AI検索の罠？3つのサイトが「最強ソフトウェア」記事を21万件も量産し、Perplexityがそれを引用する異常事態

驚くべき実態が明らかになりました。わずか3つのサイトが、AI向けに「best software（最強ソフトウェア）」と銘打った記事を合計215,128ページも大量生成し、それをAI検索エンジンであるPerplexityが引用しているという事態が発生しています。SEOをハックした低品質コンテンツが、AIの回答精度を歪めている現状について議論が必要です。

LLM検索エンジンって、他のLLMが生成したコンテンツを学習させないような対策って何かしてるの？このままAI生成サイトがネット上の大半を占めるようになると、LLMは自分たちが吐き出した中身を学習し直して、嘘や欠陥が指数関数的に増幅していくことにならない？それとも、2022年以前の人間による知識データセットが、いわゆる『低バックグラウンド鋼』のような基準として扱われるようになるのかな。それ以降の情報は、人間の手によって作成され、ハルシネーション（幻覚）に汚染されていないという証明がない限り、どんどん信頼性が低くなっていくんだろうか。

AI SEO戦争、開戦だな。

これ自体が明らかにClaudeの生成物だっていうのが丸わかりで、数行読むのも辛いよ。

Perplexityの12ヶ月無料キャンペーンがどこでもやってた時に使ってみたんだ。最初は、Googleの検索結果トップ10をわざわざ一つずつ確認しなくて済むから、単純な検索には少し便利だと思った。探していた特定のレシピや、ヘルプページ、ユーザーマニュアルなんかはすぐ見つけてくれたしね。

でも途中から、検索結果の質よりも応答速度を優先する最適化を始めたんだ。クエリを入力して1秒で結果が出るけど、中身はゴミ。表示されるリンクと参照元が、すぐ隣にあるテキストと全然一致してないことがよくある。誰かのKPIか何かで、とにかくレスポンスを爆速にすることだけを追求して、他の全てを犠牲にしたような感じだ。

『Computer』っていうAIが代わりにリサーチしてくれる機能も追加されたけど、UIから発動させようとしても半分くらいの確率で動かない。送信ボタンを押しても反応しないんだ。たまに動いても、大抵はしばらくすると回答が出る前に止まってしまう。

使い続けている唯一の理由は、あれだけ大々的にマーケティングされて期待値も高かった会社を観察し続けるためだ。本来なら何かで市場をリードしていてもおかしくなかったはずなのに。Joe Roganの番組（Perplexityがそこでかなり宣伝してるらしい）を聴いてるような、技術に詳しくない知り合いでさえ、あれどうなの？って聞いてくるよ。

それに今は、試用期間終了後に警告なしで課金されたって報告も出てる。ちゃんと事前に警告するって言っていたにもかかわらずだ。驚くほどひどいカスタマーサポートのスクリーンショットも出回っていて、サポート担当者（たぶんAI？）が、約束したメールを送っていないことを認めているのに、それでも助けようとしないというね。Twitterで騒ぎ立ててやっと修正される始末。

本気でリサーチしたり、AIを活用したWeb検索をしたいなら、自分はClaudeかChatGPTを使う。あっちの方が結果の質が段違いに高いし、指示通りのことをしてくれる。Perplexityの瞬時なレスポンスと違って45秒くらいかかるかもしれないけど、回答やリンクの正確性を考えれば、トータルで見ると時間の節約になるよ。

Perplexityはこれから思い知ることになるだろうね。Googleはまずスパム対策企業であり、検索エンジンはその次だってことを。

記憶が正しければ、LLMは人間が書いたものよりもLLMが生成した文章の方を好む傾向がある、という論文がいくつかあったはず。実際、Claudeに『こっちのコードと、自分がリファクタリングして使いやすくしたコード、どっちがいい？』って聞いてみると、必ず自分の生成した方を選ぶんだよね。笑っちゃうよ。あと、ClaudeもCodexも、Web検索をさせると日常的にAI生成されたWebサイトを拾ってくる。OAIやAnthropicのWeb検索ツールがキーワードやドメインの除外もできないくらい制限だらけなのも、状況を悪化させてるね。

『ネームサーバーのペアが共通しているのは、所有権の証明というより、共通のCloudflareアカウントを使用しているという強い状況証拠である』

…この記事のこの一行を読んだだけで、他の主張は一切信じちゃいけないってことが分かるね。

世の中にスパムがあふれかえってるから、AIを使った検索を使うのは慎重になってる。ナイーブかもしれないけど、何もかもを検索対象にするよりは、Wikipedia、Reddit、arXiv、特定のニュースソースなんかに絞ったホワイトリスト方式の方がいいんじゃないかと思ってるんだ。

そういうことができるツールってないのかな？Kagiにお金を払ってるんだけど、APIがあるのは知ってる。うまく設定すればそういう使い方ってできるのかな？

まあ、問題はそれだけじゃないし、LLMがLLMの出力を学習することへの対策だけが課題じゃないんだ。LLMが人間の出力を学習すること自体も問題なんだよ。

以前、マイナーな小都市へ旅行する際、事前にLLMでリサーチしてたんだ。そしたらどのAIも口を揃えて『XYZ町の最高のストリートフードなら「Foobar広場」に行くべきだ』と熱弁してきて、ご丁寧に詳細な解説まで付けてきた。

でもね、XYZ町にそんな広場なんてどこにもなかった。世界中探しても存在しなかったんだ。唯一あったのは、Redditの過疎ってるサブレディットの、これまた過疎ってる投稿へのコメント一つだけ。誰かが広場の名前をひどいスペルミスで書いて、『ストリートフードならFoobar広場へ』なんて書いてただけ。「最高」だなんて一言も書いてない。

全部、嘘なんだよ。

今のAIモデルは、ソースに対する懐疑心が圧倒的に足りてないと思う。意思決定の参考にしようと、2つの選択肢を比較させた時のエージェントの挙動を見てみると、リサーチで引用される比較ページの大半は、比較対象となっている会社自身が運営しているものだったりする。ほぼ全てAI生成されたAEO（回答最適化）目当ての記事だよ。公開されている情報の裏にある動機を深く考察しないっていうのは、今のところ悪用されやすいバグだけど、その穴もいずれ塞がれるだろうね。

そのうちモデルプロバイダーが、『信頼できる』製品情報や比較、レビューに対して、金儲け目的の怪しい認証システムを導入し始めるのは間違いないよ。