何が起きたか:「Googleには効き、LLM本体には届かない」という切り分け
記事の見出しは「Entity Mapping Works On Google. Does Any Of It Reach ChatGPT?(エンティティマッピングはGoogleでは効く。そのうちのどれかがChatGPTに届いているのか?)」。リードには、この手法がGoogleとChatGPTをひとつのシステムとして扱うが両者はひとつではなく、その線がどこに落ちるかを知ることこそこの仕事の本当の価値がある場所だ、と置かれています。
Forrester氏は、既視感があるのは当然だと述べます。2021年のナレッジグラフの会話が2026年の装いを着たもので、「文字列ではなくエンティティ(entities, not strings)」、曖昧性解消(disambiguation)、sameAs、ノード間の関係といった語彙がほぼそのまま移ってきた、という指摘です。「4年前のクライアント向け資料の『Knowledge Graph』を『the AI』に入れ替えれば、スライドの大半はそのまま生き延びる」とも書いています。
そのうえで「これ以上読まない人のための圧縮版」として示されるのが、エンティティマッピングはフィードすべき実在のグラフがあるGoogleでは本物の仕事をし、そのグラフが存在せずこれまでも存在しなかった言語モデルそのものにはほとんど何の仕事もしない、という一文です。「2つの異なるルールを持つ2つの異なるシステムであり、業界はそれをひとつの戦術としてあなたに売っている」と続けています。
Google側:ナレッジグラフは「投稿フォーム」ではなく「確信の機械」
記事はGoogle側の価値をはっきり認めています。ナレッジグラフ(Knowledge Graph)は実在するキュレーションされたオブジェクトで、Googleが2012年に「モノであって文字列ではない(things, not strings)」の旗印で立ち上げて以来、1件の結果が読み込まれる前にそのクエリが誰について・何についてのものかを決める層になってきた、という説明です。原文は、これはGoogleのものであって、自社で保守する「あなた自身のナレッジグラフ」とは混同しないようにとも注記しています。
フィードは間接的にしかできず、手段として挙げられるのは構造化データ、第三者による一貫した裏付け(corroboration)、独立した情報源が同意しているきれいなWikidataのエントリの3つです。フォームに記入して自分を提出するのではなく、オープンウェブ全体で十分な一致を積み上げる。グラフは「投稿箱(submission box)」ではなく「確信の機械(confidence machine)」であり、スキーマは主張を述べるにすぎず、十分な数の独立した信頼できる情報源が同じことをGoogleに返して初めてノードが構築され信頼される、と説明されています。よく参照されたWikidata項目と権威ある言及がいくつかあるほうが、自分のことしか語らない完璧なマークアップのページより重い理由はここにあり、Googleが近年、自己主張するだけのエンティティより裏付けられるエンティティへグラフを締め上げてきたのも同じ理由だとしています。
この作業は10本の青いリンクを超えてAI面にも届きます。GoogleのAI回答が、生成の前に同じグラフに対してエンティティを解決するからです。章は「Googleにおいては、エンティティマッピングには標的があり、その標的には郵送先住所がある」と締めくくられます。
LLM側:あなたが書き込めるノードは存在しない
続く章の指摘は、対象システムがすり替わったのに誰もそれを告知しない、という点です。2021年の会話が前提にしていたのは、パネルで開いて訂正でき、修正を申請すれば変わるのを見届けられる対象でした。エンティティマッピングはその言葉を一字一句保ったまま、それらの性質を何ひとつ持たないシステムへ静かに向け直している。「その向け直しが手品の仕掛けであり、言葉が変わらなかったからこそ機能する」。申告されずに国境を越える前提はひとつだけで、向こう側にあるものがそもそもフィードできる、という前提です。
ここで定義されるのがパラメトリック記憶(parametric memory)で、モデルが重みに焼き込んで持つ知識であり、学習時に一度だけ習得され、回答時にライブで参照するものとは区別されます。この側には、開いて編集できるブランドの記録がありません。行もノードも訂正用のパネルもなく、あるのは数十億のパラメータに塗り広げられた拡散的な統計パターンだけで、それがそこにあるのはモデルがマークアップを読んだからではなくコーパスを大規模に読んだからだ、と原文は書きます。解釈可能性(interpretability)の研究者の知見として、これらのモデルの事実知識はパラメトリックかつ創発的(emergent)であり、単一のパラメータが特定の事実を保持することはなく、想起はネットワーク全体に分散した活性化から生じる、という趣旨も引かれています(原文は該当研究へリンクしていますが、研究名は本文に書かれていません)。
学習中、モデルはブランドを何百万もの文脈で目にし、どのエンティティの隣に現れ、どのカテゴリに属し、周囲にどんな主張が繰り返されるかを符号化するよう重みを調整します。「その過程のどこもスキーマブロックを解析しないし、sameAsリンクを尊重しない。言語を、量で読むのだ。そして生き残るのはコードではなく合意(consensus)である」。自社ページは数十億の文脈のうちの1つにすぎず、「ページ全体が青くなるまでsameAsリンクを足しても、そのパターンを1インチも動かせない」。学ばれるのは、どれくらい頻繁に、一貫して、信頼できる形でウェブの残りがあなたを語っているかです。その帰結として、パラメトリック側で最もレバレッジの高い作業は自社サイトにほとんど触れない、と原文は指摘します。モデルがすでに信頼している場所で引用されること、コントロールできない言及を獲得すること、自分ではない人々に同じ言い方で描写されること。それは「スキーマ監査より遅く、難しく、そしてはるかに永続的」だとしています。
モデル内部の「地図」は、そもそも地図の形をしていない
記事はさらに、仮にパラメトリック側へ書き込めたとしても、あなたの図をそこへ写し取ることはできないと述べます。構造化データの記述はすべてトリプル(triple)、すなわち主語・述語・目的語の組であり(「あなたのブランドは、売る、この製品を」)、それはセマンティックウェブの原子単位であると同時に「言語モデルが保存しない単位」でもあるからです。研究者が知識の物理的な在りかを追跡すると、エンティティ知識と関係知識はモデルの別々の部分に存在して互いに対応づかず、同じ事実の中でエンティティを変えた場合と関係を変えた場合とで反応は同等になりません。トリプルは両者を交換可能な2つのスロットとして扱っているにもかかわらず、です。
したがって、Googleのグラフがそれを消費するために作られた主語・述語・目的語の構造は、モデル内部に忠実な対応物を持たない。ノードとエッジの絵は計画には役立つがモデル内部の記述としては役に立たず、成果物は「そもそも地図として組織されたことのない土地の地図」になる。「それはより良いマークアップで直すチューニングの問題ではない。カテゴリの不一致であり、どれだけスキーマを積んでも埋まらない」。実務的な含意は、エンティティマークアップの完成度でパラメトリック側の仕事を採点するのをやめることです。
検索のONとOFFで、同じ企業の扱いが反転する
この違いを可視化するため、原文は中堅ベンダー(mid-market vendor)を思い浮かべてほしいという思考実験を置きます。実在の事例ではなく、完全なOrganizationスキーマ、あらゆるプロフィールを指すsameAs、サイト全体にわたるきれいな内部エンティティグラフと、プレイブックが求めることをすべてやり切った企業という設定です。検索を有効にしてChatGPTにそのカテゴリを尋ねると、フェッチがよく構造化されたページを見つけてきれいに抜き出すため、このベンダーは登場します。ところが同じ質問を検索オフで尋ねると単に不在になる。世界がそのベンダーを描写するのを学習が十分に見なかったため、そもそも符号化されていないからです。同じ会社、同じマークアップ、同じプラットフォームで正反対の結果になり、変わったのはシステムがページを読みに行くことを許されていたかどうかだけ。Google自身の面は第3のポジションに座り、ベンダーがずっとフィードしてきたグラフに対して解決するため、その側の作業はいつも勝っているように見え続ける、としています。
ただし記事は、これを「何も意味がない」に潰すのは過剰反応だと明確に釘を刺します。AI検索は純粋にパラメトリックではなく、検索連携(retrieval)が膨大な仕事をしているからです。モデルが検索なしで記憶から答えているときに当たっているのはパラメトリック側で、ページ上の何もそこには届かない。Perplexity、GoogleのAI回答、検索モードのモデルが回答前にライブのページを取得しているときに当たっているのは検索連携側で、そこではきれいな構造と明確なエンティティシグナルが、引っ張られて引用されることに本当に役立つ、と整理しています。
現実の回答の大半は両者を混ぜ、パラメトリックな知識で問いの枠を作り、検索で具体を埋める。「その混合こそが、この戦術が効いているように感じられる理由そのものだ。目に見える検索側の半分を動かしながら、あなたが見ることのできないパラメトリック側の半分には何もしていない」。一方は曖昧性解消と構造によって今四半期に開けられるドアであり、もう一方は語られ続けた年月によって築かれ、動かすにも年単位を要するコーパス上の立ち位置です。「エンティティマッピングは確実に前者を買ってくれるが、後者として静かに売られる」。両者を1つの品目として扱うことが間違いだ、というのが結論です。
「混同そのものが商品」――原文が挙げる2つの兆候と1つの質問
最終章のタイトルは「The Conflation Is The Product(混同こそが商品である)」で、売り込みを見抜くための兆候が2つ挙げられています。
1つめは「あなたのエンティティデータが今やChatGPTやClaudeを訓練している」という書かれ方です。記事はこれを「訓練していない」と否定し、これらのモデルはGoogleの独自グラフで訓練されてはいないと明言します。この主張が一見それらしく通ってしまう唯一の理由は、GeminiがGoogle自身のグラフを使えるという事実にあり、それによってGoogle固有の真実が普遍的な衣装を借りられるからだ、という指摘です。
2つめはより微妙で、より一般的だとされます。ベンダーが「リッチなスキーマを持つページのほうが引用される頻度が高い」というデータを見せ、それを因果の証明と呼ぶケースです。原文は、その相関はまったく別の理由から予想されると指摘します。完全なマークアップを載せられるほど丁寧に作られたページは、たいてい出典がしっかりし、よくリンクされ、広く参照されているページでもあり、それこそが引用を獲得している要因だからです。「スキーマは相乗りしただけだ。運転してはいない」。スキーマは機械があなたを曖昧性解消する助けとなるインフラであって引用を引き出すレバーではなく、その相関を報告している人は出力を見ているのであってメカニズムを読んでいない、と続けます。
そこで読者に持たせるのが1つの質問です。エンティティマッピングを売る相手に、「あなたのオンサイトのグラフが、モデルが学習時に学んだ内容をどう変えるのか、そのメカニズムを名指ししてください」と尋ねること。返答が「スキーマがAIの理解を助けます」であれば、それはメカニズムの衣を着せられた観察を手渡されただけだ、というわけです。記事は、勝つ実務家と去年のプレーを走らせている実務家を分けるリテラシーは、自分が実際にどのシステムをフィードしているのかを知り、パラメトリックな約束にグラフの値段を払うことを拒むことだと述べています。
実務への影響と、今日からできる確認手順
原文が示している打ち手の範囲で、手を動かせるところを整理します。まず、面を3つに分けて棚卸しすることです。記憶から答える面(パラメトリック側)、ライブでページを取得してから答える面(検索連携側)、そしてGoogle自身の面(グラフに対してエンティティを解決する)。同じ「AI検索での可視性」という言葉で報告している数字が実際にはどの面のものなのかを分けるだけで、施策の当たり外れの読み方が変わります。
次に、原文が「唯一の誠実な答え」と呼ぶ測定です。戦術の物語を信じるのをやめ、出力を直接観察すること。原文はこれを「売り文句が生き延びられない決着方法」と表現しています。
- 自社の主要な質問を固定し、検索をオフにした回答とオンにした回答を同じ文言で取り、両方を継続的に記録する。
- エンティティマークアップの完成度でパラメトリック側の成果を採点しない(原文が明示的に勧めている点です)。
- Google側の作業は続ける。対象は構造化データ、第三者による一貫した裏付け、独立した情報源が同意するきれいなWikidataエントリの3点です。
- パラメトリック側を動かしたいなら、自社サイトの外に予算を置く。原文が挙げるのは、モデルがすでに信頼している場所での引用と、自分ではコントロールできない言及の獲得です。
- 売り込みを受けたら、メカニズムを名指ししてもらう。「スキーマがAIの理解を助けます」で止まる説明は、原文の言い方では観察であってメカニズムではありません。
※以下はScale Basics編集部による一般的な実務上の補足です。モデルの回答は同じ条件でも揺れるため、日付・使用モデル・検索のオンオフ・プロンプト文言をそろえて記録に残し、複数回の傾向として読む運用にしておくと、社内で共有したときの解釈のぶれが小さくなります。
所感
ここからは記事本文にはない、Scale Basics編集部の見解です。この論考が突いているのは、AI検索対策の提案書でいま最も混ざりやすい部分だと考えます。「構造化データを整えればAIに引用される」という一文は、検索連携側についてはおおむね妥当で、パラメトリック側についてはメカニズムの裏付けがありません。ところが提案書の上ではこの2つが1行に収まり、出し手も受け手もどちらの話をしているか意識しないまま契約に進みます。原文が「混同そのものが商品」と呼ぶのは、この1行のことでしょう。
実害が出やすいのは成果指標の置き方です。AI検索での言及数を単一のKPIにし、その改善策として構造化データの整備を積む設計は珍しくありませんが、原文の整理に従えばその指標が動いたときに動いているのは検索連携側である可能性が高く、施策と成果の対応関係を誤って学習してしまうおそれがあります。指標を「検索オンの回答での登場」と「検索オフの回答での登場」に割ってから積むだけで、どこに効く投資をしているのかが見えます。なお、この記事は構造化データの価値そのものを否定してはいません。否定されているのは、学習済みモデルの記憶を書き換えるレバーだという主張のほうです。
まとめ
・Search Engine Journalが2026年7月30日付でDuane Forrester氏(UnboundAnswers.com創業者兼CEO)の論考を掲載し、エンティティマッピングはフィードすべきグラフが実在するGoogleでは本物の仕事をするが、そのグラフが存在しない言語モデル本体にはほとんど仕事をしない、と論じた
・Googleのナレッジグラフは2012年に「モノであって文字列ではない」の旗印で始まった実在のオブジェクトで、構造化データ・第三者による一貫した裏付け・Wikidataエントリを通じて間接的にしかフィードできず、記事はこれを「投稿箱ではなく確信の機械」と表現している
・言語モデルのパラメトリック記憶には編集できる行もノードもパネルも無く、学習過程はスキーマブロックを解析せずsameAsリンクも尊重しない。さらにエンティティ知識と関係知識はモデル内の別々の場所にあって対応づかないため、構造化データのトリプルには内部に忠実な対応物が無いと記事は説明している
・原文は思考実験として、完璧なマークアップを持つ中堅ベンダーが検索オンのChatGPTでは登場し検索オフでは不在になる例を挙げ、検索連携が大きな役割を果たしていること、それでも両者を1つの品目として扱うのが間違いであることを示している
・見抜き方として「エンティティデータがChatGPTやClaudeを訓練している」という主張(GeminiがGoogleのグラフを使える点を普遍化した誤り)と、リッチスキーマと引用の相関を因果と呼ぶ主張の2つを挙げ、売り手にはメカニズムを名指しさせるべきだと勧めている
よくある質問
Q1: 構造化データやsameAsを整えれば、ChatGPTに自社を覚えてもらえるのですか?
記事の主張では、覚えてもらえません。原文は、学習過程がスキーマブロックを解析せずsameAsリンクも尊重しないと説明し、「ページ全体が青くなるまでsameAsリンクを足しても、そのパターンを1インチも動かせない」と書いています。重みに符号化されるのは、ウェブの他の部分がどれくらい頻繁に、一貫して、信頼できる形で自社を語っているかです。ただし記事は、検索を有効にしたモデルがライブでページを取得する場面では、きれいな構造と明確なエンティティシグナルが引用されることに本当に役立つとも明言しています。
Q2: では構造化データの整備はもう不要ということですか?
いいえ。記事は「何も意味がない」に潰すのは過剰反応だと明確に否定しています。原文の位置づけでは、スキーマは機械があなたを曖昧性解消する助けとなるインフラであり、構造化されたコンテンツはフェッチときれいな抽出を稼ぎます。Google側についても、ナレッジグラフという実在の標的があり、AI回答は生成前にそのグラフに対してエンティティを解決すると認めています。否定されているのは、構造化データが学習済みモデルの記憶を書き換えるレバーである、という主張のほうです。
Q3: 自社がどちらの側で見えているのか、どう確かめればよいですか?
原文が「唯一の誠実な答え」として挙げるのは、戦術の物語を信じるのをやめて出力を直接観察することです。同じ質問について、モデルが記憶から答えるときとライブフェッチで答えるときとで自社が登場するかを、時間をかけて追跡します。検索駆動の回答でだけ存在感が上がり記憶のみの回答が横ばいなら、エンティティマッピングが売られた仕事のちょうど半分をこなしている状態だと記事は説明しています。※ここから先はScale Basics編集部による一般的な実務上の補足ですが、モデルの回答は同じ条件でも揺れるため、日付・モデル・検索のオンオフ・プロンプト文言をそろえて記録し、複数回の傾向として読む運用をおすすめします。
出典:Entity Mapping Works On Google. Does Any Of It Reach ChatGPT?(Search Engine Journal、Duane Forrester氏、2026年7月30日)https://www.searchenginejournal.com/entity-mapping-works-on-google-does-any-of-it-reach-chatgpt/583663/
