ChatGPTなどのAI検索で自社について尋ねたとき、古い所在地が表示される、終了したサービスが紹介される、料金や会社情報が公式サイトと異なる。このような状態では、AI回答だけを修正しようとしても原因を特定できません。
まず行うべきなのは、公式サイトを「正」として、Googleビジネスプロフィール、構造化データ、主要な第三者情報、実際のAI回答を横断して差分を確認することです。
この記事で扱うのは、企業情報の不一致を検出・分類し、原因所在と重大度を切り分けて監査結果を担当者へ引き継ぐところまでです。第三者サイトへの具体的な訂正依頼、AI上の企業評判を良くする発信戦略、選ばれるためのコンテンツ施策は扱いません。そうした「誤情報を実際に修正し、企業評判を改善する工程」は、既存記事「AI検索の企業評判はどう変える？誤情報の修正と『選ばれる情報』の発信方法」で解説します。
関連する全体像や前提は「AI検索の「信頼性シグナル」とは何か？AIが企業情報をどう判断するか、全体像」で整理しています。
AI検索の企業情報整合性監査では何を確認するのか
AI検索の企業情報整合性監査とは、自社について公開されている重要な事実を情報源ごとに比較し、どこで内容が食い違っているかを特定する作業です。
確認対象をAI回答だけに限定しないことが重要です。
OpenAIは、ChatGPT Searchの検索結果や引用について「不完全、古い、または誤っている場合がある」と案内し、正確性が重要な場合には引用元を確認するよう案内しています。つまり、AI回答に誤りがあったときは、回答だけを見るのではなく、参照可能な公開情報までさかのぼって調べる必要があります。
Googleも、Googleビジネスプロフィールについて、実社会で使用している名称を一貫して使用し、所在地やサービス提供地域を正確に記載するよう求めています。
監査対象は、少なくとも次の4層に分けると整理しやすくなります。
| 情報層 | 主な確認対象 | 役割 |
|---|---|---|
| 公式情報 | 公式サイト、会社概要、サービスページ | 正解となる基準 |
| 検索・地図情報 | Googleビジネスプロフィールなど | 検索利用者が接触しやすい企業情報 |
| 第三者情報 | 業界メディア、比較サイト、企業データベースなど | 外部から見た企業情報 |
| AI回答 | ChatGPTなどのAI検索 | 最終的にユーザーへ提示される情報 |
AI回答だけでなく、公式情報・検索や地図上の情報・第三者情報を同じ項目で比較すると、不一致がどこで発生しているかを切り分けやすくなります。
この4層を同じ項目で横並びにすると、「AIだけが間違っているのか」「公開情報そのものが割れているのか」を切り分けやすくなります。
最初に「正」とする企業情報を確定する
監査を始める前に、どの情報を正しい企業情報として扱うかを社内で固定します。
正解が決まっていない状態では、異なる情報を発見しても、どちらを修正すべきか判断できません。
例えば、会社概要ページでは「東京都千代田区」、採用ページでは移転前の「東京都新宿区」、Googleビジネスプロフィールでは「東京都千代田区」と表示されているとします。
この場合、「2対1だから千代田区が正しい」と多数決で決めるのではありません。
登記情報や社内で承認された会社情報、現在の公式サイトなどを確認して基準値を確定します。
監査台帳には最低限、次の情報を持たせます。
| 監査項目 | 正式情報の例 |
|---|---|
| 企業名 | 正式名称・一般向け表記 |
| 所在地 | 現在の本社・店舗所在地 |
| 電話番号 | 公式連絡先 |
| 代表者 | 現在の代表者氏名 |
| 設立 | 正式な設立年月 |
| 事業内容 | 現在提供している事業 |
| サービス名 | 正式名称 |
| サービス概要 | 現在の提供内容 |
| 料金 | 現在公開している料金・要見積条件 |
| 対応地域 | 現在の営業・提供エリア |
| URL | 正式な公式サイト・サービスURL |
名称については「法人登記名」と「一般向けブランド名」が異なる場合もあります。そのため、単純に一表記へ統一するのではなく、どの場所でどの名称を使うかまで定義することが重要です。
Googleは組織構造化データについて、`name`や`alternateName`、`legalName`、`address`、`telephone`、`url`などの情報を提供でき、企業の識別や曖昧性の解消に利用すると説明しています。
企業情報の不一致は5種類に分けて監査する
発見した差分をすべて同じ「間違い」として扱うと、修正量が膨らみます。
実務では、次の5種類へ分類すると優先順位を判断しやすくなります。
企業情報の差分は、すべて同じ「誤り」として扱わず、原因や性質ごとに分類すると対応方法を判断しやすくなります。
1. 明確な誤情報
現在の事実と異なる情報です。
たとえば、
- 移転前の住所
- 退任した代表者
- 終了したサービス
- 変更前の料金
- 誤った電話番号
などです。
ユーザーの意思決定へ直接影響し得るため、優先度は高くします。
2. 古い情報
掲載当時は正しかったものの、現在は更新されていない情報です。
「誤情報」と結果は似ていますが、原因が更新漏れである点が異なります。
更新日や情報責任者まで確認すると、再発防止につなげやすくなります。
3. 表記ゆれ
「株式会社ABC」と「ABC」、「サービスX」と「Service X」のように、事実としては同じでも表現が異なるケースです。
すべての表記ゆれが問題になるわけではありません。
ただし、別法人・別サービスと誤認される可能性がある表記や、公式名称が安定していない状態は整理対象とします。
4. 範囲・条件の違い
料金や対応地域、サービス内容で特に起こりやすい差分です。
たとえば、
「月額5万円」
と、
「月額5万円から」
は同じではありません。
価格だけでなく、初期費用、契約期間、対象プラン、税区分などの条件まで確認します。
5. 根拠を確認できないAI回答
公開情報を調べても根拠となる情報源を特定できない回答です。
これは「Web上の不一致」とは分けて管理します。
大規模言語モデルの事実性に関する研究でも、LLMが根拠のない内容や事実と異なる文章を生成する問題は継続的な研究課題とされています。
そのため、根拠不明のAI回答を見つけたからといって、必ず自社サイト側に原因があるとは断定できません。
公式サイト・GBP・第三者情報・AI回答を同じ表で比較する
監査は、情報源ごとのレポートを別々に作るより、同一項目を横一列で比較する方法が有効です。
以下のような差分表を作ります。
| 項目 | 正式情報 | 公式サイト | GBP | 第三者情報 | AI回答 | 判定 |
|---|---|---|---|---|---|---|
| 企業名 | ABC株式会社 | 一致 | 一致 | ABC | 一致 | 軽微 |
| 所在地 | 東京都A区 | 一致 | 一致 | 東京都B区 | 東京都B区 | 要修正 |
| 代表者 | 山田太郎 | 一致 | ― | 旧代表者 | 旧代表者 | 要修正 |
| サービスA | 提供中 | 一致 | ― | 一致 | 一致 | 問題なし |
| サービスB | 終了 | 削除済 | ― | 掲載中 | 提供中と回答 | 高優先 |
| 料金 | 要見積 | 一致 | ― | 月額3万円 | 月額3万円と回答 | 高優先 |
重要なのは、AI回答と同じ誤情報を持つ公開ページが存在するかを見ることです。
たとえば、AI回答と第三者サイトだけが同じ旧住所を掲載している場合、その第三者情報が影響している可能性はあります。
ただし、「AIがそのサイトを見て回答した」と引用などで確認できない限り、因果関係までは断定できません。
逆に、公式サイト内部でも旧住所と新住所が混在しているなら、まず自社側の情報管理を修正すべきです。
Googleビジネスプロフィールについても、Googleは実社会で一貫して使われる名称、正確な住所、直接つながる電話番号・ウェブサイトなどを使用するよう案内しています。
構造化データと画面上の企業情報も照合する
企業情報監査では、ユーザーから見える文章だけでなく、HTML内の構造化データも確認します。
Googleは組織構造化データを利用すると、企業の名称、住所、連絡先などの管理情報をGoogleが理解しやすくなり、組織の曖昧性解消にも役立つと説明しています。
たとえば画面上では、
「ABC株式会社／東京都渋谷区」
と表示されていても、JSON-LD内に、
「ABC Inc.／東京都新宿区」
という旧情報が残っている場合があります。
確認対象は次の通りです。
- `Organization`
- `LocalBusiness`
- `name`
- `legalName`
- `alternateName`
- `address`
- `telephone`
- `url`
- `sameAs`
- `logo`
2026年7月にAIOGeoScanで診断された1,233ページを株式会社Bennuが分析した調査では、41.9％でJSON-LDが未実装だったほか、同じ`Organization`や`WebSite`を複数箇所で定義する重複警告も確認されています。これは一社の診断サービス利用ページを対象とした調査でありWeb全体を代表する数字ではありませんが、構造化情報の棚卸しが必要なサイトが実際に存在することを示す参考データです。
構造化データを追加すること自体が目的ではありません。
人が見る会社情報と、機械が読む会社情報を一致させることが先です。
不一致は「重大度×確度×原因所在」で監査優先度を判定する
不一致を見つけた時点で、この記事の役割は「どう直すか」を決めることではありません。まず、どの差分が事業上重大か、誤りと断定できるか、どの情報源に原因があるかをそろえて、修正担当へ渡せる状態にします。
重大度
間違ったまま利用者へ提示された場合の影響を見ます。所在地、電話番号、料金、提供サービス、代表者など、問い合わせ・契約・応募などの意思決定へ直接影響する項目は高くします。
確度
社内で承認された正式情報や現在の公式情報と直接比較できるものは高確度です。一方、AI回答の説明ニュアンスや、対象条件が明記されていない第三者情報は、即座に誤情報と断定せず「要確認」として管理します。
原因所在
「AIだけが誤っている」のか、「第三者情報とAIが同じ旧情報を持つ」のか、「公式サイト内部から情報が割れている」のかを切り分けます。引用元が確認できない場合は、特定ページを原因と断定せず、確認できた差分と原因仮説を分けて記録します。
| 監査判定 | 典型例 | 監査側の処理 |
|---|---|---|
| 重大・原因明確 | 公式サイト内で新旧住所が混在 | 原因所在と対象URLを記録し、サイト担当へ引継ぎ |
| 重大・外部起点候補 | 第三者情報とAI回答が同じ旧料金 | 根拠URL・AI回答・確度を記録し、外部情報担当へ引継ぎ |
| 重大・原因不明 | AI回答のみ誤り、根拠URLなし | 原因不明として記録し、再確認条件を設定 |
| 軽微 | ブランド名の許容範囲内の表記差 | 監査台帳へ記録し、原則として経過観察 |
ここで決めるのは「担当先」と「監査上の優先度」までです。GBPの管理画面操作、第三者サイトへの訂正依頼、コンテンツ発信などの具体的な修正手順は、修正工程側で扱います。
監査台帳は修正担当へ引き継げる列まで持つ
監査結果を口頭やスクリーンショットだけで渡すと、修正工程で再調査が発生します。最低限、次の列を1行1項目で残します。
| 必須列 | 記録内容 |
|---|---|
| 項目 | 企業名、所在地、代表者、料金など |
| 正情報 | 社内で確定した基準値 |
| 情報源 | 公式URL、GBP、第三者URL、AIサービス等 |
| 確認値 | 実際に表示されていた内容 |
| 差分種別 | 誤情報／古い情報／表記ゆれ／条件差／根拠不明AI回答 |
| 重大度 | 高／中／低など社内基準 |
| 確度 | 確定／高／要確認など |
| 原因所在 | 公式／GBP／第三者／AIのみ／不明 |
| 修正主体 | Web担当／GBP担当／広報／外部媒体担当など |
| 根拠 | 正情報を確認した一次資料・承認元 |
| 次回確認日 | 引継ぎ後に監査側が再確認する予定日 |
| ステータス | 未引継ぎ／引継ぎ済み／再確認待ち／監査完了 |
「修正主体」は、監査担当が具体的な修正操作まで行うという意味ではありません。どの担当へ渡すべきかを確定するための列です。
AI検索の企業情報整合性監査を7ステップで進める
実務では、次の順番で進めると「検出して終わり」にならず、修正工程へ引き継げる監査記録まで作れます。
STEP1 正式情報マスターを作る
会社名、所在地、代表者、事業、サービス、料金、連絡先などについて、監査の基準値を確定します。
STEP2 公式サイトを横断確認する
会社概要だけでなく、採用ページ、サービスページ、プレスリリース、PDF、過去記事も同じ項目で確認し、サイト内部の不一致を記録します。
STEP3 Googleビジネスプロフィールを確認する
店舗や来店型拠点がある場合は、名称、所在地、電話番号、URL、営業時間、カテゴリなどを確認し、正式情報との差分を台帳へ記録します。
STEP4 構造化データを確認する
画面上の記載とOrganizationやLocalBusinessの値を比較し、同一企業について複数定義や旧情報が残っていないかを確認します。
STEP5 主要第三者情報を確認する
検索結果に頻繁に現れる企業情報ページ、業界媒体、比較ページ、企業データベースなどを確認します。すべてのWebページを調べるのではなく、露出しやすい情報源から監査します。
STEP6 AI回答を複数質問で確認する
「○○社について教えて」だけではなく、所在地、代表者、事業、サービス、料金、対応範囲など監査項目ごとに質問します。確認日、AIサービス名、質問文、回答、引用元URLの有無まで保存します。
STEP7 原因所在を確定し、監査結果を引き継ぐ
各差分について、重大度・確度・原因所在・修正主体を埋めます。引用が確認できない場合は原因を推測で確定せず「不明」とします。そのうえで、担当者へ台帳を渡し、次回確認日を設定します。
監査完了条件と修正工程への引継ぎ
監査は、実際の修正が完了した時点ではなく、修正担当が追加調査なしで着手できる情報がそろった時点で一区切りとします。
監査完了の条件は次のとおりです。
- 正情報の根拠が確定している
- 公式サイト・GBP・第三者情報・AI回答の差分が項目単位で記録されている
- 各差分が5分類のいずれかに整理されている
- 重大度と確度が付いている
- AIだけの誤りか、公開情報自体の不一致かを切り分けている
- 原因を断定できない項目は「不明」と明記している
- 修正主体と引継ぎ先が決まっている
- 次回確認日または再確認条件が設定されている
この先の「第三者サイトへどう訂正依頼するか」「GBPや公式サイトをどう修正するか」「AI上で選ばれやすい情報をどう発信するか」は、企業評判改善の記事へ引き継ぎます。本記事では、そこへ進む前の監査証跡を整えるところまでを担当範囲とします。
監査で確認すべき10項目
企業情報監査を定期運用する場合は、以下の10項目から始めると管理しやすくなります。
- 企業名・ブランド名は統一されているか
- 本社・店舗の所在地は最新か
- 電話番号・問い合わせ先は正しいか
- 現在の代表者が表示されているか
- 現在提供しているサービスが正しいか
- 終了したサービスが現在も提供中になっていないか
- 料金・契約条件は最新か
- 対応地域・対象企業・対象者が正しいか
- 構造化データと画面上の情報が一致しているか
- AI回答の誤情報と同じ内容を持つ公開情報源が存在しないか
このチェックで差分が見つかった場合は、「AIが間違っている」で終わらせず、どの情報源から不一致が始まっているかまで記録します。
まとめ
AI検索に自社の誤った情報が表示された場合、最初に必要なのは、いきなり評判改善や修正施策へ進むことではありません。
公式サイト、Googleビジネスプロフィール、構造化データ、主要第三者情報、AI回答を同じ項目で比較し、何が違うか、どこから不一致が始まっているか、どの程度重大かを監査します。
監査担当が確定するのは、正情報、差分種別、重大度、確度、原因所在、修正主体、次回確認条件までです。具体的な訂正操作や企業評判を改善する発信施策は修正工程へ引き継ぎます。
この境界を明確にすると、「AIだけが誤っているケース」と「公開情報そのものが割れているケース」を混同せず、修正担当が再調査せずに動ける監査台帳を残せます。
参考文献・データ元
- Google「Google に掲載するビジネス情報のガイドライン」：ビジネス名称、住所、電話番号、URL等の正確性・一貫性の確認に使用。Google ビジネス プロフィールのガイドライン
- Google Search Central「Organization structured data」：企業名、住所、電話番号、法人名等の構造化情報と企業識別に関する確認に使用。Organization structured data
- Google Search Central「Expanding markup support for Organization details」：Organization情報の利用目的確認に使用。
- OpenAI「ChatGPT でウェブを検索する」：検索結果や引用が不完全・古い・誤っている可能性の確認に使用。ChatGPT でウェブを検索する
- OpenAI「How ChatGPT and our foundation models are developed」：生成結果の性質と同一質問でも結果が変化し得る点の確認に使用。
- Wang, Y. et al., “Factuality of Large Language Models: A Survey,” EMNLP 2024：LLMの事実性・誤情報に関する研究整理として使用。
- 株式会社Bennu「AI検索時代のSEO/AIO/LLMO対策 実態調査レポート【2026年7月度】」：構造化データ等の診断データの参考値として使用。対象は2026年7月、1,233ページ。