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。
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。
- 統御する対象
- コンテンツの因果的な読解と、問題、ニーズ、サーフェス、帰結の間の正当な橋渡し。
- 画定する範囲
- 見かけ上の主題、潜在ニーズ、サービス、約束を混同する、もっともらしさに基づく再構成。
保証しないこと： このマップは、コンバージョン、ランキング、引用、第三者モデルによる採用のいずれも保証しない。
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。
- 統御する対象
- コーパスの読解条件の一部。
- 画定する範囲
- そうでなければ暗黙のままになる推論の領域。
保証しないこと： このファイルだけで、システムが従うことを保証するものではない。
LLM認識ドリフトとAI認識ドリフト
LLM認識ドリフトは、AI可視性を超える問題を指す名称です。あるエンティティは、生成された回答に登場し、回答エンジンに引用され、要約で言及されていても、なおそのカノンから次第に離れていく形で再構成されることがあります。
このページは、gautierdorval.comにおけるAI認識ドリフトのクラスターの概念的なハブです。新たに現れつつある市場の語彙を、このコーパスですでに安定している概念、すなわち解釈ドリフト、AIブランド表現、カノンと出力のギャップ、忠実性の証明、フレーミングの安定性、ドリフト検出、解釈リスクと結びつけます。
作業上の定義
LLM認識ドリフトとは、大規模言語モデルがあるエンティティを記述、分類、比較、推奨、優先順位づけする方法に、時間の経過とともに生じる観察可能な変化です。
より広い表現であるAI認識ドリフトは、テキストを扱うLLMだけでなく、回答エンジン、アシスタント、RAGシステム、生成要約、エージェント、そして人間または別の機械が利用できる表現を生み出す推奨サーフェスも含みます。
問題は、単にブランドが可視かどうかではありません。問題は、生成された表現が忠実で、最新で、境界づけられ、差別化されたものであり続けるかどうかです。
このクラスターが存在する理由
市場の語彙は、認識ドリフトを追跡指標に還元しがちです。引用数、生成AIにおけるシェア・オブ・ボイス、センチメント、回答内の平均順位、推奨頻度などです。
これらの測定は有用ですが、不十分です。観察しているのは効果です。表現がなぜ変わるのか、どのソースが支配しているのか、どのカテゴリーがエンティティを吸収しているのか、どの証拠が欠けているのか、どの競合が意味的近傍を汚染しているのか、どの古いバージョンが回答を構造づけ続けているのかを、常に説明するわけではありません。
このクラスターの役割は、より強いテーゼを示すことです。
AI可視性だけでは、もはや十分ではありません。いま重要なのは、AI認識の安定性です。
その安定性には、読み取り可能なカノン、境界づけられた定義、ソース階層、アクセス可能な証拠、除外事項、曖昧性解消のリンク、そして宣言されたものと再構成されたもののあいだのギャップの観察が必要です。
ドリフトの主な形態
AI認識ドリフトは単一の現象ではありません。いくつかの形態をとりえます。
カテゴリードリフト
エンティティが、誤った市場、広すぎるカテゴリー、あるいは実際の役割に合わない競合の近傍に置かれます。デジタル可読性を専門とするファームが、SEOエージェンシーに還元されることがあります。解釈ガバナンスのドクトリンが、ボット向けファイルの単なる集合に還元されることがあります。
表現ドリフト
システムが生み出す描写が変化します。サービス、対象者、差別化要素、限界、証拠、著者、ペリメーター、ステータスなどです。表現はもっともらしくなりますが、正確さは下がります。
推奨可能性ドリフト
ブランドや概念が、必ずしも消えるわけではありません。自発的に推奨されにくくなる、誤った理由で推奨される、あるいは役割の異なるアクターの後ろに位置づけられる、ということが起こるのです。
モデル間ドリフト
複数のシステムが、同じエンティティについて互いに両立しないバージョンを安定させます。ChatGPT、Gemini、Perplexity、Claude、Copilot、あるいは社内のRAGシステムが、同じ描写に収束しないことがあります。
時間的ドリフト
エンティティの古いバージョンが支配し続けます。システムは、リニューアル、リポジショニング、ドクトリンの公開、修正の前に真実だったものを再構成します。
ハルシネーションとの違い
ハルシネーションは、しばしば目に見える誤りとして理解されます。AI認識ドリフトは、より微妙です。真実の要素を含みながら、全体の認識を変えてしまう枠組みによって、それらを組み立てることがあります。
たとえば、ある回答は、人物について正しいことを述べながら、その人物を狭すぎる職業カテゴリーに置くことがあります。実在するオファーを引用しながら、それを差別化しているドクトリンを消してしまうことがあります。ブランドを推奨しながら、主軸ではない商業的意図とそのブランドを結びつけることがあります。
リスクは、もっともらしさから生じます。わずかに誤った表現は、明白なハルシネーションよりも長く持続することがあります。
ガバナンスの条件：カノン
認識ドリフトは、参照状態なしには測定できません。カノンはいくつかの形をとりえます。定義、ドクトリンのページ、サービスページ、証拠、エンティティグラフ、マシンファーストのコーパス、ポリシー、バージョン履歴、関係マップなどです。
カノンは、単に「これが真実である」と言うだけのものではありません。宣言されたソースと再構成された出力のあいだの距離を測定可能にします。それがカノンと出力のギャップの役割です。
ギャップが一度だけ観察された場合、それはインシデントかもしれません。それが繰り返され、伝播し、悪化し、あるいは複数のシステムにわたって安定化するとき、ドリフト現象となります。
推奨される読解ルート
まず定義から読みます。
次に、明確化を読みます。
続いて、方法論です。
解釈リスクとの関係
認識ドリフトは、生成された表現が、意思決定、比較、推奨、除外、購入、委任、または行動の自動化に使われるときに、解釈リスクとなります。
したがって、問題は編集上のものだけではありません。運用上の問題になります。誤ったカテゴリーは、ベンダーリストに影響しえます。企業の古いバージョンは、デューデリジェンスの要約に影響しえます。汎用的すぎる表現は、オファーの推奨可能性を下げえます。権威の混同は、二次ソースをカノンの代わりに据えてしまうことがあります。
だからこそ、このクラスターは解釈リスクのページとつながっていなければなりません。
このサイトの役割
gautierdorval.comは、このテーマをドクトリン上の対象として扱います。このサイトは、AIの引用を監視するだけではありません。エンティティが応答ウェブのなかで、解釈可能で、忠実で、最新で、ガバナンス可能であり続けるための条件に名前を与えます。
したがって、LLM認識ドリフトのクラスターは、新たに現れつつある市場用語と、より広いアーキテクチャ、すなわちカノン、出力、ギャップ、ドリフト、リスク、修正、解消とのあいだの橋渡しとして機能します。