AI検索で最新情報が引用されやすい理由——LLMの知識カットオフとコンテンツ戦略

ChatGPTに「現在の日本の首相は誰か」と尋ねると、正しい回答が返ることもあれば、古い情報が返ることもあります。これはAIの性能の問題ではなく、「学習データに期限がある」という構造的な制約です。

この制約は、コンテンツを発信する側にとっては大きなチャンスでもあります。 AIが自前の知識で答えられない最新トピックでは、外部から取得されたコンテンツの引用率が高まるからです。

AIの知識には期限がある

LLMは学習時に使用されたテキストデータの範囲でしか知識を持ちません。学習データの収集が終了した日（カットオフ日）以降の情報は、モデルの内部に存在しません。

モデル	学習データカットオフ
GPT-4o	2023年10月
GPT-4 Turbo	2023年12月
Claude 3.5 Sonnet	2024年4月
Gemini 1.5 Pro	2024年初頭
Llama 3	2023年12月

カットオフ日以降に起きた出来事、公開された研究、変更された法規制について、LLMは内部知識として回答できません。

Dhingra et al.（2022年、Google Research）の研究では、「アメリカ大統領は誰か」「iPhoneの最新モデルは何か」といった時間とともに変化する事実（temporal facts）がLLMの知識の中で相当な割合を占めることが示されています。特定の時点のデータで学習されたモデルは、その時点の事実には正確に回答できますが、学習期間外の事実に対しては信頼性が下がります。

AI検索はリアルタイム検索でカットオフの壁を超える

PerplexityやChatGPT検索が採用しているRAG（検索拡張生成）は、この知識カットオフ問題への実用的な解決策です。 Lewis et al.（2020年、Facebook AI Research）が提案した仕組みで、以下のように動きます。

ユーザーの質問を受け取る
外部の情報源（Web検索など）から関連情報を取得する
取得した情報をLLMに渡す
LLMが取得情報を参照しながら回答を生成する

Kasai et al.（2023年、University of Washington）のRealTime QA研究では、毎週更新される時事問題のベンチマークでRAGを用いたシステムが高いスコアを達成しており、検索連携が時間的知識の限界を実用上補えることが実証されています。

AI検索サービスの検索基盤

AI検索サービスごとに、検索の仕組みは異なります。

Perplexity はクエリごとにリアルタイムでWeb検索を実行します。 1回のクエリで60件以上のソースを取得し、3層のリランカーで絞り込んだ上位ドキュメントをLLMに渡します。回答には検索元のURLが引用として表示されます。

ChatGPT検索 はBingの検索インデックスを利用しています。 2025年の調査では、ChatGPTの引用の87%がBingの上位検索結果と一致するという報告があります。 ChatGPT検索で引用されるには、Bingのインデックスに含まれていることが実質的な条件になります。

IndexNowでAI検索への反映を早める

IndexNowは、コンテンツの公開や更新をリアルタイムで検索エンジンに通知するプロトコルです。

なぜIndexNowがGEO対策に効くのか

IndexNowの重要性は、Bingのインデックスを通じたAI検索への波及効果にあります。

ChatGPT検索はBingのインデックスを使用しています
Perplexityも検索インフラの一部としてBingのインデックスを参照しています
DuckDuckGoもBingのインデックスに依存しています

IndexNowでBingに即時通知すると、Bingのインデックスが更新され、その更新がChatGPT検索やPerplexityの検索候補にも反映されます。

2024年のデータでは、IndexNow経由のURL通知がBingの新規URL発見の17%を占めており、利用サイト数は8,000万以上、1日のURL送信数は50億件を超えています。

IndexNowの対応検索エンジン

2024年時点で以下の検索エンジンが対応しています。

Microsoft Bing
Yandex
Seznam
Naver
Yep

Googleは2021年からテストしていますが、2025年時点でも正式採用には至っていません。

実装方法

IndexNowの実装は軽量です。コンテンツの公開・更新時に以下のエンドポイントにHTTPリクエストを送信します。

POST https://api.indexnow.org/IndexNow
Content-Type: application/json

{
  "host": "example.com",
  "key": "your-api-key",
  "urlList": [
    "https://example.com/new-article"
  ]
}

WordPressではプラグインで自動送信が可能です。ヘッドレスCMS（Contentful、microCMSなど）の場合は、Webhook経由でAPIを呼び出す構成が一般的です。

情報鮮度を活かしたコンテンツ設計

更新日を明示する

記事の公開日と最終更新日を、HTMLメタデータとページ上の両方で明示します。

<meta property="article:published_time" content="2025-07-01T09:00:00+09:00">
<meta property="article:modified_time" content="2025-07-15T14:30:00+09:00">

AI検索のランキングにおいて、鮮度は評価基準の1つです。公開日が明示されていないコンテンツは、鮮度の評価で不利になります。

定期更新をスケジュール化する

時間経過で陳腐化する情報を含む記事は、定期的な更新が必要です。更新のたびにIndexNowで通知すれば、検索インデックスへの反映も早まります。

変化の早いトピック（AI技術動向など）は四半期ごと、変化の緩やかなトピック（基本概念の解説など）は年次の更新が目安です。

エバーグリーンとタイムリーの使い分け

情報鮮度を活かすには、2種類のコンテンツを組み合わせるのが実務的です。

エバーグリーンコンテンツ。 基本概念、原理原則、方法論の解説です。 LLMの内部知識でもカバーされますが、構造化された解説には引用価値があります。更新頻度は低くて構いません。

タイムリーコンテンツ。 最新の研究解説、制度変更の影響分析、ベンチマーク結果の更新です。 LLMのカットオフ日以降の情報を含むため、RAGでの引用確率が高まります。公開速度と正確性の両方が求められます。

まとめ

LLMの知識はカットオフ日で区切られており、RAGベースのAI検索（Perplexity、ChatGPT検索）はリアルタイム検索でこのギャップを埋めています。

カットオフ日以降の情報を含むコンテンツは、LLMが内部知識で答えられないため、RAGでの引用確率が相対的に高まります。 IndexNowを通じてBingに即時通知すれば、公開からAI検索での引用候補入りまでの時間を短縮できます。

Dhingra et al.（2022年）の研究が示すとおり、時間とともに変化する事実は更新が不可欠です。定期更新とIndexNow通知の組み合わせが、AI検索時代の情報鮮度維持の基本パターンになります。