「調べ物は、まずAIに聞く」―そんな行動が急速に当たり前になってきました。

マネーフォワードが2026年1月に社会人2,204名へ行った調査では、調べ物の際に生成AIを「ほぼ毎日使う／よく使う」と答えた人が58.1%にのぼりました。一方で、検索エンジンの利用頻度が「減った」と答えた人は44.8%、20代に絞ると57%。
「検索からAIへ」のシフトが、若い世代を中心に進んでいます。

商品やサービスの認知は、これからは「広告で訴求する」「検索で見つけてもらう」だけでなく「AIに語ってもらう」時代に入りつつあります。

今回は「AIに語ってもらう」ための対策（GEO、LLMO、AIOなどの様々な言葉があります）として、押さえておきたい知識をご紹介します。

AIの知識には”締め切り”がある

生成AIは、ある時点までのデータを学習して作られています。ChatGPTが登場した頃は意識していたこの”締め切り”ですが、最近は検索して最新情報も答えてくれるので、つい忘れてしまっている方もいらっしゃると思います。この学習データの締め切りを「カットオフ（knowledge cutoff）」と呼びます。

つまり、AIの”知識”には期限があります。カットオフより後に起きたことは、本来は知りません。そして、この”知識”に無いことを問われる時に使うのが”検索”です。

ちなみに、9月3日に発表されたばかりの
GPT6-Astraのカットオフは2026年4月30日です。

このカットオフ以降の情報を確認する”検索”には、二つの注意点があります。

• 検索が常に働くとは限らない。学習データだけで答えてしまうこともあります
• 検索しても、そもそもWeb上に情報がなければ拾えない

そして、学習データにも検索結果にも根拠がないとき、AIは”それらしい答え”を作ってしまうことがあります。いわゆるハルシネーション（誤情報の生成）です。

先ほどのGPT-6 Astraであれば、カットオフ「2026年4月30日」より後に発売された商品は、当然ながら”知識”の中に情報はありません。
そして、例えば既存のカテゴリーにおいて、ある商品がリニューアルした場合、そのリニューアル情報を求めてChatGPTが”検索”をかけるとは限りません。

調査法①：カットオフの時期を知る

まずは、現在も圧倒的なシェアを誇るChatGPTや次点のGeminiのカットオフを調べましょう。

• AIに直接聞く ―「あなたの学習データはいつまでですか？」
• 提供元の公式ページで、モデルのカットオフを確認する
  （※提供元:ChatGPTはOpenAI、GeminiはGoogle）

モデル	カットオフ
GPT-6 Astra	2026年4月30日（公開 同年9月3日）
GPT-5.6 Sol	2026年2月16日（公開 同年7月9日）
Gemini 3.6 Flash	2026年3月（公開 同年7月21日）

 

2026年9月15日現在、主要な生成AIのカットオフが半年以上前であることが分かりました。AIの”知識”=学習データの中に、その商品・サービスの情報はあるのか。あったとしたら、どう認識されているのか？では、無かったとしたら？

これからのマーケティング、プロモーションには、これまでの活動に加えて「AIに語ってもらう」ための施策も必要になると考えております。
AI回答の根拠が”知識”=事前学習なのか、”検索”なのかで対策が変わります。”知識”にはカットオフの期限があり、現状は公開までに4～5ヵ月要しています。適切な対策をプランニングするためには、現状を知ることが第一で、そのうえで具体的な対策を選択しなくてはなりません。

カットオフという仕組みを知ると、自社をどう見せていくかの打ち手が、短期と中長期の2段階で見えてきます。

短期：新商品を、AIがまだ知らない場合

カットオフ以降に、新しく立ち上げたサービスや商品は、ChatGPT・Gemini・Copilot・ClaudeのいずれのモデルのAIにもまだ学習されていません。
特に、新しいカテゴリと言えるものであれば、どのAIの”知識”にも無い状態です。

裏を返せば、ここは”検索”（SEO）対策で取りにいくフェーズです。
AIが”知識”で答えられない質問の時、AIは”検索”で情報を探します。立ち上げ直後こそ、検索経由で見つけてもらう施策が素直に効きます。

「新しいからAIに載っていない」を、弱みではなく、今やるべきことの合図として捉えるのがポイントです。

中長期：AIに”語られる”存在を目指す

問題はその先です。
AIに「あの商品はこういうモノだ」と認識され、既に”知識”にある場合。あるいは、同じカテゴリの競合は”知識”にあるのに、自社の商品・サービスが”知識”に無い場合。
AIに望む内容で語ってもらうためには、自社サイトを整えるだけでは足りません。鍵になる施策の一つは、第三者サイトでの露出の蓄積です。

• 取材記事やインタビュー
• 業界メディアへの寄稿
• 比較・まとめサイトへの掲載
• SNSでの言及や口コミ

AI（LLM:大規模言語モデル）は、あちこちで、かつ多様な表現で語られている情報ほど”知識”として正しく引き出しやすいという性質がある、という研究結果^(※)があります。自社サイトで「自称」するだけでなく、第三者サイトで異なる表現で語っている情報が多いほど、学習でも検索でも参照されやすくなります。

現在のChatGPTの最新モデル(GPT-6 Astra)のカットオフが4月30日であり、公開の4ヵ月以上前であることを前回お伝えしましたが、AIの”知識”の更新には、長い時間が必要です。だからこそ、早く動いて露出を積み重ねていく商品・サービスが有利になります。

まず「今どう語られているか」を知る

とはいえ、いきなり露出を増やそうとしても、方向は定まりません。
最初の一歩は、AIの”知識”の中で自社および競合が、今どこで・どう語られているかを把握することです。
現状が分かって初めて、「どのメディアに」「どんな切り口で」露出を仕込むかの目標が定まり、戦略が立てられます。

調査法②：事前学習データの状況を把握する

AIに繰り返し聞き、回答の傾向を測定する

○○（商品・サービス）について、Web検索は使わず、
あなたの学習した知識だけで知っていることを教えてください。
知らなければ「知らない」と答えてください。

○○（カテゴリ）で知っている代表的なサービスを、Web検索は使わず、
学習データの範囲で挙げてください。
それぞれをどの程度確かに知っているかも添えてください。

AIの回答内容はプロンプトによって変わりますし、同じプロンプトで質問するたびに変わります。同じモデルで、繰り返し、繰り返しプロンプトを投げて、回答の傾向を測定する必要があります。

弊社では、こうしたAIがどう語っているのかの調査を承っております。

また、中長期的に「AIに語ってもらう」ために把握しておくべき、第三者サイトやSNS上での露出状況のリサーチ・分析も承っております。AIが検索した際にどの情報源を引用しているかの測定も、専用ツールを用いてサポートいたします。
最初の下調べとして、お気軽にご相談ください。

その他、資料作成、SNS話題量調査、各種レポート作成、サイト／LP校正、
翻訳など、クライアント様のニーズに合わせて幅広く業務代行しております。
弊社でお手伝いできることがございましたら、なんなりとお申しつけください。

（※）出典
※Allen-Zhuら(2023).
Physics of language models: Part 3.1,
knowledge storage and extraction (arXiv:2309.14316v3). arXiv.
https://doi.org/10.48550/arXiv.2309.14316

※ Kandpalら(2023).
Large language models struggle to learn long-tail knowledge.
Proceedings of the 40th International Conference
on Machine Learning (ICML 2023).
https://doi.org/10.48550/arXiv.2211.08411