toban.appでは、AI時代のSEOがどうなるのかを試している。
今のところ感じているのは、これが従来のSEOというより、プロンプトインジェクションに近づいていくのではないかということである。
AIが拾えるパンくずを置く
AI検索に対する最適化は、AIが調査の途中で辿れるパンくずへ、どれだけ判断材料を置けるかの勝負になりつつある。
例えば、あるWebアプリの品質を判断するとき、紹介文やスクリーンショットだけを見るより、ソースコードを読んだほうが早い。どのような構成になっているか、テストがあるか、例外や権限をどう扱っているかまで見れば、見た目だけでは分からない実装の質をある程度判断できる。
iOS版ChatGPTからGPT 5.6 Sol Proを使った際には、アプリのURLから公開GitHubリポジトリまで辿り、実装を読んだうえでアプリの質を評価する挙動を確認できた。GrokがこのサイトのWorksページを見つけ、その内容を材料に回答したこともある。
これは網羅的な検証ではなく、自分の環境で見た事例にすぎない。ただ、AIが一つのページだけを要約するのではなく、サイト、外部ページ、リポジトリを横断して判断材料を集め始めていることは分かる。
公開されている実装そのものが説明になる
GoogleのAI検索のように応答速度が重視される場面では、当面は従来のSEOに近い挙動が中心になると思う。検索結果へ早く答えを返すには、すでに整理され、インデックスされた情報を使うほうが効率的だからである。
一方で、GPT 5.6 Sol Pro級の調査能力が標準になれば、最適化の対象はページ内の文言だけではなくなる。Kimi K3のような強いモデルがオープンウェイトで提供される流れも含め、計算資源の制約を除けば、高性能なAIは急速にコモディティ化していく可能性がある。
そのとき、公開リポジトリ、更新履歴、テスト、Issue、技術的な意思決定といった一次情報は、そのままプロダクトの説明になる。
逆に、ソースを公開していないプロダクトは、AIが外側から確認できる材料が少ないぶん、比較の際に弱くなるかもしれない。実装そのものの希少性が下がり、コードを隠すことの価値も相対的に小さくなれば、「最低限、検証できる範囲は公開する」という判断が一般的になる可能性もある。
ここから先はプロンプトインジェクションに似ている
問題は、AIが拾える情報を増やせば、それが本当に正しいかどうかとは別に、評価へ影響を与えられることである。
リポジトリを公開しなくても、もっともらしいベストプラクティスを並べた技術記事をAIに書かせることはできる。「多くの現場で使われている」とする事例記事も作れる。それらへのリンクをサイトのどこかに置き、調査するAIが辿れるようにすれば、一定の確率で判断材料として取り込まれるだろう。
これは検索順位を上げるための文章最適化より、モデルのコンテキストへ都合のよい情報を混ぜ、判断を誘導する行為に近い。私が「AI時代のSEOはプロンプトインジェクションっぽい」と感じるのはこの部分である。
もちろん、虚偽の記事を作ることを勧めたいわけではない。むしろ、現在の仕組みならそのような攻撃が成立しそうだという問題である。
情報ではなく、信用を評価する必要がある
情報を探し、読み、要約するコストは急速に下がった。これまでなら人間が開かなかったリポジトリや長い技術記事まで、AIは短時間で材料にできる。
しかし、情報の咀嚼が安くなっても、その情報が事実かどうかを確かめるコストはなくならない。生成された記事、自己申告の導入事例、動いているように見せたデモ、実装と一致しないドキュメントを、もっともらしさだけで区別するのは難しい。
今後重要になるのは、情報量ではなく信用の重み付けだと思う。
- 実際に動くプロダクトと説明が一致しているか
- リポジトリに継続した変更履歴があるか
- テストやIssueが、都合のよい成功例以外も残しているか
- 独立した利用者や外部の情報から裏付けを取れるか
- 一次情報、自己申告、第三者評価を区別できているか
どのシグナルを、どの程度信用すべきか。そこにはまだ明確な答えがない。
ただ、AIが読める情報を増やすだけでは、最適化と操作の境界が消えていく。AI時代の検索で本当に必要なのは、より多くのパンくずを辿る能力より、それぞれのパンくずを誰が、なぜ置いたのかまで評価する能力なのだと思う。