを最低限の証拠水準に挙げています。

Q9. AI上の可視性について、業界の枠組みはありますか？

あります。AMECが2026年5月20日にダブリンで「AMEC GEO Principles」と「A Practitioner's Guide to GEO Measurement」を公表しました。上流のレピュテーション信号、検索・コンテンツの準備状況、下流のAI出力という三つの証拠領域と、管理されたクエリ・ライブラリや測定条件の文書化といった最低限の証拠水準を定めています。ただし、すべての企業が同一のKPIを使うという意味での固定的な標準ではありません。AMEC自身が、いかなる単一のスコア・ツール・プロンプト集合もAI可視性の全体を証明できないとしています。

Q10. Search Consoleで見られるようになったのでは？

Search Consoleの生成AI機能のパフォーマンスレポートは、2026年6月3日に発表されて以降、一部サイトに段階的に提供されています。2026年8月時点でも全サイトで利用できるわけではありません。利用可能なサイトでは、Google検索とDiscoverの生成AI機能でのパフォーマンスを確認できます。ただし見られるのはGoogleの面に限られ、ChatGPT、Perplexity、Claude、Geminiアプリは含まれず、回答のなかで自社がどう扱われたかも分かりません。

出典の確認日は2026年8月4日です。AI検索をめぐる数字は変化が速いため、引用する際は発表元で最新の状態をご確認ください。

一次情報・公式ドキュメント

1. AMEC「AMEC GEO Principles」（PDF、2026年5月20日 AMEC Global Summit（ダブリン）で公表）
   https://amecorg.com/wp-content/uploads/2026/05/AMEC-GEO-Principles.pdf
2. AMEC「A Practitioner's Guide to GEO Measurement」（PDF、2026年5月）
   https://amecorg.com/wp-content/uploads/2026/05/AMEC-Practitioners-Guide-to-GEO-Measurement.pdf
3. AMEC「AMEC launches GEO Principles to bring rigour to AI-led communications measurement」（2026年5月20日）
   https://amecorg.com/2026/05/amec-launches-geo-principles-to-bring-rigour-to-ai-led-communications-measurement/
4. AMEC「The AMEC GEO Hub」（原則・実務ガイド・データ品質原則の集約ページ）
   https://amecorg.com/amec-geo-hub/
5. AMEC「Barcelona Principles 4.0」（2025年6月、ウィーンでのAMECグローバルサミットで発表）
   https://amecorg.com/resources/barcelona-principles-4-0/
6. Google Search Central「AI features and your website」（最終更新 2025年12月10日）
   https://developers.google.com/search/docs/appearance/ai-features
7. Google Search Central「Optimizing your website for generative AI features on Google Search」（最終更新 2026年7月10日）
   https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
8. 日本広報学会「生成AIを活用した広報研究会」／広報部門における生成AIの導入率は37.2％（調査期間 2024年10月12日〜11月11日、回答128件・有効回答121件、インターネット調査）
   https://www.jsccs.jp/activity/report/ai372.html
9. 日本広報学会「生成AIを活用した広報研究会」／広報部門の生成AI導入率は77％で倍増以上（第2回 広報における生成AIの活用実態調査、調査期間 2025年10月〜11月、有効回答104件、インターネット調査）
   https://www.jsccs.jp/activity/report/ai77-20252-ai.html
10. CIPR「AI in PR guides」／The Responsible Use of AI in PR（2026年6月。Global AllianceのVenice Pledgeを実務向けに翻訳）
    https://cipr.co.uk/CIPR/CIPR/Our_work/Policy/AI_in_PR_/AI_in_PR_guides.aspx

学術・測定研究（いずれも査読前のプレプリント）

11. Haofei Xu, Umar Iqbal, Jacob M. Montgomery「Measuring Google AI Overviews: Activation, Source Quality, Claim Fidelity, and Publisher Impact」arXiv:2605.14021（2026年5月13日投稿。ワシントン大学セントルイス校。55,393件のトレンドクエリ、19カテゴリー、40日間〔2026年3月13日〜4月21日〕、98,020件の原子的主張）
    https://arxiv.org/abs/2605.14021
12. Kai-Cheng Yang「News Source Citing Patterns in AI Search Systems」arXiv:2507.05301（2025年7月7日投稿。ビンガムトン大学。AI Search Arenaデータ、24,000件超の会話、65,000件超の回答、366,000件超の引用）
    https://arxiv.org/abs/2507.05301

事業者・コンサルティングによる調査（参考値。当事者性に注意）

13. McKinsey & Company「New front door to the internet: Winning in the age of AI search」（2025年10月16日。AI Discovery Survey：米国消費者パネル、2025年8月、n=1,927／CMO調査：フォーチュン500消費財ブランドCMO、2025年9月、n≒30。5〜10%等は算出根拠非公開の推計）
    https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/new-front-door-to-the-internet-winning-in-the-age-of-ai-search
14. Ahrefs「Update: 38% of AI Overview Citations Pull From The Top 10」（2026年3月2日公開、2026年5月31日更新。863,000件のキーワードSERP、400万件のAI Overviews URL。同社のAI可視性ツールによる自社データ分析）
    https://ahrefs.com/blog/ai-overview-citations-top-10/
15. Profound「AI Platform Citation Patterns」（2025年6月5日公開、2025年8月更新。2024年8月〜2025年6月、6億8,000万件の引用規模。プロンプト数・企業数・言語/地域構成・サンプリング方法は非公開。AI可視性ツールベンダーによる自社データ分析）
    https://www.tryprofound.com/blog/ai-platform-citation-patterns
16. SE Ranking「AI Mode research: Volatility, source patterns, and differences from AIO and organic results」（2025年8月29日公開。データ取得 2025年6月20日、米国からの10,000キーワード、非ログイン状態。重複率はJaccard係数。SEOツールベンダーによる自社データ分析）
    https://seranking.com/blog/ai-mode-research/
17. Muck Rack「State of PR」2026年版（調査期間 2026年5月14日〜6月12日、PR実務者1,115名に配布、有効回答971件。PR向けソフトウェア事業者による当事者調査）／PRSA PRsayによる報道
    https://prsay.prsa.org/2026/07/15/long-hours-fewer-reporter-responses-ai-optimization-2026-state-of-pr/
18. Gregory Galant「LLMs Just Made PR the New Power Player in Search」PRSA PRsay（2025年6月18日。筆者はMuck Rackの共同創業者兼CEO。データ論文ではなく論考）
    https://prsay.prsa.org/2025/06/18/llms-just-made-pr-the-new-power-player-in-search/

本記事が測定対象とするのは、AI回答に表示された引用リンク・支持リンクです。モデルが内部で参照・評価した情報源の全体や、各ページの因果的な寄与を示すものではありません。

引用したデータのうち、事業者による調査は当事者性を、学術研究は査読の有無を、それぞれ本文中に明記しています。母数（n）が小さい調査、算出根拠が公開されていない推計については、水準値としてではなく方向性を示す参考値として扱っています。AMECのGEO原則の要約は本記事によるもので、原文は出典一覧のPDFをご参照ください。

AI検索をめぐる状況は変化が速く、本記事の数字は確認日時点のものです。実務判断にあたっては、発表元で最新の情報をご確認ください。法令に関わる判断については、法務部門または専門家にご相談ください。

更新日: 2026年8月4日／出典確認日: 2026年8月4日

著者: Vaipm（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）