誰かが質問をする。
AIが複数のサイトを読み、答えを組み立てる。比較し、候補を絞り、要点を説明する。質問した人は納得して、そのまま次の行動へ進む。
その判断の根拠に、あなたが書いた記事が使われていたかもしれない。
けれど、あなたのサイトには誰も来ない。アクセス解析には、その影響がほとんど残らない。
この時、情報発信には価値があったのだろうか。
答えは、単純な「ある」でも「ない」でもない。
AIに使われることは価値になり得る。しかし、使われただけでは発信者の成功ではない。
いま揺らいでいるのは、情報そのものの価値というより、情報を公開し、検索から人を呼び、広告表示や最後のクリックで対価を受け取る、これまでの精算方法である。
Webを読む主体が人間だけでなくなり、AI Agentが探索、要約、比較、推薦を代行するなら、発信側も「何回ページを開かれたか」だけでは、自分の影響も損失も測れない。
クリックは本当に減っているのか。人が来なくても情報は価値を持つのか。そして、これから何を、なぜ、どのように発信すればよいのか。
PVの次に置くべきものを、一度ゼロから考えたい。
クリックは、実際に減っている
まず、気分ではなく観測されている変化から見たい。
Pew Research Centerは、米国成人900人のブラウザー行動を追った2025年3月の調査で、Google検索にAI要約が表示された時、従来の検索結果がクリックされた割合は8％だったと報告している。AI要約がない検索では15％。AI要約の中に表示された情報源そのものがクリックされた割合は、わずか1％だった。
さらに、AI要約が出た検索では、その検索後にブラウジングを終えた割合が26％。要約がない場合は16％だった。
これは米国のGoogle検索という限定された範囲のデータであり、ChatGPT、Claude、Perplexityを含むすべてのAI利用を代表しない。それでも、答えが検索画面で完成するほど、元サイトへ渡る必要が薄くなることを、実際の行動として示している。
Reuters InstituteのDigital News Report 2026がChartbeatから得た2,500超サイトの集計でも、Googleからのorganic search trafficは2024年11月から2025年11月までに世界で約33％、米国で約38％減少した。ただし報告書自身が、減少のすべてをAI Overviewへ帰属することはできないと注意している。
一方、Googleは2025年8月、自社集計ではWebへのorganic click volumeは前年比で概ね安定し、「quality click」は増えたと反論した。
両者は、必ずしも完全な矛盾ではない。
検索全体の利用量が増えれば、1回あたりのクリック率が下がっても総クリック数は維持され得る。大手サイトと小規模サイト、ニュースと商品検索でも影響は違う。「quality click」を何と定義するかでも結論は変わる。
ただし、Googleの発表には絶対値やchart、第三者が検証できる詳細な方法が示されていない。プラットフォーム自身の主張として読む必要がある。
ここから言えるのは、「Webへの訪問が全部消える」でも「何も変わっていない」でもない。
クリックは残る。ただ、情報の利用量と、発信者へ戻る訪問数が同じ動きをしなくなっている。
「読まれた」と「使われた」が分かれる
取得、引用、訪問、関係は交換できない。AI時代の発信価値を、七つの状態へ分けて見る。
- 01取得ページを取りに来る
- 02取り込み内容を処理する
- 03呼出回答時に参照する
- 04引用出典を見せる
- 05判断影響選択を動かす
- 06訪問人が戻ってくる
- 07関係指名・契約・再訪
従来のアクセス解析では、人がページを開けば、その事実をかなり直接的に観測できた。
しかし、AIが間に入ると、少なくとも次の状態を分けなければならない。
取得された──crawlerやAgentがページを読んだ。
取り込まれた──索引、cache、学習用データなどへ入った。
呼び出された──特定の質問への候補としてretrievalされた。
引用された──回答の情報源として表示された。
判断を動かした──比較軸、結論、候補選定へ影響した。
訪問された──人が元サイトへ移動した。
関係が残った──購入、問い合わせ、購読、指名、再訪へつながった。
これらは連続して見えるが、同じものではない。
botのrequestが増えても、実際の回答に使われたとは限らない。回答に使われても、出典名が示されたとは限らない。引用されても、発信者へ対価や関係が戻るとは限らない。
逆に、クリックがなくても、企業名、製品名、考え方が候補へ入り、誰かの判断を動かした可能性はある。
問題は、後半ほど発信者から見えにくいことだ。
発信者が確認できるのは、自分のserverへ来たbot、外部から実際に渡ってきたsession、自社で起きた問い合わせや購入が中心になる。AI回答の内部で何回呼び出され、どの文章が結論へ影響したかは、多くの場合プラットフォーム側にしか見えない。
見えない影響を、都合よく成功と呼んではならない。同時に、見えるクリックだけで影響の全体を否定してもならない。
「AIに読まれたから成功」は、事業モデルではない
AI側で情報が使われても、指名・行動・直接関係・対価が発信者へ戻るとは限らない。
成功ではないRETURN GATE
AIが自社の記事を大量に取得している。回答にも使われているらしい。
それは影響の兆候ではあっても、発信者にとっての成功とは限らない。
情報を作るには、取材、検証、実験、執筆、編集、訂正、保守が要る。AIがその成果を使って人の質問へ答えても、発信者へ何も戻らなければ、供給側はやがて痩せる。
これは感情論ではない。情報を継続して更新するための経済設計の問題である。
Cloudflareが示した2025年時点のcrawl-to-refer ratioでは、同社が観測した固定顧客群において、Anthropicはpublisherへ1回referralを返すまでに約38,065page、OpenAIは約1,091page、Perplexityは約195pageをcrawlしていた。
この数字は全Webの普遍法則ではない。各社productの送客設計や調査時点にも左右される。それでも、旧来の「読ませる代わりに人を返す」という交換条件が、AIでは同じ形で成立しないことをよく表している。
従って、次の一文は両側を同時に含まなければならない。
AIに使われることは価値になり得る。しかし、使われただけでは発信者の成功ではない。
成功と呼ぶには、少なくとも何かが戻る必要がある。
誰が語った情報かが残り、指名や信頼へ変わった。
問い合わせ、購入、予約、採用、協業などの行動へつながった。
RSS、newsletter、会員、direct visitなど、再び会える関係が残った。
license、sponsorship、affiliate、商品・service売上として対価が戻った。
一次データ、検証記録、更新可能な知識として、将来も使える資産になった。
AIに引用されること自体を目的にすると、発信者は巨大な回答装置へ無料で原料を供給するだけになりかねない。
反対に、すべてを閉じれば、未来の読者の代理として情報を探すAgentから見つけてもらえない。
必要なのは公開か遮断かの二択ではなく、何のために開き、何をreturnとして受け取るのかを決めることだ。
先に価値を失うのは、「答えだけ」の記事である
薄い要約と、検証・失敗・観察から得た固有の証拠を分けて見る編集イメージ。
AIが得意なのは、すでに公開されている情報を集め、短く整理し、条件に合わせて再構成することだ。
そのため、次のような記事は、ページを開く理由を失いやすい。
公式情報を薄く言い換えただけの製品紹介。
検索上位の記事を混ぜた、固有の検証がない比較。
質問一つに答えるだけで、条件、例外、責任主体がないQ&A。
couponやランキングを入口に、広告表示と最後のclickだけを狙う在庫。
誰が、いつ、何を根拠に書いたか分からない大量生成ページ。
これらは「AIに読みやすくする」ほど、AIの回答内で代替しやすくなる。
国内のNRI調査でも、概要、比較、データ分析のような領域はAIを使いたいという意向が相対的に高い一方、人の体験や感情、専門家の独自解説、生の声、最終的な高額購入や対人serviceの判断では、元の情報や人間の関与を求める傾向が示されている。
AI時代に残るのは、機械が読めない文章ではない。
機械が読めても、機械だけでは新しく作れない情報である。
実際に試した記録。失敗した条件。一次データ。現場の写真。専門家が責任を持って引いた線。複数の事実を踏まえたうえで、何を選ぶべきかという固有の判断。
事実を構造化することと、人間の輪郭を消すことは別だ。
これから発信すべきものは、三つの層を持つ
事実、現実に触れた証拠、結論を引き受ける判断が重なるほど、要約されても代替されにくくなる。
一次情報・数値・定義
検証・事例・観察記録
何をどう見るか、その理由
AIが読むWebで価値を持つ発信は、三つの層として考えると分かりやすい。
第一層──確認できる事実
何が起きたか。数字はいくつか。誰が発表したか。いつ時点か。適用範囲と例外は何か。
一次資料へ戻れるリンクを置き、事実、推論、意見を分ける。公開日と内容更新日を正直に扱い、訂正できる正本を持つ。
これはAI向けの小技ではない。人にも機械にも、同じ事実を取り違えずに渡すための基礎である。
第二層──現実に触れた固有性
実機を使った。現場へ行った。顧客と運用した。失敗した。条件を変えて再検証した。自分でデータを集めた。
公開情報の再編集だけでは生まれない一次経験が、ここに入る。
生成AIが文章を大量に作れるほど、この層の価値は上がる。なぜなら、AIが組み合わせられる材料の質は、最後には現実から新しく持ち込まれる証拠に依存するからだ。
第三層──結論を引き受ける判断
事実を並べるだけでは、読み手は次の判断へ進めない。
どの条件なら採用できるか。誰には向かないか。何を優先し、何を諦めるか。いま決めるべきか、待つべきか。
ここには、書き手の価値観と責任が出る。
AIは複数の見方をまとめられる。しかし、現実の条件の中で「私はこの線を推す」と引き受ける主体までは自動的に生まれない。
確認できる事実 × 現実に触れた証拠 × 誰かが引き受ける判断。
この三層が揃うと、記事は人間向けの読み物であると同時に、Agentが誤読しにくい判断材料にもなる。
AIに媚びるのではなく、誤読されにくい正本を作る
AIに理解されたいからといって、短い答えを大量に並べ、すべてをFAQ化し、特別なmarkupを増やせばよいわけではない。
Googleも、AI検索において従来のSEO基礎とpeople-firstで固有の価値が中心であり、特別なAI専用schemaは不要だと説明している。llms.txtも、少なくともGoogle Searchでは利用されていない。
構造化データ、見出し、canonical URL、sitemap、正確な更新日時は重要だ。ただし、それらは引用順位を上げる魔法ではない。
大切なのは、次の基本である。
一つの主題に、現在の正本となるURLを持つ。
題名、著者、公開日、内容更新日を明示する。
重要な主張の近くから、根拠へ戻れるようにする。
事実、推論、意見、未確認事項を分ける。
entity名、製品名、条件、単位を一貫させる。
訂正や変更を正本へ戻し、古い説明を放置しない。
記事の結論だけでなく、再利用できる判断軸を残す。
AI可読性とは、文章を機械のために薄くすることではない。
人が理解し、根拠を確かめ、後から訂正できる記事を作る。その正本が、機械にも意味を取り違えにくい形になっていることである。
PVの次に、何を測るのか
所有データ、代理指標、ブラックボックスを分け、観測可能な範囲から成功を組み立てる。
- Human visit
- AI referrer
- Bot logs
- 問い合わせ
- 固定質問での観測
- 指名検索
- Assisted conversion
- 取得・呼出回数
- 引用されない影響
- Agent内部の経路
新しい時代だからといって、観測できない「AI影響力」を大きな数字に見せるdashboardを作ってはいけない。
測定は、見えるもの、代理で見るもの、まだ見えないものを分ける。
いま自社で測れるもの
human visit、読了、再訪、direct traffic。
認識できるAI Assistantからのreferral。
server log上のcrawler種類と取得頻度。
指名検索、問い合わせ、資料請求、purchase、booking。
RSS、newsletter、会員、SNSなどの直接関係。
商談時に「何を見て知ったか」を尋ねたfirst-party attribution。
代理指標として見るもの
固定した質問群に対し、どの情報源と人物名が回答へ現れるか。
AI経由訪問と他流入のconversion、engagement、案件品質の差。
記事公開後の指名検索やdirect visitの変化。
営業、support、採用で記事が判断材料として再利用された回数。
まだ発信者から見えないもの
回答生成時に何回retrievalされたか。
引用されずに、結論や比較軸へどれだけ影響したか。
Agent内で完結した判断やpurchaseへ、どの記事が貢献したか。
AdobeやAhrefsは、AI referralが少数でも高いengagementやsignupを生む可能性を報告している。Reuters Instituteでも、週次でAI chatbotをニュース利用する人に限れば、原典へ「常に／しばしば」遷移すると答えた割合は42％だった。
ただし、Adobeはvendor集計であり、AhrefsはAIに親和的なB2B SaaS一社の事例、Reutersは自己申告である。
ここから「AI流入は必ず高品質」と一般化してはいけない。
正しくは、量が減る一方、AI内で比較を終えてから来る一部の訪問は、高い意図を持つ可能性がある。だから件数と質を分けて測る、である。
成功の定義は、発信目的ごとに変える
すべての発信を一つのKPIで測る必要はない。
報道・公共情報
理解を深めたか。検証可能な記録になったか。社会で参照されたか。そして、その取材と更新を続ける資金が残ったか。
企業メディア
会社や人が正しく理解されたか。指名、信頼、適切な問い合わせ、採用、協業候補へつながったか。AI回答の中でも、事業内容や責任主体が消えなかったか。
review・affiliate
読者の判断の質を上げたか。利害を開示したか。比較条件を検証できるか。最後のclickだけでなく、assisted conversionや返品・後悔の低減へ貢献したか。
専門家・creator
固有の経験と判断軸が、誰のものか分かる形で残ったか。direct audience、依頼、商品、membership、次の相談へつながったか。
research・data
鮮度を保てたか。再利用されたか。policyやproductへ影響したか。licenseやpay-per-useを含め、供給を続ける対価を得られたか。
共通するのは、PVを否定することではない。
PVを、成功そのものではなく、価値が移動した一つの痕跡へ戻すことである。
発信者が取り戻すべきものは、クリックではなく交渉権である
情報の影響と、指名・信頼・直接関係・対価として戻る価値を分けて描いた編集イメージ。
これから広告、affiliate、商品比較、checkoutがAIの会話内へ入れば、情報発信と商取引の境界はさらに近づく。
その時に問われるのは、測定技術だけではない。
誰の情報が判断を支えたかを、誰が記録するのか。複数の情報源が貢献した時、対価をどう分けるのか。プラットフォームの自己申告を誰が監査するのか。発信者は利用条件を選び、交渉できるのか。
完璧なattributionがあっても、発信者に契約する力がなければ、報酬はゼロのままである。
逆に、すべての価値を最後のclickへ帰属させ続ければ、最初に比較軸を作った記事も、誤解を解いた解説も、候補を絞った専門家も見えなくなる。
クリック率の次に必要なのは、曖昧な「AI露出」の数字ではない。
情報がどの判断へ使われ、発信者へ何が戻り、その条件を誰と交渉できるかを示す仕組みである。
広告とaffiliateの成功も、この問題から別の記事で掘り下げたい。
情報は、読ませるためだけに公開するのではない
Webの利用主体が、人間単独から「人間＋AI Agent」へ変わる。
これをWeb 4.0と呼びたくなる人もいるだろう。ただし、その言葉に業界で確立した単一の定義があるわけではない。
重要なのは名称ではなく、人間の意思がブラウザーを開かず、Agentを通じてWebへ届くようになったことだ。
その変化の中で、情報発信の価値は消えない。
消えやすいのは、どこにでもある答えを検索訪問へ変え、ページ上でだけ精算するモデルである。
これからの発信者は、ページを開かせることだけでなく、次を設計しなければならない。
どの事実を、誰の責任で正本として残すか。
AIだけでは生み出せない、どんな現実の証拠を持ち込むか。
読み手とAgentが再利用できる、どんな判断軸を渡すか。
その影響を、信頼、関係、行動、対価としてどう戻すか。
クリックは死なない。
ただし、情報価値を精算する唯一の通貨ではなくなる。
情報は、ただ読まれるために公開するのではない。誰が、何を根拠に、なぜその結論へ至ったかを消さずに、次の判断へ使われるために公開する。
そして、使われた価値が発信者へ何も戻らないなら、それを成功と呼ばず、交換条件そのものを作り直す。
AIが読むWebで問われるのは、発信を続ける意味ではない。
発信の価値を、誰が、どこで、どう受け取るのかである。
参照した主な一次情報・調査
Reuters Institute — Digital News Report 2026, Executive Summary
Reuters Institute — Emerging uses of AI chatbots for news and what it means for journalism
Google — AI in Search is driving more queries and higher quality clicks
Cloudflare — The crawl-to-click gap: Cloudflare data on AI bots, training, and referrals
