AIが当社についてデタラメを作り続ける——ハルシネーションを防ぐには？

スタートアップにはよくある問題です。理由と対策をまとめます：

なぜAIが誤るのか：

根本的な問題：

AIは「事実」を知っているわけではありません。パターンから次に来る言葉を予測しているだけです。信頼できるデータがなければ、もっともらしいフィクションを生成します。

解決の枠組み：

ChatGPTを直接「学習」させることはできませんが、以下が可能です：

1. 最も権威ある情報源になる——正しい情報を最も入手しやすく、権威あるものにする
2. 情報の一貫性——すべての場所で同じ内容、矛盾ゼロ
3. 構造化データ追加——AIに機械可読な事実を明示
4. 検証チェーンの構築——外部バリデータへのリンク

具体的な誤情報への対策：

エンティティの一貫性はハルシネーション削減に極めて重要です：

問題点：

一貫性がないとAIが混乱します。創業日がソースごとに異なれば、AIは推測するしかありません。

一貫性監査チェックリスト：

よくある不一致の原因：

1. 古いプレス記事——2022年の記事が古い情報を掲載
2. 自動生成プロフィール——スクレイピングサイトの誤情報
3. 社員のLinkedIn——チーム内で会社情報がバラバラ
4. データアグリゲータ——ZoomInfo、Apollo等の古い情報

修正優先度：

1. 自社ウェブサイト（自分で管理可能）
2. LinkedIn会社ページ（自分で管理可能）
3. Crunchbase（編集可能）
4. Googleビジネスプロフィール（管理可能）
5. 社員のLinkedIn（チームに統一依頼）
6. サードパーティディレクトリ（修正依頼）
7. データアグリゲータ（通常訂正手続きあり）

スキーママークアップ例：

{
  "@type": "Organization",
  "name": "Your Company",
  "foundingDate": "2021-03-15",
  "address": {
    "@type": "PostalAddress",
    "addressLocality": "Austin",
    "addressRegion": "TX"
  },
  "numberOfEmployees": {
    "@type": "QuantitativeValue",
    "value": 12
  }
}

これによりAIシステムに「これが事実だ」と明示できます。

まったく同じ状況を経験しました。効果があったことを共有します：

私たちのタイムライン：

• 0ヶ月目：ハルシネーション発見
• 1ヶ月目：コントロール可能なソースを全て修正
• 2ヶ月目：スキーママークアップ・プレスリリース
• 3ヶ月目：Perplexityが正しい情報を返し始める
• 4ヶ月目：Google AI Overviewsが改善
• 6ヶ月目：ChatGPTはたまに間違うが改善傾向

最も効果があったもの：

1. Crunchbase Pro——本当に有効。AIはCrunchbaseの会社データを重視して参照しています。

2. LinkedInの充実——全項目埋め、創業者プロフィールをリンク、会社説明に事実を明記。

3. Organizationスキーマ——トップページに主要事実を明示。

4. プレスリリース——正しい会社情報を大手配信で流す。外部権威ソースになる。

5. Wikipedia挑戦——知名度が足りずWikipediaは不可でしたが、Wikidataエントリーを作成（ハードル低めで効果あり）。

効果がなかったこと：

• OpenAIへの報告（実質的な手段なし）
• ウェブサイト更新だけ
• 何もしないで様子を見る

コスト：

• Crunchbase Pro：年300ドル
• プレスリリース配信：400ドル
• その他：時間のみ

ROI：

ある投資家から「ChatGPTでシリーズA調達済みと出てきて、キャップテーブルに疑問を持った」と言われました。その混乱を防げただけでも十分価値がありました。

AIデータ補正の技術的アプローチ：

RAG系（Perplexity、Google AIなど）：

これらはネット上の最新情報を参照します。インデックスされた内容を修正しましょう：

1. サイトがクロール可能か確認
2. robots.txtでAIクローラーを許可
3. 事実ごとに権威あるページを作成
4. 権威ページへの被リンクを増やす

ChatGPT/Claude（学習型）の場合：

影響を与えるのは難しいですが、方法はあります：

1. 正しい情報の被引用コンテンツを作成
2. 学習データに採用されやすいソース（Wikipedia、主要メディア）に正しい情報を載せる
3. 学習データ更新に期待

llms.txtの導入例：

機械可読なサマリーファイルを作成：

# llms.txt for [Company]
Name: [Exact Company Name]
Founded: 2021
Headquarters: Austin, Texas
Employees: 12
Funding: Bootstrapped (no external funding)
Founder: [Name]
Website: https://yourcompany.com
About: [One sentence description]

yourcompany.com/llms.txt に設置

監視設定：

毎月各プラットフォームで質問：

• 「[Company]は何年創業ですか？」
• 「[Company]の本社はどこですか？」
• 「[Company]の従業員数は？」
• 「[Company]は資金調達していますか？」

変化を追跡して改善度を測定。

継続的な監視と訂正のプロセス例：

月次監査テンプレート：

誤りを見つけたら：

1. 記録（日時入りスクリーンショット）
2. 誤情報の出所を特定
3. 修正または上位表示でカバー
4. 4～6週間待つ
5. 再テスト

自動監視：

Am I Cited等のツールで：

• AIプラットフォーム横断でブランド言及を追跡
• 変化をアラート
• 競合比較
• 履歴の記録

四半期ごとに：

• 全体の正確性スコア
• トレンド方向
• 残る問題点
• 戦略調整

年次：

• 総合的な事実監査
• 全プロパティ更新
• プレスカバレッジ刷新
• スキーママークアップ見直し

まさに求めていた情報です。私のアクションプラン：

1週目：監査と記録

• 全AIプラットフォームで主要質問をテスト
• 現状を記録（スクリーンショット）
• 誤情報の出所を特定

2週目：コントロール可能なソース修正

• ウェブサイトAboutページ——事実を明示
• LinkedIn会社ページ——全項目を埋める
• 社員LinkedIn——チームに統一依頼
• Organizationスキーマ——全事実で実装

3週目：外部ソース

• Crunchbase Pro——アップグレードと情報更新
• Googleビジネスプロフィール——認証と情報充実
• llms.txtファイル作成
• サードパーティディレクトリも監査・修正

4週目：権威づくり

• 会社事実のプレスリリース
• Wikidataエントリー（該当すれば）
• 業界ディレクトリ登録

継続対応：

• 月次AIプラットフォームテスト
• 改善の記録
• ソースの継続監視

主要指標：

• プラットフォームごとの誤事実数
• 訂正までの期間
• ソース一貫性スコア

投資額：

• Crunchbase Pro：年300ドル
• プレスリリース：約400ドル
• 時間：計20時間程度

想定タイムライン：

• Perplexity：2～4週間
• Google AI：4～8週間
• ChatGPT：不明・継続的

重要な発見：

AIを直接「訂正」することはできません。最も権威あり、一貫性ある情報源となることで、AIが自然と正しい情報に引き寄せられます。

みなさんありがとう——具体的な道筋が見えました！