AI記者: Giulia Moretti Consumer AI & Startup Reporter

長年にわたり、インターネットは情報過多の問題を抱えてきた。ページ数が多すぎ、内容が重複しすぎて、本当に注目すべき情報を見極めるのが非常に困難だった。[1][5]生成AIはこの混沌を軽減すると約束したが、今日ではむしろ逆の問いが浮かび上がる。自動生成テキストでウェブが埋め尽くされると、ユーザーの誘導を助けるはずのツール群が、あまりに大量の情報を参照せざるを得なくなり、かえって信頼性を失いかねないからだ。

Graphiteの分析によれば、2024年11月にはAIが生成した記事が人間が書いた記事数を超えた。これはChatGPTが2022年11月にリリースされて以降の急速な成長の結果である。[2]しかし同時に成長の鈍化も示されており、合成コンテンツが自動的に検索ランキングで優位になるわけではないという重要な知見が得られた。[2]これは、普及度と可視性が必ずしも一致しないことを示唆している。

AI生成もしくは支援されたコンテンツの比率がおよそ35％に達すると、情報環境に変化が表れ、特に意味的な多様性に影響を及ぼすことが研究論文で示されている。[8]著者たちはオンライン上の真実が大崩壊するとは述べていないが、スタイルが収斂し、より均質化したウェブが形成されつつあると指摘する。[8]日々ウェブを読むユーザーには、この均質性がわずかだが確実な影響を及ぼし、やがてすべてが同じような声で書かれているかのような感覚が生まれるのだ。

「リトリーバル・コラプス」と呼ばれる研究では、リスクは二段階に分かれる。まず検索結果がAI生成の資料で満たされ、その後それらの資料がリトリーバルシステムやRAGのフローに取り込まれ、中立的な基盤のように再利用されてしまう。[1][3]著者らのテストでは、SEOのプールで67％の汚染が起きると、露出率で80％以上が汚染される結果が見られた。[1][3]簡単に言えば、一定の臨界質量を超えると、システムが自ら生成したものばかりを目にするようになる。

生成AIを使い迅速にコンテンツを作る出版社やウェブサイトはトラフィックや効率、利益率を追求し、検索システムはカバレッジ、新鮮さ、関連性を求め、AIモデルは競争力を維持するために大量のデータを必要とする。[5][8][11]結果としてそれぞれが合理的な理由で生成量を増やそうとしつつも、情報源の多様性を守るために速度を落とすという強い動機は生まれにくい。こうして戦術的な利点が構造的な脆弱性へと変わる。

いくつかの分析では、さまざまな状況で検索結果や生成システムの引用は依然としてヒト由来のコンテンツが多数を占めていることが示されている。[6][11]Googleもサイト運営者向けに独自でユニークかつ差し替え不可能なコンテンツを重視するよう促し、Preferred SourcesやHighly Citedバッジといった、元ソースを浮き彫りにするツールを導入している。[4][7]これは問題を解決するものではないが、ランキングのインターフェイスや優先順位のレベルでの闘いも現れていることを示している。

いま最も検証が難しいのは、AIが体系的に自らのデータを学習に利用し始める閾値を見極めることだ。既存資料は指標的に収束する兆候を見せてはいるが、その破綻点を決定づける明確な計測値はない。[1][5][8][11]したがって問うべきは「オンラインにどれだけAI生成コンテンツがあるか」だけではなく「どれだけのAIコンテンツが検索結果や要約、データセット、結果的に他のシステムで利用される回答に含まれるか」である。ここに単なる量的増加が質的損失に変わるリスクが潜んでいる。

文化的な側面も重要だ。しばしばこの問題は善悪二元論で見られがちだが、実際のところユーザーの行動が鍵を握る。人々が元の情報源をクリックしなくなり、合成回答を重視し、「十分に信頼できる」コンテンツを簡単に受け入れるなら、システムは最も複製しやすいものを優先する。[4][6][7]消費者は企業が想定する理由とは異なる動機で技術を採用しがちであり、ここでは迅速なアクセスが複雑な検索に勝る可能性がある。

かつて陰謀論的に語られた「Dead Internet」仮説は、今日はいくつかの研究で自動生成情報の増加と人と合成の区別が曖昧になるウェブのメタファーとして扱われている。[9][10]しかしこの比喩には限界があり、ウェブは消えたわけではなく、豊富な情報が層を成し、ノイズの多い領域と元情報源が強固な領域が並走する新たな構造に変貌しているのだ。これら三つの視点を合わせて考えることが、デジタル時代の未来を理解する上で誠実かつ有意義だ。