ケビン・カラン氏は、オンライン評判管理企業NewReputationの創業者兼CEOであり、可視性と評判リスクを専門としている。
第一印象は常に評判を左右してきた。紹介、履歴書、会話が、会議室や営業電話、顧客との面談における第一印象の基礎を形成するのが一般的だった。しかし今、人工知能（AI）がこうした第一印象にますます影響を及ぼしている。潜在顧客と実際に話す前に、AIシステムが彼らに対し、あなたが誰で、何をしていて、信頼できるかどうかを要約した情報を提供している可能性があるのだ。
ただし、AIは独自の意見を述べるわけではない。むしろ、シグナルを集約しているのだ。
AIが評判の要約を作成する仕組み
現代のAIシステムは、膨大な量の公開データとライセンスデータで訓練された大規模言語モデルを使用している。ユーザーが人物や企業の要約を求めると、AIは検索結果、ニュース記事、構造化データ、レビュー、公開プロフィール、その他のオンライン参照情報を活用する。
AIはパターン、繰り返し、最新性を探す。企業の古い情報が現在の実績よりも頻繁に参照されている場合、AIは古い情報を強調する可能性がある。同様に、否定的な情報が広く報道されている場合、問題が解決されていても、特に解決の明確な記録がない場合、AIはそれを含める可能性がある。
ピュー・リサーチ・センターのグーグルAI要約の分析によると、AI生成の要約が表示されると、ユーザーは従来の検索結果をクリックする可能性が低くなる。これは、ユーザーが検索結果ページで直接回答を受け取る、より広範なゼロクリック検索のトレンドと一致している。現在、複数の企業が、グーグル検索の約60%が外部ウェブサイトへのクリックなしで終了していると報告している。これらのトレンドは、AI生成の要約がさらなる調査の出発点ではなく、最終的な意思決定ポイントになりつつあることを示唆している。
経営幹部と組織にとってのリスク
上級リーダー、創業者、規制された高信頼環境の専門家はリスクにさらされている。調達チーム、コンプライアンス部門、投資家、パートナーなどの内部関係者は、デューデリジェンスを実施するための時間節約ツールとして、AI生成の要約を使用する可能性がある。誤解を招く、または不完全な要約は、会話が始まる前に躊躇や説明を必要とすることで、成功の機会を妨げる可能性がある。
同様に、組織も同じ課題に直面している。AI生成の要約は、複雑な歴史を数文に縮小し、ニュアンスを排除する可能性がある。また、信頼できる情報源によって文書化されていない限り、リーダーシップの交代、業績回復、戦略的変更を省略する可能性もある。
AI要約が不正確な場合、リスクは増大する
AI生成の要約が不正確な場合、リスクは大幅に増大する。昨年、AP通信は、保守派活動家のロビー・スターバック氏が、メタのAIチャットボットが2021年1月6日の米国議会議事堂襲撃に彼が参加したという虚偽の主張を生成した後、メタに対して名誉毀損訴訟を起こしたと報じた。その主張は捏造されたものだったが、広く拡散し、スターバック氏の評判を傷つけた。この事例は、AIのハルシネーションが個人の評判、安全性、将来の機会をいかに損なうかを示している。
リーダーや企業もこれらのリスクに直面している。
評判はシステムか、それとも物語か
AI媒介環境において、評判管理は変化した。説得力のある物語を語るだけでは、もはや十分ではない。あなたの物語は、構造化され、配信され、検証可能でなければならない。
これは実際には何を意味するのか。AIシステムはウェブ上に既に存在するものから学習するため、本質的には、AIに適切な「インプット」を提供する必要がある。
あなたのインプットとは、AIシステムが参照する可能性が高い場所で公開し、維持する資料である。これには以下が含まれる。
• 企業ウェブサイトと経営幹部の経歴
• 主要報道機関による報道
• 認知された業界誌や研究出版物におけるソートリーダーシップ
• 明確な役割定義を持つ公開プロフェッショナルプロフィール
• 業界団体からのサードパーティによる引用
明確性が第一である。AIシステムが、あなたが今日誰であり、どのような問題を解決し、どこに専門知識があるかを理解できるようにする。自問してほしい。「部外者は5秒で私の役割を理解できるだろうか」。この指針となる質問は、より鋭い経歴の改訂を促すことができる。その明確性は、自社メディアと獲得メディア全体で一貫して表示されなければならない。
信頼性がそれに続く。確立された情報源で可視性を確保すること──AIはしばしばこれらにより大きな重みを割り当てる。これは、一貫した編集基準、文書化された出版履歴、明確な帰属慣行を持つメディアやプラットフォームを意味する。例えば、主要報道機関、査読付きジャーナル、政府機関や学術機関、よく維持された業界出版物などだ。沈黙はあなたを助けない。信頼できるシグナルの欠如は、関連性の欠如として解釈される可能性がある。
検証は可視性よりも重要
検証は、複数の信頼できる情報源が人物や組織に関する同じ事実を確認するときに発生する。信頼できる情報源間の合意は、AI生成の要約への信頼を高める。
個人にとって、これは経歴、出版物、公式声明全体で一貫した情報を必要とする。組織にとっては、プレスリリース、経営幹部プロフィール、企業ウェブサイト、サードパーティによる報道全体での整合性を必要とする。
古い、または不正確な情報を情報源で更新することを確実にする。AIシステムは、明確かつ公に文書化された解決のみを認識する。
プロアクティブな評判エンジニアリング
AI媒介を通じて評判を管理するための最も成功した戦略は、プロアクティブな評判エンジニアリングである。これは、AIシステムが見つける可能性が高い場所に、正確な情報を意図的に作成し配置することを含む。
正確な企業文書と経営幹部の経歴を維持することは、プロアクティブな評判エンジニアリングの一例である。その他の例には、AIシステムが組織や個人をどのように表現しているかを監視し、問題が発生する前に不正確さを修正することが含まれる。
実際、一部の組織は現在、定期監査の一環として、リーダーやブランドに関するAIベースの調査を実施している。これは組織を宣伝するために行われるのではない。むしろ、組織のリスクエクスポージャーを軽減するために行われるのだ。
新しいタイプの第一印象
第一印象は、もはや握手やプレゼン資料から生まれることは少ない。AIが数秒で生成する一つの段落から生まれるのだ。この段落は、扉を開くこともできれば、静かに扉を閉ざすこともできる。あなたをリーダーとして表現することもできれば、ステレオタイプ的に特徴づけることもできる。
この環境において、評判は他者があなたをどう認識するかだけではない。データの整合性に関するものなのだ。AIが評判に与える影響を認識できない組織は、成功の機会が過ぎ去った後、長い間自分たちが誰であるかを説明しようとしていることに気づくかもしれない。
