AI の回答にある誤りを見つけて修正する方法

この記事では全体を通して、Ahrefs ブランドレーダーを使って AI の回答を収集し、どのページが引用されているかを確認します。さらに、Letaido で構築したカスタムアプリも使用します。これはブランドレーダーのデータと連携し、ファクトチェックのプロセスを自動化します。このステップは任意ですが、膨大な時間を節約できます。

ファクトチェックのプロセスの基礎となるのは、2種類のプロンプトです。これらを組み合わせることで、既知の問題と、見落としがちな誤りの両方を明らかにできます。

ファクトチェッカーは、正しい答えが何かを教えなければ誤りを検出できません。それが、信頼できる唯一の情報源（source-of-truth）ドキュメントです。自社プロダクトについて検証可能な主張を並べたシンプルなリストで、各項目にそれを証明する Link を付けます。

これは二重の役割を果たします。ファクトチェッカーはこれを基準に AI の回答を比較し、人間のレビュアーは、誰かが著者にメールを送る前に、同じリストを使ってフラグが付いた回答が本当に問題かどうかを判断します。

誤った AI の回答を見つけたら、次の疑問は「その間違った情報はどこから来たのか？」です。

これらの誤りは手作業で情報源まで辿れますが、数百の回答をチェックするとなると、すぐに時間がかかりすぎます。より大規模な監査では、作業の大半を AI に任せることをおすすめします。

誤りのあるページすべてを同じように追う価値があるわけではありません。AI の回答改善につながりやすいもの、または見込み客に直接リーチできる可能性が高いものを優先しましょう。

主に見るべきシグナルは次のとおりです。

• 深刻度：購入判断に影響し得る誤り（誤った料金、プランで利用できる範囲、提供サービス、プロダクトの上限、機能の欠落など）を優先して修正しましょう。
• 引用頻度：複数の回答やプラットフォームで頻繁に引用されるページは、単発のソースよりも影響力が大きくなります。
• 引用の安定性：繰り返しのチェックで一貫して登場するソースは、一度しか出てこないソースより価値があります。
• オーガニックトラフィック：十分な検索トラフィックがあるページは、従来の検索と AI の回答の両方を通じて購入検討者にリーチできます。
• 権威性：参照ドメインやドメインレーティングは、特にそのページが頻繁に引用され、関連性も高い場合、根拠を強化できます。
• 関係性：あなたや同僚は、その著者をすでに知っていますか？誰かに紹介してもらえますか？その媒体は以前あなたに返信したことがありますか？たとえば私たちのキャンペーンでは、Glen はあるサイトとすでに関係があったため、アプローチするのに最適な人物でした。別のケースでは、引用元が、すでに関係性のあるインフルエンサーによるものだったので、アウトリーチ対応は Partnerships チームが最適でした。

こうした情報の一部は、ブランドレーダーで確認できます。

また、Letaidoアプリをご利用の場合は、データはブランドレーダーから取得され、影響を受けたページのすぐ横に表示されます。

アウトリーチしたいページを見つけたら、次のステップは、そのページの責任者が実際に誰なのかを突き止めることです。

対象ページが少数であれば、AIアシスタントで利用できるスタンダードなWeb取得ツールでページを取得し、著者情報や連絡先情報を探せば、通常は十分です。

ただし、より大規模になると URL を 1 つずつチェックするのは、すぐに非現実的になります。通常は、Apify のようなスクレイピング API、あるいはページ HTML を取得できる別の手段を使うのがよいでしょう。

私たちのアプリは、まず Ahrefs に保存されたスナップショットを試します。そこで見つからなければ Apify を試し、引用元ページに連絡先が見当たらない場合は（リンクがあれば）著者ページへのリンクをたどって、そこで再度探します。

まずは著者として名前が挙がっている人物から始めましょう。記事の署名欄（byline）と著者ページを先に確認し、連絡手段が必要なら LinkedIn や X のプロフィールも確認します。

著者が見つからない、またはすでに在籍していない場合は、ひとつ上の担当者に当たりましょう。媒体なら編集者やコンテンツ責任者かもしれません。小規模な会社であれば、創業者やマーケティング責任者が最適な連絡先になることもあります。

最後の手段として、会社の代表窓口やサポートチャネルを使い、ページやコンテンツの管理者にメッセージを転送してもらえるよう依頼しましょう。

HeyReach や BuzzSumo などのツールは、欠けている連絡先情報を補完し、アプローチすべき可能性が高い人物を特定するのに役立ちます。多くは API や MCP を提供しているため、その機能を AI 支援プロセスに組み込めます。

アウトリーチは、要求するのではなく役に立つ内容にしましょう。プロダクトを取り上げてくれたことへのお礼を伝え、具体的な誤りを 1〜2 点指摘し、正しい情報の信頼できるソースへの Link を提示し、ページ更新は強制ではないことを明確にするとよいでしょう。

例として、私たちが送ったメッセージの一つをご紹介します。

これにより会話を始めるハードルは下がりますが、修正の価値を確認する前に返信を求めることになるため、効果が低い場合もあります。

返事が来なければ、フォローアップは1回だけにしましょう。それでもダメなら、リストにある次のページに移ります。実際、こちらのフォローアップメッセージの中にはうまくいったものもありました。

アウトリーチのための、もう少し実践的なヒント：

• 友好的に。著者が誤情報を広めていると非難したり、評判を傷つけるなどと脅したりしないでください。

• 著者が悪意を持っていたと考えるのではなく、そのページが古くなってしまったのだと捉えましょう。

• 依頼は具体的にしましょう。多数の不満を並べるより、検証済みの修正を1件示すほうが対応しやすいものです。

• 既存のつながりがない相手に対して、より多くのダイレクトメッセージを送ったり、フォローアップしたりする必要があるなら、LinkedIn Premium または Sales Navigator の利用を検討してください。Sales Navigator なら、最初のメッセージが相手に読まれていなくても、フォローアップメッセージを送れます。

• 少なくとも、URL、連絡先、アウトリーチ日、チャネル、修正対象の主張、返信、フォローアップ、確認済みの変更は追跡しましょう。

• 念のため、アウトリーチの前にページのスクリーンショットを撮っておくとよいでしょう。問い合わせフォームを使う場合は、メッセージを送信した証拠も保存してください。Ahrefs を使っているなら、サイトエクスプローラーで日付間のページ変更を記録できます。

私たちは 26 人の著者に、記事内の不正確な情報について連絡しました。14 人から返信があり（53.8%）、6 人がページ上で確認できる修正を行いました（23%）。

これは現在も進行中で、もちろん著者に変更の義務はありません。それでも、記事の約4分の1が修正されたのは有望な結果です。

これはアウトリーチ先の一例です。変更前と変更後を示しています（差分表示はAhrefsのサイトエクスプローラー経由）。

そして実際、すべてを拾い切れたわけではありませんが、ページを更新したことで AI の回答に正しいファクトが反映されるようになりました。以下はその例です（thatmarketingbuddy.com の Joonas に大きな感謝を）：

さらに2人の著者は変更すると言いましたが、結果を確認した時点ではまだ対応待ちでした。確認済みの修正数には含めませんでした。

26 件の連絡先のうち 12 件は、返信がありませんでした。

記事更新をはっきり拒否されたことは一度もありませんでした。ただし、見返りとして自社製品の言及やプロモーションを求め、こちらが応じた場合にのみ修正するという著者もいました。私たちは断りました。 公開情報を正確に保つこと自体に価値があるべきで、見返りを提示するのは、何も求めずに修正してくれた著者に対して不公平だと感じたためです。

このアウトリーチによって、私たち自身の説明に問題があることも浮き彫りになりました。混乱の一部は、ブランドレーダーの料金や機能制限の説明が分かりづらかったことに起因していました。つまり、私たち自身が改善すべき課題が見つかったのです。製品について書く人が、含まれている内容を理解しやすくすることです。

返信をもらうことより、変更してもらうことのほうが大変でした。この作業を計画する際は、その点を覚えておく価値があります。約束された更新が実際に行われたかを確認する時間が必要ですし、返事が来ないメッセージもあると見込んでおくべきです。

AI アシスタントが何を言うかをコントロールすることはできませんが、正しい情報を（AI にとっても、それ以外の誰にとっても）見つけやすくすることはできます。

つまり、Web 全体でのブランド言及を監視し、不正確な内容を見つけたら素早く対応するということです。私の経験では、コンテンツ制作者が最も自分の作品を気にかけるのは公開直後なので、早めに連絡するほど、ページを修正してもらえる可能性が高まります。

もちろん、これで何かが保証されるわけではありません。特定のページが AI の回答で引用されるかどうかは分かりません。それでも、素早く動くことで、誤情報が一部の AI 応答に入り込むのを防げる可能性があります。

ページが引用されやすいかどうかのシグナルも探せます。DR、評判、そしてあなたが重視するトピックとの関連性は、いずれも有用な代理指標になり得ます。特に、ウェブ上に関連ページが数えるほどしかない狭いニッチで運用している場合は効果的です。新しさも重要になることがあり、とりわけ新しいページのほうが、AI システムがすでに引用しているソースより最新である場合に当てはまります。

Firehose のようなツールでブランド言及のモニタリングを設定できます。

また、API 経由でエージェントを接続し、新しいソースが見つかり次第それぞれを自動でファクトチェックさせれば、ほぼリアルタイムでモニタリングできます。

ウェブ上の言及は通貨のようなものになりました。特定のページに名前を載せるには費用がかかり、どうやらブランドを正確に取り上げてもらうことにも費用がかかるようです。重要なのは、オンラインでどこにブランドが言及されているか、そしてその言及で何が語られているかが、AI の回答でどれだけ目立つかに大きく影響し得るという点です。

だからこそ、誤情報の発見と修正のプロセスを自動化する私たちのようなアプリは非常に役立ちます。ですが、実際に分かったのは、自社ブランドに関する情報を更新してもらう見返りとして何かを提供する覚悟がない限り、あまり先に進めない可能性があるということです。

ただし、より大きな問題は AI 開発者が取り組むべき点です。ブランドについて質問に答える際、AI システムがどのソースを信頼するかをどう決めているのか。現状、そのプロセスは誰の役にも立っていません。

すべてのコンテンツ制作者やサイト運営者が、常に事実確認を続け、あらゆる会社の情報を最新の状態に保つことは期待できません。ですが、企業には自社情報の正確性を大切にすることが期待されます。そうすべき理由は十分にあります。誤った情報や古い情報は、事業に直接ダメージを与え得るからです。

AI システムは、その点をもっと正確に認識できるべきです。企業に関する基本的な事実については、第三者サイトに載った古い言及よりも、企業自身が提供する正確で最新の情報のほうが重視されるべきです。

お読みいただきありがとうございます！ Glen と Mateusz にも、ぜひ声をかけてください。