「サクサクして調べ物が捗る」という口コミを百件集めても、それは速度の測定ではなく、速いと感じた人の意見を百件集めたものです。口コミとレビュー記事から作ったAI検索のランキングは、意見の集計であり、しかも書いた人がそれぞれ何に使っていたのかという前提が混ざっています。この記事では、2025年7月時点の利用者の声をもとにした、ChatGPT、Perplexity、Google Gemini、Copilot Search、Genspark、Feloの比較を素材に、その順位がどこまで事実で、どこから意見なのかを仕分けながら読みます。
物差しの定義は、比べる前に決めておくべきものです
元の比較は、三つの物差しを先に定義しています。同じ「速い」でも、文字が速く出ることと、仕事が早く終わることは別物だからです。
- 検索スピード: 質問してから回答が出そろうまでの体感の速さと、作業全体がどれだけ短くなるか
- ニュース速報・網羅性: 最新の出来事をどれだけ早く、広く集めて要約できるか、話題を深く多面的に示せるか
- 深掘り質問のしやすさ: 文脈を保ったまま追加の質問に答え続け、関連質問を示し、意図を汲み取れるか
物差しを先に決めたのは、この比較の最も良いところです。ただ、一つ目の定義をよく読むと、体感の速さと作業全体の短縮という、別々のものが一つの物差しに入っています。物差しの中身が二つあると、どちらの意味で速いと書かれた口コミなのかで、点数の意味が変わります。
物差しごとのランキングと、その根拠になった声
| 物差し | 1位 | 2位 | 3位 |
| 検索スピード | Perplexity | Google Gemini | Copilot Search |
| 速報性・網羅性 | Google Gemini | Perplexity | Copilot Search |
| 深掘り質問 | ChatGPT | Perplexity | Google Gemini |
検索スピードでは、Perplexityに「結果が出るのがとにかく早い」という声が多く、Geminiも「ChatGPTより格段に速い」と評価されています。ChatGPTには「業務が一瞬で終わる」という作業効率の評価がある一方、文字の表示が遅く感じるという声もありました。速報性と網羅性では、GeminiがGoogle検索とつながり時事情報をほぼリアルタイムで取り込める点、Perplexityが最新のWeb情報を参照し根拠を示しながら要約する点、Copilotが複数の情報源を横断して偏りや見落としを減らせる点が評価されています。ChatGPTはDeep Researchで網羅的なレポートを作れる一方、知識の区切りがあり最新ニュースに弱いという指摘もありました。深掘りでは、ChatGPTが対話の自然さと意図の読み取りで、Perplexityが関連質問の提示と出典にもとづく体系的な深掘りで、Geminiが長文の読解と論理的な分析で評価され、Copilot Searchは文脈を保てず、やり取りが続くと精度が落ちると指摘されていました。GensparkとFeloは専門分野に特化していて、Gensparkは特許、医療、規制などの専門文書の解析、Feloは医療や学術の根拠検索が得意とされ、一般ニュースや最新トレンドには弱いとされます。
順位の根拠を、事実、意見、噂に仕分けて読みます
この順位を支える材料を仕分けると、性質がばらばらです。GeminiがGoogle検索とつながっている、PerplexityやChatGPTにDeep Researchがある、といった仕組みの話は、公式の情報で確かめられる事実です。「とにかく早い」「格段に速い」「一瞬で終わる」は、使った人の意見です。意見そのものは嘘ではありませんが、何をどんな回線で、どんな質問で試したのかが書かれていません。そして「最新ニュースに弱い」のような声は、どの時点の、どの版についての話かが分からなければ、古くなった噂と区別がつきません。
さらに注意したい一文があります。検索スピードでCopilotを3位に置く根拠として、GitHub Copilotのコード検索が最大5分から数秒、長くても1分程度に短くなったという報告が挙がっています。けれども、GitHub Copilotのコード検索と、ウェブを調べるCopilot Searchは、名前が似ているだけの別の用途です。名前が似ている別の製品の速度で、検索エンジンの順位をつけるのは、同じ苗字の他人の成績で通知表をつけるようなものです。ランキングの体裁が整っていると、こうした材料の取り違えは表の外に隠れて見えなくなります。
ここまで仕分けると、この比較から確かに言えることは、順位そのものより狭くなります。仕組みとして、Geminiは検索と直結し、Perplexityは出典を示す設計で、ChatGPTは対話を重ねる使い方に向く。この程度の、仕組みから説明できる傾向です。それ以上の細かな順位は、口コミを書いた人たちの用途という前提の上に立っています。
用途から選ぶときも、仕分けた材料だけで決めます
元の比較は、用途ごとの選び方を次のように示しています。すばやい事実確認や日々のニュースチェックなら、PerplexityかGemini。アイデア出し、企画、文章の推敲なら、ChatGPT。論文調査や競合分析のような体系的なレポートなら、各ツールのDeep Research。特許や医療などの専門調査なら、GensparkやFelo。Microsoftの業務環境の中での作業なら、Copilot Search。
この対応づけは、仕組みから説明できる部分が多く、出発点として使えます。そのうえで、自分の用途で二つか三つを同じ質問で試し、自分の物差しで記録します。他人の口コミの束より、自分の十回の試行のほうが、自分の用途については確かな事実になるからです。どのツールを使う場合でも、AIが示した情報の正確さと出典を最後に確かめるのは、使う人の責任です。なお、ツールの更新は早く、2025年7月時点の評価が半年後にも当てはまるかどうかは分かりません。
自分に問うこと
あなたが最後に参考にしたツールの比較記事のうち、確かめられる事実はどの部分で、誰かの感想はどの部分だったでしょうか。その感想を書いた人は、あなたと同じ用途で使っていたでしょうか。
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4節「ソースを仕分ける」に書きました。資料の中身を、事実、意見、噂、ゴミの四つに仕分けるFORTという枠組みで、同じ資料でも事実を優先させるとAIの結論そのものが変わることを、施策の予算配分の事例で示した節です。そこには「AIの結論はソースの量ではなく、根拠の優先順位で変わるということです。」とあります。この節を読むと、比較記事や口コミの束を前にしたとき、どの材料に重みを置いて判断すべきかを、自分で仕分けながら考えられるようになります。
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。