AI研究者イェシルユルト氏がGPT-4.1で生成した架空のマーケ統計5万ページをWebに公開したところ、ChatGPTが7カ月で30日間7万2千件のアクセスを送り込み、学術論文や経済誌にまで引用される事態となった。これはAIの検証プロセスの欠落と、権威経由で偽データが真実化する構造的欠陥を露呈した事件である。

何が起きたか

実験の構造は極めてシンプルだ。GPT-4.1を使い、200カ国分のマーケティング統計を自動生成し、5万ページ規模のWebサイトとして公開。数字の裏付けはゼロ、ソースも架空、正誤確認プロセスも一切なし。それでも7カ月後、ChatGPTの検索機能から30日間で7万2千件のクローリング／参照アクセスが集まり、しかも生成された偽データは学術論文や経済誌の記事中に「出典」として引き写されていた。つまり、LLMが拾い、人間の編集者がそれを再引用し、権威メディアを経由して「社会的に確定した数字」へと昇格していく経路が実証された。生成コストが限界ゼロに近い偽統計が、情報エコシステム全体を汚染できることを示した事例と言える。

なぜこのニュースが重要か

重要なのは「ChatGPTが騙された」ことではない。LLMの引用アルゴリズムが、構造化データとドメイン一貫性を信頼度の代替指標として扱っている事実が露呈した点だ。RAG（検索拡張生成）のパイプラインは、通常「retriever → ranker → generator」で構成される。この retriever 段階で参照されるのは、HTMLセマンティクス、内部リンク構造、ページ数の規模、更新頻度といった表層シグナルであり、数字の意味的妥当性を検証するステップは存在しない。5万ページという物量は、retriever にとって「この領域の権威サイト」というシグナルとして機能してしまう。さらに悪いことに、一度ChatGPTが引用し、それを人間ライターが孫引きし、そのメディア記事が再びクロールされると、ソース間の相互参照が成立し「複数ソースで裏取り済み」というスコアまで獲得する。情報の真偽判定が、グラフ構造の密度に置き換えられている構造的欠陥がここにある。

技術的な深掘り

エンジニア視点で見ると、この事件はAIO（AI Optimization）の設計原理を逆説的に教えてくれる。従来のSEOはPageRankベースで、被リンクという「他者からの投票」が中核だった。しかしLLM引用のランキングは別物だ。推定だが、現行のChatGPT Search／SearchGPTは、(1)クエリ埋め込みとの意味的類似度、(2)ページの構造化マークアップ（表、Schema.org、見出し階層）、(3)ドメイン単位のトピック一貫性、を重み付けしている。架空統計サイトはこの3条件を完璧に満たしていた。200カ国×複数指標という表形式データは埋め込み空間で統計クエリと高い類似度を持ち、構造化されたテーブルはパーサに優しく、ドメイン全体がマーケ統計で統一されているためトピック凝集度が高い。皮肉なことに、LLM時代のコンテンツ最適化とは「機械が読みやすい構造」を極めることであり、それは「真偽を問わず引用される」ことと同義になりつつある。開発側の対策としては、retriever段階でのクロスドメイン検証（同一数値が独立ソースで何件確認できるか）、一次ソース（政府統計、査読論文）へのホワイトリスト重み付けが急務だが、2026年10月時点で主要LLMにこれが実装されたという報告はない。

経営者として次に取るべき動き

第一に、社内でChatGPTや類似AIが生成した数字を資料・提案書に転記する全プロセスに「一次ソース到達義務」を課すこと。AIの回答に出典URLがあっても、そのURLの発行元が政府・査読誌・企業IRのいずれでもなければ採用しない運用ルールを明文化する。第二に、自社サイトのAIO設計を見直し、公開する統計・事例データには発行日、算出方法、サンプル数、出典を構造化データで明示する。これは「正しい情報が引用されやすい」環境を自ら作る防衛策である。第三に、自社名や業界キーワードでChatGPTが何を回答するかを月次でモニタリングし、誤情報が混入していれば訂正コンテンツを一次ソースとして発信する。SEOのレピュテーション管理と同じ発想を、AI回答空間に拡張する時期に来ている。