グラウンディング（grounding）

モデルがグラウンディングされている場合、パラメーターだけから生成するのではなく、クエリ時に取得したテキストをもとに回答します。AI回答エンジンで目にする引用リンクは、この取得ステップから生まれます。各主張は元の一節までたどることができ、その一節はページを指し示します。グラウンディングされていない回答には引用できる出典がなく、だからこそ流暢に読めても検証ができません。この違いが重要なのは、二つの失敗の仕方が異なるからです。グラウンディングされていないモデルが誤っている場合、自分が誤っていることを知る手立てがありません。グラウンディングされたモデルが誤っている場合は、少なくとも確認できる文書と、たどって戻れる経路が残ります。

グラウンディングは、明快で読みやすい出典であることが引用される条件になる理由でもあります。モデルは、解析でき信頼できるページに対してグラウンディングを行います。平易に書かれ、内容に矛盾がなく、ほかでも裏付けられているページです。ある主張が無名のページに一度書かれているだけなら、根拠としては弱いものです。同じ主張が明快に述べられ、独立した複数の出典で繰り返されていれば、強い根拠になります。リトリーバーはその一節を見つけなければならず、モデルはそれを理解しなければならず、システムは引用するに足る信頼性があると判断しなければなりません。これらの各ステップは、巧みな言い回しよりも平明な構造を評価します。

メリノウールのベースレイヤーを販売するShopifyのストア運営者を考えてみます。買い物客がPerplexityに、数回着用しても匂いが残りにくいメリノウールを作っているブランドはどこかと尋ねます。もし商品ページがその特性をマーケティング文に埋もれさせ、それに触れたレビューがクローラーの読み取れないウィジェット内にあるなら、グラウンディングできる明快な材料が存在しません。実際に顧客がまさにそう述べていても、ブランドは引用されません。同じ特性が商品ページに平易に記載され、顧客自身の言葉で同じことを述べる読み取り可能でインデックス可能なレビュー本文によって裏付けられていれば、ブランドは引用可能な材料になります。AI回答エンジンは、匂いの残りにくさについての一文を、実際に引用できる一節に根拠付けることができます。

これが、グラウンディングがAI回答エンジンでの可視性の中心に位置する理由です。ChatGPT、Perplexity、Google AI Overviewsは、回答する前に取得を行う傾向を強めており、取得されたものが引用されます。グラウンディングのための最適化は、モデルを出し抜くことではありません。情報を読みやすく検証しやすくして、取得ステップを通過できるようにすることです。

正直に付け加えると、グラウンディングは捏造を減らしますが、なくすわけではありません。モデルは出典に根拠付けても誤読することがあり、その一文を実際には支持していないページを引用することもあります。そのため引用は出典が存在する証拠ではあっても、出典がその内容に同意している証明ではありません。既存のレビューを読み取り可能で裏付けのある、検索とAIに実際に引用される状態にすること。そこにある隙間をBeyondReviewsが埋めます。