海外動向

比較の出発点をそろえる

検索市場の構成が国によって大きく異なる

日本ではGoogleとYahoo! JAPANの検索が大半を占め、Yahoo! JAPANの検索はGoogleの技術を利用しています。そのためGoogleの仕様変更がほぼ市場全体に波及します。一方、韓国ではNAVERが大きな比率を持ち、中国では百度などの国内サービスが中心で、Googleは事実上利用されていません。米国ではBingの比率が日本より高く、Microsoft Copilotの影響も相対的に大きいとされています。

海外の事例を読む際は、まずその国の検索市場でどのサービスが何割を占め、どの機能が実際に表示されているかを確認します。米国で有効だった手法が、日本ではその機能自体がまだ提供されていない、あるいは表示率が低いために効果が出ないことは珍しくありません。

言語と情報量の差が要約の質を左右する

生成AIの回答品質は、学習や検索に使える情報の量と質に依存します。英語はウェブ上の情報量が最も多く、専門的な内容でも複数の情報源を突き合わせて要約しやすいのに対し、日本語では情報源が限られる分野があり、一つのサイトの記述がそのまま回答に反映されやすい傾向があります。

この差は、日本語のコンテンツを整備する企業にとって機会でもあります。英語圏では大手メディアや百科事典型サイトに埋もれる情報でも、日本語では一次情報を持つ企業サイトが参照元として選ばれる余地が相対的に大きいと考えられます。市場の変化全体については市場の現在地を参照してください。

規制と商習慣の前提を確認する

個人情報保護、消費者保護、著作権の扱いは国ごとに異なります。欧州のGDPRは越境データの扱いに厳しく、米国では州ごとに法律が分かれ、日本では個人情報保護法と景品表示法が主な枠組みです。海外の施策を検討する際は、それが現地のどの法制度を前提にしているかを把握しておく必要があります。

また、比較の軸は機能名や流行語ではなく、「誰がどの情報を参照し、誤りが起きたときに誰がどう修正するか」に置くと、国を越えて比較しやすくなります。この軸で見ると、表面的な手法の違いより、情報の責任と更新の仕組みという共通の課題が浮かび上がります。

米国：AI Overviewsと対話型検索が先行する市場

AI Overviewsの展開と出版社の反応

GoogleのAI Overviewsは2024年5月に米国で本格展開され、同年中に100以上の国と地域へ拡大したとされています。2025年には検索結果全体を対話形式にした「AIモード」も米国から順次提供が始まりました。米国の出版社やメディア団体は、要約の表示によるトラフィック減少を指摘し、規制当局への申し立てや訴訟も報じられています。

企業サイトの実務では、この反応を「メディアの問題」として片付けず、自社の流入がどの程度要約の影響を受けているかを、クエリの種類別に確認する動きが広がっています。減少の程度は業種とクエリの型によって大きく異なり、一律の数値では語れないというのが米国での経験から得られる教訓です。

対話型検索サービスの競争と引用の扱い

ChatGPTの検索機能、Perplexity、Microsoft Copilotなどは、回答に出典リンクを併記する形式を採用しています。米国ではこれらのサービス経由の参照流入を計測する取り組みが進んでおり、アクセス解析上で参照元として識別できるケースと、ダイレクト流入に紛れるケースが混在すると報告されています。

また、Perplexityが出版社と収益を分配するプログラムを発表するなど、引用元への還元を試みる動きも見られます。こうした仕組みは日本ではまだ限定的ですが、「引用される情報源であること」が経済的な価値を持ち始めている点は、国内でも先行して押さえておくべき変化と言えます。

著作権をめぐる訴訟と提携の二つの流れ

米国では2023年末に大手新聞社がAI企業を著作権侵害で提訴し、以降も同種の訴訟が続いています。一方で、通信社や出版グループがAI企業とコンテンツ利用の契約を結ぶ動きも並行して進み、「訴える」と「提携する」が同時に存在する状況です。判例はまだ確定しておらず、フェアユースの範囲をめぐる議論が続いています。

企業サイトの実務への示唆は、自社の公開情報がAIの学習や検索にどこまで使われることを許容するかを、方針として決めておくことです。クローラー制御の設定と、公開情報の利用条件の明記は、この方針を形にする最初の手段になります。具体的な整備項目は制度と実務で解説しています。

欧州：規制の枠組みが実務を規定する

AI法とデジタルサービス法の位置づけ

EUでは2024年にAI法が成立し、リスクの高い用途への義務や、汎用AIモデルの提供者に対する透明性の要件が段階的に適用されています。学習データの概要を公開する義務などは、AI企業側の対応であり、情報を公開する企業に直接の義務を課すものではありませんが、AIがどの情報を使ったかを説明する流れを後押ししています。

また、デジタルサービス法とデジタル市場法により、大規模プラットフォームには推薦の仕組みの説明や、自社サービスの優遇の制限が求められています。検索結果の表示方法にも影響が及んでおり、欧州で表示される画面が米国や日本と異なる場面があるため、海外の画面キャプチャをそのまま国内の前提にしないよう注意が必要です。

報道機関の隣接権と引用の条件

EUの著作権指令は報道出版物に隣接権を認め、検索サービスなどが記事の抜粋を利用する際に出版社との合意を求める枠組みを作りました。フランスでは競争当局が、この隣接権に関する交渉義務やAI学習での利用をめぐりGoogleに制裁金を科した事例が2024年に報じられています。

この枠組みは日本には存在しませんが、「短い抜粋であっても出典と対価の扱いを明確にする」という考え方は、国内の企業が自社情報の引用条件を整理するうえで参考になります。引用される側として、出典表記の形式や利用の範囲を利用規約に明記しておくことは、将来の交渉や苦情対応の基礎になります。

説明可能性を重視する文化が情報設計に与える影響

欧州の規制は総じて、自動化された判断の根拠を説明できることを重視しています。この考え方は、企業サイトの情報設計にも波及しており、「なぜこの回答になったのか」を利用者が確認できるよう、根拠資料への導線や更新履歴を明示するサイトが増えているとされています。

日本の企業サイトでも、監修者情報や更新日の明記は品質評価の観点から推奨されてきました。欧州の動向は、その取り組みを「規制対応」ではなく「読者と機械の双方に根拠を示す情報設計」として位置づけ直す契機になります。

アジアと新興市場：独自エコシステムの動き

中国は独自の生成AIと規制のもとで発展している

中国では百度などの国内企業が検索と生成AIを提供し、2023年に生成AIサービスに関する暫定管理弁法が施行され、提供者への登録や内容の管理が求められています。海外製のサービスは基本的に利用できないため、AI検索の実務も国内サービスの仕様に合わせて発展しています。

日本企業が中国市場向けの情報を発信する場合、日本語サイトの最適化とは別の体系が必要になります。逆に、中国での事例を日本に持ち込む際は、規制と市場構造が根本的に異なる点を踏まえ、手法ではなく課題の構造だけを参考にする姿勢が現実的です。

韓国と東南アジアでは国内プラットフォームの影響が大きい

韓国ではNAVERが自社の大規模言語モデルを検索や対話サービスに組み込み、国内の情報を優先的に扱う設計が特徴です。企業の公式情報がNAVERのサービス内でどう扱われるかが、Googleと同等かそれ以上に重要とされています。東南アジアでは、SNSやメッセージアプリを入口とした情報探索が強く、検索エンジンだけを見ていては利用者の行動を捉えきれません。

これらの市場から日本が学べるのは、「主要な入口が一つではない」という前提で情報を設計する姿勢です。日本でもSNS検索や動画検索の比重が高まっており、複数の入口で同じ事実が一貫して提示されるよう管理する体制は、アジア市場の実務と共通する課題になっています。

海外で参考にできる実務

更新日・著者・出典を読み手に見せる取り組み

国や言語を問わず、更新日、著者や監修者、出典、編集方針を読み手に見せる取り組みは、AI検索時代の共通の実務として定着しつつあります。米国の大手メディアでは、記事ごとに訂正履歴を公開し、専門家の関与を明記する運用が広がっており、検索エンジンの品質評価の考え方とも整合しています。

企業サイトでこれを実装する場合、全ページに一律の項目を追加するより、重要な数ページから「誰が確認し、いつ更新し、何を根拠にしたか」を表示する方法が現実的です。表示形式は簡素で構いませんが、社内の管理表と表示内容が一致していることが前提になります。

構造化データはページの意味を伝える手段として使う

構造化データの活用は海外でも定番の実務ですが、その目的は検索エンジンを操作することではなく、ページの意味を機械と人に誤解なく伝えることにあります。組織、記事、FAQ、製品といった基本的な型を正しく付け、表示内容と矛盾させないことが原則です。

どの型が実際の表示や引用に影響するかは仕様変更に左右され、一部のリッチリザルトは表示が縮小された経緯もあります。海外の記事が特定の型の効果を強調していても、日本で同じ効果が得られる保証はないため、過度な約束を避け、基本的な型を正確に維持する方針が長期的には有効です。

新しい提案への向き合い方：採用より観察を先に

AI向けにサイト情報をまとめて提示する「llms.txt」のような提案や、AI用クローラーを個別に制御する設定など、新しい仕組みが海外から次々に紹介されます。これらの中には、主要なサービスが正式に対応を表明していないものも含まれており、効果が確認できないまま普及だけが語られる場合があります。

実務では、提案を見つけたら「どのサービスが公式に対応しているか」「対応しない場合の不利益はあるか」「導入と維持のコストはどの程度か」の三点を確認し、対応が明確なものから採用します。判断の記録を残しておけば、後から状況が変わった際にも見直しが容易です。

国内導入への翻訳手順

前提条件を自社の数値に置き換える

海外の成功例を検討する際は、対象顧客、保有データ、社内の承認にかかる時間、投入できる人員を自社の実態に置き換えて考えます。たとえば米国の事例で「FAQを500件整備した」とあっても、日本の中堅企業で同じ規模を維持できるかは別問題です。規模を10分の1にしても成り立つかを検討し、成り立たないなら手法自体を見直します。

置き換えの結果は、表にして残しておくと社内の説明に使えます。「海外事例」「自社での前提」「想定される差」「試す範囲」の四列で整理すれば、経営層や他部門に対しても、根拠のある提案として提示できます。合意の作り方は参加と合意形成で詳しく扱っています。

一つの質問領域で試し、差を記録する

翻訳した施策は、まず一つの質問領域、たとえば「料金に関する質問」や「導入手順に関する質問」に限定して試します。対象ページを10〜20本に絞り、施策の前後で対話型サービスの回答内容、検索結果の表示、問い合わせの変化を記録します。期間は最低でも2〜3か月を見込み、季節要因や他の施策の影響と切り分けます。

記録には、海外事例と実際の結果の差を必ず書き残します。「海外では引用が増えたとされるが、自社では変化が見られなかった」という結果も、次の判断に使える情報です。この差分の蓄積が、自社にとっての実務知識になります。

よくある失敗例と対策

機能名だけを追いかけて施策が細切れになる

AI Overviews対策、ChatGPT対策、Perplexity対策というように、サービスごとに別の施策を立てると、担当者の負担が増える一方で、どれも中途半端に終わりがちです。各サービスは仕様が異なりますが、参照する情報の条件は「根拠が明確で、更新されており、構造が整っている」という点で概ね共通しています。

対策としては、サービス別ではなく情報の品質と構造に投資し、サービスごとの違いは観察と記録にとどめる方法が有効です。仕様変更のたびに施策を組み替える必要がなくなり、限られた人員でも継続できます。

海外の統計を自社の予測に流用する

「AI要約の表示でクリックが何割減った」といった海外の統計は、対象市場、クエリの種類、計測期間が自社と異なります。これをそのまま経営層への説明に使うと、過大な危機感や、逆に根拠のない楽観を生みます。特に英語圏のメディアサイトを対象にした数値は、日本の企業サイトには当てはまりにくい傾向があります。

対策は、海外の統計を「傾向の参考」と明示したうえで、自社のSearch Consoleや対話型サービスの観察結果を並べて示すことです。自社データの整備と評価の方法はデータと評価にまとめています。

まとめ：比較は模倣の根拠ではなく、自社の選択を問い直す材料

米国では機能の展開と訴訟・提携が並行して進み、欧州では規制が実務の枠組みを規定し、アジアでは独自のプラットフォームが市場を形作っています。それぞれの動きは、検索市場の構成、言語の情報量、規制の前提という異なる条件の上に成り立っており、手法をそのまま持ち込んでも同じ結果は得られません。

一方で、更新日・著者・出典を明示する、構造化データを正確に維持する、引用の条件を整理する、といった実務は地域を問わず共通しています。海外の動向は、自社の情報が誰にどう参照され、誤りをどう直すかという問いを見直す材料として使い、試す範囲を限定して差を記録することが、国内での堅実な導入につながります。最新の海外ニュースは実務ブログで随時取り上げています。