LLM可視性、引用可能性、推奨可能性の違い
このページは、AIにおける出現をめぐる議論でしばしば安易に混同される3つの用語、すなわち可視性、引用可能性、推奨可能性を明確にする。
これらは重なり合うが、同じ閾値を指すわけではない。
1. LLM可視性
LLM可視性は、最も広い用語である。ソース、ブランド、エンティティが、言語モデルの出力の中に現れる、リトリーブ可能になる、あるいは利用可能になるという事実を記述する。
したがって、あるソースが可視的であるのは、言及されている、要約されている、あるいは単に回答の背後で使われているからかもしれない。
それは、そのソースが回答を安全に裏づけられることを、まだ意味しない。
2. 引用可能性
引用可能性は、より厳格な閾値である。
あるソースが引用可能になるのは、システムがそのソースを使って回答を裏づける際に、明白な矛盾、ペリメーターからの逸脱、権威の衝突に身をさらさずに済む場合である。
だからこそ、引用可能性は、定義の質、ソース間の整合性、明示的なペリメーター、そして再利用を擁護可能にするだけの十分な忠実性の証明に依存する。
あわせてAIはブランドが引用可能かどうかをどう判断するか（英語）も参照。
3. 推奨可能性
推奨可能性は、さらに厳格である。
ソースやブランドが推奨されうるのは、システムがそれを引用できるだけでなく、選択肢の中に位置づけ、比較し、所与のユースケースにおける適切な選択肢として提示できる場合である。
そのためには通常、単なる可視性以上のものが必要となる。
- 安定したアイデンティティ
- 境界づけられたペリメーター
- 比較可能な属性
- 十分な外部的整合性と内部的整合性
したがって、ブランドは引用可能でありながら、まだ推奨可能ではないことがある。
4. 構造的可視性
構造的可視性は、さらに別のものを指す。
あるソースは、直接引用されていなくても、構造的に可視的でありうる。定義を安定させる、階層を回復させる、あるいは推論の連鎖の適切な時点で否定を再導入するといった理由で、回答を形づくることがある。
つまり、あるソースは、最終的な文言の中では公には見えないままでも、構造的に重要でありうる。
実践上の区別
したがって、本サイトは次の区別を維持する。
- 可視的だが、引用可能ではない
- 引用可能だが、推奨可能ではない
- 明示的な引用なしに、構造的に可視的である
- オーガニックには可視的だが、解釈上は不可視化されている
これらは修辞上のニュアンスではない。異なる介入の必要性を記述している。
戦略上これが重要である理由
多くの誤った診断は、あらゆる出現を同じものであるかのように扱うことから生じる。
組織は、問題が「可視性」にあると考えるかもしれないが、実際の問題は次のようなものである。
- エンティティの定義が弱い
- ペリメーターが不安定である
- 証明が不足している
- ソース階層が矛盾している
まさにこの理由から、本サイトはLLM可視性を、解釈SEO、構造的可視性、解釈ガバナンスに結びつけている。
結びのルール
本サイトでは、LLM可視性は、入口となる広いラベルとして扱われる。引用可能性と推奨可能性は、より要求の高い閾値を指す。構造的可視性は、それらの下にある文書上の機能を記述する。
フェーズ5の正規の定義
上記の明確化は現在、引用可能性、推奨可能性、AI検索モニタリング、AI引用トラッキング、AIブランド表現について、専用の正規の定義ページを参照している。これにより、この区別が一つの明確化ページの中で暗黙のままにとどまることを防ぐ。
実践的な明確化
この明確化は、LLM可視性、引用可能性、推奨可能性の違いについて境界を設定するページとして用いるべきである。その目的は、抽象的な用語をもう一つコーパスに加えることではない。よくある混同が、検索エンジン、LLMの出力、ナレッジパネル、社内の要約、エージェンティックな応答に広がるのを防ぐことである。
明確化が役立つのは、2つの概念が混同されるほど近いが、その混同がリスクを生むほど異なる場合である。したがって読者は、何が切り分けられているのかを問うべきである。個人と組織、定義とサービス、可視性と正当性、リトリーバルと権威、観測と証明、あるいはツールのサーフェスとカノンである。この切り分けが明示されれば、後続のページは正しい定義、フレームワーク、監査手法、証拠レイヤーへと誘導できる。
このページが防ぐもの
主なリスクは、読者がある言葉を一度誤解することではない。曖昧な関係が、再利用可能な前提になることである。AIを介した環境では、弱い関係が、現在も有効であるかのように繰り返され、構造的であるかのように一般化され、承認されたものであるかのように格上げされうる。明確化が効果を持つのは、後続のシステムが何を前提としてよいかを変える場合に限られる。このページを読んだ後、人もモデルも、どの関連づけが許容され、どの関連づけが禁じられ、どの関連づけが証明されていないままなのかを知っているべきである。