生成AI検索がクリックを奪う、という話はたいてい、サイト運営者の売上の心配として語られます。けれども、リンクを開かなくなったときに失うものは、読む側にもあります。複数の情報源を一つの滑らかな文章にまとめた要約では、どれが確かな事実で、どれが誰かの意見で、どれがまだ噂なのかという境目が見えにくくなるからです。この記事では、2025年7月時点の生成AI検索の顔ぶれと技術を押さえたうえで、ゼロクリック検索が書き手と読み手の双方に何を起こしているのかを考えます。
主要な生成AI検索は、答えを返す点では同じで、出典の見せ方が違います
2025年7月時点で市場を引っ張っているのは、Google AI Overview（旧SGE）、ChatGPT Search、Perplexity AI、Microsoft Bing AI（Copilot）の四つです。どれも答えを生成して返しますが、得意なことが違います。
| サービス | 特徴 | 料金（2025年7月時点） |
| Google AI Overview | 検索結果の上部に要約を表示 | 無料 |
| ChatGPT Search | 対話で深掘り、外部サービスとの連携 | 無料版と有料版（月20ドル） |
| Perplexity AI | 回答に必ず情報源のリンクが付く | 無料版とPro版（月20ドル） |
| Bing AI（Copilot） | Windowsや Microsoft 365 と一体で使える | 無料 |
Google AI Overview は、ふだんの検索の延長で要約を受け取れる点が強みで、誤情報や、個人に合わせすぎて視野が狭まるフィルターバブルの懸念も指摘されています。ChatGPT Search は、複雑な質問に対して複数の検索を自動で実行し、画像を使った検索にも対応しました。Google Drive や Gmail などのコネクタで、社内のデータとウェブの情報を組み合わせて調べることもできます。Perplexity AI は根拠のある答えを返すアンサーエンジンとして評価され、2025年7月には、開いている複数のタブの内容をまとめてAIに渡したり、Gmail や Google Calendar と連携して作業を任せたりできるブラウザ「Comet」を限定公開しました。Copilot は GPT-4o を基盤に、検索と生成AIを Microsoft の製品群全体に組み込む戦略を取っています。このほか、日本発の Felo、プライバシーを重視する Andi Search、パブリッシャーの自社サイト内で動く Taboola DeeperDive なども登場しています。
RAGは出典を付けますが、出典を開くかどうかは人に残ります
生成AI検索を支える技術の一つ目は、大規模言語モデル（LLM）の進化です。GPT-4o、Gemini 1.5 Pro、Claude 3.5 Sonnet などが中核を担っています。二つ目が RAG（検索拡張生成）です。LLM は学習した時点より後の情報や、狭い専門知識に弱いという限界があります。RAG は、質問を受けるとまず外部の情報源から関連情報を取り出し、それをもとに答えを作らせます。これで誤情報が減り、回答に引用元を示せるようになります。三つ目がマルチモーダル化で、画像、音声、動画をまとめて扱えるようになり、医療の類似症例検索や製造業の不良品検知などで実用が進んでいます。さらに検索は、予約やメール送信まで代わりに行うAIエージェントへと広がり、競争の軸は検索の精度から、仕事の流れ全体にどれだけ入り込めるかへ移りつつあります。
ここで見落とされやすいのは、RAG が保証するのは、答えがどこかの文書にもとづいていることまでだ、という点です。その文書が公的機関の統計なのか、個人のブログの感想なのか、数年前の古い記事なのかは、引用番号の小さな数字からは分かりません。複数の情報源を一つの答えにまとめるとき、AIは食い違いを目立たせるより、なめらかにつなぐ方向に働きがちです。出典が付いている、という安心は、出典を開いた人にしか効かない安心です。
ゼロクリック検索は、書き手と読み手の両方の前提を変えます
企業にとって大きな変化は、ゼロクリック検索です。検索結果の上部でAIが要約を示すと、利用者はリンクを押さずに満足してしまいます。クリックを集めて上位表示を目指す従来のSEOは、前提が揺らいでいます。そこで提唱されているのが AIEO（AI Engine Optimization）で、目標はAIに信頼できる情報源として引用されることへ移ります。
具体的な対応としては、Google の E-E-A-T（経験、専門性、権威性、信頼性）を重視し、とくにAIには作れない経験にもとづく独自の内容を書くこと、会話のような質問に答えられるようQ&A形式や質問の見出しで構造化すること、構造化データやページ速度などの技術面を整えること、地域の事業者なら Google ビジネスプロフィールや口コミを整えることが挙げられています。パブリッシャーにとっては、記事がAIに使われながら訪問が減るという構造的な問題があり、Taboola DeeperDive のように自社サイト内にAI検索を置く試みや、AI企業へのライセンス提供といった収益の道も模索されています。
この流れを読み手の側から見ると、奇妙な構図が浮かびます。書き手はAIに引用されるために書き、読み手はAIの要約だけを読む。両者のあいだに要約器が一枚挟まり、書き手が込めた条件や留保は、要約の段階で削られやすくなります。AIEOの対策リストに、人間の読者が何を確かめたいかという項目が見当たらないのは、偶然ではありません。AIに好かれる文章を書く競争は、人間に読まれない文章を量産する競争にもなりえます。
信頼性、偏り、著作権の課題は、2025年時点ではまだ決着していません
ハルシネーションは今も最大の障壁です。2025年時点では、RAG、複数の形式で事実を確かめる手法、出典の明示、人によるファクトチェックを組み合わせる多層防御が主流です。学習データの偏りが差別的な回答につながる問題には、多様なデータの利用、偏りの検知、人による最終確認で対応しています。プライバシーについては、検索履歴や入力内容が学習に使われる懸念があり、企業向けプランでは学習に使わない設定が用意されています。
著作権では各国の動きが分かれています。EU では AI規制法が2024年8月に施行され、2025年7月には汎用AIの行動規範が公表されました。米国著作権局は2025年1月に、人の創作性のある表現だけが保護されるという立場を示しています。日本では文化庁が、AI単独の生成物には原則として著作権が認められないという考え方を示しています。AIに引用されることが書き手の得になるのか損になるのかは、この議論の行方しだいで、2025年7月の時点では誰にも断定できません。
ここまでの話は、要約がいつも危ないという主張ではありません。答えの分かりきった事実確認や、全体像をつかむための下調べなら、要約で十分な場面は多くあります。境目が消えて困るのは、その情報をもとに何かを決めるときです。
自分に問うこと
最近AI検索の要約をもとに決めたことのうち、元の出典を一つでも開いたものはいくつあるでしょうか。その要約の中で、事実と意見の境目はどこにあったでしょうか。
この記事の背景にある考え方は、拙著『GoogleのAI NotebookLM 意思決定の強化書』の2章1節「ソースの品質がすべての土台」に書きました。何でもAIに入れればよしなに処理してくれるというのは典型的な勘違いで、AIはソースの信頼性や重みを自動で十分に格付けしない、という話です。そこには「複数のソースを同時に参照すると、AIはそれらを調和させようとします。」とあります。この節を読むと、AIがきれいにまとめた答えを前にしたとき、その下でどの情報源が食い違っていたのかを、自分で掘り起こしにいく視点が持てるようになります。
同じ資料を見ているのに、なぜ結論が割れるのか。
『GoogleのAI NotebookLM 意思決定の強化書』
前提が結論を決める。意思決定を根拠、前提、結論の三層に分け、前提を対象、目的、制約、評価基準の四つで言葉にする本です。
読み終えたとき、手元に残るもの
- 意思決定の設計図になる前提リスト
- 資料を事実、意見、噂、ゴミに仕分けるFORT
- 同じ物差しで比べる選択肢表と採点表
- 始める条件と止める条件を書いた決定書
NotebookLMは2026年7月にGemini Notebookへ名称が変わりました。本の手法は、使うAIの種類を問いません。