生成AIが会社情報を間違える仕組み｜3つのAIに自社を聞いたら、答えが違いました

AIが見ているのは「世の中」ではなく「ネットの一部」です

この記事の話は、次の1枚がわかれば8割つかめます。AIがどこまで見えているのかを図にしました。

30秒でわかる、生成AIの動き

もう1枚だけ。AIが答えを返すまでに、何が起きているかを表にしました。詳しくは第3章でご説明しますので、いまはこの4行だけ眺めてください。

※ 表は横スクロールできます

ポイントは③です。AIは答えをどこかから探してくるのではなく、その場で書いています。だから、読んだ範囲に無いことを聞かれると——次の章で、その現場をお見せします。

「公開されている」と「ネットに載っている」は、別のことです

ここがいちばん多い誤解です。書店に並ぶ本も、図書館の本も、会社のパンフレットも、展示会での説明も、すべて「誰でも知ることができる」情報です。でも、インターネット上にはありません。

※ 表は横スクロールできます

本屋さんの棚を思い浮かべてください。背表紙は並んでいて、タイトルも著者名も見えます。でも、中身は開かなければ読めません。インターネットから見た世の中も、これとまったく同じです。

そして、あなたの会社も同じ状態にあります。サービスのこだわり、実績、社長の考え方。ネット上に書いていなければ、AIにとっては存在しないのと同じです。

——と、ここまでは理屈です。「本当にそうなの？」と思われるはずなので、実際にやってみた画面をお見せします。題材は、私自身の会社です。

実際に、3つのAIに自社を聞いてみました

2026年7月25日、実際にやってみた画面をそのままお見せします。質問は、わざと3つの層に分けて設計しました。

結果：見事に分かれました

※ 表は横スクロールできます

実施日：2026年7月25日。ChatGPT（無料版）／Gemini（Pro）／Claude（Opus）。それぞれ新しい会話を作り、1問ずつ独立して質問しました。正解は当社実際の記録によります。正解：設立＝2017年6月。

① 出している情報は、3つとも正確に答えました

事業内容、KPIが再生数ではなく問い合わせ数・採用応募数・売上であること、支援終了後の内製化がゴールであること。3つのAIとも、驚くほど正確でした。ここは素直にうれしい結果です。1,170本書いてきた甲斐がありました。

ただし、面白いことが起きました。挙げてきた実績が、3つとも違うのです。

※ 表は横スクロールできます

同じサイトを読んでいるのに、拾った場所が違う。AIは全部を等しく覚えているのではなく、それぞれが違う一部分を拾ってきているということです。「AIに聞けば、その会社のことが全部わかる」わけではありません。

② 社名を出さずに探させたら、結果が真っ二つになりました

ここは正直、いちばん怖い質問でした。お客様が実際に検索するのは、社名ではなく「愛知県で動画マーケティングを支援してくれる会社」のような聞き方だからです。

これは私にとって痛い結果ですが、同時にいちばん役に立つ結果でした。1,170本書いていても、「どこに出しているか」が違えば、AIによって見つけてもらえたり、もらえなかったりする。ChatGPTは地図情報を見て、Claudeは比較記事を見た。それだけの違いで、結果が真っ二つに分かれました。

③ そして、設立年で3つのAIの答えが割れました

いよいよ本命です。当社には会社概要ページがありません。設立年月は、プロフィールページの経歴欄に「2017年6月〜 ユーチューブビジネスサポート 開業」と書いてあるだけです。

結果はこうでした。

同じ日に、同じ質問を、同じ会社について投げた結果がこれです。片方は2008年、片方は2017年6月。どちらが正しいかを知っているのは、私だけでした。あなたの会社について今AIが語っている内容も、誰かが確かめない限り、これと同じ状態かもしれません。

従業員数については、3つとも「公開されていません」「確認できませんでした」と正直に答えました。ここは安心してよい部分です。どこにも書いていない情報については、AIも無理に作らないことがあります。

しかし設立年は違いました。「書いてはあるが、見つけにくい」情報について、ひとつのAIだけが、まったく別の数字をはめ込んだのです。なぜそうなったのか。原因は、ページの中に、数えられる形で残っていました。

なぜ間違えたのか／AIは「思い出して書いている」

ChatGPTが答えた「2008年」は、でたらめな数字ではありませんでした。私が2008年にYouTubeビジネス活用を始めた、その年です。結婚式専門チャンネルを開設した年で、会社の開業年（2017年6月）とは別のものです。

そこで、自分のプロフィールページの文字を数えてみました。

正直に言うと、これは私のミスです。「2008年から100社以上を支援」という表現は、実績を伝えるために意図して繰り返し使ってきました。その結果、本当の開業年が埋もれてしまった。AIは意地悪をしたのではなく、私が書いたとおりに読んだだけです。

Claudeは、この誤解の構造を先に指摘していました

驚いたのは、Claudeの回答です。聞いてもいないのに、こう付け加えてきました。

他のAIがなぜ間違えるかを、言い当てています。私が数えるまで気づかなかったことを、先に指摘されました。ここまで来ると、AIの誤答は「AIが悪い」のではなく、「情報の置き方が悪い」と考えたほうが正確だとわかります。

ここから見えてくる、3つの層

実験の結果を整理すると、情報は3つの層に分かれていました。これがこの記事の核心です。

※ 表は横スクロールできます

なぜこうなるのか——AIは「思い出して書いている」

ここで、生成AIがやっていることを整理します。3つだけです。

スマホで「おはよう」と打つと「ございます」が候補に出ますよね。あれと原理は地続きです。スマホは数語先を、生成AIは文章まるごとを予測している。規模が違うだけです。

出しているのに、見つけてもらえなかった記事の話

その前に：本の中身は、AIに読めるのでしょうか

私は動画とマーケティングの本を2冊書いています。2冊目の『経営戦略は動画が最強！』を題材に、もうひとつ実験をしました。

もうひとつの実験：本の中身は読めるのか

同じ日に、もうひとつ試しました。私の著書について「この本の内容を、国立国会図書館で調べて学習してきてください」と頼んでみたのです。国立国会図書館（NDL＝National Diet Library）は、日本で出版された本が納められる国内最大の図書館です。

ところが、同じ回答の中でAIはこう続けました。「代わりに、ytbs.jpの章別解説記事から内容を把握しました」——そして第1章・第4章・第5章・第6章の要点を、正確に挙げてきたのです。私が自社サイトに書いていた内容です。

本でも会社でも、起きていることは同じです。出していない部分は読めず、出している部分は読める。そして出しておいた分だけは、正確に伝わります。

ここからが本題です。この実験でAIは「代わりに、ytbs.jpの章別解説記事から内容を把握しました」と言って、第1章・第4章・第5章・第6章の要点を挙げてきました。読んだときは「よく読めているな」と思ったのですが、あとで気づきました。

2章と3章が、抜けている。

私は6つの章すべてについて、同じように解説記事を書いて公開しています。にもかかわらず、2つだけ読まれていませんでした。そこで、6本を1本ずつ実測して比べてみました。

※ 表は横スクロールできます

2026年7月25日、6本すべての本文文字数・内部リンク数・検索設定（robots）・正規URL（canonical）を実測。数値は当社の実データです。

いちばん長い2本が落ちて、いちばん短い1本が拾われました。「量が足りないから読まれなかった」ではありません。検索から外す設定もしていませんし、リンクの数も同じ。技術的な条件は、6本ともまったく同じでした。

残った違いは、たったひとつでした

6本のタイトルを並べてみて、はっきりしました。

「2章解説」というタイトルから、中身が何なのか、誰にもわかりません。私にもわかりません。本を持っている人だけが「ああ、あの章か」とわかる書き方です。

6本が同じ顔をしているので、AIから見ると区別がつかない。だから全部を読まずに、見つけた数本だけで答えを組み立てた——これが、いちばん説明のつく理由でした。

では、どうすれば見つけてもらえるのか

この経験から、ひとつの原則が出てきました。この記事でいちばんお持ち帰りいただきたい部分です。

※ 表は横スクロールできます

共通しているのは「外の人が見てわかる言葉になっているか」だけです。難しい技術は要りません。御社のホームページにも、心当たりのある見出しはありませんか。

なぜAIは「知りません」と言わずに、間違ったことを言うのか

不安に感じるのは、あなただけではありません。総務省の調査では、「AIの回答が事実ではない可能性がある」ことをリスクだと感じている人が62.2%にのぼります（令和7年版 情報通信白書）。

AIを作った会社が、公式に認めている数字があります

OpenAIが2025年9月に公開した研究に、はっきりした数字が出ています。事実を短く答えさせるテストで、「わかりません」とほとんど言わないモデル（棄権率1%）は、誤答率が75%でした。一方、半分は「わかりません」と答えるモデル（棄権率52%）の誤答率は26%。

出典：OpenAI「Why Language Models Hallucinate」（2025年9月／SimpleQAベンチマークでの計測）。これは「ネット上にある一般的な事実」を短答で問うテストの結果で、日常のすべての質問に当てはまる数字ではありません。「答えようとすればするほど間違える」という傾向を示す例としてご覧ください。

これが今回の実験で起きたことの正体です。ChatGPTは「わかりません」と言う代わりに、近くにあった「2008年」を持ってきて、設立年の欄にはめ込みました。悪気はありません。そういう仕組みで動いているのです。

たとえるなら、こういうことです

とくに間違えやすい4つの場面

私自身、毎日のように生成AIを使っていて、ここは必ず疑うと決めている項目があります。共通点は「ネット上に正解が少ない」か「似た情報が多くて混ざりやすい」ことです。

対処法は、この3つで十分です

追記：この記事を公開した日に、同じことが起きました

この記事を公開した日、2つの生成AIに「この記事を評価してください」と、URLを渡して頼んでみました。結果は、こうでした。

公開したてで、まだAIに届いていない。そこで1つ目は黙り、2つ目は「近くにあった別のページ」で埋めました。

お気づきでしょうか。これは、第2章の「2008年」とまったく同じ構造です。目当ての情報に届かなかったAIが、近くにあったそれらしい情報を持ってきた。数字でも、ページでも、起きることは変わりません。

▶ 関連：生成AIに引用される記事の作り方（間違えられない書き方を、記事づくりの側から解説しています）

数字で見る「ネットに出ていない情報」の多さ

日本最大の図書館でも、ネットで読めるのは約13%

ここで、数字を1つだけお見せします。国立国会図書館が公表している、デジタル化資料の提供状況です。

※ 表は横スクロールできます

出典：国立国会図書館「資料デジタル化について」（デジタル化資料提供状況・令和8年／2026年6月末時点）。割合は公表値からの筆者計算。各点数は万点単位に丸められているため、内訳の合計と総計は一致しません。

つまり、日本でいちばん本を持っている場所でさえ、自宅のパソコンから本文を読めるのは約13%。しかもこの516万点は「デジタル化が済んだ資料」の数です。まだデジタル化されていない蔵書は、この分母にすら入っていません。蔵書全体で見れば、ネットで読める割合はさらに下がります。

「日本企業のHP開設率は93.3%」——この数字には、穴があります

会社の情報についても見てみましょう。総務省の調査によると、企業のホームページ開設率は93.3%（令和7年／2025年8月末時点）。「なんだ、ほとんど出しているじゃないか」と思いますよね。

ところが、この調査の対象は「常用雇用者100人以上の企業」だけです。

出典：中小企業庁「中小企業・小規模企業者の数（2021年6月時点）」（総務省・経済産業省「令和3年経済センサス-活動調査」再編加工）／総務省「令和7年通信利用動向調査」報告書（企業編）。通信利用動向調査の対象は常用雇用者100人以上の企業（公務を除く）。

つまり、日本の会社の84.5%を占める小規模事業者は、この「93.3%」に最初から数えられていません。国の統計ですら、小さな会社の情報発信の実態を測れていないのです。

では、どうすればいいのか

第1段：自分が使うときは、情報を渡してから聞く

効くのは最後の一文です。「推測しないでください」と書くと、AIが空白を埋める動きを抑えられます。実験で従業員数について3社とも正直に答えたのは、この状態でした。

ただしこれは自分が使うときの話です。お客様が自分のAIに「◯◯って会社どう？」と聞くとき、そこにあなたの資料はありません。

第2段：他の人が聞いたときに、正確に答えてもらうには

実験でわかったのは、3つのAIがそれぞれ違う場所を見に行っていたことでした。

※ 表は横スクロールできます

①を1,170本やっても、②が空なら「社名を出さない検索」では出てきません。入口ごとに、やることが違います。

※ 表は横スクロールできます

第3段：確かめ方——3つの質問で、自社の穴がわかります

いますぐ試せます。ChatGPTでもGeminiでも構いません。それぞれ新しい会話を作って、1つずつ聞いてください。

※ 表は横スクロールできます

返ってきた答えのどこが違うか。それが、そのまま「これから書くこと」のリストになります。

「効率化」で終わらせない——売上につながる使い方

多くの会社は、まだ「効率化」で止まっています

私も生成AIで記事の下書き時間を15分から5分にしました。ありがたいことです。でも、それで売上が増えたわけではありません。

しかも効率化は誰でもできます。同じツールを使えば競合も同じだけ速くなる。差がつきません。

今回の実験が示したのは、もっと大きなことでした

AIは、あなたの会社を「紹介する側」に回っています。

お客様は、あなたに問い合わせる前にAIに聞いています。そこでAIが何と答えるかは、営業マンが最初に話す一言と同じ重みを持ちます。実験で私の会社は、あるAIでは1番目に出て、別のAIでは登場すらしませんでした。

海外では、もうここに大金が動いています

「そうは言っても、まだ先の話では」と思われるかもしれません。海外の動きを見ると、そうでもありません。

いちばん驚いたのはProfound社です。「AIが自社をどう紹介しているかを調べて直す」会社ですが、2024年の創業から約1年半で、企業価値10億ドルに達しました。世界の大企業（Fortune 500）の1割以上がすでに使っているそうです。

そしてAdobe。SEOツール大手のSemrushを約19億ドル（全額現金）で買収しました。理由としてAdobeがはっきり挙げているのが「生成AI向けの最適化」です。大手が本気でお金を動かしているということです。

Adobeは買収の発表資料で、アメリカの小売サイトへの「生成AI経由の流入」が前年同月比で大きく伸びていることも根拠に挙げています（2025年10月時点で前年同月比1,200%増）。お客様の来る道が、実際に変わり始めているのです。

効率化と、売上。どこが違うのか

※ 表は横スクロールできます

私が動画で言い続けてきたことと、同じでした

私は以前から「動画は24時間働く営業マンになる」とお伝えしてきました。一度作れば、こちらが寝ている間もお客様に説明し続けてくれるからです。

AIに読まれる情報も、まったく同じです。一度ネット上に正しく置いておけば、誰かがAIに質問するたびに、あなたの代わりに説明してくれます。置いていなければ、その場面であなたは存在しません。

だから測る指標も、動画のときと同じにしてください。再生数ではなく、問い合わせ数・採用応募数・売上。AIも「何時間削減できたか」ではなく「問い合わせが増えたか」で測るものだと考えています。

当社は広告費をほとんど使っていません。問い合わせの大半は、過去に書いた記事が連れてきてくれています。ただし1,170本のうち609本は伸びずに検索から外しました。全部が当たるわけではありません。出して、測って、直す。この繰り返しでしか資産にはなりません。

結局、どのAIを使えばいいのか

実験をしていて、いちばん面白かったのがここでした。3つとも、答え方がまるで違ったのです。

※ 表は横スクロールできます

※ これは2026年7月25日に1回ずつ試した結果です。AIは日々更新されるので、同じ質問でも結果は変わります。「今回の1回ではこうだった」としてお読みください。

▶ Claudeを使ってみたい方へ：Claudeの始め方｜登録から会社で安全に使う設定まで（無料で始められます）

ここまでで、いちばん大事な3つ

よくある質問（FAQ）

まとめ｜次にやること

「世の中に情報はあるのに、AIが求めている答えをくれない」——その原因は、AIの性能ではありませんでした。AIが見ている世界が、私たちの世界よりずっと狭いからです。そして今回の実験でわかったのは、もう一段深い事実でした。

ネットに書いてあっても、見つけにくい形なら、AIは別の情報で埋めてしまう。私自身、1,170本の記事を書いてきて、それでも開業年を間違えられました。量ではなく、置き方の問題です。

まずは、いますぐ試せることから始めてください。生成AIに、自社の名前を入れて聞いてみる。返ってきた答えのどこが違うかが、そのまま「これから何を書けばいいか」のリストになります。