何が、AIの推薦を決めているのか。

AIの答えは、どこかから来ています。

まず、当たり前のようでいて、見落とされやすいことから始めます。

AIは、自分の頭のなかだけで答えを作っているわけではありません。AIが「この用途なら◯◯がよく挙げられます」「◯◯は△△の点で評価されています」と答えるとき、その裏側では、外にある文章を引用したり、参照したりして、推薦を組み立てています。AIの推薦の裏には、いつも、「どの引用元・参照元を取り上げたか」という、見えない地図があります。

少し、想像してみてください。AIに「敏感肌でも使える化粧水は」と尋ねると、AIは数秒で答えを返します。その数秒のあいだに、AIは、自社サイトの説明文だけを読んでいるわけではありません。比較サイトの記述、レビューサイトの評価、クチコミの投稿、専門的な解説、事典類の記述、ときに動画の内容——さまざまな出どころを参照し、ならして、「世の中では、この化粧水はこう語られている」という像を作り、その像をもとに薦めています。AIの答えは、いわば、外にある無数の文章の、要約なのです。

だから、同じ商品について、自社の広告と、AIの答えが、まるで違う顔になることがあります。広告では「業界唯一の◯◯」と打ち出していても、AIは「使い勝手は評価されているが、価格はやや高めという声もある」と、外の語りをならして返す。AIの答えは、自社が見せたい姿ではなく、世の中で語られている姿のほうに、近づきます。自社のメッセージを、そのまま代弁してくれる広報担当ではない、ということです。

これは、ある人の評判を調べるのに似ています。本人の自己紹介だけを聞くのではなく、まわりの人の話を聞いて回る。本人が「私は信頼できます」と言うかどうかより、まわりが「あの人は信頼できる」と言っているかどうかのほうが、効く。AIの推薦も、これと同じ構造で動いています。自社が自分で何を言っているかより、外で自社がどう語られているかを、AIは重く見ます。

この性質は、企業にとって、やっかいでもあり、好機でもあります。やっかいなのは、自社サイトをどれだけ磨いても、外での語られ方が薄ければ、AIはそれを十分な裏づけと見なさない、という点です。好機なのは、規模が小さくても、外できちんと語られていれば、AIに取り上げられる、という点です。声の大きさではなく、外での語られ方の確かさが効く——この一点だけでも、これまでの発想とは、ずいぶん違います。

ここに、前編との接続点があります。前編で、AIは「効果の裏づけ」「支持の広さ」「信頼」といったドライバーで商品を評価している、と書きました。では、AIは、その裏づけや支持や信頼を、どこで確かめているのか。たいていは、自社の外にある引用元・参照元のなかでです。だとすれば、次に問うべきは、こうなります。AIは、どの引用元・参照元を、どれくらい重く見ているのか。そして、その重みは、いつも同じなのか。

この問いは、見た目より重いものです。AIがどの参照元を重く見るかで、自社が推薦に挙がるかどうかが、実質的に決まってしまうからです。自社がどれだけ良いことを発信していても、それがAIの見にいかない参照元の中にしか書かれていなければ、答えには反映されません。逆に、AIが重く見る参照元の中で自社がきちんと語られていれば、自社サイトの作り込みが地味でも、推薦に挙がります。どこで語られているかが、何を語っているかと同じくらい——ときに、それ以上に——効いてくる、ということです。

その地図は、業種ごとに、まったく違う形をしています。

ここが、本稿のいちばん大事なところです。

AIがどの引用元・参照元を取り上げるか、という地図は、すべての業種に共通する一枚の地図ではありません。業種が変われば、地図の形そのものが、質的に変わります。

ある業種では、特定の比較メディアが、強い影響力を持っています。AIに「おすすめは」と尋ねると、その比較メディアの記述を下敷きにした答えが返ってきます。ところが、別の業種では、その同じ比較メディアが、AIの答えにほとんど出てきません。代わりに、まったく別の種類の参照元が、地図の中心に座っています。これは、程度の差ではなく、形の違いです。一方の業種で主役だった参照元が、もう一方の業種では、舞台にすら上がらない、ということが起こります。

いくつか、性質のレベルで、見ていきます。具体的なサイト名は出しませんが、雰囲気をつかんでください。スペックや条件を横並びで比べやすい分野では、比較情報を集めたメディアが、地図の中心になりがちです。実際に使ってみないとわからない分野では、体験の語りや、専門的な評価の解説が、地図の中心になりがちです。信頼や安全が問われる分野では、公的な情報や、定評のある媒体が、地図の中心に来やすくなります。AIは、その業種で「確からしさ」を担保できる種類の参照元を、選んで頼っています。

そして、これらの地図は、互いにほとんど重なりません。ある業種で中心だった参照元が、別の業種では端にも出てこない、ということが、ふつうに起こります。同じ「おすすめ」という一語でも、AIが頼る引用元・参照元の構成は、業種をまたぐと、ごっそり入れ替わるのです。

注意したいのは、これは「似た業種なら似ている」とも限らない、という点です。たとえば、一見近い商品を扱う隣どうしの分野でも、片方では利用者が体験を語り合う場が答えの土台になり、もう片方では専門家の解説や公的な情報が前に出る、ということが起こります。扱っている商品が似ていても、地形は別物。だから「同じ消費財だから、同じ打ち手で」という発想も、しばしば外れます。

たとえるなら、土地ごとに、地形がまったく違うようなものです。平野もあれば、山地もあり、海沿いもある。平野で有効な移動手段は、山地では役に立ちません。そして、地形には「空白」もあります。どの参照元も強くは頼られていない、つまり、外からの確かな語りが薄い分野です。そうした分野では、AIは推薦に慎重になります。自社の業種が、どんな地形なのか——まず、それを知ることが出発点になります。

ここで陥りやすいのが、自分の感覚で地形を決めつけることです。「うちの業界なら、たぶんこの比較サイトが効くはずだ」という思い込みは、しばしば外れます。自分が見ている世界と、AIが参照している世界は、必ずしも一致しません。担当者がよく知っている有名なメディアを、AIがほとんど見ていない、ということもあれば、その逆もあります。地形は、思い込みで描くものではなく、観測して確かめるものです。

だから、「どこに出せば効く」の答えは、業種ごとに違います。

この事実から、はっきりした帰結が出てきます。

業種を問わず効く「万能なAI対策」は、存在しません。

世の中には、「AI時代は、動画をやるべきだ」「レビューメディアに出すべきだ」「とにかく比較サイトに載せるべきだ」といった、一律の処方箋が出回っています。けれども、いま見てきたとおり、どの参照元が効くかは、業種ごとに違います。ある業種では動画が決定的でも、別の業種では、AIは動画をほとんど取り上げません。ある業種では大手の比較サイトが強く効いても、別の業種では、そこはまったくの無風です。

では、なぜ、そうした一律の処方が出回るのでしょうか。理由のひとつは、語るほうにとって、そのほうが簡単だからです。「どんな業種でも、まずこれをやりましょう」は、売りやすく、わかりやすい。けれども、わかりやすさと、効くかどうかは、別の話です。平均的な処方は、どの業種にも、ぴったりは当てはまりません。

そして、一律の処方には、見えにくいコストがあります。効かない場所に力を注いでしまう、というコストです。具体的に、思い浮かべてみてください。ある企業が、「AI時代は動画だ」という助言を受けて、動画の制作に半年をかけたとします。けれど、その企業の業種では、AIは動画をほとんど取り上げていなかった。半年の努力は、AIの推薦の上では、ほとんど数字に表れません。一方、同じ業種の別の企業は、AIが実際に頼っている比較情報の整備に的を絞り、短い期間で、推薦に挙がるようになる。同じ熱量でも、向ける先が地図に合っているかどうかで、結果は、はっきり分かれます。

ここは、前編で「物差しは業種で違う」と書いたことと、地続きです。前編では「AIが何を評価するか」が業種で違う、と書きました。中編では「AIがどこを見て評価するか」も業種で違う、という話をしています。評価する軸も、見ている場所も、業種ごとに入れ替わる。だから、打ち手も、業種ごとに設計するしかありません。

「競合がやっているから、自社も同じことを」という横並びの発想が危ういのも、同じ理由です。参考にすべきは、自社と同じ業種・同じ地形で戦っている相手の動きであって、業種の違う成功事例ではありません。隣の土地で有効だった移動手段を、自分の土地に持ち込んでも、地形が違えば、役に立たないのです。逆に言えば、ここに、地味ですが確かな機会があります。多くの企業が一律の処方に飛びついて、効かない場所に力を注いでいるとすれば、自社の業種の地図を正しく読んで、効く場所に絞った企業は、少ない手間で、前に出られます。

これは、予算の大きさで決まる勝負ではない、ということでもあります。大きな予算を、地図に合わない場所にばらまくより、小さな予算を、地図の急所に当てるほうが、AIの推薦の上では効きます。前編で「規模が小さくても推されることがある」と書いたのは、こういう仕組みがあるからです。資金力ではなく、地図を読む精度が、効き目を分けます。

なお、一律の処方が出回り続けるもう一つの理由は、それが「外れても気づかれにくい」ことです。効かなくても、「AIはまだ発展途上だから」「時間がかかるものだから」と、説明がついてしまう。だから、効かない処方も、なかなか淘汰されません。自社の業種で本当に効いているのかを確かめるには、結局、自分で観測するしかないのです。

同じ問いでも、AIのエンジンによって、見ている先が違います。

地図が業種で違う、という話に、もう一つ、層を重ねます。

ひとくちに「AI」と言っても、世の中には複数のサービスがあります。仕組みも、参照のしかたも、それぞれ違います。その結果、同じ問いを投げても、AIのエンジンが違えば、取り上げる引用元・参照元も違ってくることがあります。

あるエンジンが重く見る種類の参照元を、別のエンジンは、ほとんど見ない。一方が公的な情報を厚く引くのに対し、もう一方は、そうした情報をあまり取り上げない。こうした違いが、実際に起こります。つまり、「AIに対策する」と一括りにすること自体が、すでに大ざっぱなのです。自社の顧客が、どのAIを使って調べているか。それによって、効く参照元も、変わりえます。

このことは、自社の状態を確かめるときにも、効いてきます。一つのAIだけで見て判断すると、別のAIではまったく違う見え方をしている、という事実を、見落とします。あるAIでは上位に出てくるのに、別のAIでは名前すら挙がらない、ということが、起こりえます。地図を読むなら、複数のエンジンを、横に並べて見る必要があります。

この点は、これから先、さらに重みを増していきます。利用されるAIは一つに収れんしておらず、複数が並び立っています。職場では特定のAIしか使えない、という人もいれば、私生活では別のAIを好んで使う、という人もいます。どのエンジンで、どう語られているか——その違いまで含めて見ないと、地図は、本当には読めません。ここでは、エンジンごとに具体的に何がどう違うか、という細部には立ち入りませんが、「AI」を一枚岩で考えない、という構えだけは、持っておく価値があります。

どのエンジンを重く見るべきかは、自社の顧客が誰か、で変わります。法人を相手にする事業なら、職場で使われやすいAIが効いてきますし、消費者を相手にする事業なら、私生活でよく使われるAIが効いてきます。自社の顧客が、どの場面で、どのAIに尋ねているか。そこから逆算して、優先して見るエンジンを決める、という考え方になります。

なぜ、地図は、業種でこんなに違うのか。

地図が業種で違うのは、AIの気まぐれではありません。前編で触れたことと、同じ理由です。

もともと、商品の性質が、業種によって違います。横並びで比べやすい商品、使ってみないとわからない商品、信頼で選ぶしかない商品——性質が違えば、人がその商品をどう調べ、どこで語り合うかも、違ってきます。比べやすい商品なら、比較情報が豊富に蓄積されます。体験が物を言う商品なら、体験談や評価が積み上がります。信頼が要る商品なら、公的な情報や権威ある言及が、重みを持ちます。

AIは、こうして積み上がった「その業種なりの情報のかたまり」を、そのまま反映しています。だから、AIが頼る参照元の地図は、その業種の情報の生態系を、写し取ったものになります。恣意的に決まっているのではなく、その業種で情報がどう生まれ、どう蓄積されてきたか、の結果なのです。AIは、その業種の歴史を映す鏡だ、と言ってもいいかもしれません。

もう一つ、この見方から出てくる、大事な含意があります。自社の力で動かせる余地が、業種によって違う、ということです。自社が情報を積み上げれば地形に食い込んでいける業種もあれば、自社単独ではほとんど動かせず、外の媒体の側に働きかけるしかない業種もあります。自分の土地が、耕せば実る平野なのか、それとも、他者の通る街道沿いで、自分では道を引けない場所なのか。それによって、現実的に取れる打ち手の範囲が、変わります。ここを取り違えると、動かせないものを動かそうとして、力を空費することになります。

ここから、実務上の原則が出てきます。自社の業種では、AIがどんな引用元・参照元を頼っているのか。そのうち、自社が動かせるのはどこで、動かせないのはどこか。その地図を、まず読むこと。一般論の地図は、どこにも実在しません。実在するのは、自社の業種の、固有の地図だけです。

だからこそ、テンプレートのような助言には、限界があります。「御社の業界はこういう傾向です」という一般論は、出発点にはなっても、それだけでは打ち手になりません。最後は、自社の商品・自社のブランドについて、AIが実際にどの参照元を引いているかを、個別に見るしかない。一般論と、自社の実測のあいだには、いつも、埋めるべき距離があります。

その距離を埋める作業は、一度外注して終わり、というわけにもいきません。地図は時間とともに動き、自社の状況も変わっていくからです。一度どこかで描いてもらった地図は、しばらくすれば古くなります。だから、地図を読むことは、たまの大きな調査としてではなく、自社のなかに、続けられる小さな習慣として置いておくのが、いちばん現実的です。観測の頻度こそが、地図の鮮度を決めます。

しかも、地図は、時間とともに、動きます。

ここまで、地図は業種で違う、エンジンで違う、と書いてきました。さらに、もう一つ、重要な性質があります。地図は、固定ではありません。時間とともに、形を変えます。

ある業種で、これまでAIにほとんど取り上げられなかった種類の参照元が、ある時期から、少しずつ顔を出し始める。逆に、長く中心にあった参照元の存在感が、じわじわと薄れていく。こうした変化が、実際に起こります。新しい種類のメディアが台頭したり、人々の語り合う場所が移ったりすれば、それを映すAIの地図も、ゆっくりと動きます。

わかりやすいのは、新しい種類の発信が、ある分野にじわりと食い込んでくる場面です。これまで専門メディアやクチコミが中心だった分野に、別の形の発信が割り込み始める。その入り込みは、最初は、ごく小さな割合です。けれど、小さいうちに気づけるかどうかで、対応の早さが変わります。大きく変わってから動くのと、兆しのうちに動くのとでは、かけるコストも、間に合うかどうかも、まるで違ってきます。

このことには、二つの含意があります。

一つは、一度地図を読んで終わり、にはできない、ということです。去年の地図と、今年の地図は、同じとは限りません。一度の確認で「うちはこの参照元で出ている」と安心していると、地図が動いたときに、気づかないうちに、推薦から外れていきます。だから、地図は、定点的に、見続ける必要があります。

もう一つは、変化そのものが、貴重な手がかりになる、ということです。どの参照元が伸びていて、どれが衰えているか。その動きが早く見えれば、地図が大きく変わりきる前に、手を打てます。そして、変化は、後から振り返って再現することができません。見ていなかった期間の動きは、取り戻せないのです。ここは、後編で扱う「なぜ早く始めた企業ほど有利になるのか」という話に、まっすぐつながっていきます。

少しだけ先取りすると、こういうことです。地図の「いまの形」は、誰でも、いつでも、見にいけます。けれど、地図が「どう動いてきたか」という記録は、見続けてきた人の手元にしか、残りません。そして、その記録は、後から作ることができません。過去にさかのぼって「あのとき、何がどう動いていたか」を観測し直すことは、できないからです。早く・継続して見ることの静かな価値は、ここにあります。

自社サイトの役割も、変わりました。

ここまでの話は、自社サイトの位置づけを、静かに変えます。

これまで、自社サイトは「自社が言いたいことを、自社の言葉で発信する場所」でした。AIの時代には、その役割が変わります。自社サイトは、外の引用元・参照元と照らし合わされ、結びつけられる「結節点」になります。

AIは、自社の言い分を、そのまま受け取るわけではありません。外の参照元と突き合わせて、整合しているかを見ます。自社サイトに書いてあることと、外で語られている内容が食い違っていれば、AIは、自社の主張を、裏づけの取れない孤立した主張として、軽く扱います。たとえば、自社が打ち出している特徴と、外のメディアで語られている評価が、かみ合っていない。あるいは、基本的な事実が、自社サイトと外の参照元とで、ずれている。そうした食い違いは、AIにとって、その情報を割り引く理由になります。逆に、自社サイトの記述が、外の参照元ときちんと結びつき、矛盾がなければ、AIは、それを確かな情報として、推薦の根拠に組み込みやすくなります。

だから、打ち手は、二つの方向の両輪になります。一つは、自社サイトを、AIが正しく読み取れる形に整えること。もう一つは、自社の業種の地図のうえで、外の引用元・参照元のなかで、自社がどう語られるかを整えていくこと。前者だけでも、後者だけでも、足りません。自社サイトをいくら磨いても、業種の地図を無視していれば、効きづらい。これは、前編の終わりで触れた「AIは世の中の語られ方を映す鏡」という話の、続きでもあります。

実務的には、ここで効くのは、派手な施策ではなく、地味な整合です。自社が公表している基本的な事実——何を、誰に、どういう特徴で提供しているか——が、自社サイトと、外の参照元とで、食い違っていないか。古い情報が放置されて、外の記述と矛盾していないか。こうした足元の整合が取れているだけで、AIは、自社の情報を扱いやすくなります。新しいことを足す前に、まず、食い違いをなくす。順序としては、こちらが先です。

では、何を見ればいいのか。

最後に、構えだけ、整理しておきます。具体的な手順ではなく、順序の話です。

第一に、一律の処方リストを探すのを、いったんやめること。「AI時代に効く施策10選」のような一覧は、平均の話であって、自社の業種の話ではありません。それを上から順にこなしても、効く場所に当たるとは限りません。

第二に、自社の業種の地図を、実際に観測して読むこと。自社の商品や「おすすめの◯◯」を、複数のAIに尋ね、どんな引用元・参照元が答えの土台になっているかを、丁寧に見る。どの種類の参照元が中心で、どこが空白か。エンジンによって、それがどう変わるか。そして、その地図が、時間とともにどう動いているか。そこに、自社の業種の地図が、少しずつ姿を現します。

第三に、地図の上で、自社の立ち位置を確かめ、効く場所に絞ること。すべての参照元を一度に押さえようとするのではなく、自社の業種で実際に効いている場所に、力を集める。そして、自社の力で動かせる場所と、動かせない場所を、見分けること。

この地図読みは、大がかりな準備がなくても、始められます。自社の商品や「おすすめの◯◯」を、いくつかのAIに、繰り返し尋ねてみる。返ってくる答えが、どんな出どころを下敷きにしているか。どの種類の参照元が、繰り返し顔を出すか。それを書き留めて、月をまたいで見比べるだけでも、自社の業種の地形と、その動きは、少しずつ輪郭を見せ始めます。三つに共通するのは、やはり、観測が先、という順序です。発信や施策の前に、まず、地図を読む。そして、一度ではなく、見続ける。

地図を読み、見続ける——言葉にすれば単純ですが、これを地道に続けている企業は、まだ多くありません。多くは、一律の処方に飛びつくか、一度見て安心するか、そもそも見ていないか、のいずれかです。だからこそ、ここを淡々と続けられること自体が、静かな差になります。派手さはありませんが、効く場所を外さない、という一点で、積み重なるほど効いてきます。

ここまでで、AIの推薦が、ドライバー（前編）と、引用元・参照元の地図（中編）という、二つの層で決まっていることが見えてきました。けれども、まだ、大きな問いが残っています。

では、結局のところ、規模の大きい企業・有名な企業ほど、AIに推されやすいのでしょうか。 長く積み上げてきた知名度や売上は、AI上の可視性に、そのまま引き継がれるのでしょうか。

後編では、この「規模と推薦の関係」を扱います。そして、なぜ、対策は早く始めた企業ほど有利になるのか——その理由を、最後に整理します。