AI検索5種が引用する統計1,285件を追跡、元研究に届いたのは40%

何が報告されたのか

調査を行ったのはTrakkrで、ChatGPT、Perplexity、Gemini、Claude、GoogleのAI Overviewsという5つのアシスタントに、数値を求める日常的な質問を200問投げかけたところから始まる。各アシスタントが引用した統計から無作為に抽出した合計1,285件について、引用ページ、そのページが示す出典、さらにその先と最大5ページ深くまでたどった。

結果は、40%が同じ内容を述べている研究に到達した一方、8%は研究には届いたものの数値や文脈が途中で変わっていた。40%は出典が実在するのに数値が載っていない、施錠されている、消えているといった理由で確認できず、11%はどこにも研究が見当たらなかった。残る1%はページが読み込めなかったもので、記事は元研究に裏付けのないまま繰り返される数値を「ゾンビ統計」と呼んでいる。

判定はAIモデルが全件について行い、より性能の高いモデルが300件を再判定、さらに人手で150件を無作為に再確認する三段構えをとった。モデル単独の判定では元研究に到達した割合は23%だったが、人手による確認で見落としを補い、最終的な数値に補正している。

調査手法とその限界

記事は、質問の選び方によって結果が偏ったのではないかという懸念にも触れている。これを確かめるため、実際の日常的な英語検索52,930件（2026年9月25日から10月25日までに追跡）のうち統計を含んでいた4.4%から300件を抽出して同じ手順でたどったところ、元研究に到達したのは40%で、ほぼ同じ割合だったとしている。

手法上の限界も明示されている。各アシスタントの抽出件数はChatGPTが108件、Perplexityが277件、Gemini・Claude・Google AI Overviewsが各300件で、均等ではない。5アシスタント全体の割合は、引用した統計数の多さで各アシスタントを重み付けした値であり、利用者が実際に目にした統計の分布を表すという位置づけだ。

また、ページがリンクなしで出典名だけを示している場合は検索で探すなど、たどり方を統一しているものの、判断にはどうしても人手の解釈が入る。記事はその不確実性を含めた範囲を示したうえで割合を提示しており、単純に比較できる一種のベンチマークとして読むには注意が必要だ。

アシスタント別の差と引用元の内訳

アシスタント別では、ChatGPTが57%で最も高く、回答あたりに引用する統計数も1.3件と最も少なかった。Perplexityが46%（2.2件）、Google AI Overviewsが39%（4.8件）、Geminiが38%（6.2件）、Claudeが38%（6.8件）と続く。ChatGPT以外の4つは38〜46%の範囲に収まり、記事は差が小さすぎて順位付けできないとしている。

引用元の種類では企業ブログが54%と半数超を占め、研究機関が13%、ニュースが10%、統計のまとめ記事が8%、政府が7%、その他が8%だった。研究機関や政府のページから始まった trail は61%が一致する研究に到達したのに対し、企業ブログからは37%、統計まとめからは35%にとどまった。研究機関でも38%は届かず、多くは完全版のレポートが入力フォームの向こうにあったためだと説明されている。

重要なのは、引用元ページの82%にはその数値が実際に載っていたという点だ。つまりAIが数値を作り出しているわけではない。ただし、そのうち一次研究だったのは21%にすぎず、残りは別の場所から数値を転載したページだった。記事は「引用はAIが数値をどこで見つけたかを示すもので、その数値がどこから来たかを示すものではない」と整理している。

数値が文脈を失う過程

記事は、数値そのものは変わらないまま周囲の言葉だけが変わっていく例を挙げている。発端は2004年にSillenceらがCHIで発表した研究で、15人の女性が健康関連のウェブサイトを拒否・不信した際のコメントの94%がデザインに関するものだったというものだ。これが2018年の企業プレスリリース、2024年のビジネス誌コラムを経て、2026年にはGoogle AI Overviewsが「ウェブサイトの第一印象の約94%はデザインに関係する」と事実として述べるに至った。

さらに、5つのアシスタントが同じ質問に答えた71問のうち28問では、4つまたは5つが異なる数値を示した。最も高い値と最も低い値の差は中央値で16ポイント、31問では20ポイント以上に広がっている。マーケティングオートメーションツールの利用率を尋ねた例では、回答は49%から96%までばらついた。

意見が一致していても正しさの保証にはならない。5つが同じ数値を出した10問のうち追跡したのは5問で、元研究に到達したのは2問だけだった。3つ以上のアシスタントが引用した29件でも、到達したのは11件にとどまっている。

現時点で分かっていないこと

この調査は英語の質問と回答を対象にしたもので、日本語の質問や日本語サイトを出典とした場合に同じ傾向が当てはまるかは示されていない。アシスタントごとの差がモデルの設計によるものか、検索基盤の違いによるものかといった因果の分析も行われていない。

また、数値が途中で変わる原因として記事が挙げているのは、何を測ったのか、いつのデータか、誰に聞いたのかといった文脈のずれであり、桁そのものが変わるのは4回に1回程度だったとしている。どのような種類の統計が特に変質しやすいかについては、今回の範囲では整理されていない。

調査時点は2026年9月から10月で、モデルは継続的に更新される。同じ手順を繰り返せば変化を追えるため、次に公表される数値と比較することで、傾向が改善しているかどうかを判断できるとみられる。