AI検索の仕組みとRAGの流れ｜引用元に選ばれる条件と直し方

AI検索が引用元を選ぶ流れは、公開されているRAGの一般的な仕組みでいうと、次の順番で進みます。

1. 質問をもとにWeb上の文書を検索する
2. 集めた文書を段落単位の断片に切り出す
3. 質問とかみ合う断片に絞り込む
4. 残った断片を根拠に回答文を作る

ここで押さえておきたいのは、一般的なRAGの設計では、ページ全体ではなく切り出された段落（断片）の単位で扱われるという点です。各AI検索サービスの内部仕様は公開されていないため断定はできませんが、この前提で書くと「良い記事なのに引用されない」の原因を、記事の質ではなく段落の作り方から探せます。

この記事は、自社サイトのコラムやサービスページを自分たちで書いている広報・マーケ担当の方、外注先に指示を出す立場の方に向けて書いています。読み終わる頃には、自社の記事を1本開いて「どの段落が引用されない形になっているか」を指摘し、その場で直せる状態を目指します。

扱うのは仕組みの理解と、記事1本を直す手順までです。GEO対策の全体像や年間の進め方はGEO対策のやり方を7手順で解説した記事にまとめているので、施策の全体設計から知りたい方は先にそちらを読んでください。

Contents / 目次

1. 結論。引用元は3つの関門で絞られ、落ちる場所はページ側で特定できる
2. AI検索の仕組み。RAGの流れを4工程で追う
3. 引用元に選ばれる記事の直し方。6ステップで1本を作り直す
4. 直すと何が変わるか。効果の見え方と測り方
5. よくある失敗と回避法。RAGの流れで落ちる5パターン
6. 現場の妥協点。ここまではやれる、ここからは運任せ
7. AI検索の仕組みとRAGについて、よくある質問
8. 今日の1歩と、次に読む記事

結論。引用元は3つの関門で絞られ、落ちる場所はページ側で特定できる

一般的なRAGの設計にあてはめると、あなたのページは3つの関門を順番に通ることになります。各サービスがこの通りに動くと公表しているわけではありませんが、点検の切り口としては使えます。

• 取得：そもそもテキストを取れるか
• 再ランキング：集まった候補の中で上位に残るか
• 生成：回答文を作るときに根拠として使われるか

この3つはそれぞれ落ちる理由が違います。だから「AIに引用されないので記事を増やす」という対処は、たいてい的を外します。まず、自社のページがどの関門で落ちているかを見分けるのが先です。

関門	AI側で起きていること	ここで落ちる主な原因	自社で最初にやること
①取得	Web検索やインデックスからページを集め、本文テキストを抜き出す	本文がタブやアコーディオンの中／JavaScriptでしか出ない／PDFにしか書いていない／クローラーを拒否している	ブラウザで「ページのソースを表示」し、その文章がHTMLの中に文字として存在するか確認する
②再ランキング	集めた候補を段落単位の断片に切り、質問との近さで並べ替えて絞り込む	1ページに複数テーマが混ざり、どの断片も質問と中途半端にしか一致しない	そのページで答える問いを1つに決め、見出しをその問いの言い回しに合わせる
③生成	残った断片を材料に回答文を作り、参照した出典を並べる	断片が単体で意味を成さない（指示語で始まる・主語がない・結論が別の段落にある）	各見出しの直下に、その見出しの問いへの答えを1〜2文で置く

まず見るのは②と③。①の取得は設定の問題なので、直せば済みます。

むずかしいのは②と③です。検索順位は付いているのにAIの回答に出てこない場合は、断片が単体で読める形になっているかを先に疑ってください。

検索順位と引用の関係は検索1位でもAIに引用されない理由をまとめた記事で別途整理しています。

この記事では、②と③を通すためのページの直し方を6ステップで書きます。①の取得まわり（クローラーの許可・拒否）は設定の話なので、必要な方はAIクローラーの拒否設定を学習用と検索用に分ける手順を先に確認してください。

AI検索の仕組み。RAGの流れを4工程で追う

AI検索の中身は、公開されている一般的な仕組みでいうとRAG（Retrieval-Augmented Generation、検索拡張生成）という組み立てです。RAGとは、AIが自分の記憶だけで答えるのではなく、その場でWebや社内文書を検索し、取ってきた文章を根拠にして回答を作る仕組みのことです。

IBMは公式の解説ページで「RAG（Retrieval Augmented Generation：検索拡張生成）とは、AIを外部データと連携させて、より関連性が高く高品質な回答を生成する仕組みです」と説明しています。かんたんに言うと、AIが答える前に資料を調べに行く仕組み、ということです。

ここからは、その流れを4つの工程に分けて追いかけます。以下は公開されているRAGの一般的な設計をもとにした説明で、各AI検索サービスの実際の処理を示すものではありません。工程ごとに「自社のページが何をされているか」が変わるので、直す場所もそこで決まります。

工程1。質問をもとに文書が検索される

AI検索は、ユーザーの質問に関連する文書をWebから集めるところから始まります。どんな条件で候補を集めているかは各サービスとも公開していません。

実務で押さえるべき話は1つです。読者が実際に使う言い回し（「いくらかかる」「やり方」「できない」）を、言い換えずにそのまま本文と見出しに入れておくこと。

また、1本の記事が1つのキーワードだけで戦っているわけでもありません。派生する疑問（費用・期間・比較・失敗例・やり方）に記事の中で答えていれば、その分だけ拾われる入口が増えます。

工程2。ページは段落単位の断片（チャンク）に切られる

一般的なRAGの設計では、集めたページを丸ごと使うのではなく、扱いやすい大きさに切り分けます。この切り分けられた文章のかたまりをチャンクと呼びます。ひとことで言うと、記事を段落や節ごとに切って、カードのようにバラバラにする作業です。

どのくらいの大きさで切るかは、システムごとに設計が違い、AI検索の各サービスが具体的な数値を公開しているわけではありません。見出しや段落の切れ目が手がかりになりやすい、という程度に理解しておけば十分です。

この工程が、自社の記事にとって一番影響が大きい場所です。バラバラに切られたあと、そのカード1枚だけを見て「これは質問の答えになっているか」が判定されます。前の段落を読まないと意味が分からない文章は、カードになった時点で意味不明な断片に変わります。

工程3。候補が絞り込まれる

集めた断片は、そのまま全部使われるわけではありません。回答に使える量には限りがあるので、質問とかみ合う断片だけが残ります。

ここで落ちやすいのは、「関連はしているが、直接は答えていない」断片です。前置きの長い段落、背景説明だけの段落、他ページへの案内だけの段落が該当します。

裏を返すと、1つの記事に何でも詰め込むと、どの質問に対しても中途半端な断片ばかりになります。1ページで答える問いを絞るほうが、この工程では有利に働きます。

工程4。残った断片を根拠に回答が作られ、出典が並ぶ

最後の生成工程では、絞り込んだ断片を材料にして回答文が組み立てられます。RAGの基本的な考え方は、AIの記憶だけで答えさせるのではなく、その場で取ってきた文書を根拠にして答えさせる点にあります。

回答の下に並ぶ出典リンクは、その回答を組み立てる過程で参照されたページです。引用されるというのは、絞り込みを通過した最後の数枚のカードに自社の段落が残ったということを意味します。

ここまでが仕組みです。この章の結論として、自社側で手を打てるのは工程2〜4、つまり「切られたあとの1段落が単体で答えになっているか」に集約されます。

AI検索のアルゴリズムはどこまで公開されているのか

各AI検索サービスの内部アルゴリズムは公開されていません。どのモデルで絞り込みをしているか、どのくらいの単位で文書を切っているか、どんな重み付けをしているかは、いずれも非公開です。

したがって「このAIはこう動くから、こうすれば引用される」と断定する情報は、根拠を疑ったほうがいいです。公開されているのは、RAGという一般的な仕組みの流れと、各社が出しているコンテンツ方針の説明までです。

この記事で書いている内容も、公開されているRAGの一般的な流れから逆算した実務対応です。特定サービスの内部挙動を保証するものではない、という前提で読んでください。だからこそ、どのAI検索にも共通して効く「断片として読める文章」に投資するのが、いちばん外れが少ないやり方になります。

引用元に選ばれる記事の直し方。6ステップで1本を作り直す

ここからは実際の作業です。既存記事を1本開いて、上から順に手を動かせる形で書きます。所要時間は記事の長さや傷み具合で大きく変わるので、まずは1本やってみて自社の目安を測ってください。

ステップ1。そのページで答える問いを1つに決める

最初にやるのは、ページで答える問いを1文で書き出すことです。「AI検索はどうやって引用元を選んでいるのか」のように、疑問文の形で紙かメモに書きます。

書き出した問いが2つ以上になったら、そのページは分割候補です。判断基準は次の2点で決めてください。

• 問いが並列で2つ以上あるか：「費用はいくらか」と「業者の選び方」のように、片方だけ知りたい読者がいる問いが並んでいるなら分ける
• 問いに主従があるか：「仕組み」と「その仕組みを踏まえた直し方」のように、片方がもう片方の前提になっているなら1ページのままでよい

分けるか迷ったら、想定読者が検索窓に打つ言葉を2つ書いてみてください。まったく違う言葉になるなら別ページ、同じ検索から来るなら同じページです。

ステップ2。各見出しの直下に35〜80字の即答を置く

見出しを立てたら、その直下の1文目で、見出しの問いに直接答えます。長さは35〜80字が扱いやすい目安です。短すぎると根拠が足りず、長すぎると断片の中で結論がぼやけます。

使いやすい文型は次の3つです。そのまま埋めて使えます。

• 結論型：［主語］は［結論］です。理由は［1つだけ］です。
• 手順型：［作業名］は［数字］ステップで終わります。最初にやるのは［具体的な作業］です。
• 条件型：［主語］は［条件A］なら［結論A］、［条件B］なら［結論B］です。

逆に、見出し直下を「〜については、まず背景から整理しておきましょう。」で始めるのはやめてください。この段落が断片として切り出されると、何の答えにもなっていないカードが1枚できるだけです。

ステップ3。段落を単体で読める形に直す

断片は前後の文脈なしで読まれるので、段落は単体で意味が通る必要があります。直すときのルールは3つに絞れます。

1. 段落の1文目を「これ」「その」「前述の」「そのため」で始めない。何の話かを毎回名詞で書く
2. 1段落＝1論点にする。目安は2〜3文、150字以内
3. その段落の中に主語を1つ以上置く。「重要です」ではなく「口コミへの返信は重要です」と書く

直す前と後の例を挙げます。違いは、抜き出したときに単体で成立するかどうかだけです。

直す前。「これを行うことで、結果的に評価が上がっていきます。そのため、継続的な取り組みが重要になります。」
直したあと。「口コミへの返信を続けると、Googleビジネスプロフィールの情報が最新の状態に保たれます。返信のタイミングは社内で目安を決めておくと、運用として続けやすくなります。」

ステップ4。数値・出典・日付を本文のテキストに置く

数値と出典は、画像やPDFの中ではなく本文のテキストとして書きます。AIが根拠として使えるのは、テキストとして取り出せた文章だけだからです。

本文に置くときは、次の3点をセットにします。数字だけが浮いていると、根拠として弱く判定されます。

• 数値：割合・件数・金額・日数など、比較できる形にする
• 出典元の名称：公的機関名またはサービス提供元の正式名称を書く（略称は初出でフルネームを併記）
• 時点：「2026年8月11日時点」のように、いつの情報かを添える

自社に公開できる数値がない場合は、無理に作らないでください。代わりに、手順の所要時間、確認項目の数、実際につまずいた箇所など、自社で数えられる具体を書きます。更新日と一次情報の扱いはAIに引用される記事に直す手順（更新日と一次情報の書き方）で詳しく書いています。

ステップ5。取得できるHTMLの形に整える

ここは①の取得の関門です。確認のやり方はシンプルで、ページを開いてブラウザの「ページのソースを表示」を選び、本文の一節を検索して、HTMLの中に文字として存在するかを見ます。見つからなければ、AI側もそのテキストを取れていない可能性が高いです。

実際に取れなくなりやすいのは次の3パターンです。心当たりがあれば、そこだけ直せば済みます。

• アコーディオン・タブの中：クリックで開く部分に本文の核心（FAQの回答や仕様）を入れている。HTMLに存在すれば読める場合もあるが、クリック後にJavaScriptで生成する実装だと取れない
• PDFにしか書いていない：料金表・仕様・調査結果をPDFだけで公開している。要点はHTMLページ側にもテキストで書く
• 画像の中の文字：比較表や数値をデザイン画像にしている。表はtableタグで組み直す

自己完結した断片を作るときのHTMLの型を載せます。角カッコの部分を自社の内容に置き換えてください。

<!-- 自己完結チャンクの型。見出し→即答→根拠→出典→表 の順に置く -->
<!-- ［　］の中を自社の内容に置き換える。順番は変えない -->

<h2>［読者が実際に検索する言い回しの疑問文をそのまま見出しにする］</h2>

<!-- ①即答。35〜80字。主語を必ず入れ、指示語では始めない -->
<p>［主語］は［結論］です。［条件または例外を1文］。</p>

<!-- ②根拠。数値は画像に入れず、必ず本文テキストとして書く -->
<p>［根拠を1文］。［数値］（［出典元の正式名称］・2026年8月11日時点）。</p>

<!-- ③出典リンク。公的機関かサービス提供元の公式ページだけを貼る -->
<p>出典は<a href="［公式ページのURL］">［公式ページの正式タイトル］</a>です。</p>

<!-- ④条件が複数ある情報は表にする。1行だけ抜き出しても意味が通る書き方にする -->
<table>
  <thead>
    <tr><th>［比較の軸］</th><th>［選択肢A］</th><th>［選択肢B］</th></tr>
  </thead>
  <tbody>
    <tr><td>［項目名］</td><td>［Aの内容。単位まで書く］</td><td>［Bの内容］</td></tr>
  </tbody>
</table>

ステップ6。公開前に12項目を確認する

最後に、公開前チェックです。1本あたり5分前後で回せる12項目にまとめました。印刷して手元に置くか、社内のチェックシートに貼り付けて使ってください。

1. このページで答える問いを1文で言えるか
2. H2・H3の言い回しが、読者が実際に検索する言葉になっているか
3. すべての見出しの直下1〜2文で、その見出しの問いに答えているか
4. 指示語で始まる段落が残っていないか
5. 1段落が3文・150字を大きく超えていないか
6. 重要語の初出に「○○とは、〜です」の定義文が1つあるか
7. 数値に、出典元の名称と時点（○年○月○日時点）が添えてあるか
8. 条件が複数ある情報が、表になっているか
9. 本文の核心がアコーディオン・タブ・画像・PDFだけに入っていないか
10. ページのソースに、本文が文字として存在するか
11. 同じ問いに答える既存記事が自社サイト内にないか（あれば統合するか役割を分ける）
12. 読者に残る次の疑問が、FAQか内部リンクで拾えているか

この確認をAIに手伝わせることもできます。記事のHTMLを渡して、次のような短い指示から始めてください。作り込んだ長いプロンプトは不要で、あとは返ってきた指摘を見ながら対話で詰めるほうが早いです。

あなたはAI検索の引用適性をチェックする編集者です。
以下の記事HTMLを段落ごとに区切り、各段落について
「前後の文脈なしで単体で読んで意味が通るか」を○×で判定し、
×の段落は理由（指示語で始まる／主語がない／結論が別段落にある）を挙げてください。
最後に、修正が必要な段落を優先度順に5つだけ挙げてください。

［ここに記事のHTMLを貼る］

この章の結論として、直す対象は「記事」ではなく「段落」です。 記事を1本増やす前に、既存記事の見出し直下と段落の書き出しを直すほうが、投下した時間に対する効きは大きくなります。

直すと何が変わるか。効果の見え方と測り方

先に率直なところを書くと、「AIに引用された回数」を正確に測る手段は、現時点では一般の企業サイトにはありません。だから効果は、間接的な3つの指標で見ることになります。

見る指標	どこで見るか	見方
AI検索経由の流入	GA4の集客レポートで、参照元／メディアの一覧を確認する	修正前後の月次で比較する（更新が拾われるタイミングに左右される）
検索の表示回数と平均掲載順位	Google Search Consoleの検索パフォーマンス	修正した記事のURLで絞り込み、修正前後の期間を比較する
実際のAI回答での登場	主要なAI検索に、自社が答えたい質問を月1回入力して目視で記録する	毎月の定点観測で傾向を見る

3つ目の目視確認は地味ですが、いちばん確実です。質問文を10問決めて固定し、毎月同じ質問を投げて、回答に自社が出るか・競合が出るか・出典に何が並ぶかをスプレッドシートに記録します。

計測の設定まわりは、GA4でChatGPT流入を可視化する手順とSearch ConsoleでAI検索の表示回数を確認する手順で具体的に解説しています。どちらも最初の設定だけ済ませれば、あとは毎月見るだけです。

作業量については、まず自社で1本やってみて所要時間を測り、そこから見直したい本数を掛けて計画してください。週に確保できる時間で割れば、何か月かかるかが出ます。

この章の結論として、効果は「引用された回数」ではなく、流入・表示回数・目視の3点セットで見るのが現実的です。 最初に固定質問10問を決めておくと、翌月から比較ができるようになります。

よくある失敗と回避法。RAGの流れで落ちる5パターン

ここでは、RAGの流れを踏まえたときに実際に起きる失敗を5つ挙げます。どれも、記事の質そのものではなく、断片としての扱われ方で損をしているケースです。

失敗1。核心をアコーディオンとタブに畳んでしまう

起きる状況は、デザインをすっきりさせたいときです。FAQの回答、料金の条件、仕様の一覧を、クリックで開く折りたたみの中に入れてしまいます。

こうなると、実装によっては本文テキストがHTMLに存在せず、取得の段階で候補にすら入りません。人が見れば読めるので、社内では誰も問題に気づかないのがやっかいなところです。

防ぎ方は、ステップ5で書いた確認を公開前に必ず1回入れることです。ページのソースを表示して、折りたたみの中の文章を検索し、文字として存在するかを見ます。存在しなければ、その部分だけ通常のテキストに出します。

失敗2。1ページに複数テーマを詰めて、どの断片も中途半端になる

起きる状況は、「せっかくなら網羅しよう」と考えたときです。費用も、選び方も、事例も、用語解説も1ページに入れます。

結果として、絞り込みの段階でどの質問に対しても2番手・3番手の断片になり、最後の数枚に残りません。「よく書けているのに、どのクエリでも決め手にならないページ」ができあがります。

防ぎ方は、ステップ1の問いの絞り込みです。すでに詰め込んでしまったページは、章ごと切り出して別ページにし、元のページからは説明的なアンカーテキストで内部リンクを張ります。切り出しの判断と貼り方はAI検索で引用される内部リンク設計の見直し手順にまとめています。

失敗3。用語の定義を「別記事で解説しています」で済ませる

起きる状況は、社内に用語解説記事があるときです。専門用語の説明を省き、リンクだけ張って先に進みます。

人が読む分には親切ですが、断片として切り出されたときに用語の意味が入っていないので、そのカードは意味が通らない扱いになります。回答の材料として使いにくい断片になってしまうわけです。

防ぎ方は、初出の場所に1文だけ定義を置くことです。「RAGとは、AIが回答前に外部の文書を検索し、その内容を根拠に答える仕組みです」のように、1文で終わらせて本題に戻ります。定義ページ自体の作り方はAIに拾われる用語定義ページの作り方で扱っています。

失敗4。比較表を画像で作る

起きる状況は、デザイナーに依頼して見栄えのいい比較表を作ったときです。プランや機能の比較が、1枚の画像として貼られます。

画像の中の文字が読み取られるかどうかは、サービスや実装によって変わります。確実にテキストとして扱わせたいなら、画像に閉じ込めず本文のテキストとして置いてください。

防ぎ方は、tableタグで組み直すことです。そのうえで、1行だけ抜き出しても意味が通るように、セルの中に単位や条件まで書きます。「3万円」ではなく「初期費用3万円（税別・年1回）」と書く、ということです。表の作り方はAIに選ばれる料金比較表の作り方と構造化の手順に具体例があります。

失敗5。似た記事を何本も作り、どれも決め手にならない

起きる状況は、キーワードを増やそうとして、ほぼ同じ内容の記事を複数本公開したときです。「GEO対策とは」「LLMO対策とは」「AIO対策とは」が別々に立っている、といった状態です。

断片単位で見ると、どれも似た内容のカードが何枚もある状態になります。どれか1枚が選ばれる保証はなく、社内のリソースも分散します。

防ぎ方は、公開前チェックの11番目です。同じ問いに答える既存記事があるなら、新規で作らずに既存記事を厚くします。すでに重複しているなら、いちばん流入がある1本に内容を寄せ、残りはそこへリンクする役割に変えます。

この章の結論として、5つとも「書き手が良かれと思ってやったこと」が原因です。 網羅・デザイン・親切な省略が、断片単位では裏目に出る。ここを知っているかどうかが、記事の質と引用のされやすさの差になります。

現場の妥協点。ここまではやれる、ここからは運任せ

正直に書いておくと、AI検索の引用は自社で完全にコントロールできません。できるのは「材料として使いやすい形で置いておく」ところまでで、選ぶのは相手側です。ここを理解しないまま外注すると、費用の使い方を間違えます。

同じ質問でも回答が毎回変わる

AI検索は、同じ質問を2回入れても、まったく同じ回答と出典が返るとは限りません。検索で拾う候補にも、文章を生成する処理にも揺らぎがあるためです。

だから「昨日は出たのに今日は出ない」は普通に起きます。1回の結果に一喜一憂せず、月1回の定点観測で傾向を見るほうが実態をつかめます。社内で報告するときも、単発のスクリーンショットではなく、10問の固定質問での登場回数で見せると納得が得られやすいです。

引用されても社名が出ないことがある

AIの回答の中では、自社の内容が使われていても、本文に社名が出ず、出典リンクだけが小さく並ぶ形になることがあります。この場合、認知にはつながっても、クリックには結びつきにくいです。

ここへの対処は、回答本文に自社名が出るような書き方（自社が主語になる一次情報、独自の調査、固有の手法名）を持つことです。ただし、これは記事の書き方だけでは解決せず、指名検索や言及の蓄積が絡みます。指名検索を増やす方法を並行して進めないと、引用はされるのに名前は残らない状態が続きます。

AIごとに引用の傾向が違うので、1つに最適化しない

AI検索は複数あり、参照するインデックスも、引用元の選び方も同じではありません。1つのサービスで出るようになったからといって、他でも同じように出るとは限りません。

実務では、特定のAIに合わせた小細工に投資しないのが正解です。どのサービスでも共通して効くのは、次の3点だけです。

• テキストとして取れること
• 断片が単体で読めること
• 数値と出典があること

ここに絞って投資すれば、引用の傾向が変わっても大きく崩れません。

外注するなら、成果物と計測の握り方を先に決める

外注時にもめやすいのが、成果の定義です。「AIに引用される記事を作ります」という提案は、そのままだと検証できません。契約前に、次の3点を確認してください。

• 成果物の定義：記事本数だけでなく、既存記事の修正本数・チェック項目・修正前後の差分が納品物に含まれるか
• 計測の方法：固定質問での定点観測をやるのか、GA4とSearch Consoleのどの指標を見るのか、レポートに何が載るのか
• 引用を保証していないか：「必ず引用されます」と書いている提案は、仕組み上ありえないので警戒する

なお、AIに書かせるか人が書くかの線引きは、この記事の主題ではないので短く済ませます。文章の生成はAIに任せてよく、数値・出典・自社の判断は人が確認する。この分担の詳細はAIO対策のやり方（自社と外注どちらで進めるかの判断ポイント）にまとめています。

この章の結論として、投資すべきは「どのAIでも共通して効く3点」で、避けるべきは「特定サービスへの最適化」と「引用を保証する提案」です。

AI検索の仕組みとRAGについて、よくある質問

今日の1歩と、次に読む記事

いちばん早く効く一歩は、自社サイトで一番読まれている記事を1本開き、H2の直下1文目だけを上から順に読み直すことです。見出しの問いに答えていない1文目が見つかったら、それが今いちばん直す価値のある場所です。

そのうえで施策の全体像を組み立てたい方は、GEO対策のやり方を7手順で解説した記事を続けて読んでください。この記事の内容は、その7手順のうち「記事を直す」部分を深掘りしたものです。

ここまで読んで、仕組みは分かったけれど社内で記事を見直す時間はなさそうだと感じた方は、一度お話を聞かせてください。既存記事のどこが引用されない形になっているかの洗い出しだけでも、方向性はかなりはっきりします。AI検索に引用される記事づくりの進め方はAIに引用される記事制作の詳細ページにまとめています。現状の整理だけのご相談でも大丈夫です。