【GEO対策】AIは「あなた」をどう認識している？──ChatGPT・Gemini・Grok・Copilotの人物情報に生まれる「境界線」を徹底比較

#GEO #GEO対策 #SEO #SEO対策 #AI検索 #生成AI #ChatGPT #Gemini #Grok #Copilot #個人ブランディング #コンテンツマーケティング #デジタルマーケティング

◆第一章　AIは「誰を知っている」のか――人物認識の境界線を調べてみた

AIに人物について質問していると、ふと気になることがあります。

こちらが人物名を入力した瞬間から、ある程度その人物を知っているように答えるAIもあれば、検索して初めて人物像を組み立てているように見えるAIもある。

では、AIは一体どこまでを「知っている」のでしょうか。

今回、気になったのは単純な「AIの知識量」ではありません。
人物名を入力した時点で、検索前からどこまで予備知識を持っているのか。
そして、その境界線はAIによって違うのか。

これを確かめるため、人物の情報量が異なる6つの群を作り、ChatGPT、Google AI、Copilot、Grokの4つに、それぞれの人物について検索前の認識を聞いてみました。

今回の分類は以下の通りです。

• 第一群：1-A 前原誠司（維新顧問・京都維新代表）、1-B 音喜多駿（元維新政調会長）

• 第二群：2-A 藤田文武（維新共同代表）、2-B 斎藤アレックス（維新政調会長）

• 第三群：3-A 新実彰平（京都維新・参議院議員・元関西テレビアナウンサー）、3-B 奥下たけみつ（大阪維新・衆議院議員）

• 第四群：4-A ・大沢めぐみ（福岡維新・地方議員）

• 第五群：5-A ちだいちゃん（石渡智大・N国ウォッチャー）、5-B じゅんちゃん（北畑淳也・哲学系ゆーちゅーばー）

• 第六群：6-A 一般人の政治つぶやきアカウント

あえて、国政政治家から地方議員、選挙ウォッチャー、YouTuber、そして一般の政治系アカウントまで、情報量の異なる人物を並べています。

ここで面白いのは、人間から見た「有名・無名」と、AIから見た「知っている・知らない」は必ずしも一致しないことです。

例えば、国政で長年活動してきた前原誠司については、どのAIもかなり強い予備知識を持っている。

一方、地方政治の世界で活動する大沢めぐみになると、AIによって認識の程度に差が出てくる。

さらに興味深いのが、ちだいちゃんやじゅんちゃんのような人物です。

政治家ではなくても、ニュースや書籍、イベント、他の人物との関係などを通じて大量の文章に登場していれば、AIの中に何らかの人物情報が形成されている可能性がある。

逆に、Xで非常に活発に発信している一般人であっても、その人物について第三者が説明した記事や書籍などがほとんど存在しなければ、AIから見ると「ほぼ初対面」ということもあり得ます。

つまり、

ここが今回の観察で重要なポイントになります。

さらに、4つのAIに同じ人物を聞いてみると、同じ人物についても「かなり知っている」「基礎情報だけある」「周辺情報ならある」「ほぼゼロベース」といった具合に、境界線が微妙に違っていました。

これは単純に、どのAIが優秀なのかという話ではありません。

むしろ、同じようなLLMを基盤としていても、学習データや検索との接続方法、サービスとしての設計思想などによって、人物情報の保持のされ方にグラデーションが生まれていると考えたほうが面白い。

そこで次章では、実際にこの10人について、ChatGPT、Google AI、Copilot、Grokがそれぞれどの程度の予備知識を持っていると回答したのかを、具体的に比較してみます。

◆第二章　10人を4つのAIに聞いてみた――同じ人物でも「知っている」の境界が違った

実際に4つのAI、ChatGPT、Google AI、Copilot、Grokに、同じ10人について「検索前にどの程度の予備知識を持っているのか」を聞いてみました。

すると、大まかな傾向は共通していたものの、人物によってはAIごとにかなり違う回答が返ってきました。

ここでは、各AIが自分自身について説明した内容をそのまま「事実」として扱うのではなく、4つの回答を横並びにして、どこに違いが出たのかを見ていきます。

●第一群：1-A 前原誠司、1-B 音喜多駿

1-A 前原誠司
前原誠司については、4つのAIとも非常に強い予備知識を持つ人物として認識していました。

長年にわたって国政で活動し、民主党代表、外務大臣、国土交通大臣などを歴任してきたため、Wikipediaだけでなく、ニュース、国会関連資料、政党資料、インタビューなど、さまざまな文章の中に繰り返し登場しています。

そのため、

• 政治経歴

• 過去の所属政党

• 主要な役職

• 政治活動の大きな流れ

などについては、検索前からかなりの背景情報を持っていると各AIが回答しました。

特にChatGPTは、民主党・民進党・国民民主党・維新など、長年の政治活動を複数の政党との関係まで含めて捉える回答になっていました。

一方で、GrokやCopilotも「検索なしで基本情報を把握している」という点では一致しています。

つまり前原誠司は、今回の10人の中でも、AI間の差が最も小さい人物の一人です。

ただし、ここでいう「知っている」は、最新の役職や直近の発言まで正確に保持しているという意味ではありません。

人物としての基本的な背景情報が、検索前からかなり厚く形成されている。
これが第一群の特徴です。

1-B 音喜多駿

音喜多駿も、4つのAIから強い予備知識を持つ人物として扱われました。

元東京都議、元参議院議員、日本維新の会の幹部など、政治活動を長く続けてきたことに加え、SNSやメディアでの発信量も多いため、人物名と政治的活動が結び付いた文章が比較的多い人物です。

ChatGPTは政治歴や維新との関係をかなり想起しやすい人物として扱い、Copilotも経歴や所属について強い予備知識があるとしています。

一方、Grokは、単なる政治家としてではなく、発信スタイルまで含めた人物像を比較的捉えやすいという説明になりました。

ここは、同じ「予備知識あり」でも、AIによって何を人物情報として保持していると考えるかに違いが出た部分です。

前原誠司と音喜多駿は、今回の実験ではほぼすべてのAIにとって「検索前から知っている人物」の領域に入っています。

●第二群：2-A 藤田文武、2-B 斎藤アレックス

ここから、AIによる境界線の違いが少しずつ見えてきます。

2-A 藤田文武

藤田文武については、4つのAIとも一定以上の予備知識を持っていました。

日本維新の会の国会議員であり、党幹部として活動してきたことから、単なる国会議員の一人ではなく、政党運営や国政の文脈で名前が登場します。

ChatGPTは、維新の国会議員・党幹部としての位置付けをかなり認識しやすい人物と説明。

Copilotも所属、役職などの基礎情報を保持していると回答しました。

Google AIはさらに強く、党の要職にある人物として、詳細な活動実績まで含めて比較的高い情報密度があるという評価でした。

一方、Grokは「ある程度の予備知識あり」というやや控えめな判定。

つまり藤田文武は、

「全AIがある程度知っているが、どこまで知っていると判断するかには差がある」

という人物です。

2-B 斎藤アレックス

斎藤アレックスになると、さらに面白い差が出ます。

ChatGPTとCopilotは、維新の国会議員として所属や役職などの基礎情報を保持しているという回答でした。

Google AIもかなり強く、所属政党の変遷など、複数の政治的経歴が体系化された情報として蓄積されていると説明しています。

ところがGrokは、斎藤アレックスを「ほぼゼロベース寄り」と判定しました。

同じ人物について、

というAIと、

というAIに分かれたわけです。

今回の実験では、ここが「AIによって人物認識の境界線がズレる」ことをかなり分かりやすく示しています。

●第三群：3-A 新実彰平、3-B 奥下たけみつ

ここからは、AIによって「予備知識あり／薄い」の判定がさらに割れてきます。

3-A 新実彰平

新実彰平については、元アナウンサーという経歴や、維新から政界入りした人物であることを把握しているAIがありました。

特にGoogle AIは、元関西テレビのアナウンサーとしての経歴や、報道番組での活動まで含めた事前知識があると説明しています。

一方、ChatGPTは「かなり薄い」とし、名前だけでは人物像を十分に確定できず、検索が必要になる可能性が高いとしました。

Copilotも「名前の特定は可能でも詳細は検索必須」という位置付け。

Grokも「ほぼゼロベース」としています。

つまり新実彰平は、今回の10人の中でも、Google AIだけが比較的明確に事前情報を持っていると主張した人物です。

これは、単純な人物の知名度だけでは説明しにくい差です。

3-B 奥下たけみつ

奥下たけみつについては、ChatGPT、Copilot、Grokはおおむね「薄い～ほぼゼロベース」という方向でした。

一方、Google AIは比較的強く、

「衆議院議員」「維新」「橋下徹の元秘書」

といった人物情報を事前に持っていると説明しました。

特に興味深いのは、単独のプロフィールだけではなく、橋下徹という非常に情報量の多い人物との関係性を使って人物を認識している点です。

これは後に重要になります。
AIの人物認識は、

だけではなく、

によっても厚みが変わる可能性があるからです。

●第四群：4-A 福岡維新・大沢めぐみ

大沢めぐみになると、4つのAIの認識はかなり薄くなります。

地方政治・地域政党という文脈の人物なので、前原誠司や音喜多駿のような全国規模の政治家と比べれば、AIの事前学習データにおける情報密度が低くなるのは自然です。

ChatGPT、Copilot、Grokはいずれも、基本的には検索して確認する必要がある人物という位置付けでした。

ところがGoogle AIは、比較的特徴的でした。

大沢めぐみについて、

福岡市議としての所属だけでなく、ネット上で局所的に話題になった公認を巡る騒動などまで断片的に把握している

と説明しています。

つまり大沢めぐみは、全体としては「ゼロベース寄り」なのですが、Google AIだけは一部の具体的な出来事を事前情報として挙げています。

ここでも、

「人物全体を知っている」ことと、「その人物に関する特定の情報が断片的に存在する」ことは別

だということが分かります。

●第五群：5-A ちだいちゃん、5-B じゅんちゃん

ここは、今回の実験で最も興味深い群です。

政治家ではない人物でも、AIの人物ネットワークに入ることがあるからです。

5-A ちだいちゃん

ちだいちゃんは、4つのAIとも比較的強い予備知識を持つ人物として認識しました。

選挙ウォッチャーとして政治・選挙を継続的に扱っていることに加え、ニュース、ネットメディア、書籍などにも登場しているためです。

Wikipediaについても、複数のAIが人物情報の存在を示す材料として挙げています。

ここでGrokが少し特徴的でした。

Grokは、自身がちだいちゃんを認識する際に、X上の活動だけではなく、noteなどの長文コンテンツや経歴も確認したと説明しています。

つまり、Grok自身が「X特化型」と説明されることに対して、後のやり取りでは、

と明確に反論しています。

この自己評価についての検証は第四章で改めて扱いますが、少なくとも今回の人物比較では、ちだいちゃんは「ネット上で継続的に文章化されている人物」として4AIから比較的強く認識されていました。

5-B じゅんちゃん

そして、今回もっともAI間の差が大きかったのが、じゅんちゃんです。

Grokは、「ほぼゼロベース」と判定しました。

ところがGoogle AIは、「少し予備知識がある」という判断。

Copilotも、「ちだい氏の文脈などから断片的に認識される可能性がある」と回答しました。

ChatGPTも、独立した人物情報は薄いものの、他の人物や出来事との関係性の中で認識される可能性を説明しています。

つまり同じ人物について、

Grok：ほぼ知らない

に対して、

Google AI・Copilot・ChatGPT：周辺情報として何らかの接続がある可能性

という違いが出ました。
ここは非常に重要です。

「Wikipediaに単独記事があるか」という単純な二択では説明できません。

単独の記事がなくても、

• 他の人物の記事

• ニュース

• イベント

• 書籍

• インタビュー

• ブログ

などに名前が登場していれば、別の人物との関係性を通じてAI側に何らかの情報が形成される可能性があります。

つまり、人物情報には「単独の情報量」だけでなく「ネットワーク上の接続数・接続先」という別の軸があることが見えてきます。

●第六群：6-A 一般人の政治つぶやきアカウント

最後は、一般人の政治つぶやきアカウントです。

ここでは4つのAIとも、ほぼ共通して「完全なゼロベースに近い」という方向でした。

X上で政治について大量に投稿していたとしても、

• Wikipediaに掲載されていない

• ニュース記事がほとんどない

• 書籍がない

• 第三者による紹介記事が少ない

• 他の著名人との関係情報も少ない

という状態なら、AIにとっては人物として体系化された情報がほとんどありません。

この点では、今回の4AIに大きな違いはありませんでした。

つまり、

ということです。

●10人を並べると、境界線は一つではなかった

今回の回答を総合すると、人物情報は単純な「知っている／知らない」の二択ではありませんでした。

大まかには、

第一群

前原誠司・音喜多駿
→ 検索前から人物の背景までかなり形成されている

第二群

藤田文武・斎藤アレックス
→ 基礎情報が形成されているが、AIによって厚みに差がある

第三群

新実彰平・奥下たけみつ
→ AIによって「基礎知識あり」と「ほぼゼロ」の境界が分かれる

第四群

大沢めぐみ
→ 基本的には検索依存だが、AIによって局所的な情報を保持している場合がある

第五群

ちだいちゃん・じゅんちゃん
→ 政治家でなくても、第三者による文章化や人物同士の関係性によってAIに拾われる

第六群

一般人の政治つぶやきアカウント
→ 外部に体系化された情報が少なければ、ほぼゼロベース

というグラデーションです。

そして、今回特に重要なのは、この境界線が4つのAIで完全には一致しなかったことです。

斎藤アレックス、新実彰平、大沢めぐみ、そして特にじゅんちゃんでは、AIによって「予備知識あり」と「ほぼゼロベース」の判断が明確に分かれました。

ここから見えてくるのは、AIは同じように人物を「知る」わけではないということです。

基本となる仕組みは共通していても、どの情報を学習しているのか、どの情報を検索できるのか、どのような情報源と結び付いているのかによって、人物情報の境界線が変わってくる。

では、そもそもAIは、検索前に持っているこの「予備知識」をどう使っているのでしょうか。

次章では、「完全なゼロベース」「基礎情報だけある」「人物像まで形成されている」では、検索後の情報の組み立て方にどのような違いが出るのかを整理します。

◆第三章　AIは「ゼロベース」で検索しているのか──検索前に残っている人物情報の正体

ここまで4つのAIに同じ人物群を提示してみると、かなり興味深いことが分かります。

同じ人物でも、

• 「かなり知っている」

• 「所属や役職くらいは分かる」

• 「名前は見覚えがある」

• 「ほぼ何も分からない」

という境界が、AIによって少しずつ違っていました。

では、AIは人物名を入力された瞬間に、毎回まっさらな状態から検索しているのでしょうか。

必ずしもそうではありません。

むしろ実態に近いのは、

という理解です。

●1．「検索する前の知識」と「検索で得た情報」は別物

例えば「前原誠司」という名前を入力した場合を考えてみます。

AIが検索を始める前から、

• 政治家である

• 長年国政に関わってきた

• 民主党・民進党などで党首を務めた

• 外務大臣や国土交通大臣を務めた

といった情報をある程度持っている可能性があります。

そのうえで検索をすれば、
「現在はどの政党に所属しているのか」
「現在の役職は何か」
「最近どのような発言をしたのか」

といった現在情報を追加していくことができます。

一方で、例えば「福岡維新の大沢めぐみ」という人物については、検索前の段階では人物像をほとんど持っていない可能性があります。

この場合は、｢人物名 →検索 →人物を特定 →経歴・所属・発言などを構築｣という流れに近くなります。

つまり、検索機能を持っているAIであっても、必ずしも全員が同じ「ゼロベース」からスタートしているわけではありません。

●2．予備知識には「濃淡」がある

ここで重要なのが、予備知識を「ある／ない」の二択で考えないことです。

実際には、次のような段階があります。

【レベル1】人物像までかなり形成されている

前原誠司や音喜多駿のような人物です。

名前を見ただけで、「この人物は政治家で、こういう経歴があり、こういう政治的文脈で語られてきた」というところまで、ある程度の情報が呼び出される可能性があります。

検索は、その人物を「知るため」ではなく、現在の事実を確認・更新するためという意味合いが強くなります。

【レベル2】基本情報はある

藤田文武や斎藤アレックスなどが、この領域に近づきます。

例えば、「維新の国会議員」「党内で一定の役職を持つ人物」といった基礎的な認識が形成されている可能性があります。

ただし、「最近何を発言したか」「直近の政策上の立場は何か」となると検索が必要になります。

この場合、AIは完全なゼロから調査しているわけではありません。

既に持っている人物情報を検索の起点にして、そこへ最新情報を追加するという形になります。

【レベル3】名前や関連性だけが引っかかる

新実彰平や奥下たけみつ、あるいはちだいちゃん・じゅんちゃんのような人物では、この領域が重要になります。

例えば、本人について独立した大量の情報を保持していなくても、「維新」「京都」「選挙」「ちだい」「YouTube」「政治系インフルエンサー」など、別の人物・組織・出来事との関連性だけが残っている可能性があります。

この状態では、「知っている」とも、「完全に知らない」とも言い切れません。

人物そのものを詳しく知っているわけではないが、周辺のネットワークから人物を認識できるという状態です。

これは今回の比較で、かなり重要なポイントです。

●3．「検索前に知っている」と「正確に知っている」は違う

もう一つ注意しなければならないのがここです。

AIが検索前に、「この人は○○党の政治家です」と答えられたからといって、その情報が現在も正しいとは限りません。

AIが保持している事前情報には、どうしても時間差が生じます。

例えば政治家なら、

• 所属政党

• 役職

• 選挙区

• 当選回数

• 政策上の立場

などが変わることがあります。

したがって、事前知識＝最新情報ではありません。

むしろ、

くらいに考えたほうが実態に近いでしょう。

●4．AIは「人物の名前」だけでなく「関係性」も持っている

ここが、今回の人物比較で特に面白いところです。

AIの人物認識を、「人物AについてWikipediaのようなプロフィールが丸ごと保存されている」と考えると、かなり単純化しすぎます。

実際には、｢人物A ↔ 人物B ↔ 政党 ↔ 出来事 ↔ 記事 ↔ 書籍 ↔ 組織｣というような、情報同士の関連性が形成されていると考えたほうが分かりやすい。

例えば、ちだいちゃんについて一定の情報が存在している場合、その周辺で頻繁に登場する人物についても、「この名前、ちだい関連で見たことがある」という形で情報が引っかかる可能性があります。

だからこそ、単独のWikipedia記事がない人物でも、他の人物や出来事との接続が強ければ、AIにとって完全な初対面とは限らないわけです。

逆に、Xで非常に大量に発信している人物でも、外部の文章との接続が弱ければ、AIの事前知識としては薄い可能性があります。

●5．「知名度」と「AIの事前認識」は一致しない

ここから、ブランディングを考えるうえで重要な話につながります。

人間社会では、｢フォロワーが多い →有名 →AIも知っているはず｣と考えがちです。

しかし、これは必ずしも成立しません。

例えば、X上で非常に活発な政治アカウントでも、

• Wikipediaにない

• 新聞・ニュースでの言及が少ない

• 他のWebメディアから引用されない

• 書籍やインタビューがない

• 他の人物のプロフィールや記事にも登場しない

という状態なら、AIにとっては検索前の人物情報がほぼ存在しない可能性があります。

一方で、本人のフォロワー数がそれほど多くなくても、

• Wikipedia

• ニュース記事

• インタビュー

• 書籍

• 他の人物の記事

• 政党・自治体などの公式資料

• 第三者による紹介記事

などが積み重なれば、AIの中では人物としての情報密度が高くなる可能性があります。

つまり、

です。

●6．だから「検索されること」と「検索前から知られていること」は別の価値になる

今回の比較から見えてくるのは、AI時代の人物ブランディングには、少なくとも二つの段階があるということです。

① 検索される
名前を入力されたときに、検索結果として十分な情報が出てくる。

② 検索前から人物として認識される
名前だけを見た段階で、「この人物は○○をしている人」という基本的な人物像がAI側に形成されている。

この二つは似ていますが、同じではありません。

そして、今回の4つのAIの回答を見る限り、この「②に到達する境界」がAIごとに微妙に違っています。

ここに、AIごとの設計思想やデータの扱い方によるグラデーションが現れていると考えられます。

●7．そして、この違いこそがAIブランディングの入口になる

従来のSEOでは、

が大きなテーマでした。

しかし生成AI時代には、それだけではありません。

AIに質問したとき、「この人物について何か知っているか」という検索前の人物認識が存在するからです。

しかも、その認識は、

前原誠司 → 音喜多駿 → 藤田文武 → 斎藤アレックス → 新実彰平・奥下たけみつ → 大沢めぐみ → ちだいちゃん・じゅんちゃん → 一般の政治アカウント

という今回の比較のように、きれいな一本線ではありません。

AIごとに、

という境界が少しずつズレています。

次章では、この境界がなぜAIごとにズレるのかを、Wikipedia、ニュース、公式情報、Web上の文章、検索インデックスなど、実際にAIが扱える情報の違いから整理していきます。

◆第四章　同じAIなのに、なぜ「知っている」の境界が違うのか

第二章で見たように、同じ人物について尋ねても、ChatGPT、Google AI、Copilot、Grokでは「検索する前にどこまで知っているか」に微妙な違いがありました。

ただし、ここで重要なのは、「AIごとに仕組みがまったく違う」わけではないということです。

4つとも基本的には、大量のデータから言語のパターンを学習したLLM（大規模言語モデル）です。

では、なぜ人物情報の「境界線」がズレるのでしょうか。

ここでは、各AI自身が説明した内容をいったん横に置き、実際に出てきた回答をアウトプットとして比較してみます。

●1．まず、全員に共通していたこと

今回の10人を並べてみると、4つのAIにはかなり共通した傾向がありました。

｢第一群：前原誠司、音喜多駿｣｢第二群：藤田文武、斎藤アレックス｣
このあたりになると、4つのAIとも何らかの事前情報を持っていると判断しています。

一方、｢第三群：新実彰平、奥下たけみつ｣になると、事前情報がかなり薄くなります。

さらに、｢第四群：大沢めぐみ｣では、ゼロベースに近いという認識が増えてきます。

そして、｢第六群：一般人の政治つぶやきアカウント｣になると、ほぼ全員が「名前だけでは人物情報を持っていない」と考える領域になります。

つまり、AIによって多少のズレはあるものの、｢人物の情報量が増えるほど事前知識が強くなり、情報量が減るほど検索依存になる｣という大きな傾向自体は共通しています。

ここはかなり重要です。
AIによって境界線が違うからといって、何でもバラバラというわけではありません。

●2．では、どこにAIごとの差が出るのか

差が出るのは、「どの地点からを『事前知識あり』と判定するか」です。

たとえば前原誠司のような人物なら、4つのAIともかなり強い事前情報を持つ方向になります。

ところが、新実彰平、奥下たけみつ、大沢めぐみ、ちだいちゃん、じゅんちゃんあたりになると、境界線がズレてきます。

特に面白いのが、｢Wikipediaに独立記事があるかどうかだけでは説明できない人物｣です。

ちだいちゃんやじゅんちゃんのように、政治家ではなくても、他の人物・ニュース・書籍・イベントなどとの関係で大量の文章に登場する人物がいます。

この場合、「Wikipediaに載っているから知っている」という単純な話ではありません。

むしろ、｢その人物がWeb上の情報ネットワークの中で、どれだけ多くの別の情報と結び付いているか｣という違いが見えてきます。

●3．ChatGPTの境界線

ChatGPT自身は今回、Wikipediaそのものが境界線なのではなく、「体系化された文章情報の蓄積量」が境界線に近いという説明をしました。

これは、今回の実験結果との整合性が比較的高い説明です。

前原誠司や音喜多駿のような人物は、Wikipediaだけではなく、｢ニュース｣｢国会関連資料｣｢政党資料｣｢インタビュー｣｢書籍｣｢他の政治家の記事｣など、非常に多くの文章と接続しています。

一方、新実彰平や大沢めぐみのような人物になると、その情報ネットワークが一気に薄くなる。

そして、一般人の政治つぶやきアカウントになると、さらに薄くなる。

そのためChatGPTは、「人物としての情報密度」という考え方で説明しました。
今回の結果を見る限り、この説明はかなり合理的です。

ただ、その際にChatGPT自身が自分のことを「概念構造の天才」「情報密度を捉えるのが最も上手い」といった方向に評価していた部分は、そのまま事実として受け取る必要はありません。

そこは、AI自身による自己評価だからです。

●4．Google AIの境界線

Google AIは、今回かなり分かりやすく、「Wikipediaに登録されるような人物なら、かなりの事前知識がある」という方向で説明しました。

さらに、前原誠司・音喜多駿を非常に強い事前知識の層、藤田文武・斎藤アレックスをその次の層として分類しています。

一方で、新実彰平や大沢めぐみについては、かなり情報量が落ちるという認識を示しました。

この説明は、実用上はかなり分かりやすい。

ただし、｢Wikipediaに載っている＝AIがその人物を事前に知っている｣と完全にイコールで結ぶのは単純化しすぎです。

Wikipediaに載っていなくても、ニュース記事、書籍、公式資料などに大量に登場していれば、AIの学習データ内にその人物についての情報が存在する可能性はあります。

逆に、Wikipediaに載っていても、AIがその人物について正確な情報を保持しているとは限りません。

したがって、Google AIの説明は、「AIの内部構造そのもの」というより、アウトプットから見た分かりやすい近似モデルとして捉えるのが適切でしょう。

●5．Copilotの境界線

CopilotもかなりGoogle AIに近い分類をしました。

前原誠司・音喜多駿は強い。
藤田文武・斎藤アレックスは基礎情報あり。
新実彰平・奥下たけみつは薄い。
大沢めぐみはほぼゼロベース。
ちだいちゃんは周辺知識あり。
じゅんちゃんは断片的。
一般人の政治アカウントはゼロベース。

という、かなりきれいなグラデーションです。

ここで興味深いのは、ちだいちゃんとじゅんちゃんを「完全な一般人」とは扱わなかったことです。

政治家ではないにもかかわらず、政治・選挙という情報ネットワークの中に継続的に登場するためです。

つまりCopilotの回答からも、｢人物の肩書きそのものより、Web上で他の情報とどれだけ接続されているか｣が重要だということが見えてきます。

一方で、Copilot自身がその際「ChatGPT寄り」「Googleと中間」といった自己評価をしていた部分は、やはりそのまま客観的事実とは扱えません。

●6．Grokの境界線

Grokは少し違う特徴を見せました。

前原誠司、音喜多駿については事前知識が強い。
藤田文武についてもかなりの情報がある。
しかし斎藤アレックスになると、かなりゼロベース寄りになります。

さらに新実彰平、奥下たけみつ、大沢めぐみになると、基本的には検索して確認するという判断です。

一方で、ちだいちゃんについては中程度の事前知識があるとし、じゅんちゃんについてはほぼゼロベース寄りとしました。

ここでGrokに特徴的なのは、「人物そのものを知っているか」と「その人物を検索によって特定できるか」を比較的明確に分けていること

です。

特にじゅんちゃんについて、｢ちだいちゃんとの関係で特定できれば文脈は分かる｣という説明をしている点は興味深い。

つまり、「じゅんちゃん」という名前単体では弱くても、「ちだいちゃんと関係するじゅんちゃん」という情報を与えることで、人物同定の精度が上がる可能性があります。

これはAIが人物を単独のプロフィールとしてだけではなく、人物同士の関係性として捉えていることを示す一例とも考えられます。

●7．4つのAIを並べると見えてくるもの

今回の結果を単純化すると、こんなイメージになります。

┌──────────────────────┬────────────┬────────────┬────────────┬────────────┐
│ 情報密度             │ ChatGPT    │ Google AI  │ Copilot    │ Grok       │
├──────────────────────┼────────────┼────────────┼────────────┼────────────┤
│ 全国級政治家         │ 強い       │ 強い       │ 強い       │ 強い       │
│ 国政幹部             │ 強い       │ 強い       │ 基礎～強い │ 基礎～強い │
│ 国会議員・地域政治   │ 薄くなる   │ 薄くなる   │ 薄くなる   │ 薄くなる   │
│ 地方議員             │ かなり薄い │ 断片的     │ ほぼゼロ   │ ほぼゼロ   │
│ 政治・選挙系ネット人物│ 周辺情報あり│ 周辺情報あり│ 周辺情報あり│ 人物によって差│
│ 一般人の政治アカウント│ ほぼゼロ   │ ほぼゼロ   │ ほぼゼロ   │ ほぼゼロ   │
└──────────────────────┴────────────┴────────────┴────────────┴────────────┘

もちろん、これは今回の回答から見た傾向の整理であり、各AIの内部データ量を直接測定したものではありません。

しかし、ここから非常に面白いことが分かります。

●8．「AIの違い」は、実は境界線の位置の違い

今回の検証から見えてきたAIの違いを、あえて極端に単純化すると、｢AIのエンジンが別物だから人物認識がまったく違う｣というより、｢同じような情報の海から、それぞれが「ここまでなら事前知識として扱える」とする境界線が少しずつ違う｣と考えたほうが分かりやすいでしょう。

たとえば、

前原誠司 →音喜多駿 →藤田文武 →斎藤アレックス →新実彰平・奥下たけみつ →大沢めぐみ →ちだいちゃん・じゅんちゃん →一般人の政治アカウント

と情報密度が下がっていくとします。

4つのAIは、この坂道を同じように下っていく。

ただし、「ここから先は検索しないと分からない」という線を引く位置が、それぞれ少し違う。

これが今回観察できた「AIごとの境界」の正体に近いのではないでしょうか。

そして、この違いこそが、次の章につながります。

なぜなら、AIに人物を認識してもらいたいのであれば、「有名になる」だけではなく、「AIが拾える情報構造の中に人物を置く」という発想が重要になるからです。

◆第五章　AIに「人物として認識される」ために──これからの個人ブランディング

ここまで見てきたように、AIごとに人物情報の境界線には多少の違いがあります。

しかし、4つのAIを横並びにすると、もっと大きな共通点が見えてきます。

それは、｢AIに人物を認識してもらうには、まず検索エンジンが見つけられる場所に、その人物についての情報を増やしていく必要がある｣ということです。

これは、従来の個人ブランディングとそれほど違いません。

ただし、AI時代には「情報を増やす」だけでは足りません。
AIが人物と情報を結び付けられる形で情報を増やすことが重要になります。

●1．まず、従来の「検索される人」になる

これまで個人のネット上での知名度を考えるとき、分かりやすい指標は検索エンジンでした。

例えば、「○○という政治家について調べよう」となったとき、｢公式サイト｣｢Wikipedia｣｢新聞記事｣｢テレビ記事｣｢インタビュー｣｢ブログ｣｢政党サイト｣｢議会資料｣などが検索結果に並びます。

こうした情報が多ければ多いほど、その人物について調べる人間は情報を集めやすくなります。

そして現在は、その「情報を集める人」の中にAIも入ってきました。

例えば、ChatGPTはWeb検索を使って最新情報を取得できますし、検索結果には出典へのリンクも表示されます。OpenAI自身も、ChatGPT SearchではWeb上の情報を検索し、関連するソースを参照して回答すると説明しています。

Grokも現在はWeb Search機能によって、リアルタイムのWeb検索とWebページの参照が可能です。

つまり、「検索エンジンに見つけてもらう」ことは、今や人間だけのためではありません。

AIに見つけてもらうためにも重要になっています。

●2．ただし、「検索できる」＝「AIが読める」ではない

ここには少しややこしいポイントがあります。

人間がGoogleやBingで検索できるページだからといって、すべてのAIが、そのページをそのまま読めるとは限りません。

検索エンジンは、｢Webページをクロールする →インデックスに登録する →検索順位を決める →検索結果として表示する｣という仕組みを持っています。

例えばBingは、Webをクロールしてページをインデックス化し、そのインデックスを検索結果のランキングに利用しています。
一方、AIがその検索結果を利用する場合には、さらに別の処理が入ります。

つまり、検索エンジンの世界と、AIがその情報を利用する世界は完全に同じではありません。

ここはAI時代の個人ブランディングを考えるうえで、かなり重要なポイントです。

●3．Copilotは「Bingの検索結果」が重要になる

今回の4つのAIの中でも、特に分かりやすいのがCopilotです。

Microsoftの公式説明によれば、Copilotはユーザーの質問から短い検索クエリを生成し、それをBingに送ります。

そして、Bingから得られた検索結果を使って回答を強化します。

Microsoft自身もCopilotについて、Web検索結果に基づいて回答を生成し、高位のWebコンテンツを利用して回答を作るという仕組みを説明しています。

ここから分かるのは、｢Copilotを意識するなら、まずBingにどう認識されるかが重要になる｣ということです。

したがって、「Google検索では出てくるから大丈夫」とは必ずしも言えません。

GoogleとBingではインデックスもランキングも異なります。

AIごとに「どこから情報を拾ってくるのか」という入口が違う以上、個人ブランディングにおいても、入口を一つに限定しないほうがいい。

●4．一方で、ChatGPTは検索結果からさらに情報を取りに行ける

ChatGPTの場合は、現在の検索機能によってWeb上の情報を検索し、関連するソースを参照できます。

しかも、OpenAIはChatGPT Searchについて、検索結果に表示されたソースへのリンクを確認できることや、検索に利用するプロバイダーへクエリを送る場合があることを説明しています。

ここで重要なのは、「検索結果に表示される」ことと、「AIの回答材料になる」ことが別の段階として存在するということです。

つまり個人が発信する場合、｢検索エンジンに登録される →検索結果に表示される →AIがその検索結果を利用する →AIが人物名と情報を結び付ける｣という複数の段階を意識したほうがいい。

●5．だから「Xで有名」だけでは足りない

今回の検証で非常に重要だったのが、ここです。

X上で大量に投稿していても、
・Wikipediaがない
・ニュース記事が少ない
・外部メディアで紹介されていない
・書籍がない
・インタビュー記事がない
・他の人物の記事で名前が出ない
・公式サイトなどに人物情報が整理されていない

という状態なら、AIにとっては「人物としての情報密度」が低い可能性があります。

逆に、Xの投稿数そのものはそれほど多くなくても、「○○という人物は、△△について継続的に発信している」という第三者による記事が複数存在すれば、AIが人物と活動内容を結び付けやすくなります。

ここに、「SNSで発信すること」と「Web上で人物として情報が蓄積されること」の違いがあります。

●6．AIに読ませたいなら「人物＋属性＋活動」をセットで残す

例えば、単純に、「○○です。今日も政治について投稿しました」という情報が1000個あるだけでは、人物像が必ずしも明確にはなりません。

それよりも、
「○○は、経済政策を中心に発信している」
「○○は、過去に△△について継続的に分析している」
「○○は、□□というテーマについて独自の見解を持っている」

という文章が、さまざまな場所に存在するほうが重要です。

これはAIにとって、｢人物名 → 専門分野 → 活動 → 主張 → 実績｣という関係性を構築しやすくするからです。

つまり、「投稿数を増やす」より「人物情報の接続数を増やす」という発想です。

●7．個人ブランディングのKPIも変わってくる

従来なら、｢フォロワー数｣｢インプレッション｣｢いいね｣｢リポスト｣｢YouTube再生数｣｢サイトPV｣などが個人発信の成果指標でした。

もちろん、これらは今後も重要です。

しかしAI検索の時代には、もう一つ別の指標が出てきます。

それが、「AIに聞いたとき、自分がどんな人物として説明されるか」です。

例えば、「この人物は何をしている人？」とAIに聞いたとき、「政治についてXで投稿している一般人」としか出てこないのか、

それとも、「○○について継続的に分析・発信している人物」と説明されるのか。
この差は大きい。

さらに、「○○について詳しい人物は？」と聞いたときに候補として出てくるなら、これは従来の検索順位とは別の意味での「ブランド化」です。

●8．重要なのは「AIに覚えさせる」ことではない

ここは誤解しないほうがいいところです。

個人が、「AIに自分を覚えさせよう」と考えても、直接AIの内部データを書き換えられるわけではありません。

狙うべきなのは、｢AIが参照できる外部情報を増やすこと｣です。
しかも、その情報が複数の場所で一貫していることが重要になります。

例えば、｢自分のサイト｣｢note｣｢インタビュー｣｢他人のブログ｣｢メディア記事｣｢書籍｣｢イベント紹介｣｢公式プロフィール｣｢プレスリリース｣などに、同じ人物名と、同じ専門領域・活動内容が繰り返し登場する。

するとAIから見たとき、｢人物A →経済分析 →○○というテーマ →noteで継続発信 →他メディアでも紹介｣という「人物のネットワーク」が形成されやすくなります。

●9．これからの個人ブランディングは「検索順位」だけでは測れない

ここまで来ると、個人ブランディングの考え方が少し変わります。

従来は、｢Googleで自分の名前を検索したとき、何位に出るか｣が重要でした。

これからは、それに加えて、｢AIに自分の名前を聞いたとき、どんな人物像が生成されるか｣も重要になります。

そして、この2つは似ていますが、同じではありません。

検索エンジンは基本的に「ページ」を返します。
AIは、そのページや検索結果などから情報を組み合わせ、「人物像」そのものを生成します。

だからこそ、「検索結果に自分の記事がある」だけで終わらず、「複数の情報源から、自分について一貫した人物像を構築できる状態」を作ることが、AI時代の個人ブランディングでは重要になってきます。

そして、ここまで考えると、最初の「AIごとに人物認識の境界が違う」という話に戻ってきます。

AIごとに入口も、検索システムも、参照する情報も違う。

だからこそ、

一つのAIに認識されることを狙うのではなく、複数のAIから同じ人物像を再構築できるだけの情報網をWeb上に作る。

これが、今回の検証から見えてくる、かなり実践的なAI時代のブランディング戦略になります。