AIOとは？AI検索時代の情報設計

AIOとは

最初に、言葉の意味と、似た言葉との関係を整理します。

AIOとは、AI Optimization（AI最適化）の略で、ChatGPTやGoogleのAIによる概要のような生成AIを使った検索（以下、AI検索）で、自社の情報が回答に取り上げられ、正しく紹介されるように整える取り組みを指します。一般的には、AIが回答を作るときに参照するWebページの中に自社のページが入ること、回答の中で自社名やサービス名が挙がること、その紹介内容が正確であることの3つが目標として語られます。

従来のSEOは、検索結果の一覧で上位に表示されることを目標にしていました。AI検索では、検索結果の一覧を見る前に、AIがまとめた回答を読む場面が増えています。そのため、「一覧で何位か」に加えて「AIの回答の中でどう扱われるか」も確認する必要が出てきた、というのがAIOという言葉が使われるようになった背景です。

AIO・GEO・LLMO・AEOの違い

AI検索への対策には、いくつかの呼び方があります。学術的に確定した使い分けはなく、実務では、呼び方が違っても同じ取り組みを指している場合があります。

呼び方	正式名称	一般的な使われ方
AIO	AI Optimization	日本ではAI検索対策の総称として使われることがある。狭い意味ではGoogleのAIによる概要（AI Overviews）への対策を指す
GEO	Generative Engine Optimization	生成AI全般の回答に引用されるための最適化。英語圏で広く使われる
LLMO	Large Language Model Optimization	GEOとほぼ同じ意味。日本で先に広まった呼び方
AEO	Answer Engine Optimization	単一の答えとして抜き出されるための対策。強調スニペットや音声検索の流れをくむ

この記事では、日本での使われ方に合わせて、AI検索への対策全体を「AIO」と呼びます。呼び方の違いにこだわるより、何をどの順番で整えるかを決めることが重要です。

SEOとの関係

AIOとSEOは、別々の取り組みとして説明されることもあります。一方で、GoogleはGoogle検索セントラルの公式ドキュメント「AI features and your website」で、AIによる概要やAIモードに表示されるための追加の要件や特別な最適化は無く、SEOのベストプラクティスがそのまま当てはまる、という趣旨を示しています。同じドキュメントでは、表示のために新しい機械可読ファイルやAI用のテキストファイル、特別な構造化データを用意する必要は無い、とも書かれています。

そのため一般的には、AIOはSEOを置き換えるものではなく、SEOの土台の上に乗る取り組みとして整理されます。検索エンジンに見つけてもらえないページは、AIにも見つけてもらいにくいためです。SEOで何を続け、何をやめるかは「AI時代のSEO」で扱います。

言葉の整理ができたところで、次の章では、AI検索によって買い手と情報の出会い方がどう変わったかを見ます。

検索とAI検索で、情報の流れはどう変わったか

AIOが必要とされる理由は、買い手が情報に出会う経路が変わったことにあります。この章では、その変化を図と数字で確認します。

左が従来の検索、右がAI検索の流れで、AI検索ではWebサイトに着く前に「AIがまとめた回答」という段階が1つ増えています。つまり、自社の情報は「検索結果の一覧で選ばれるか」の前に「AIの回答の材料になるか」を問われるため、AIが読んで誤解しない形で自社のWebサイトに情報を置いておくことが出発点になります。

従来の検索では、買い手は検索語を入れ、検索結果の一覧から複数のWebサイトを開き、自分で読み比べていました。AI検索では、買い手は質問を文章で入れ、AIが複数のWebページを読んで回答をまとめます。回答の中で候補となる企業や引用元のリンクが示され、買い手は気になったものだけを開きます。

利用はどこまで広がっているか

サイバーエージェントのGEOラボがマクロミルに委託した「生成AIのユーザー利用実態調査 第三弾」（2026年2月、全国の10〜60代9,278名）では、検索するときに生成AIを使っている人は37.0%でした。

クリックへの影響については、Ahrefsが2026年に公開した分析（約30万キーワード、Google Search Consoleのデータ）で、GoogleのAIによる概要が表示される検索語では、1位のページのクリック率が表示されない場合より約58%低い、という結果が報告されています。上位に表示されていても、以前ほどはクリックされない場面がある、ということです。

BtoBの買い手の場合

BtoBの発注先探しに絞った調査もあります。Pifteeの「BtoB発注先選定におけるAI検索活用の実態調査2026」（2026年5〜6月、過去1年以内に発注先の選定に関わった担当者196名）では、AI検索を使ったことがある人は75.0%でした。AI検索の利用者147名のうち82.3%が、AI検索を通じてそれまで知らなかった企業やサービスを見つけたと回答しています。

一方で、発注先を探すときの最初の手段は、Googleなどの従来の検索エンジンが48.0%、AI検索は9.7%でした。また、AI検索の利用者のうち「裏取り・確認はしない」と回答した人は2.0%にとどまり、70.7%は見つけた企業の公式サイトを確認すると答えています。

一般的には、AI検索が広がると「Webサイトに人が来なくなる」「サイトに投資しても意味が薄れる」と語られることがあります。買い手の検索行動の変化は「BtoBの購買行動の変化」で詳しく扱います。

情報の流れが変わったことを確認したところで、次の章では、AI検索がどのように情報を選んでいるのかを整理します。

AI検索が情報を選ぶ仕組み

ここでは、AIOで何を整えればよいかを考える前提として、AI検索の仕組みを一般的な説明の範囲で整理します。各サービスの仕様は公開されている範囲が限られており、頻繁に変わるため、ここでは大まかな流れにとどめます。

多くの解説では、AI検索が回答を作る流れは3つの段階で説明されます。

1. 集める: Webページを巡回して内容を取り込み、検索に使える状態にしておく（クロールとインデックス）
2. 選ぶ: 質問に関係しそうなページや文章の断片を候補として拾い、並べ替える
3. まとめる: 大規模言語モデルが候補を読み、回答の文章を作り、必要に応じて引用元を示す

1と2は、従来の検索エンジンが行ってきたこととほぼ同じです。そのため、検索エンジンに正しく巡回されない、内容が読み取れないといったSEOの基本的な問題があるページは、3の段階に進む前に候補から外れる可能性があります。AIOで固有に考える部分は3にあたり、「AIが読んで、そのまま回答の材料にしやすい文章になっているか」が問われます。

もう一つ、AIは質問によっては検索せずに、学習済みの知識だけで答えることがあります。この場合、直近で公開したページの内容は回答に反映されません。自社について古い情報や誤った情報が回答されるときは、Web上に正しい情報が十分に無いか、古い情報のほうが広く出回っている可能性があります。

ChatGPTやPerplexityで自社が紹介されるための考え方は「ChatGPTやPerplexityで自社が出てくるか確認する方法」、GoogleのAIによる概要とBtoBの関係は「GoogleのAI検索（AIによる概要）とBtoBサイトへの影響」で扱います。

仕組みが分かると、整えるべきものが見えてきます。次の章では、AIOの構成要素を3つに分けて整理します。

AIOの構成要素

この章では、AIOで整えるものを「一次情報」「構造」「外部評価」の3つに分けて整理します。3章で見た「集める・選ぶ・まとめる」のそれぞれで、どの要素が関わるかを押さえておくと、施策の優先順位を判断しやすくなります。

図は、SEOの基本を土台に、一次情報・構造・外部評価の3本の柱が「AIにも人間にも理解・比較・信頼される情報」を支える形を表しています。つまり、どれか1本だけを伸ばすのではなく、まず土台が崩れていないかを確かめ、そのうえで自社に足りない柱から手を付けることが重要です。

一次情報

一次情報とは、その会社しか持っていない事実のことです。導入事例、顧客インタビュー、独自調査、自社の運用データ、実験の結果、顧客から聞き取った課題などがこれにあたります。

生成AIの回答での見え方を調べた研究（Aggarwal et al.「GEO: Generative Engine Optimization」、KDD 2024）では、統計データや出典・引用を本文に加えると、生成された回答の中での見え方が改善したと報告されています。一般論はAIが自分で生成できるため、AIが外部のページを参照する理由になるのは、そのページにしか無い事実や数字である、と説明されることがあります。AIに引用されるコンテンツの条件は「AIに引用されやすいコンテンツ」で詳しく扱います。

構造

構造とは、AIと人が内容を読み取りやすい形にすることです。一般的には、次のような点が挙げられます。

• 見出しが問いになっていて、その直下で結論を先に書いている
• 1つのページで扱うテーマが絞られていて、関連するページどうしが内部リンクでつながっている
• 比較できる情報（料金の考え方、選定基準、向いている企業）が表や項目で整理されている
• JavaScriptで表示しないと中身が読めないページになっていない

テーマごとにページを束ねる設計は、トピッククラスターの考え方と共通します（「トピッククラスターとは」）。

外部評価

外部評価とは、自社以外の場所で自社がどう語られているかです。業界メディアでの紹介、レビューサイトでの評価、プレスリリース、登壇、取引先の導入事例への登場などがこれにあたります。AIは複数の情報源を読んで回答を作るため、自社サイトだけで自社を説明している状態より、第三者の情報源にも同じ内容が書かれている状態のほうが、回答の中で扱われやすいと一般的には考えられています。

効果がはっきりしない施策

AIOには、効果が確かめられていない施策も含まれます。代表的なのがllms.txtです。llms.txtはAI向けにサイトの概要を記したテキストファイルを置くという提案ですが、1章で触れたとおり、Googleは公式ドキュメントで、AIによる概要への表示のためにAI用のテキストファイルを用意する必要は無いとしています。設置自体の手間は小さいものの、それだけで成果が出ると考えるのは時期尚早だというのが、冷静な整理です。詳しくは「llms.txtは必要か」で扱います。

構成要素が分かったところで、次の章では、実際にどの順番で取り組むかを見ます。

AIOの進め方

ここまでの整理を、社内で取り組むときの手順に落とします。一般的に紹介される進め方を、BtoBの企業向けに6つのステップにまとめます。

ステップ1: AIに自社がどう答えられているかを確かめる

ChatGPTやGeminiなどに、自社名、自社のサービスカテゴリ、顧客が発注先を探すときに入れそうな質問（「〇〇の支援会社を比較したい」など）を入れ、回答を記録します。自社が挙がるか、紹介の内容が正確か、どのページが引用されているかを確かめます。回答は同じ質問でも変わることがあるため、1回の結果で判断しないことが重要です。

ステップ2: SEOの土台を点検する

検索エンジンに巡回・登録されていないページ、内容が薄いページ、同じテーマで重複しているページがないかを確認します。Google Search Consoleで登録状況と検索クエリを見るところから始めます。

ステップ3: 一次情報を棚卸しする

導入事例、顧客インタビュー、運用データ、独自調査など、自社にしか出せない情報がどこにあるかを洗い出します。営業資料や提案書の中に眠っていて、Webサイトに出ていないものも対象です。

ステップ4: 構造を整える

サービスページ、導入事例、よくある質問、料金の考え方、選定基準といったページを、問いと答えが対応する形に整えます。既存のページの書き直しから始める場合は、見出しの直下に結論を置くところからで構いません。

ステップ5: 外部での言及を増やす

調査結果のプレスリリース、業界メディアへの寄稿、レビューサイトへの掲載、取引先との共同事例などで、第三者の情報源に自社の情報を置きます。

ステップ6: 計測する

GA4では、参照元にAIサービスのドメインを含むセッションを分けて集計できます。ただし、AI経由の訪問には参照元が残らないものもあるため、この数字は実態より小さく出る可能性があります。問い合わせフォームに「何で知りましたか」の項目を置き、AI検索を選択肢に入れておくと、数字の不足を補えます。

ここまでが、一般的なAIOの整理です。ここからは、アイコネクトがAI時代の情報設計で差がつくと考えているところを扱います。

AI時代に、情報設計で差がつくところ

1〜5章では、AIOの定義から進め方までを一般論として整理しました。この章では、その一般論を踏まえて、アイコネクトがBtoBの情報設計で重視している点を3つ取り上げます。

比較できる形で情報を出す

AI検索に入れられる質問には、「〇〇を導入するならどの会社がよいか」「AとBの違いは何か」といった比較の質問が含まれます。BtoBの購買で比較は避けられない以上、AIは回答を作るために、比較の材料になる情報を探します。

ところが、Webサイトが自社の説明だけで終わっている場合は、比較の材料が足りません。向いている企業、向いていない企業、ほかの方法との違い、選定基準、導入条件、費用、体制、導入期間、導入事例、これらが自社のサイトに無ければ、AIは第三者の比較記事や他社のサイトから材料を集めて回答を作ります。比較を避けるのではなく、比較のルールを自分たちから提示すれば、AI検索に対しても人の検討に対しても効果が出ます。

「この条件なら向いていません」と書くことに抵抗を感じる企業もあります。それでも、比較検討中の顧客が必要としているのは宣伝ではなく判断材料です。何でもできる、誰にでもおすすめできるという書き方は、人に対してもAIに対しても、判断の材料になりません。

一般論のSEO記事は価値が下がる

AIで「それなりに良いSEO記事」は誰でも作れるようになりました。一般論を網羅しただけのSEO記事は、AIが自分で生成できる回答とほとんど変わりません。そのため、AIがわざわざ参照する理由も、読み手がクリックする理由も薄くなります。

問題なのはSEOそのものではなく、検索順位を取るためだけに作られた、誰の意思決定にも寄与しないコンテンツです。これからは「SEO記事を何本作るか」ではなく、「その会社にしか作れない情報がどれだけあるか」が問われます。AI時代に価値が上がる情報と下がる情報は「AI時代に価値が上がる情報・下がる情報」、コンテンツ全体の考え方はコンテンツマーケティングとはで整理しています。

作れることより、何を作るか判断できること

AIによって、記事も資料も動画も作りやすくなりました。そのため「作れること」自体の価値は下がり、「何を作るべきか判断できること」の価値が上がります。生成AIを使ったコンテンツ制作で品質を守る運用は「生成AIでの記事制作」、マーケターのAI活用は「BtoBマーケターのAI活用」で扱います。

AIOの出発点は、AIではなく顧客理解

一般的には、AIOはAIの仕組みを理解するところから語られます。ただ、AIOの出発点はAIではなく顧客理解です。顧客がどんな質問をAIに投げるのか、その答えとして何が書かれていれば判断が前に進むのか。これはAIの仕様をいくら調べても分かりません。何を作るべきか判断する源泉は、顧客をどれだけ理解しているか、です。

アイコネクトも、資料やコンテンツを作りながら、AIの出してきたものに「これは違う」「ここは弱い」「顧客には伝わらない」と何度も返しています。AIは制作能力を民主化しますが、判断能力まで自動的に民主化するわけではありません。AI検索の時代に強くなるのは、AIの攻略法を知っている会社ではなく、顧客の判断に必要な情報を一次情報として持ち、それを構造にして出している会社です。

よくある質問

まとめ

要点を3つに絞ります。

1. AIOとは、AI検索で自社の情報が取り上げられ、正しく紹介されるように整える取り組みです。 GEO・LLMOなどの呼び方の違いより、SEOの土台の上に乗る取り組みであることを押さえます
2. 構成要素は、一次情報・構造・外部評価の3つです。 llms.txtのような効果のはっきりしない施策より、自社にしか出せない情報と、比較できる形での整理が先です
3. AIOは引用のテクニックではなく、AI時代の情報設計です。 AI検索が広がるほど、買い手が最後に確かめるWebサイトの情報基盤としての役割が大きくなります

AIの仕組みそのものは、これからも変わり続けます。変わりにくいのは、顧客が判断するために必要な情報を、自社が持っているかどうかです。AI検索を踏まえたサイトの情報設計やコンテンツの棚卸しから相談したい場合は、アイコネクトのBtoBマーケティングコンサルティングでお受けしています。BtoBマーケティングコンサルティング

代表・広沢のnoteから

ここまで、AIOの定義から進め方までを整理してきました。ただ、実際の相談では「AI対策として何をすればいいか」という質問から始まり、話していくうちに、自社にしか出せない情報がそもそもサイトに無い、というところに行き着くことが少なくありません。

私は、AIで「正しいマーケティング論」はいくらでも書けるようになったからこそ、価値が出るのは「実際にやったらこうなった」という一次情報だ、とnoteで書きました。AIに引用される情報と、読み手に信頼される情報は、ここで重なります。

また、AIで文章力の差は縮むので、残るのはAIの出した答えに「違う」と言って次の問いを立てる力であり、それは顧客理解から生まれる、ともnoteで書きました。さらに、「AIがそう出してきたから」で通ってしまう状態を危険視していて、AIで作ることとAIに任せることは違うと考えています。AIOも同じで、AIの仕組みに合わせることより、自社が何を判断し、何を一次情報として出すかを決めることが先にあります。

• AI時代、noteで「エアプ記事」が量産されると思う。
• 「記事や資料はAIでやれ」と経営からみんな言われてそう。ただし、問いの力なしに良いコンテンツは作れるのか。
• AIでコンサルのアウトプット品質が落ちている？マーケティングも他人事ではない。