投稿者 global-ai-media 
生成AIによる検索（AI検索）が普及する中、従来のSEO技術である「構造化データ（Schema）」の追加が、ChatGPTやGoogle AI Overviewsからの引用増加に直結しないという調査結果が発表されました。本記事では、この事実が示唆するAI時代の情報発信のあり方と、日本企業が押さえるべきデータ戦略について解説します。
構造化データの追加は「AIからの引用」を増やさない
SEOツールを提供するAhrefsの調査によると、WebページにSchema（構造化データ）を追加しても、Google AI OverviewsやChatGPTなどの主要なAIプラットフォームにおいて、自社サイトが引用（サイテーション）される回数に大きな向上は見られなかったことが報告されています。構造化データとは、検索エンジンに対して「この記事の著者は誰か」「これは商品のレビューである」といったコンテンツの意味を正確に伝えるためのメタデータ（情報を説明するデータ）です。従来の検索エンジン最適化（SEO）においては非常に重要な施策でしたが、生成AIに対するアプローチとしては、現時点で直接的な効果が薄いことが浮き彫りになりました。
従来のSEO手法が「GEO」にそのまま通用しない理由
近年、AI検索エンジンからの流入を最適化する「GEO（Generative Engine Optimization）」という概念が注目を集めています。従来の検索エンジンは、キーワードの一致や構造化データといった「シグナル」に強く依存していましたが、大規模言語モデル（LLM）をベースとしたAIは、テキストの文脈や意味そのものを深く解釈して回答を生成します。そのため、小手先のタグ付けやマークアップといったテクニカルな手法よりも、学習データとして価値のある「一次情報の質と量」が引用確率に影響を与えると推測されます。AIの振る舞いをコントロールしようとするハック的な手法は、LLMの進化とともに通用しなくなりつつあります。
日本企業が外部AIに向けてとるべきコンテンツ戦略
この調査結果は、日本企業が自社の製品やサービスをAIに正しく認識させるための戦略に重要な示唆を与えます。日本語の学習データは英語に比べて相対的に少なく、AIが日本特有の商習慣や自社のニッチな製品情報を誤認識する（ハルシネーションを起こす）リスクが依然として存在します。小手先のテクニックに頼るのではなく、自社サイト上で「専門家による独自の見解」「事例や実験データといった一次情報」を、論理的でわかりやすい日本語で継続的に発信することが、結果としてAIからの信頼できる引用獲得につながります。また、コンプライアンスの観点からも、自社の公式見解をオープンかつ明確にしておくことは、AIによる風評被害を防ぐ一つの防御策にもなり得ます。
社内AI（RAG）構築においては「データの構造化」が鍵となる
一方で、この調査結果を「あらゆるAI活用においてデータの構造化は不要である」と誤認してはいけません。自社専用の業務効率化AI、いわゆるRAG（検索拡張生成）システムを構築する際には事情が大きく異なります。社内規程やマニュアル、顧客応対履歴といった社内文書をAIに正確に検索・回答させるためには、文書に「作成日」「部署」「機密レベル」などのメタデータを付与し、情報を構造化しておくことが極めて重要です。外部の汎用AIに対する認知獲得（GEO）と、社内システムでのAI活用（RAG）とでは、データに求められる前処理のアプローチが異なる点に注意が必要です。
日本企業のAI活用への示唆
今回の調査結果から読み解ける、日本企業に向けた実務的な示唆は以下の通りです。
1. テクニカルなSEOからコンテンツの「本質的な価値」への転換：AI検索からの流入を狙う場合、メタデータの追加といった技術的なハックではなく、独自の一次情報や専門性の高いコンテンツ制作にリソースを集中させるべきです。
2. 正確な一次情報の発信によるAIガバナンス：AIによる誤った自社情報の拡散（ハルシネーション）を防ぐためにも、公式なWebサイト上で、AIが解釈しやすい論理的で明確なテキスト情報を発信し続けることが、広報・ブランド管理の観点で重要になります。
3. 目的ベースでのデータ設計の使い分け：外部のAI検索エンジンに向けたマーケティング（GEO）ではコンテンツの質が問われますが、社内のAIシステム（RAG）構築では社内文書の構造化が不可欠です。目的（外部認知の獲得か、社内業務の効率化か）に応じて、データ整備の投資配分を明確に切り分けることが、効果的なAI活用を実現します。