LLMOでは、作るのはClaudeのMAX、確かめるのは無料のChatGPT

LLMO・AIO・GEO対策では、道具を役割で選びます

生成AIに読まれることを意識した記事づくりを、当社ではLLMOと呼んでいます。AIO（AI Optimization）やGEO（Generative Engine Optimization）、AEOと呼ばれることもあり、指している中身はほぼ同じです。言葉の違いと取り組む順番はSEO・AEO・GEO・LLMO対策｜違いと、6つの順番にまとめてあるので、ここでは呼び方の話はしません。

この記事で書くのは、もっと手前の、道具の選び方です。LLMO・AIO・GEO対策の記事を作るとき、当社は生成AIを2か所で使っています。作るときと、確かめるとき。そしてこの2つを、まったく別の基準で選んでいます。

ここを取り違えると、どちらも中途半端になります。作る側を安く済ませると、結果が出ません。確かめる側を高いものにすると、読者が見ている景色から離れます。目的が違うのだから、選ぶ基準も違って当たり前だ、というだけの話です。

そもそも日本では、AIの答えをそのまま信じている人のほうが少数派です。総務省の『令和8年版 情報通信白書』（2026年7月24日公表）の「生成AIサービスを利用する理由（国別）」を見ると、日本で「内容が正確・中立そうだと感じる」を理由に挙げた割合は12.7%で、アメリカ24.8%・ドイツ19.5%・中国32.0%と比べて4か国で最も低い数字でした。疑いながら使っているのは、いたって普通のことです。だからこそ「では、どう確かめるか」を決めておく必要があります。

出典：総務省『令和8年版 情報通信白書』図表「生成AIサービスを利用する理由（国別）」（2026年7月24日公表）原典ページ。数値は同ページで公開されているデータ（f00009.csv）を取得して、日本12.7%・米国24.8%・ドイツ19.5%・中国32.0%を2026年9月14日に確認しました。この設問の回答者数は原典に記載がありません。

作る側に、有料でいちばんいいものを使う理由

「無料でもそこそこ書けるのに、なぜ払うのか」とよく聞かれます。答えは単純で、目的が結果だからです。記事づくりのゴールは、書き上げることではなく、検索やAIの回答に出て、問い合わせにつながることです。そこが変わらないなら、道具代を削った意味はありません。

実際に差が出るのは、うまい表現を書く力ではありません。長い指示を最後まで守れるか、決め事を覚えていられるか、自分の書いたものを自分で点検できるかです。当社の記事には、赤は1色だけ、表には必ず説明文を付ける、図は画像ではなく文字として読める形で作る、といった決め事が何十とあります。これを最後まで守り切れるかどうかで、公開前の手直しの量がまるで変わります。

当社が払っているのは月200ドル（税抜・請求220ドル）の上位プラン1本だけです（2026年9月時点）。ChatGPTとGeminiには課金していません。渡す相手を1つに絞ると、決め事も過去のやりとりもそこにたまっていくからです。どのモデルをどの仕事に使うかはClaudeのモデルの違いと選び方に書いたので、ここでは触れません。

確かめる側が、無料のChatGPTである理由

確かめる側の基準は、性能ではありません。どれだけ多くの人が使っているかです。自社の記事を読む人も、自社のことをAIに聞く人も、いちばん多い環境を使っているはずだからです。

その根拠になる調査があります。サイバーエージェント GEOラボの「生成AI / AI Overview ユーザー利用実態調査（2026年8月期）」では、ChatGPTの利用率が30.6%で首位、次いでAI Mode 28.4%、Gemini 23.2%という結果でした。全国の15歳〜69歳の男女9,278名を対象にした調査です。

出典：サイバーエージェント GEOラボ「生成AI / AI Overview ユーザー利用実態調査（2026年8月期）」（調査対象＝全国の15歳〜69歳の男女9,278名／調査期間＝2026年8月7日〜8月10日／調査方法＝インターネット調査／調査機関＝株式会社マクロミル）原典ページ。2026年9月14日に原典で数値を確認しました。

そして、有料版ではなく無料版を使います。多くの人が触っているのは無料版のほうだからです。有料版で確かめて「よく書けている」と言われても、それは多数派が見ている景色ではありません。

実際に、無料版に頼むと何が返ってくるか

2026年9月4日に、無料版のChatGPTへ「うちのサイトの記事を1本、読みやすく直して」と頼んでみました。条件を変えて2回です。1回目はログインした状態、2回目は過去のやりとりを引き継がない「一時チャット」。

どちらも間違ってはいません。読みにくい部分を整理する、長い文を短くする、結論から書く、AEO・GEOを意識する。全部そのとおりです。ただ、これは当社の記事への指摘ではなく、世の中のすべての記事に当てはまる話でした。当社の決め事に触れた回答は、この2回では1つもありません。相手はそれを知らないからです。

出典：当社による実測（無料版ChatGPT・ログイン状態と一時チャットの2条件・各1回・2026年9月4日）。1回ずつの結果なので、傾向としては一般化できません。

ここが出発点です。多数派の画面は、その会社の事情を知らない画面でもあります。だから、返ってきた指摘をそのまま直すわけにはいきません。次の章から、実際の数字で見ていきます。

無料のChatGPTに本文を渡すと、何が返ってくるか

当社は記事を公開する前に、本文だけを渡して講評をもらいます。URLは渡しません。公開前で見せる場所がないうえ、URLを渡すと相手が本当にそのページを読んだのか分からなくなるからです。

2026年7月28日から9月13日までの12回とも、渡した相手は無料版のChatGPTです。有料版は使っていません。渡したものも毎回同じで、記事の本文HTMLと、その回に見てほしい観点だけです。

講評をもらうたびに、採否の理由をファイルに残してきました。今回この記事を書くにあたり、記憶や要約ではなくそのファイルを1本ずつ開いて数え直しています。数え方は「採否ファイルの1行＝1件」で統一し、社内から出た指摘は含めていません。

出典：当社の採否ファイル12本を2026年9月13日に再集計。渡した相手は12回とも無料版のChatGPT、渡したものは本文HTMLのみ（2026年7月28日〜9月13日）。採用37件のほかに、保留・判定待ちが8件、不採用・対応不要が80件あります。

いちばん多いのは、採用でも不採用でもなく「すでにやってあること」でした。2026年9月12日に公開した記事にいたっては、指摘7件が全部これで、採用はゼロです。

指摘の4割は「すでにできていたこと」でした

「すでに実装済み」と書くだけでは、こちらの言い分にすぎません。そこで同じ12本を、公開されているページから機械で数えました。目で見て数えたのではなく、ページのソースを取得して要素の個数を数えています。

出典：当社による実測（公開ページのソースを未ログインで取得して要素を機械カウント・2026年9月13日）。12本の本文は合計で約19万7千字です。

「表を入れましょう」と言われた12本には、すでに表が103本ありました。「FAQの構造化データを追加しましょう」と言われた12本には、すでに115問ぶん入っていました。図も32点、画像も64枚あります。

では、なぜ相手には無いように見えるのか。渡し方のせいです。表もFAQも図も構造化データも、文章として読み上げたときには出てきません。本文のテキストだけを読むと、そこには「見出しと段落」しか無いように見えます。

つまりこの52件は、相手が手を抜いた結果ではありません。本文だけを渡すと決めている以上、必ずこの種類の指摘が出ます。出ることを前提にして、採否で落とすのが正しい扱い方です。

それでも外部の目が要る理由は、6件にあります

ここまでの数字だけを見ると「無料のAIに見せても意味がない」と読めてしまいますが、そうではありません。6件は、こちらが見落としていた本物の誤りでした。しかも6件とも、同じ性質の誤りです。

出典：当社の採否ファイル6本（2026年8月21日〜9月13日）。いずれも指摘を受けてから当日〜翌日に修正しています。

6件とも、事実そのものは間違っていません。数字も出典も合っています。強すぎたのは「言い方」のほうです。そして言い方の強さは、書いた本人にはいちばん見えません。自分では「そう思って書いている」からです。

いちばん重かったのは、9月13日の1件です。画像の説明文（alt）について「機械が確実に受け取っているのは説明文のほうだ」と書いていたのですが、同じ記事の第1章で、自分が引用していた公式の説明と食い違っていました。公式は「説明文と画像認識とページの内容の3つを合わせて判断する」と書いており、こちらの書き方はそのうちの画像認識を否定するように読めたのです。

6件が全部同じ型だった、というのが今回いちばんの発見でした。多数派の画面が拾ってくれるのは「足りないもの」ではなく「強すぎるもの」だ、ということです。足りないものはこちらが数えれば分かります。強すぎる言い方は、数えても出てきません。

逆にいえば、確かめる側に「足りないものを教えてください」と期待するのは、使い方として少しずれています。頼むべきは「言いすぎているところはありませんか」のほうです。当社は講評を頼むときの聞き方も、この6件のあとで変えました。

断定を弱めると記事が弱くなる、とは限りません。上の例では、主語を相手からこちらに移しただけで、主張の強さは落ちずに、事実としての正しさだけが上がりました。

確かめる側が間違えた2件も、同じ重さで書きます

都合のよい結果だけ載せるわけにはいかないので、逆の話も書きます。確かめる側が間違えたことも2回ありました。どちらも同じ型で、記事の外にあるものを、記事の中身だと思って指摘してきたケースです。

出典：当社の採否ファイル2本（2026年9月3日・9月7日）。どちらも記事のソースを取得して、本文中の出現回数が0件であることを確認しています。

この2件から、運用をひとつ足しました。指摘に出てくる言葉が、本当に本文の中にあるかを先に確かめることです。本文に無い言葉を褒めたり直せと言ったりしている場合、相手は別のものを見ています。

この型は、AIに限った話ではありません。人に読んでもらうときも、記事の下に並ぶ広告や関連記事まで含めて「この記事」として受け取られます。LLMO・AIO・GEO対策では、ここがとくに効きます。本文をどれだけ正確に書いても、同じ画面に古い見出しが並んでいれば、AIも人もそれを一緒に読むからです。

採否の手順（当社がやっている5つ）

①実物を数える／②言葉を照合する

講評を読むより先に、自分の記事に何がいくつ入っているかを数えます。表の数、FAQの数、図の数、画像の数。ここまでやると、指摘の半分近くは「すでにある」で片づきます。次に、指摘に出てくる固有の言葉が本文にあるかを検索します。本文に無い言葉を褒めていたら、相手は別のものを見ています。

③残った指摘を、3つに仕分ける

3つ目の「土俵違い」は見落としやすいところです。確かめる側はサイト全体の役割分担を知らないので、よかれと思って、別の記事の担当範囲を足してきます。取り入れると、自社の記事どうしが同じ言葉で競合します。LLMO・AIO・GEO対策では、これがいちばんもったいない失敗です。

④測定中かどうかを見る／⑤理由つきで記録する

当社は記事を公開したあと、28日間はタイトルと本文の言い回しを動かさずに反応を測ります。採用に値する指摘でも、測定中なら測り終わってから直します。先に直すと、順位や検索での出方が変わったときに、記事の中身が効いたのか直したことが効いたのかを切り分けられなくなるからです。ただし事実が違っている場合は、測定を理由に待ちません。間違ったまま測っても意味がないからです。

最後に、採否と理由をファイルに残します。この記事の125件という数字も、その記録があったから数え直せました。記録が無ければ、「外部の目は役に立った気がする」で終わっていたはずです。

自分の会社でやるなら、明日からの3つ

そのうえで、確認そのものを分けて考えると、もっと楽になります。機械が数えられることは機械に、判断が要ることは人に。当社はこう分けています。

当社の場合、この分け方を決めてから、講評をもらってから公開するまでの時間がむしろ短くなりました。指摘の半分近くを、数えるだけで落とせるようになったからです。

もうひとつ、社長の立場で申し上げておきたいことがあります。AIに確かめさせても、責任は分かれません。確かめる側は、その会社の決め事も、過去に何を書いたかも、どの数字をどこから取ってきたかも知りません。最後に「これで出す」と決めるのは、やはり人です。この記事の6件も、直すと決めたのは人でした。

よくある質問（FAQ）

まとめ