日本語サイトがAI検索で不利な理由—英語との差と、引用されやすいサイトの条件

ChatGPTで「福岡 伝統工芸 体験」と検索すると、地元の工房ではなく、TripAdvisorや英語のブログばかりが出てきます。

「福岡 介護 求人」でも同じ。Indeedや海外の比較サイトが並び、日本語の事業者はほとんど表示されません。

日本語で質問しているのに、日本語のサイトが出てこない。実際に今AI検索で起きていることです。

理由はシンプルです。インターネット上のテキストデータのうち、英語が約60%、日本語はわずか約3%（W3Techs調べ）。AIが学習できる日本語の情報は、英語と比べて20倍近く少ない状態にあります。

その結果、AIは「引用したい日本語コンテンツがない」。だから英語サイトに頼るしかない=構造的な問題です。

ただし、裏を返すとチャンスでもあります。まだ誰も書いていない領域では、1記事で「その分野の代表サイト」になれる状態が続いています。

どの業界に空白があるのか。何を書けばAIに引用されるのか。データから整理していきます。

この記事でわかること｜📖：約8分

• AIが日本語サイトを引用しない2つの構造的な理由
• Redditがない——英語圏が持っていて日本語圏にないもの
• データが薄い業界ほどAI引用で逆転できる理由
• 今日からできる3つの具体的なアクション

ChatGPTがサイトを引用しない2つの理由

ChatGPTやPerplexityが質問に答えるとき、どこから情報を持ってきているのか？

実は大きく2つのルートがあります。

ひとつは「学習データ」。AIが事前に大量のテキストを読み込んで覚えた知識です。本や記事、ウェブサイトなど、インターネット上に存在する膨大なテキストを学習しています。

もうひとつは「リアルタイムフェッチ」。質問されたタイミングでウェブを検索して、今あるページの内容を参照する方法です。Perplexityはほぼこの方式で動いていて、ChatGPTも検索機能をオンにすると同じように動きます。

ここで重要なのが、この2つのルートで「日本語の情報量」に大きな差があるということです。冒頭で触れた英語60%・日本語3%という差は、学習データだけの話ではありません。

リアルタイムフェッチで検索しても、参照できる優良な日本語ソース自体が少ない——この二重苦が、日本語サイトがAIに引用されにくい根本的な理由です。

ここで重要な誤解を整理します。AIが日本語サイトを引用しないのは、「AIが日本語を理解できないから」ではありません。

ChatGPTもPerplexityも、日本語の読み書きは問題なくできます。問題は理解力ではなく、「学習できる日本語テキストの絶対量」です。

英語には数十億ページ分の学習データがあります。日本語はその20分の1以下。さらに日本語コンテンツの多くは転載・まとめ・コピーが多く、一次情報の割合が英語圏より低い傾向があります。AIは同じ内容の転載より、オリジナルの一次情報を優先します。つまり「量が少ない上に、質の高い一次情報がさらに少ない」という二重の問題があります。

インターネット上のテキストデータ全体のうち、英語が占める割合は約60%。一方、日本語は約3%ほど（W3Techs調べ）。AIが学習する材料の量が、そもそも英語と日本語では20倍近く違います。

英語圏が持っていて日本語圏にないもの

英語圏のAIが引用先を選ぶとき、真っ先に参照するサイトがあります。

その名はReddit（レディット）。

日本には「Reddit」がない。5ちゃんねるは匿名すぎて信頼性が低い。知恵袋は答えの質がバラバラ。つまり「みんなが良いと言った日本語の経験談」がネット上にほぼ存在しないんです。

Redditは月間アクティブユーザーは約15億人（Reddit公式）。投稿には「いいね」「よくない」の投票機能があり、コミュニティが自然に「良い情報」をランク付けしています。AIにとってこれが重要で、「人間が信頼できると判断した情報」が大量に揃っている場所として、学習データとしてもリアルタイム引用元としても優先されやすい。

さらに2024年、OpenAIはRedditと正式にデータ利用契約を締結しました（Reuters, 2024）。Redditの膨大な「人間のリアルな声」が、公式にAIの学習データとして使われることになったわけです。

では日本語圏はどうかというと、Redditに相当するサービスが存在しません。

5ちゃんねるは完全匿名で信頼性シグナルが弱く、Yahoo!知恵袋は質問形式で「答え」の質がばらつく。はてなブックマークはコメントが短すぎる。Twitterは2023年以降、AIへのデータ提供を制限しています。

「人間が信頼できると判断した情報が大量に集まる場所」が、日本語圏には構造的に存在しない。英語圏との最大の差です。

データが少ない業界ほど、AIに引用されやすい

ここまで読んでみて、「じゃあ日本語サイトはずっと不利なのか」と思った人もいるかもしれません。

でも、話はここで逆転します。

AIがリアルタイムフェッチで情報を探すとき、何を優先するか。それは「その質問に答えられる唯一のソース」です。ライバルが多い分野では埋もれてしまうけど、日本語の情報がほとんどない分野では、ちゃんと書かれたサイトが一気に引用候補のトップに躍り出ます。

AI観測ラボの観測データでも、バックリンクの数よりも「その質問への回答がそこにしかない」という希少性の方が引用率に影響することが確認されています（ChatGPTに引用されるサイトの条件｜AI観測ラボ）。

つまりは下記の通りです。

英語圏ではすでにRedditや大手メディアが引用枠をほぼ独占しています。新しいサイトが割り込む余地はほとんどない。でも日本語圏では、特定の業界においてまだ「引用枠が空いたまま」の状態が続いています。

特にデータが薄いのは、こういった業界です。

業界	日本語データの現状	AIにとっての状況
伝統工芸・職人	ほぼ存在しない	唯一のソースになりやすい
地方の農業・漁業	断片的な情報のみ	詳しく書けば即引用候補
中小建設・設備工事	専門的な日本語記事が少ない	競合がほぼいない
介護・福祉の現場	制度情報は多いが現場の声が少ない	体験談・実務情報は希少
地域の中小飲食・小売	ローカル情報が極端に薄い	地名＋業種での引用枠が空いている

なぜ地方・専門・一次情報が強いのか。理由は3つあります。

1つ目は「代替できない情報」だから。「福岡市博多区の左官職人が語るモルタル配合の話」は、ChatGPTが学習データだけでは答えられません。リアルタイムでウェブを探して、唯一書いてあるサイトを引用するしかない。一次情報の希少性が、そのまま引用されやすさに直結します。

2つ目は「競合がいない」から。英語圏ではRedditや大手メディアがほぼすべての引用枠を押さえています。日本語の地域・業種特化コンテンツは、その競争がまだ始まっていない状態です。順位を争う相手がいない領域で書くことは、SEOより遥かに有利です。

3つ目は「鮮度が担保されている」から。AIは最新情報を優先します。大手メディアが書かないような現場の細かい話を、当事者が定期的に更新していれば、AIにとって「今一番信頼できるソース」になります。

大手メディアやSEOの強いサイトが参入しにくいニッチな領域ほど、今が一番チャンスのある状態です。

AI検索の引用競争は、SEOと違ってドメインパワーやバックリンクの差が出にくい（AIクローラーと従来検索の違い｜AI観測ラボ）。今この瞬間に「その業界で一番詳しい日本語サイト」になることが、AI時代の最大の差別化になります。

→ ChatGPTはどうやって情報を集めているのか｜実測ログで見えた裏側

あなたの業界で、あなたの地域で、日本語で一番詳しい1記事を作る。事業への思い一心でChatGPTの答えが変わります。

今日からできる3つのアクション

日本語データが少ないことは、制約ではなくチャンスです。AIは「日本語で詳しく書かれた一次情報」を、まだ十分に学習・参照できていません。

だから今は、特定の業界・地域・テーマで丁寧に情報を残しているサイトほど、AIの引用元になりやすい時期です。

まずは、お客さんに毎回説明していることを記事にしてみてください。

1. 自社の「よくある質問」を10個書き出す：お客さんに毎回説明している内容こそ、AIが探している情報です。
2. 「地域名＋業種」でAI検索してみる：ChatGPTやPerplexityの答えに自社が出てこなければ、まだ誰も情報を書けていない可能性があります。
3. 現場写真を1枚入れて、自分の体験を書く：AIは一次情報を重視します。実際の現場や体験談が、引用の判断材料になります。

AIは、実際に現場を持っている人の情報を探しています。

あなたの業界で。
あなたの地域で。
日本語で一番詳しい1記事を書く。

上記の考え方・書き方でChatGPTの答えは変わり始めます。