Ars Technicaは、AI搭載検索が人々を“あまり人気ではない情報源”へ導く傾向を報じました。
References:Ars Technica
背景にある最新研究は、Googleの従来検索と、AI Overview／Gemini／GPT系の検索連携など複数の“生成AI検索”を同一クエリで比較し、引用ドメインの重なりの乏しさや上位サイト（人気ドメイン）への依存度の低下を数量的に示しています。
要するに、AI検索は「10本の青いリンク」の常連から外れた“ロングテール”まで拾いに行くということです。
研究のざっくり構図：何と何を比べたのか
論文は、Googleのオーガニック結果（従来検索）と、AI Overview（AIO）／Gemini／GPT-4oが検索を道具として使うモード（GPT-Search／GPT-Tool）を政治・製品・科学など複数データセットで比較。
各エンジンが実際に参照・提示したURLやドメインを集計し、
・重なり（オーバーラップ）：上位10件・上位100件に、どれだけ一致があるか
・人気度：Trancoの上位100万ドメインにどれだけ含まれるか
などを軸に分析しました。
結果、AI側のリンクはGoogle上位10件とほとんど重ならず、上位100件でも重なりは限定的。
人気ドメイン依存は従来検索より低く、“下位ランクのサイト”の比率が相対的に高い、という傾向が確認されます。
研究は「AI検索はより広い範囲から素材を集め、内部知識（モデル内の既知）と外部知識の配合比がエンジンごとに異なる」とも述べます。
多様性を増やす可能性がある一方、どの概念を拾い、どれを落とすかの“編集”がエンジン間で微妙にズレる点も可視化されました。
なぜロングテールに寄るのか：仕組みからの説明
出力形式の違い
従来検索は上位数件の“入口”を提示するのに対し、生成AI検索は要約テキストという“出口”を一発で提示します。
途中で参照した多数の情報片が“裏側”に吸い込まれ、下位ランクの情報源も回答合成の材料になり得ます。
内部知識の混合
AIは訓練時点の知識を使って足りない部分を補うことがあり、外部参照の数や顔ぶれはエンジン設計で大きく変わります。
外部リンクが少なくても長文で多概念をカバーできるケースも観察されました。
ランキング原理の相違
従来検索は権威性や被リンクの文脈で“人気サイト”が上に来やすい。
一方、生成AI検索はセマンティック一致や合成時の“説明連鎖”を優先し、専門ブログや一次資料のPDF、コミュニティ投稿など“細いが刺さる”証拠を取り込む余地が広いのです。
メリットとリスク：多様化は善、でも検証性は落ちる？
- メリット（発見性）：
定番の大手サイトでは拾いにくい視点や専門家の技術ノートに到達しやすい。
特に製品・研究系の長尾情報では粒度が上がる可能性。 - リスク（検証性）：
“人気が低い＝質が低い”ではないものの、編集・校閲の網が粗いことは多い。
AI要約の上に“自信満々の断言”が乗ると、誤りの顕在化につながる懸念は現実のデータでも裏づけられています。
（ニュース領域で深刻な出典問題33%/重大問題45%という大規模調査） - 配信側への影響：
AIサマリーでクリックが減るという分析も複数登場。
AI Overview表示時はクリックがほぼ半減とする報告や、出版社の流入が大きく目減りという警鐘も出ています。
上位にいなくても“要約の材料”には使われるが、送客は増えないという構造的ジレンマです。
他研究との整合：精度・引用品質の課題
コロンビア大学Tow Centerの比較調査では、生成検索のニュース引用は60%近くで誤り（誤出典・リンク不整合など）。
ブランド公式や自社管理メディアの引用偏重を示す大型分析も出ており、「どの情報源を信頼しやすいか」というAI側の癖が、人気度だけでなく企業発情報の比率にも影響している可能性が指摘されています。
実務への示唆①：読者のための安全運転
- 出典は2本開く：
AIの提示リンク＋自力検索で1本。
概念が合っているかを別系統のサイトで相互確認。 - 日付・肩書・数値を固定化：
更新日と発言時点を必ず確認。
“古い真実”の現在化を防ぐ。 - “うますぎる断言”は要疑い：
長尾情報×断言の組み合わせは一次資料で裏取り。
こうした“二段ブレーキ”は、AI検索のロングテール性と相性が良い習慣です（ニュース分野のエラー統計は特に厳しめ）。
実務への示唆②：発信者・SEO担当のGEO対策
AI時代の最適化はGEO（Generative/Answer Engine Optimization）の発想が要ります。
- 要約されやすい構造：
結論→根拠→数値→日付→出典の機械可読ブロックを明示。 - 一次資料への深リンク：
PDF/データ辞書/脚注をアンカー付きで。
AIが確からしさを判断しやすい形に。 - FAQ/用語集の整備：
短文定義＋図表は引用されやすい“部品”。 - E-E-A-Tの可視化：
プロフィール・監修・更新履歴を構造化データで付与。 - ロングテールと大手の両輪：
大手メディアへの寄稿／被リンクも引き続き重要。
AIは長尾を拾うが、信号は“権威”にも反応します（複数調査が人気/権威バイアスの残存を示唆）。
まとめ
生成AI検索は、人気サイトの“常連”から外れた情報源を相対的に多く参照し、Google上位との重なりは小さい。
Tranco上位の比率も低めという“ロングテール化”が確認されました。
発見性の向上という明るい側面の一方で、検証性・送客の低下という暗部も無視できません。
ニュース領域の誤り率やクリック減の知見は、要約設計と出典提示の改善を迫っています。
利用者は“出典2本主義”で備え、発信者はGEO対応で「要約されても誤解されない設計」へ。
ロングテールと権威性のバランスを取ることが、AI検索時代の情報衛生を支える鍵になるはずです。
コメント