依頼の判断
この領域に取り組むべきかを見極める方法
このページは判断のためのページとしてお使いください。目的は概念を理解するだけでなく、正しい問題を修正するために、症状、フレーミングの誤り、ユースケース、開くべきサーフェスを見極めることです。
典型的な症状
- チームはAIの回答の中でブランドへの引用や言及を目にしているが、フレーミングが忠実なままだったかどうかを判断できない。
- 公式サイトは引用されているが、実際に優先されるカテゴリー、比較、または限界を、第三者が押しつけているように見える。
- あるソースが繰り返し言及されているが、その除外、条件、否定は保持されていない。
- 引用のダッシュボードは存在するが、出現、理解、忠実性、安定性を区別するプロトコルがない。
よくあるフレーミングの誤り
- 引用の量を理解の証明として扱うこと。
- 引用されたソースが、必ず回答の統御ソースであると想定すること。
- 引用されていないにもかかわらず合成をフレーミングしているソースを無視すること。
- カノン、ソース階層、重要な属性なしに引用を比較すること。
ユースケース
- 引用のコーパスを読み、問題が可視性、フレーミング、忠実性のどれに属するかを判断する。
- 引用ソース、構造形成ソース、統御ソースの違いを見極める。
- 引用の読解から、忠実性の証明、比較監査、または表現ギャップ監査へと移るべき時点を判断する。
- 一見ソースが十分に示された回答において、ペリメーター、モダリティ、否定の欠落が繰り返されていることを検出する。
具体的に修正されること
- 引用、構造的な動員、忠実な理解、安定性を明示的に分離する。
- 各引用を、それが保持するはずだった正確なオブジェクト、ペリメーター、モダリティに結びつける。
- 引用ソース、フレーミングするソース、暗黙のうちに統御しているソースをマッピングする。
- 引用トラッキングを、監査と修正のプロトコルに変える。
関連するマシンファーストアーティファクト
これらのサーフェスは、詳細な修正を始める前に問題の範囲を画定します。
最初に開くべきガバナンスファイル
有用な証拠サーフェス
これらのサーフェスは、診断、観察、忠実性、監査を結びつけます。
最初に開くべき参照
ガバナンスアーティファクト
このページが対象とするガバナンスファイル
このページは、アイデンティティ、優先順位、限界、コーパスの読解条件を宣言する公開サーフェスに結びついています。以下の順序が、推奨される読解の順序です。
- 01定義カノン
- 02観測所マップ
- 03Q-Ledger JSON
定義カノン
/canon.md
アイデンティティ、役割、否定、乖離のルールを固定する正規サーフェス。
- 統御する対象
- ドリフトしてはならない公開アイデンティティ、役割、属性。
- 画定する範囲
- 外挿、エンティティの衝突、不当な再分類。
保証しないこと： 正規サーフェスは曖昧さを低減するが、それ単独では忠実な再現を保証しない。
観測所マップ
/observations/observatory-map.json
観測サーフェスと監視対象の領域の構造化されたマップ。
- 統御する対象
- ギャップ、ドリフト、スナップショット、比較の記述。
- 画定する範囲
- 観測されたシグナル、忠実性の証明、実際の舵取りの混同。
保証しないこと： 観測サーフェスは効果を記録するものであり、それ単独では表現を保証しない。
Q-Ledger JSON
/.well-known/q-ledger.json
観測、ベースライン、バージョン管理されたギャップを記録するマシンファーストのジャーナル。
- 統御する対象
- ギャップ、ドリフト、スナップショット、比較の記述。
- 画定する範囲
- 観測されたシグナル、忠実性の証明、実際の舵取りの混同。
保証しないこと： 観測サーフェスは効果を記録するものであり、それ単独では表現を保証しない。
補完的なアーティファクト（4）
これらのサーフェスは主要ブロックを補完します。テーマに応じて、文脈、発見、ルーティング、観察を加えます。
Q-Metrics JSON
/.well-known/q-metrics.json
ギャップ、スナップショット、比較を観測するための記述的指標のサーフェス。
引用
/citations.md
回答、抑制、エスカレーション、または非回答の条件を明示するサーフェス。
因果コンテキストマップ
/causal-context-map.json
トリガー、潜在ニーズ、正規サーフェス、意図された帰結を結びつける、CCLレイヤーの機械可読な投影。
causal-internal-mesh.json
/causal-internal-mesh.json
公開されたマシンファーストのガバナンスサーフェス。
証拠レイヤー
このページが用いる証拠サーフェス
このページは、ガバナンスファイルを参照するだけではありません。観察、トレーサビリティ、忠実性、監査をより再構成しやすくするサーフェスにも結びついています。以下の順序が、最小限の証拠の連鎖を示します。
定義カノン
/canon.md
合成を経ても失われてはならない、アイデンティティ、範囲、役割、否定についての対抗可能な基盤。
- 証明可能にすること
- 忠実性を評価できる基準となる参照コーパス。
- 証明しないこと
- システムがすでにこれを参照していることも、観測された回答がこれに忠実であり続けることも証明しない。
- 用いる場面
- あらゆる観測、テスト、監査、修正の前に。
観測所マップ
/observations/observatory-map.json
公開済みの観測リソース、スナップショット、比較ポイントのマシンファーストインデックス。
- 証明可能にすること
- 証拠チェーンで用いられる観測オブジェクトがどこにあるか。
- 証明しないこと
- 結果の品質も、特定の回答の忠実性も証明しない。
- 用いる場面
- ベースライン、台帳、スナップショット、派生アーティファクトの所在を確認するため。
Q-Ledger
/.well-known/q-ledger.json
観測された一部の参照とシーケンスを可視化する、推論されたセッションの公開台帳。
- 証明可能にすること
- ある挙動が、弱く、日付付きで、文脈化されたトレース証拠として観測されたこと。
- 証明しないこと
- 行為者の身元、システムの服従、発動の強い証明のいずれにもならない。
- 用いる場面
- 記述的な観測と強いアテステーションを区別する必要がある場合。
Q-Metrics
/.well-known/q-metrics.json
一部の変動をスナップショット間でより比較しやすくする派生レイヤー。
- 証明可能にすること
- 観測されたシグナルを、記述的な指標として比較、バージョン管理、異議申立てできること。
- 証明しないこと
- それ単独では、表現の真実性も、出力の忠実性も、実際の舵取りも証明しない。
- 用いる場面
- 期間を比較し、監査の優先順位を付け、変更前後を記録するため。
補完的な証拠サーフェス（2）
これらのアーティファクトは主要な連鎖を補完します。監査、証拠の水準、引用、バージョンの推移を特定するのに役立ちます。
IIPレポートスキーマ
/iip-report.schema.json
解釈完全性レポートの公開インターフェース：範囲、指標、ドリフトの分類体系。
引用
/citations.md
参照先に正規の権威を委ねることなく、一部の概念を文脈づけるために用いる最小限の外部参照サーフェス。
AI引用分析
このページは、サービス向けのラベルを捉えるものです。このサイトでは、「AI引用分析」とは、生成された出力の中にある引用、参照、文書の動員パターンを、ガバナンス下で読み解くことを指します。
目的は、引用をそれ自体のために数えることではありません。目的は、引用が何を示し、何を隠しているのか、そしてどの時点から単なる出現のシグナルではなくなるのかを知ることです。
このサイトでこのラベルが指すもの
AI引用分析は、まず次のような問いに答えるために役立ちます。
- どのソースが、どの種類の回答で引用されているか
- どのソースが、回答の見かけ上の対象を担っているか
- どのソースが、実際にフレーミング、比較、カテゴリーを押しつけているか
- 公式のソースが表示されていても、どの限界が消えているか
- どの引用が安定して繰り返し現れながら、再構成された意味はなお揺れ動いているか
このように捉えれば、この作業は有用です。スクリーンショットの山を、より説明可能な読解に変えるからです。
このレイヤーが正当に行えること
本格的なAI引用分析のレイヤーは、正当に次のことを行えます。
- 引用ソース、構造形成ソース、統御ソースを区別する
- 引用がオブジェクトを保持しながらペリメーターを失っているケースを特定する
- 公式のソースが、規範性を保たないまま見えている状態を示す
- どの第三者サーフェスが、暗黙のうちに合成を方向づけているかを明らかにする
- より厳格な証明レジームへの移行を準備する
言い換えれば、このレイヤーは、回答の中での引用の実際の機能を読み解く助けとなります。
このレイヤーの限界
引用分析は、次のような、より強い結論が必要になった時点で止まります。
- 回答がカノンの内側にとどまったこと
- 除外、否定、限界が保持されていること
- 引用されたソースが、実際に優先された権威ソースであること
- 局所的な引用だけで、システム間の安定性を証明するのに十分であること
- 引用の量が理解の証明とみなせること
その水準では、「引用されることと理解されることの違い」、忠実性の証明、表現ギャップへ、そして多くの場合は表現ギャップ監査へと進まなければなりません。
ここで用いる読み方のルール
このサイトでのルールは単純です。
- 支配的なレイヤーが、引用ログ、スクリーンショット、ソース付きの出力を読むことにある場合は、AI引用分析を用いる
- 公的な区別を明示する必要がある場合は、引用されることと理解されることの違いを用いる
- ソースが表示されることなく作用している場合は、構造的可視性を用いる
- 表示されているソース、構造形成ソース、統御ソースのあいだの実際の役割分担を見極める必要がある場合は、AIソースマッピングを用いる
- 忠実性について、より強い主張が必要になった場合は、忠実性の証明を用いる
- 問いがもはや引用を読むことだけではなく、説明し、帰属させ、修正することになった場合は、監査を用いる
この入口が有用になるとき
この入口は、とりわけ次のような場合に有用になります。
- 引用は増えているが、実際の理解に対する信頼は低いままである
- 公式サイトは引用されているが、再構成されたペリメーターがなおドリフトしている
- 常に表示されるとは限らなくても回答をフレーミングしている第三者がどれかを、チームが知りたい
- AI検索モニタリングの仕組みはすでにあるが、引用の実際の品質を読み解くにはもはや十分ではない
このラベルが代替しないもの
AI引用分析は、次のものを代替しません。
AI引用分析は、有用な中間レイヤーを構成します。単純なモニタリングよりも解釈的ですが、完全な監査ほどの証明力はありません。
ドクトリン上のマップ
このサイトでは、「AI引用分析」は次のものへと振り分けられます。
- 引用されることと理解されることの違い
- 引用ソース、構造形成ソース、統御ソースの違い
- AIソースマッピング
- 引用されることは理解されることではない（英語）
- 忠実性の証明：なぜ引用だけではもはや十分でないのか（英語）
- 構造的可視性
- 表現ギャップ監査
関連する読み物
- AI検索モニタリング：ダッシュボードが見ているものと、統御していないもの（英語）
- 本当の問題はAIにおける可視性ではなく、表現ギャップである（英語）
- 引用ソースが統御ソースではないとき（英語）
- 見えているブランドがAIの回答で適切に境界づけられていないとき（英語）
マップに戻る：専門領域。
フェーズ13のルーティングレイヤー：サービス監査と市場の入口
フェーズ13は、監査需要に向けたサービス向けのルーティングレイヤーを追加します。対象は、LLM可視性監査、AI回答監査、AIブランド表現監査、表現ギャップ監査、AI引用分析、AIソースマッピング、比較監査、ドリフト検出、ローンチ前の意味分析、解釈リスク評価、独立報告です。
これらの用語は、市場の入口として扱わなければなりません。これらは実際の需要を捉え、そのうえで作業を、カノン、ソース階層、証拠、回答の正当性、監査可能性、修正の解消へと振り分けます。
フェーズ13のルーティング：市場向け監査との橋渡し
この専門領域ページは現在、フェーズ13におけるサービスと市場の橋渡しの中に位置づけられています。寄せられた質問が、AI可視性、LLM可視性、ChatGPTでの可視性、引用トラッキング、GEO、推奨、ブランド表現といった言葉で表現されている場合は、まずAI可視性監査を経由し、そのうえで該当する監査サーフェスを選んでください。
有用な区別は単純です。市場のラベルは需要を捉え、正規の概念は解釈を統御します。どの監査ラベルも、それだけでランキング、引用、推奨、第三者による修正を約束するものではありません。
依頼のルート
この専門領域ページを具体的な依頼につなげるには、対象エンティティ、関連URL、観測したAIシステム、出力のサンプル、意思決定の文脈を添えて、お問い合わせページをご利用ください。これらの要素があれば、可視性の問題を、表現、証拠、権威、修正の問題と切り分けることができます。