AI Search Year One in 2026 and the Redefinition of SEO in the LLMO Era

2026年「AI検索元年」の到来とSEOの前提崩れ

2026年2月時点で、検索のインターフェースはすでに「リンクを並べる場所」から「回答を返す場所」へ重心を移している。象徴的なのは、Google検索におけるAIによる概要とAIモードの統合だ。2026年1月27日にGoogleは、AIによる概要の既定モデルをGemini 3に更新し、概要表示からそのまま会話型のAIモードへ移行できる導線をグローバルに展開したと説明している。短い要約で終えるか、文脈を維持した対話で掘り下げるかを同じ画面で選べる設計は、ユーザーが複数サイトを巡回して情報を組み立てる前提を弱める。

この転換は、技術革新だけでなく人間側の認知特性とも噛み合う。限界合理性を提起したハーバート・サイモンが述べたように、人は最適解よりも十分に良い答えで探索を打ち切りやすい。ダニエル・カーネマンの二重過程理論が示す通り、負荷の高い比較検討は避けられ、認知的に楽な選択が選ばれる傾向がある。情報検索の研究でも、ゼロックスPARCのピーター・ピロリとスチュアート・カードが1990年代に提示した情報採食理論は、情報探索をコストと利得の最適化として捉えた。AIによる要約と対話は探索コストを劇的に下げるため、ユーザー行動が「複数ページの読解」から「一回の質問で満足」へ移るのは自然な帰結になる。

AIによる概要の普及規模も、検索体験の質的転換を裏付ける。2024年10月の段階で、AIによる概要の展開により毎月10億人超へ到達するとGoogleは述べていた。その後、2025年5月には200以上の国と地域、40以上の言語へ拡大したと発表している。さらに2025年のGoogle I/O期には、米国やインドなど主要市場でAIによる概要が表示される種類のクエリにおいて、利用が10%以上増えたという社内観測も提示された。ここで重要なのは、増えたのがサイト訪問ではなく「検索の利用そのもの」だという点である。検索プラットフォーム側の成長と、外部サイト側の流量が必ずしも同じ方向に動かなくなっている。

この変化をGoogle自身も明確に言語化している。2025年5月の段階で、GoogleのCEOサンダー・ピチャイはAIモードを検索の全面的な再設計と表現し、AIによる概要の利用が月間15億人規模に達したと述べたと報じられている。数字が示すのは、AIによる要約が実験的な機能ではなく、検索の中心的な入口になったという事実である。

日本語圏でも同じ変化が進んでいる。Googleは2025年9月9日、AIモードの日本語提供を順次開始したと公表し、Gemini 2.5のカスタム版で長く複雑な質問を一回の検索で回答すると説明した。初期ユーザーの質問は従来クエリの2倍から3倍の長さだったという。さらにクエリファンアウトと呼ぶ手法で質問をサブトピックに分解し、同時並行で検索して統合する設計を明言している。この設計は、検索結果の上位10件を人間が読み比べる行為を機械側へ移管する。

検索の技術史を振り返ると、この移管は連続した延長線上にある。情報検索の古典では、ジェラルド・サルトンが1960年代から1970年代にベクトル空間モデルを整備し、文書とクエリの類似度計算を定式化した。カレン・スパーク・ジョーンズは1970年代に逆文書頻度の考え方を広め、言葉の希少性を重み付けに組み込んだ。1998年にはスタンフォード大学のラリー・ペイジとセルゲイ・ブリンがリンク構造を利用するPageRankを提示し、ウェブ検索のランキング競争を強化した。AI検索は、このランキング競争を無効化するのではなく、ランキング結果と知識グラフを材料にして、最終的な回答を組み立てる段階を前面に出す。

検索の定義が変わると、最適化の対象も変わる。従来のSEOは、クローラがページを収集し、インデックスを構築し、ランキングで露出を決める流れの最適化だった。AI検索では、ランキングのさらに手前で、回答生成に使う根拠集合をどう集め、どう要約し、どの引用を表示するかが価値の中心になる。ここに「AIに選ばれる」という新しい競争軸が生まれる。

Gemini 3.1 Proが示す、回答生成の中核能力の更新ペース

2026年2月19日、GoogleはGemini 3.1 Proを発表した。単純な質問応答では足りない複雑なタスクを対象にしたモデルと位置づけ、ARC-AGI-2で検証済みスコア77.1%を達成したと述べている。ARC-AGI-2は未知の論理パターンを解く能力を測るベンチマークで、同社は3 Proに対して推論性能が2倍超と説明する。モデルが賢くなるほど、検索プラットフォームは「ページを並べて人間に判断させる」より「判断した結果を提示する」方向へ寄りやすい。

実装面でも、モデル更新が検索体験に直結する構造が見える。Googleは3.1 ProをGemini API、Vertex AI、Geminiアプリ、NotebookLMへ展開すると説明し、ProおよびUltraプランではNotebookLMでも利用可能としている。つまり同じ推論中核が、検索、個人のナレッジ整理、業務の開発環境へ横断的に流れ込む。検索のUIだけが変わるのではなく、検索を代替する調査や要約まで同じ基盤モデルの上に統合される。

開発者向け仕様を見ると、この統合の現実味が増す。Gemini 3.1 Pro Previewは入力1,048,576トークン、出力65,536トークンという長文脈を持ち、テキスト、画像、動画、音声、PDFを入力に取れる。検索によるグラウンディング、構造化出力、関数呼び出し、コード実行、URLコンテキストなどの機能も列挙されている。知識カットオフは2025年1月で、最終更新は2026年2月19日と明記されている。ここから読み取れるのは、モデル単体の賢さだけでなく、外部情報の参照と検証を前提にした調査の道具として設計されている点である。検索は人間の前に出るだけでなく、モデルの内側で呼び出される部品にもなった。

本日発表の調査支援AIツールが意味する、R&D現場の検索離れ

2026年2月26日、ナインシグマ・ホールディングスは、R&D部門向けのアイディエーションおよび周辺情報調査ツールAKCELIのバックエンドを更新し、生成AIモデルの一部にGemini 3.1 Proを採用したと発表した。数週間から数か月かかっていた初期仮説の構築を数分で実行可能にすると述べ、毎月更新される独自データベースと最適化し続けるプロンプトを組み合わせる点を特徴としている。

この事例が示すのは、検索の主戦場が消費者向けのウェブ閲覧だけではないことだ。企業の調査は従来、検索、PDF収集、社内メモ、会議資料という断片を人手で統合していた。AKCELIは、技術テーマ入力から用途アイデア生成、市場性や競合の周辺調査までを一つの導線にまとめる。ここでは検索するという動詞は、ブラウザでキーワードを打つ行為ではなく、モデルが外部情報へ問い合わせる内部処理へ変形している。

さらに同社は、R&Dリサーチで課題になりがちなハルシネーションのリスク低減をうたう。専門性の高い領域でもデータに基づく仮説構築とレポート作成が可能になると説明し、技術専門家のフィードバックでプロンプトを継続最適化する運用も明記する。ここには、生成AIの弱点を組織プロセスで補う発想がある。検索の最適化がアルゴリズム理解だけでなく、業務設計の問題になっている。

LLMOという新概念が広がる背景

LLMOはLarge Language Model Optimizationの略として、ChatGPT SearchやGoogleのAIによる概要、PerplexityなどのAI生成回答の中で、自社の情報やブランドが参照される状態を狙う実務用語として整理されることが多い。ただし呼称はまだ揺れており、同じ領域がAEOやGEOなど複数の名前で語られる状況が続く。重要なのは名称ではなく、露出の単位が順位から引用へ移る点にある。

学術側でも近い問題意識が出ている。2024年に提案されたGEOは、生成エンジンが返す回答における可視性を指標化し、ブラックボックス最適化で改善する枠組みとして紹介されている。生成回答がユーザーの意思決定に直結する以上、可視性が偏ると創作者経済が不利になるという問題設定が前提にある。

ここで従来SEOとの違いを明確にすると、LLMOは検索結果ページのクリック獲得をゴールに置かない。AIが回答を構成するときの根拠集合に採用されること、採用された根拠がユーザーの前に表示されること、表示された根拠が信頼されることが中心になる。検索システム側の都合で、引用の表示回数は増えてもクリックは増えない局面が起こり得る。

データが示すゼロクリックの加速と、SEOの前提崩れ

検索結果で外部サイトへ移動しないゼロクリックは、AI検索以前から増えていたが、生成要約の普及がこの傾向を強めている。Semrushが整理したデータでは、2024年の米国検索の58.5%、EU検索の59.7%がクリックなしで終了したとされる。同じくSemrushは、2025年3月にAIによる概要がクエリの13.14%で発火し、2025年1月の6.49%から増えたと述べる。生成要約が出るクエリが増えれば、クリックが減る母集団も広がる。

Similarwebが引用した別の推計では、AIによる概要の展開後にクリックなしで完結する割合が2024年5月の56%から2025年5月の69%へ上がったとされる。こうした数字は個別サイトの体感とも一致する。Semrushは、あるサイトのSearch Console例として、表示回数が倍増する一方でクリック率が約1.5%から0.5%未満へ落ちた推移を示している。露出と流入を同一視する旧来のKPI設計が通用しにくい。

メディア側の影響については、2025年5月の文脈で、BrightEdgeの調査を引きながらクリック率が約30%低下したという報道も出ている。もちろんクエリ種別や業界でばらつきは大きい。それでも、検索が入口から出口へ変わると、クリックに依存した収益モデルは構造的に脆くなる。

同時期の法廷証言でも、行動変化が示唆された。APの報道によれば、Appleの幹部エディ・キューは、Safari経由のGoogle検索が減少している背景としてAIを使う代替手段への移行を挙げたという。

企業とクリエイターが直面する、二つの競争

AI検索が一般化すると、競争は二層化する。第一は従来のインデックス競争で、クロールされ、正規化され、品質シグナルを積み上げ、参照可能な状態を維持する領域だ。第二は生成回答の根拠競争で、同じ問いに対してどの情報が引用されるか、どのブランドが推薦されるかを争う領域である。LLMOが問題にするのは後者だが、前者が崩れると後者へ入場できない。

この二層を切り分けると、SEOは古いという断言は成り立たない。AIモードはウェブリンクを併記し、深掘り先を提示する設計を強調している。生成回答が根拠にするのは、依然としてウェブ上の一次情報であり、検索の情報システムとナレッジグラフの上に成り立つとも説明されている。したがって、SEOは土台として残り、土台の上にLLMOが乗る。

一方で、土台を作るだけでは不十分になる。AIが引用する情報は、同じテーマでも短く、定義が明確で、数値や手順が整理され、出典が追える形を好む。これは人間向けの読み物とは異なる最適化であり、コンテンツ設計のスタイルを変える。

AIに選ばれるための戦略を、工程として分解する

LLMOを流行語で終わらせないためには、施策を工程に落とす必要がある。以下は、企業やクリエイターが再現可能な形で実行しやすい分解である。

1 一次情報の供給量を増やす

生成回答は既存情報を再構成できるが、独自データを捏造できない。調査、統計、実測、事例、実務手順など、他者が参照する理由が明確な一次情報を増やすことが最優先になる。ナインシグマが毎月更新の独自データベースと専門家の知見を組み合わせると述べたのは、この一次情報の不足を補う設計である。ぽちょ研究所のような教育系コンテンツでも、一般論の要約ではなく、具体的な比較表、観測手法、失敗例と修正手順といった検証可能な素材が引用されやすい。

2 構造を揃え、機械が切り出しやすい単位で書く

AIモードやDeep Searchは、質問を分解して複数検索を並行実行し、統合する。この過程では、ページ全体の雰囲気よりも、見出し単位の定義と結論が使われる。結論先出し、条件分岐、手順番号、前提と例外、測定方法を明示し、段落の役割を一つにする。長文脈モデルの入力上限が拡大しても、切り出しやすさは依然として性能に効く。

3 エンティティを統一し、外部で同じ呼び名が通る状態を作る

生成回答は、ブランド名や商品名を曖昧なまま扱うと誤認しやすい。正式名称、カテゴリ、提供地域、価格帯、主要機能などの属性を統一し、複数ページで矛盾なく提示する。さらに第三者記事や業界団体、公式データベースなど、外部で同じ属性が確認できる状態を増やす。AIは単一ページではなく、複数ソースの整合性から信頼度を推定する。

4 引用されるべき箇所に、根拠の形を埋め込む

生成回答で引用されるのは、断定文ではなく根拠の形式を伴う断定文である。調査主体、調査年、対象数、計測条件、定義を文章内に埋める。例えばゼロクリックの割合は国や期間で変わるため、2024年の米国58.5%というように時点と地域を固定して言う。同様に、AIによる概要が200以上の国と地域へ拡大したという記述も、発表時期を明示することで検証可能になる。

5 成果指標を、クリックから引用と指名へ組み替える

AI検索では、表示回数とクリックが分離する。Search Consoleの例が示すように、インプレッションが増えてもクリック率は落ち得る。したがってKPIは、指名検索の増減、ブランド言及、問い合わせの質、商談化率、購買に近い行動の増減へ寄せる。特にB2Bでは、AI回答でブランド名が挙がることが意思決定の入口になる。ゼロクリックで終わるとしても、指名や比較検討の局面で追い風になる場合がある。

6 プラットフォーム側の経済設計を読み、コンテンツ供給を最適化する

AI要約が続くと、コンテンツ提供者が疲弊し、検索エコシステム全体が損なわれるという問題が研究対象になり始めている。2026年1月にarXivへ投稿されたYihang Wuらの研究では、AIによる概要がユーザー体験を高める一方で、創作者への流量を奪い、高品質コンテンツの供給を減らし得るとして、引用機構と補償機構を提案している。ここは短期の集客テクニックではなく、長期の制度設計の領域である。企業側は、無料記事だけでなく、会員制、資料請求、コミュニティ、イベントなど、クリック以外の価値交換を増やして耐性を上げる必要がある。

検索は回答から実行へ移る

AI検索の影響を最も受けるのは記事メディアだけではない。検索がタスク完了まで内包すると、比較検討や予約購入の局面で、クリックが発生する前に意思決定が終わる。2025年のGoogle I/Oの説明では、AIモードにエージェント機能を導入し、チケット購入やレストラン予約などを複数サイト横断で調査し、フォーム入力などの作業を代行する構想が示された。ユーザーが主導権を維持しながら時間を節約できる設計だとされる。同じ文脈で、カメラを使ったライブ検索や、パーソナルな文脈を使う提案も触れられている。

購買行動の側面でも、検索が対話と提案へ寄っている。Similarwebが紹介するバージニア大学ダーデン経営大学院の報告では、消費者の60%超が買い物でAIを使うとされ、意思決定の入口が検索結果ページからAIの提案へ移る速度を示している。

このフェーズでは、最適化対象が文章コンテンツからデータフィードへ広がる。宿泊施設、飲食店、イベント、ECの商品は、在庫、価格、開催日時、場所、条件などがリアルタイムに変わる。エージェントが意思決定に使うのは、読み物よりも機械可読な属性の集合になる。クエリファンアウトで多数の検索を同時に走らせる以上、欠損や矛盾のあるデータは候補から落ちやすい。

技術と運用で作る、LLMOの最低限の土台

AIに選ばれるための施策は、結局のところ情報の信頼性と可搬性を上げる作業に収束する。実務で抜けがちな論点を、技術と運用に分けて整理する。

技術面では、ページがクロール可能であること、正規URLが一意であること、更新日時が明確であること、見出しで定義と結論が切れることが前提になる。長文脈モデルは一度に大量のトークンを処理できるが、どこが結論でどこが条件かが曖昧だと引用単位が作れない。Gemini 3.1 Pro Previewの入力上限が1,048,576トークンまで拡張されたとしても、要約や引用の抽出は構造に依存する。

運用面では、監修や検証の体制が価値になる。ナインシグマが専門家のフィードバックでプロンプトを進化させると述べたように、生成AIの出力品質は運用で上がる。ウェブ側でも、執筆者の専門性、検証方法、データの出所、改訂履歴を継続的に整備することで、AIが参照しても破綻しない情報に近づく。ここは制作費ではなく、研究開発費に近い性格を持つ。

さらに測定の仕組みが必要になる。ゼロクリックが増える環境では、参照や言及が増えてもクリックに直結しない。そのため、AIによる概要やAIモード経由の流入が発生する領域と、発生しない領域を切り分け、指名検索や比較クエリでの想起を追う。AIが生成した回答の中で自社がどのように説明されるかを定点観測し、誤記があれば一次情報の補強で修正する。AKCELIが同じ技術キーワードを定期的に入れて出力の変動を確認するという使い方を挙げたのは、まさにこの定点観測の発想である。

著作権と競争政策が、検索戦略を左右する時代

AI検索は技術だけでなく、権利と規制の争点になった。2025年6月30日付の文書として、独立系出版社団体が欧州委員会へ申し立て、GoogleがAIによる概要でウェブコンテンツを誤用し、出版社にトラフィックや収益の損失を与えていると主張したことがReutersで報じられている。さらに2025年12月には、欧州委員会が出版社のオンラインコンテンツやYouTube動画のAI利用について、補償や拒否の選択肢が十分かを懸念し、調査に乗り出したとReutersが報じた。2026年2月10日には欧州出版社評議会がAIによる概要をめぐり苦情を提出し、AIによる概要とAIモードがオープンウェブの経済的な均衡を損なうと述べたとされる。

競合側でも、生成検索と出版社の対立が顕在化している。2026年2月24日付の報道では、PerplexityがDow Jonesとの訴訟で、原告側が回答例を選別したと主張する動きが伝えられた。収益モデルも揺れており、PerplexityはAI検索に広告を入れる計画から距離を置き、回答への信頼を損なう懸念を理由にサブスクリプションと企業向けへ寄せると報じられた。CEOのアラビンド・スリニバスが2024年に広告が主要な収益源になる可能性を語っていたことと対照的だ。Similarwebの推計として、2026年1月のPerplexity月間アクティブユーザーが約6000万人規模だという記述もある。ここから見えるのは、検索の価値が広告在庫ではなく、信頼性と課金に移る可能性である。

企業やクリエイターにとっては、プラットフォームのルール変更と訴訟リスクが同時に進む環境になる。生成要約で引用されることを狙うだけでなく、引用のされ方が自社ブランドを損なわないか、誤引用の訂正導線を持てるか、データ提供の条件をどうするかという論点が増える。

結論としてのSEOはもう古いの解像度を上げる

2026年の現実は、SEOが消えるというより、SEOだけで勝てなくなる構造である。AIによる概要は200以上の国と地域へ広がり、AIモードは複雑な質問を一回で処理する導線を日本語でも提供した。Gemini 3.1 Proのような高推論モデルは、検索、調査、開発、学習へ同時に展開され、長文脈と検索グラウンディングを前提にする。その結果、クリック獲得のための最適化から、引用されるための情報設計へ重心が移る。

この移動は、ウェブの終焉というより、ウェブの役割の変化に近い。ウェブは人間が読む場から、AIが参照する知識基盤へ比重を移しつつある。企業とクリエイターが生き残る条件は、一次情報を増やし、構造を整え、外部との整合性を高め、引用に耐える形で供給することだ。そこで初めて、SEOの土台の上にLLMOの戦略が成立する。