デニス・カーワンはDymicのCEOである。同社はマーケティングエージェンシーとして、ブランドが専門性を権威性、可視性、そして検索とAIを横断した需要へと転換することを支援している。
市場について、AIシステムにこんなシンプルな質問をしてみる。「［あなたのカテゴリー］で最も優れた企業はどこか？」
返ってくるのは、長い一覧であることは稀だ。自信たっぷりに提示される、圧縮された短い候補リストである。これは、インターネット上で裏取りできる情報から組み立てられている。私はこれを「適格性の圧縮（eligibility compression）」と呼んでいる。AIに媒介されたディスカバリーが、雑然とした競争環境を、一貫した外部シグナルに基づく数点の「安全な推奨」へと圧縮する現象だ。AIが人間のように業界を評価しているからではない。これらのシステムは、検証できることしか要約できないからである。
自社ブランドが構造的に強いのか、あるいは見えなくなっているのかを知りたいなら、競合他社に先んじてこの演習を実行することだ。
敵対的メモ・テスト
AIシステム（ChatGPT、Gemini、Perplexityなど）に対し、競合企業の戦略アドバイザーとして振る舞うよう指示する。公開情報のみを用いて、「今後12カ月で［あなたの会社］に勝つ方法」というタイトルの社内メモを書かせるのだ。戦術ではなく、構造的な弱点と、証拠が不足している箇所に焦点を当てるよう伝える。
次に反転させる。今度は競合のオンライン上の足跡を対象に、同じ演習を逆向きに実施する。
最後に、複数回の実行結果にまたがるパターンを比較する。AIの出力は変動するため、要点は特定の回答が真実かどうかではない。繰り返し現れるもの、すなわち反復するギャップ、抜け落ち、そして確信のシグナルにある。メモが長いからといって、自動的に脆弱だという意味にはならない。単に公開されている情報の表面積が大きいだけの場合もある。重要なのはギャップの性質だ。それは実在する問題を示しているのか、それとも一般論の穴埋めにすぎないのか。
AIが間違っている場合でも、なぜこれが機能するのか
AIの推奨は可変であり、不完全である。これが最も強い反論であり、妥当でもある。だが、このテストは判決ではない。デジタル上の「紙の証跡（digital paper trail）」をストレステストするものだ。
AIがオンラインで見つけられるものは、生成されるショートリストにおける選定へ直接影響する。SOCiの「2026 Local Visibility Index」は、2751の多拠点ブランドにまたがる35万超の拠点を分析し、ChatGPTが推奨したのはブランド拠点のおよそ1.2%にとどまった一方、Googleのローカル3-Packでは35.9%が表示されたことを明らかにした。この調査は多拠点の小売・サービスに焦点を当てたものだが、傾向はローカル検索に限らない。AIプラットフォームは従来の検索よりもはるかに選別が厳しく、より狭いファネルでは曖昧さがいっそう速く罰せられる。
繰り返し現れる4つのギャップ
B2Bおよびプロフェッショナルサービスのブランドを支援する私の仕事では、敵対的メモを実行すると、同じ構造的ギャップが繰り返し浮上する。
1. 第三者による検証が薄い
強い顧客関係があっても、その証拠が非公開の資料や「信じてほしい」という主張の中にしかないなら、公的な認知には結びつかない。AIシステムも人間も同様に、外部ソースから確認できるものを重視する。レビュー、信頼できるディレクトリ、権威ある言及、そして第三者の言葉で説明された成果である。
優れた仕事を提供する企業は多い。しかし、その証拠がたまにしか出てこない、あるいは自社サイトにしか載っていない場合、買い手やAIシステムが検証できる外部シグナルはほとんど存在しない。複数の第三者参照が、同じ能力を時間をかけて反復的に補強するほど、その企業の評判と専門性は裏取りしやすくなる。多くの場合、問題はサービス品質ではなく、その品質が外部でどれほど頻繁に補強されているかにある。
2. 中核となる商業トピックでの可視性が一貫していない
強力なソートリーダーシップのコンテンツが1本あるだけでは、カテゴリーにおける権威は確立されない。しかし、中核サービス領域について継続的に発信することで、再現性のあるシグナルが積み上がる。特に、複数のソースが時間をかけて同様の文脈であなたを語る場合、その効果は大きい。AIシステムは巧みさよりも裏取りを好む。
3. 証拠を上回る主張
これは静かな致命傷である。測定可能な成果の公開記録がないまま、自信満々のポジショニングを掲げてしまうことだ。私は「証拠密度（proof density）」を、市場での主張を支える外部検証可能な証拠の量として定義している。数値化されたケーススタディ、第三者の言葉で説明された結果、そして営業コピーに頼らず他者が引用できる成果物である。主張が証拠密度を上回ると、信頼性は解釈に依存することになり、圧縮されたシステムは「疑わしきは善」とはあまり扱ってくれない。
4. かつての会社像を語るパブリックな足跡
多くの企業は、社内の進化のほうがウェブサイトや第三者リスティングより速い。公式ストーリーが古い、または矛盾していると、AIシステムはあなたの「最も安全な」バージョンを合成する。その結果、誤った文脈で推奨されたり、完全に除外されたりすることが多い。
操作ではなく、インフラである
新たな可視性チャネルには常に、最適化が「抜け道探し」の婉曲表現になってしまうリスクがある。だが、この演習から浮かび上がる修正は、グロースハックというより運用衛生に近い。古いプロフィールの更新、すでに行った仕事の証拠の公開、実際の能力とパブリックな足跡の整合である。これらは買い手と機械の双方に等しく資する。
そしてタイミングが重要だ。AIがトラフィックの大半を生み出さずとも、「検討される側」に誰が入るかは変わり得る。BrightEdgeの2025年の調査では、AIからの参照トラフィックが月次で2桁成長していることが示された。総量は従来の検索に比べてなお控えめでも、その成長率で複利的に増えれば、想像以上に早く無視できない規模になり得る。
テコになるのはクリックではない。クリックが起きる前に表示される、AI生成のリストである。
敵対的メモが同じギャップを繰り返し返してくるなら、最も一貫して指摘された点から着手するとよい。修正はたいてい単純である。
1. 検証可能な第三者レビューの量と新しさを増やす。
2. 主張を測定可能な成果に結びつける、数本の数値化されたケーススタディを公開する。
3. 意見記事だけでなく、中核となる商業カテゴリーで反復可能な発信のリズムを確立する。
4. 自社サイトと主要プロフィールを、第三者が用いる言葉で「現在の事業内容」を反映するよう更新する。
5. 社内の最良のフレームワークを、他者が参照できる、証拠に裏打ちされた公開成果物へ転換する。
適格性の圧縮は、道徳的判断ではない。不完全で限られた証拠で確信を持たねばならないとき、合成がそう働くという構造的帰結である。だから今、敵対的メモ・テストを実行すべきだ。真実を見つけるためではない。あなたのデジタル上の紙の証跡が、推奨を容易にするのか、あるいは不可能にするのかを確かめるために。
