テクニカル・サマリー：乖離する推奨、収束する診断

問題提起

ブランドのオーディエンスが複数のAIプロバイダー（ChatGPT、Claude、Geminiなど）に断片化するにつれ、マーケティングチームは戦略的な不確実性に直面している。すなわち、単一の最適化プレイブックを全プロバイダーに展開すべきか、それとも各プロバイダーに対して個別の戦略を練る必要があるのかという問いである。プロバイダーごとのダッシュボードによって駆動される業界の前提は、推奨セットがプロバイダー間で大きく異なることを示唆しており、それは介入（コンテンツ、権威性、ポジショニング）がプロバイダー固有のものであることを意味している。しかし、理論的な「アルゴリズム的モノカルチャー（単一栽培）」仮説は、トレーニングデータやアーキテクチャの系譜を共有するプロバイダーは、具体的な「含み（推奨内容）」は乖離しても、「除外（検索失敗）」においては相関関係を示すと示唆している。本論文は、推奨セットは乖離する一方で、共同失敗の診断は収束するのか、そしてこの収束がブランドの知名度レベルを超えて成立するのかを実証的に検証するものである。

メソドロジー

本研究では、OpenAI（gpt-5.4, gpt-5.4-mini）とAnthropic（claude-sonnet-4-6, claude-opus-4-6）のモデルを比較するクロスプロバイダー監査デザインを採用している。

• データおよびプロンプト: 分析は、4つの独立した測定バッチにおける215の商業的フレームワークを用いたプロンプトを対象とし、5つの知名度レベル（L1：カテゴリーリーダーからL5：リージョナルプレイヤーまで）に層別化された533の参照ブランドのシャドウ・コーパスに対して評価を行った。
• コンセンサス抽出: 検索レイヤー（検索クエリ、スニペット、ドメイン）および生成テキストにおけるブランド言及を、単一の判定器による不安定性を排除するために、クロスジャッジ・コンセンサス・プロトコル（2つのLLM判定器）を用いて抽出した。
• ファネル段階の分類: 各（プロンプト × ブランド × プロバイダー）のセルに対し、ブランドを以下の4つのステージに分類した：
  • S1 (Discoverability / 発見可能性): すべての検索レイヤーおよび生成テキストにおいてブランドが不在。
  • S2 (Compellingness / 説得力): 検索レイヤーには存在するが、生成テキストには不在。
  • S3 (Positioning / ポジショニング): 生成テキストには存在するが、推奨はされない。
  • S4 (Success / 成功): ブランドがコンセンサスに基づき推奨されている。
• 共同失敗の制限: コア分析は、両方のプロバイダーがブランドを推奨しなかった（すなわち、両者がS1、S2、またはS3で失敗した）7,763の「共同失敗」セルに焦点を当てている。
• メカニズム的シグナル:
  • Pure-Priors Share (純粋な事前知識の割合): 検索レイヤーのエビデンスなしに推奨が行われた割合（パラメトリック・メモリへの依存度を示す）。
  • Batch-Reconstruction (バッチ再構成 - OpenAIのみ): ブランド判別クエリが最初の検索バッチに現れたかどうかを追跡し、リトリーバル・アンカリングを測定する。
• 統計分析: （プロンプト × ブランド）の非独立性を考慮するため、プロンプトでクラスター化したブートストラップ95%信頼区間（1,000イテレーション）を用いて、一致度指標（Jaccard類似度、生の一致度、Cohen's $\kappa$）を算出した。

主な貢献

1. クロスプロバイダー推奨の乖離を定量化: 本研究は、クロスプロバイダー間の推奨セットが、プロバイダー内での再実行時の安定性よりも有意に低いことを立証した。クロスプロバイダーのJaccard類似度は0.35（95% CI: [0.323, 0.391]）であり、セル内の再実行時のベースラインである0.50–0.61を大幅に下回っている。
2. 推奨ルートにおけるメカニズム的不対称性: プロバイダーは異なる生成ルートを通じて選択肢に到達している。
   • Anthropic: フラッグシップモデルは、リトリーバルのエビデンスなしに（パラメトリックな事前知識に基づいて）ブランドを推奨するケースが**43–52%**に達する。
   • OpenAI: モデルはリトリーバルに強く依存しており、純粋な事前知識による推奨は**8–29%**の範囲である。バッチ再構成により、OpenAIは60–71%の確率で最初の検索バッチにおいてブランド判別クエリを発行していることが確認された。
3. 知名度の勾配を伴う失敗モードの収束: 推奨内容は乖離するものの、ブランドが推奨されなかった「理由」の診断は圧倒的に収束するが、この収束はブランドの知名度によって厳格に層別化されている。
   • 全体の一致度: 共同失敗において、両プロバイダーは失敗のステージを**95.1%**の割合で一致して診断している（95% CI: [94.3%, 95.7%]）。
   • 単調な勾配: ブランドの知名度が下がるにつれて、一致度は上昇する：
     • L1 (カテゴリーリーダー): 一致度 81.2%。
     • L5 (リージョナルプレイヤー): 一致度 99.6%。
   • 要因: この収束はS1 (Discoverability / 発見可能性) の失敗によって駆動されている。ロングテール・ブランド（L4–L5）については、両プロバイダーは同じタイミングでブランドの発見に失敗する。リーダー層（L1）については、ポスト・リトリーバル段階（S2/S3）での不一致が残存する。

結果

• 乖離する選択、収束する診断: プロバイダーは異なるブランドを選択する（低いJaccard係数）が、両者がブランドを推奨できなかった場合の「理由」については一致する。
• 知名度の役割: 95.1%という統合された一致度の数値は、ロングテールにおけるS1失敗の支配性に大きく影響されている。少なくとも一方のプロバイダーがS2またはS3（ポスト・リトリーバル）で失敗するケースに限定すると、対角線上の（同時発生の）一致度は**14.9%**に低下する。これは、高知名度のエンティティについて、プロバイダー間で「なぜ推奨されないのか（S2かS3か）」という点については一致していないことを示している。
• クロスセル・ポータビリティ: プロバイダー内の差異（例：gpt-5.4-mini vs gpt-5.4、sonnet vs opus）をテストした3,000回の拡張実験では、同一ステージ内の一致度は高く維持された（94.9%–98.3%）。これは、診断の収束が特定のプロバイダー間の比較によるアーティファクトではなく、共同失敗集団自体の特性であることを示唆している。
• メカニズム的エビデンス: 「Pure-priors」のシグナルは、Anthropicが推奨のために内部知識により多く依存している一方で、OpenAIはリトリーバルに強くアンカーされていることを裏付けている。これらの異なるルートにもかかわらず、ロングテール・ブランドの「除外」は相関しており、失敗におけるアルゴリズム的モノカルチャー仮説を支持している。

意義と主張

本論文は、「相関する除外（収束する失敗）」と「無相関な包含（乖離する選択）」を具体的に示すことで、「アルゴリズム的モノカルチャー」仮説に対する初の具体的な商業的推奨のエビデンスを提供することを主張している。

主な実務的インプリケーションは、マーケティングからAIへの介入に関するスコープ設定である：

• ロングテール・ブランド (L4–L5) の場合: 権威リストへのシーディングや標準的なコンテンツ作成といった、S1 (Discoverability / 発見可能性) をターゲットとしたプロバイダー非依存の単一の介入は、両方のプロバイダーにおける可視性を同時に向上させると期待される。この場合、「なぜブランドが欠落しているのか」という診断は実質的に共通である。
• カテゴリーリーダー (L1–L2) の場合: プロバイダー固有の戦略が依然として必要である。高知名度のブランドについては、プロバイダー間でポスト・リトリーバルの失敗モード（S2/S3）が乖離するため、ポジショニングやコンテンツ最適化に関する介入は、特定のプロバイダーのリトリーバルおよび生成ロジックに合わせて調整する必要がある。

著者らは、「一度の診断で、一度のアドバイスを行う（diagnose once, advise once）」という戦略は、ロングテールの発見可能性については強力な主張となるが、ポスト・リトリーバルの失敗属性については知名度に依存する弱い主張であると結論づけている。本研究は、共有された基盤が共有された失敗をもたらすが、異なる事後学習が異なる成功ルートを生むことを示すことで、モノカルチャー仮説を拒絶するのではなく、精緻化している。