はじめに
ChatGPT、Claude、Perplexity、Google AI Overviews —— 2025年以降、ユーザーの情報探索行動は急速にAIエージェントへシフトしています。
Gartnerは2026年末までに従来の検索エンジントラフィックが25%減少すると予測しています。Z世代の約40%はGoogle検索の代わりにAIツールやTikTokで情報を探しています。
この変化に対して、従来のSEO（Search Engine Optimization）だけでは不十分です。本稿では、AI Agent Optimization（AIO） という新しい最適化概念を提案し、84社の有名企業を対象に実施した定量調査の結果を報告します。
背景：情報検索のパラダイムシフト
従来のモデル
ユーザー → 検索エンジン（Google）→ 検索結果一覧 → Webサイト
ユーザーは検索キーワードを入力し、結果一覧から適切なリンクを選んでWebサイトにアクセスします。この流れに最適化するのがSEOです。
新しいモデル
ユーザー → AIエージェント → AIが要約・推薦 → （引用されれば）Webサイト
ユーザーはAIに自然言語で質問し、AIが直接回答します。Webサイトは「AIの回答に引用されるかどうか」が重要になります。
本質的な違い
SEOは「検索結果の一覧に載ること」を目指しますが、AIOは「AIの回答の中で言及・推薦されること」を目指します。
| 項目 | SEO | AIO |
|---|---|---|
| 最適化対象 | Googlebot | GPTBot, ClaudeBot, PerplexityBot等 |
| 成功指標 | 検索順位、CTR | AI回答での言及率、推薦率 |
| 重要要素 | キーワード、被リンク | 構造化データ、llms.txt、FAQスキーマ |
| 結果の形式 | リンク一覧 | 自然言語の回答 |
AIOスコア：19項目の評価指標
AIOの定量評価のために、AIO Score という指標を設計しました。Webサイトを5カテゴリ・19項目で診断し、136点満点を100点に換算して評価します。
評価カテゴリと配点
| カテゴリ | 項目数 | 満点 | 評価内容 |
|---|---|---|---|
| メタデータ | 4 | 29 | title, description, OGP, Twitter Card |
| 構造化データ | 1 | 15 | JSON-LD（スキーマタイプ数） |
| コンテンツ品質 | 5 | 31 | 見出し構造, FAQ, 画像alt, コンテンツ量, 内部リンク |
| 技術的要素 | 8 | 46 | SSR, canonical, HTTPS, lang, viewport, 応答速度, robots.txt, sitemap |
| AI専用対応 | 1 | 15 | llms.txt |
各項目の設計根拠
メタデータ（29点）
AIエージェントがWebページを認識する際、最初に参照するのがメタデータです。titleタグ（8点）、meta description（8点）は、AIがページの主題と概要を把握するための基本要素です。OGP（8点）とTwitter Card（5点）は、AIがSNS経由で情報を参照する際にも利用されます。
構造化データ（15点）
JSON-LD形式の構造化データは、AIがコンテンツの構造を機械的に理解するための最も効果的な手段です。Schema.orgに基づくOrganization、SoftwareApplication、FAQPageなどのスキーマタイプが重要で、3種類以上の設定で満点としています。
コンテンツ品質（31点）
見出し構造（h1/h2の適切な使用）、FAQPageスキーマの有無、画像alt属性の設定率、テキストコンテンツの量、内部リンクの数を評価します。これらはAIがコンテンツの深さと構造を理解するための要素です。
技術的要素（46点）
SSR（サーバーサイドレンダリング）はAIクローラーがHTMLコンテンツを読める前提条件です。CSR（クライアントサイドレンダリング）のSPAは、JavaScriptを実行しないAIクローラーがコンテンツを取得できません。robots.txt、sitemap.xml、canonical URL、HTTPS、lang属性、viewport、応答速度も評価対象です。
AI専用対応（15点）
llms.txtは、robots.txtのAI版とも言えるファイルで、LLMに対してサービスの要約情報を直接提供します。単一項目で15点の配点は、この施策のコストパフォーマンスの高さを反映しています。
調査方法
対象
世界的に有名な企業84社のWebサイトを対象としました。テクノロジー、AI、SaaS、EC、開発ツール、フィンテック、デザイン、メディア、日本企業、SNS、コミュニケーション、教育、旅行の14カテゴリに分類しています。
手法
各サイトのトップページに対してHTTPリクエストを送信し、レスポンスのHTMLをパースして19項目を自動診断しました。構造化データはJSON-LDのscriptタグを解析し、robots.txt/sitemap.xml/llms.txtは個別にHTTPリクエストで存在確認を行っています。
調査結果
全体統計
- 調査企業数: 84社
- 平均スコア: 66点
- 70点以上: 約半数
- 40点未満: 5社
ランキング（上位10社・下位5社）
上位10社
| 順位 | 企業 | スコア | カテゴリ |
|---|---|---|---|
| 1 | Asana | 93 | SaaS |
| 2 | Cohere | 89 | AI |
| 3 | Monday.com | 88 | SaaS |
| 4 | Datadog | 88 | SaaS |
| 5 | Shopify | 88 | EC |
| 6 | Square | 88 | フィンテック |
| 7 | Sketch | 87 | デザイン |
| 8 | Docker | 86 | 開発ツール |
| 9 | Sansan | 85 | 日本企業 |
| 10 | Salesforce | 84 | SaaS |
下位5社
| 順位 | 企業 | スコア | カテゴリ |
|---|---|---|---|
| 80 | 40 | テクノロジー | |
| 81 | Canva | 38 | SaaS |
| 82 | SpaceX | 30 | その他 |
| 83 | Booking.com | 21 | 旅行 |
企業比較の例
主な発見
1. SaaS企業がAIO対策をリード
SaaS企業の平均スコアは約78点と全カテゴリ中最高でした。BtoBマーケティングに力を入れている企業ほど、メタデータと構造化データの整備が進んでいる傾向があります。
2. 巨大テック企業は意外と低スコア
Google（40点）、YouTube（44点）、Amazon（44点）など、巨大テック企業のスコアが低い結果となりました。自社のメインページは外部検索からの流入を必要としないという構造的な理由が考えられます。
3. llms.txtの普及率はほぼゼロ
84社中、llms.txtを設置している企業はほぼ確認できませんでした。この1ファイルの有無だけで15点（全体の約11%）の差がつくため、早期対応が大きなアドバンテージになります。
4. AI企業でもAIO対策は不十分
Anthropic（63点）、Runway（62点）など、AI技術を提供する企業でさえ自社サイトのAIO対策は不十分でした。「AIの専門家 ≠ AIOの専門家」ということを示唆しています。
5. 日本企業にも先行者がいる
Sansan（85点）、日経（81点）など、日本企業の中にも高スコアを記録した企業があります。BtoBサービスやメディアなど、Webからの集客が事業の根幹にある企業ほど対策が進んでいます。
考察
AIOスコアと従来SEO指標の関係
AIOスコアが高い企業は、Google LighthouseのSEOスコアも概ね高い傾向がありますが、相関は完全ではありません。LighthouseのSEOスコアが100点でもAIOスコアが30点台ということがあり得ます。これはllms.txt、FAQスキーマ、JSON-LDの充実度など、AIO固有の評価項目が存在するためです。
改善の優先順位
配点と実装コストを考慮した、効率的な改善の優先順位は以下の通りです：
| 優先度 | 施策 | 配点 | 工数 |
|---|---|---|---|
| 1 | llms.txt設置 | 15点 | 5分 |
| 2 | JSON-LD追加（3スキーマ以上） | 15点 | 1時間 |
| 3 | FAQスキーマ | 8点 | 30分 |
| 4 | robots.txt + sitemap.xml | 16点 | 10分 |
| 5 | メタデータ最適化 | 29点 | 1時間 |
上位3施策だけで38点（全体の約28%）を獲得でき、所要時間は約1時間35分です。
セマンティックWebの再評価
Schema.orgとJSON-LDは、2011年にGoogleが推進して以来、主にリッチスニペット（検索結果の装飾）のために利用されてきました。しかし、LLM時代においては、AIがWebコンテンツの構造を正確に理解するための本質的な手段として再評価されるべきです。
セマンティックWebの理念である「機械が理解できるWeb」が、LLMの登場によってようやく実用的な意味を持ち始めたと言えます。
制限事項
- 本調査はトップページのみを対象としており、サイト全体のAIO対応度を反映していない可能性があります
- スコアの配点は筆者らの経験的知見に基づいており、AIエージェントの実際の引用基準との相関は今後の検証が必要です
- AIエージェントの検索・引用アルゴリズムはブラックボックスであり、AIOスコアが高いことが直接的な推薦増加を保証するものではありません
- 調査時点（2026年4月）のスナップショットであり、各企業のスコアは変動します
ツールの公開
本稿で使用した診断ツール AIO Score を公開しています。
- 診断ツール: https://aio.microforge.works
- 企業ランキング: https://aio.microforge.works/showcase
- 統計データ: https://aio.microforge.works/data
- llms.txtジェネレーター: https://aio.microforge.works/tools/llms-txt-generator
- JSON-LDジェネレーター: https://aio.microforge.works/tools/json-ld-generator
- AI検索IQテスト: https://aio.microforge.works/quiz
URLを入力するだけで19項目のAIOスコアを無料で診断できます。
まとめ
- AI Agent Optimization（AIO） は、AIエージェント時代の新しいWeb最適化概念です
- 84社の調査で、大企業でさえAIO対策は不十分であることが明らかになりました（平均66点）
- llms.txt + JSON-LD + FAQスキーマ の3施策で約38点の改善が可能で、所要時間は約1時間35分です
- 今は 先行者優位 のフェーズです。カテゴリが確立する前に対策を始めることが、AI検索時代の競争優位につながります
AIO Scoreで自社サイトを診断し、AI検索時代の対策を始めてみてください。
筆者: Microforge Works
ツール: AIO Score