AI検索対策を外注するとき、何を基準に選ぶか｜LLMO支援会社・ツールの見極め方

先に立場を書いておくと、私たちもAI検索の測定と支援を提供しており、本稿は競合を評価する側が書いている記事である。そのうえで、確認すべき点は3つに絞れる。何を指標にしているか、どう測っているか、そして因果を主張していないかである。この3つは、私たち自身に向けても同じように使える。

提供内容が各社でばらついている

AI検索対策を掲げるサービスは増えているが、提供内容は一様ではない。コンテンツ制作を主とするもの、技術的な実装を主とするもの、測定ツールを提供するもの、これらを組み合わせるもの。同じ「AI検索対策」という言葉で、まったく違う作業が売られている。

内容が違うこと自体は問題ではない。困るのは、比較する軸がないことである。価格も工数も比べられるが、それは何をするかが同じ場合の話で、そもそも作業が違えば比較にならない。

この領域では、施策の効果を前後比較と対照群で検証した公開事例を、私たちは確認できていない。効果で選べない以上、確認すべきは提供内容そのものの妥当性になる。以下の3点は、そのための質問である。

確認点1｜何を指標にしているか

最初に聞くべきは、成果をどの数字で示すのかである。

とくに注意が要るのが、社名を含む質問での言及率である。「AIに聞いたら御社が出てきました」という報告は、質問文に社名が入っていれば当然の結果になる。私たちが行ったある企業の診断では、社名を含む質問18回答中17回答で自社が言及されたのに、社名を含めない質問では48回答中3回答だった。同じ会社を、同じ3つのAIで、同じ時期に測った結果である。

社名を含む質問には用途がある。AIが自社について語る内容が正確かを点検する用途である。だが露出の指標にはならない。提案書の言及率が、どんな質問文で測られたものかを必ず確認する。

もう1つ、質問の段階も聞く。買い手の悩み段階で測っているのか、業者を探す段階で測っているのか。私たちの実験では、相談が調達の形になるまで、3つのAIとも業者名を挙げなかった。前半3段階の27回答すべてで0件である。段階を書かない指標は解釈できない。

確認点2｜どう測っているか

次に、測定の方法を聞く。ここは技術的だが、答えられるかどうかで力量が分かる。

第一に、何回実行しているか。AIの回答は同じ条件でもぶれる。1回の結果は、そのときたまたま出た答えと区別がつかない。

第二に、複数のAIで測っているか、そして合算していないか。私たちの実験では、同じ条件を足したときに、あるAIでは実績の記述が0件になり、別のAIでは8件に増えた。合算するとこの分岐は1つの数字に潰れる。

第三に、引用元の数え方である。AIによって引用元の返し方が違うため、回答本文からURLを抽出する方式では、引用をメタデータで返すモデルの分を構造的に取りこぼす。私たちの集計では、あるモデルは読んだURLを完全に記録し、別のモデルは引用と同じものしか返さず、もう1つは読んだURLを記録していなかった。この状態でAI間の引用数を比較した表は、AIの性質ではなく取得方式の違いを見ていることになる。

第四に、質問文をいつ作ったか。自社サイトを分析した後に測定の質問を作る手順になっていると、質問がサイトの語彙に寄る。私たち自身、相談文に含めた数値が引用された事例ページの記述と一致していたことがある。分析と測定の順序を確認する。

確認点3｜因果を主張していないか

3つ目が最も重要である。「この施策をすればAIに出るようになります」と言えるかどうか。

言うためには、施策の前に測り、施策を打ち、同じ基準で測り直し、施策を打たない対照と比較する必要がある。この設計を通した検証を、私たちは行っていないし、公開されたものも確認できていない。

したがって、断定している提案には根拠を尋ねる。公式言明なのか、実測なのか、推測なのか、SEOからの類推なのか。たとえば構造化データについては、Googleが公式ドキュメントで、生成AI検索に必須ではなく追加すべき専用のマークアップも存在しないと明記している（2026年8月16日確認）。それでもAI検索対策の必須項目として提案されることがある。

断定を求めているのは、多くの場合こちら側でもある。「効くかもしれない」より「効きます」のほうが稟議は通りやすい。だが断定して通した予算は、結果が出なかったときに説明できない。

この3点は、提案書を受け取った時点で確認できる。専門知識も、比較用の他社見積もりも要らない。聞けば答えられるはずのことばかりである。

ツールを使う場合の確認点

表1　測定ツールに確認すること

この表は確認の枠組みであり、特定のツールを評価したものではない。

答えられないこと自体が問題とは限らない。まだ新しい領域で、すべてを固めているところは多くない。重要なのは、答えられないことを答えられないと言うかどうかである。

実務への示唆｜自社でやるか、外注するかの判断軸

測定だけなら、自社でできる。買い手の相談文を作り、複数のAIで複数回実行し、結果を記録する。特別なツールは要らない。手順は公開している。

外注に向くのは、継続的な定点観測と、判定の一貫性が要る場合である。AIの回答を読んで内容を分類する作業は、判定基準を決めても人によって揺れる。同じ基準で継続的に判定し続けることは、片手間では難しい。

逆に、外注しても解決しないことがある。効果の保証である。誰に頼んでも、現時点で因果は示せない。「実績があります」と言われたら、それが観測なのか因果検証なのかを聞く。

判断としては、まず自社で1回測ってみるのが確実である。測ってみれば、何が難しいかが分かる。難しかった部分だけを外注すればよい。

この順序には副次的な効果もある。一度でも自分で測っていれば、提案を受けたときに質問ができる。何回実行したのか、AI別に見せてもらえるか、質問文はいつ作ったのか。測ったことがなければ、この質問は出てこない。

逆に言えば、外注の巧拙より、発注側が測定の構造を知っているかどうかのほうが、結果を左右する可能性が高い。効果が証明されていない領域では、提案を評価する目のほうが資産になる。

この記事でわかっていないこと

支援会社やツールを網羅的に調査したわけではない。本稿の指摘は、確認した範囲での傾向と、私たち自身の測定経験からの整理である。個別のサービスを評価したものではない。

本稿の確認点が、良い外注先を選べることを検証していない。この基準で選んだ場合の成果を測ったデータはない。

私たち自身が同じ領域の提供者であり、この記事には構造的な利益相反がある。読者は、本稿の基準を私たちにも適用してほしい。私たちも因果は示せず、効果の保証はできない。

引用した実測は2026年7〜8月時点のもので、各実験のnは小さい。設計と限界は該当の実測記事に記載している。

調査概要

表2　本稿で引用した根拠

各調査の設計・n・限界・クライアント関与は、それぞれを扱った記事に記載している。設計が異なるため、調査間で数値を比較してはいけない。公式ドキュメントは更新されるため、引用時は確認日を併記すること。

利益相反の開示：筆者はAI検索の測定と支援を提供する事業者である。本稿は自社サービスの推奨を目的としたものではなく、個別の支援会社・ツールの名称は挙げていない。引用した個社調査の対象企業はすべて匿名である。