AIに引用される仕組み：RAGと情報源の選ばれ方｜AI検索対策 第2回

RAG：検索してから答える仕組み

RAGとは

「その場で取ってきた情報を使って答える」仕組みは、一般にRAG（Retrieval-Augmented Generation、検索拡張生成）と呼ばれます。2020年にMeta（当時のFacebook）の研究者らが発表した論文「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」で広まった考え方で、言語モデルに外部の文書を検索する仕組みを組み合わせることで、知識が必要な質問により正確に答えられるようにするものです。

今のAI検索の多くは、細部はサービスごとに違いますが、大まかには次の流れで動いていると考えられます。

1. 質問を理解する：ユーザーの質問から、何を知りたいのか、どんな条件があるのかを読み取る
2. 検索する（Retrieval）：検索エンジンの仕組みを使って、関係しそうなページを探す
3. 読む・選ぶ：見つかったページの中から、質問に答えるのに役立つ部分を取り出す
4. 答えをつくる（Generation）：取り出した部分をもとに、言語モデルが文章で答えをまとめる
5. 根拠を示す：答えのもとになったページをリンクとして添える

ここで注目したいのは、②の「検索する」段階です。AI検索の多くは、まず通常の検索エンジンの仕組みで候補のページを集めます。GoogleがAI機能に表示される条件として「インデックスされ、スニペット付きで検索結果に表示される資格があること」を挙げているのは、この段階で候補に入らなければ、そもそも読まれないからです。SEOがAI検索の土台だというのは、こういう意味です。

クエリ ファンアウト：1つの質問を何回も検索する

GoogleはAIモードについて、質問をサブトピックに分け、それぞれを検索する「クエリ ファンアウト」を使っていると説明しています。「AI 機能とウェブサイト」のドキュメントでも、AIによる概要とAIモードが、サブトピックやデータの出どころをまたいで複数の関連検索を行い、そこで見つかったページから、従来の検索より幅広く多様なリンクを示せると説明されています。

たとえば「従業員30人のBtoB企業がSEOを外注するとき、費用の目安と選び方は？」という質問なら、AIの裏側では次のような検索が並行して行われているイメージです。

• SEO 外注 費用 相場
• SEO会社 選び方 BtoB
• SEO 中小企業 内製 外注
• SEO会社 契約 注意点

この仕組みから分かることが2つあります。

1. 「ビッグキーワードで1位」でなくても引用されうる：元の質問そのものではなく、分解されたサブトピックの検索で見つかれば、候補に入ります。ニッチでも具体的な疑問にしっかり答えているページには、出番があります。
2. 1ページに全部を詰め込む必要はない：サブトピックごとに分かりやすいページがあれば、それぞれが別々に拾われる可能性があります。逆に、何でも少しずつ書いた長いだけのページは、どのサブトピックでも「いちばん分かりやすい答え」になりにくいことがあります。

どんなページが情報源として選ばれやすいのか

では、候補に入ったページの中から、AIはどれを読み、引用するのでしょうか。各社とも細かい基準は公開していません。ここでは、公式の説明と研究から言えることと、編集部の見立てを分けて整理します。

公式の説明から言えること

Googleは、AI機能で成果を出すための考え方として、従来から示している「ユーザーを第一に考えた、有用で信頼できるコンテンツ」をつくることを挙げています。具体的には、技術的な要件（クロールできる、インデックスできる）、内部リンクで見つけやすくすること、重要な情報をテキストで提供すること、構造化データを使うならページに見えている内容と一致させること、などです。

研究から言えること

2023年に発表され、2024年の国際会議KDDで採択された論文「GEO: Generative Engine Optimization」（プリンストン大学などの研究者）は、生成AIの検索エンジンでの「見え方」を、文章の書き方によってどう変えられるかを実験しました。約1万件の質問で試した結果、出典を明記する（Cite Sources）、専門家などの引用を加える（Quotation Addition）、統計や数字を加える（Statistics Addition）といった手法で、AIの回答の中での見え方が最大で4割ほど改善したと報告しています。一方、SEOでよく見られた「キーワードを詰め込む」手法は、ほとんど効果がありませんでした。

ただし、この研究は研究用に用意した環境での実験が中心で、実際のサービスの仕組みとは違います。また、効果は分野や質問の種類によって違い、もともと上位にあるページでは逆効果になった手法もあったと報告されています。「この書き方をすれば必ず引用される」という法則ではなく、「根拠のある具体的な情報を、出どころが分かる形で書く」ことが有利になりやすい、という方向性として受け止めるのがよいでしょう。

編集部の見立て：選ばれやすいページの4条件

公式の説明と研究を踏まえると、AIに選ばれやすいページには、次のような共通点があると考えられます。これは編集部の整理であり、各社が公表している基準ではありません。

この4つは、第3回で具体的な打ち手に落とし込みます。

この記事の監修者に相談できます

監修者の田中磨生が代表を務める株式会社Abinで、ご相談をお受けしています。

相談無料ツギノテ編集部に相談する→

AIが「読めない・読みにくい」ページ

RAGの流れでは、候補に入ったページの中身をAIが読み取れなければ、どれだけ良いことが書いてあっても使われません。人間には見えていても、機械には読み取りにくいページがあります。代表的なものを挙げておきます。

Googleは、AI機能に関する説明の中で、重要な情報をテキストで提供すること、ページの体験を良くすることを挙げています。これは、「AIに読める形で情報を置く」ことと同じ意味だと考えるとよいでしょう。

実務ではこう使う：自社のページを「AIの目」で読む

この回の内容を実務に生かすには、自社の主要なページを1つ選び、AIになったつもりで読んでみるのがおすすめです。

1. お客様の質問を1つ想定する：例「〇〇の料金はいくら？」「〇〇は中小企業でも使える？」
2. ページの中で答えを探す：答えは見出しの近くにあるか、何回スクロールしないと出てこないか
3. 答えの根拠を確かめる：その数字や説明は、いつ時点のものか、どこで確認できるか書いてあるか
4. よそとの違いを探す：このページにしか書いていない情報はあるか

多くのサイトで、「答えはあるが、ページの後半にある」「料金は『お問い合わせください』だけ」「いつ時点の情報か書いていない」といった点が見つかります。これらは、AIだけでなく人間の読者にとっても不親切な点です。AI検索対策の多くは、結局「読者にとって分かりやすく、信頼できるページにする」ことと重なります。

AI検索での引用を実際に増やした会社の打ち手は、LLMO・AIO対策の成功事例にまとめています。

この回のまとめ

• AIの知識の出どころは「学習した知識」と「その場で検索した情報」の2つ。サイト運営者が働きかけやすいのは後者
• AI検索の多くはRAG（検索してから答える）の仕組みで動いており、まず検索で候補に入ることが前提になる
• GoogleのAI機能は、質問をサブトピックに分けて検索する「クエリ ファンアウト」を使う。具体的な疑問にしっかり答えるページにも出番がある
• 研究では、出典・引用・数字を加えると見え方が改善しやすく、キーワードの詰め込みは効果が薄かった。ただし法則ではなく方向性として受け止める

確認テスト

次回予告

第3回では、この回で見た「選ばれやすいページの4条件」を、具体的な打ち手に落とし込みます。一次情報のつくり方、答えが見つけやすいページの構造、サイトの外で言及されること（サイテーション）、そしてクローラーの許可設定まで、チェックリスト形式で整理します。

参考資料

• Lewis ほか「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」（NeurIPS 2020、arXiv:2005.11401、2026年11月12日確認）
• Aggarwal ほか「GEO: Generative Engine Optimization」（KDD 2024、arXiv:2311.09735、2026年11月12日確認）
• Google 検索セントラル「AI 機能とウェブサイト」（2025年12月10日更新、2026年11月12日確認）
• Google 日本の公式ブログ「Google 検索における『AI モード』を日本語で提供開始」（2025年9月9日、2026年11月12日確認）
• OpenAI「Overview of OpenAI Crawlers」（開発者向けドキュメント、2026年11月12日確認）