AI検索とは何か｜6モデルを毎日測って比較する

先に結論を3つ書く

1. AI検索とは、答えそのものを出典つきで返す検索です。 従来の検索がリンクの一覧を返すのに対し、AI検索は文章で書かれた答えと、その根拠になったURLを返します。問いを受け取り、ウェブを探し、見つけた内容を根拠に文章を作り、引用元を添える。この流れは各社でほぼ共通です。
2. 「AI検索」と一括りにすると実態を見誤ります。 この調査が100問を毎日6つのモデルへ投げ続けた2万9,582件の回答を数えると、出典を付けた割合はChatGPT（検索あり）の98.8%からGoogle AI Overviewの69.4%まで開き、ウェブ検索を使わない2モデルは0%でした。同じ「AI検索」という言葉で語られているものの中身は、根拠の出し方の時点で別物です。
3. AI Overviewは3割近く「答えない」。 Google AI Overviewは4,730件の回答のうち28.9%が空回答でした。他の5モデルの空回答率は0.0%から3.1%にとどまる。答えが出たときの平均文字数も159字で、最も長いGemini（検索あり）の2,702字の17分の1です。AI検索は必ず答えを返す、という前提は説明できませんでした。

以下、この3つを実測で裏づけていき、本文で使う数字はすべて、GMO AI検索ラボが自分で集めた一次データ（自分たちで直接集めた、よそにはないデータ）から出したものです。外部の調査や推計は使っていません。例外はメタ情報の表に載せた月間検索ボリュームで、これは外部のキーワード調査ツールの計測値であり、本文の主張には一切使っていません。

図1：RAG（検索拡張生成）は外部の文書を探してから答えを組み立てる。

拡大

図1：RAG（検索拡張生成）は外部の文書を探してから答えを組み立てる。

閉じる

AI検索はどう動くのか

図2：指標が異なるため単純比較はできない。いずれも各社の公表値。

拡大

図2：指標が異なるため単純比較はできない。いずれも各社の公表値。

閉じる

問いから答えまでは4つの段階に分かれる

AI検索の中で起きていることは、次の4つの段階に分けて説明できる。

図3：上位表示を競う場から、答えの根拠として引用されるかを競う場へ移る。

拡大

図3：上位表示を競う場から、答えの根拠として引用されるかを競う場へ移る。

閉じる

この4段階のうち、事業会社にとって重要なのは2と4であり、2で自社のページが見つけられなければ、そもそも根拠の候補に入りません。4で自社のURLが添えられなければ、答えを読んだ人が自社へたどり着く経路が消える。

RAGという言葉は、答えを書く前に検索を挟む設計を指す

2と3をまとめて指す言葉がRAG（外部の文書を検索して取り込んでから答えを作るしくみ）です。生成AIは学習したときの知識しか持っていないので、そのまま答えさせると古い内容や、もっともらしいだけの内容を返します。そこで答えを書く前に検索を挟み、見つけた文書を材料として渡していると考えられ、この一手間を入れる設計をRAGと呼びます。

RAGを使っているかどうかは、外から見ても分かり、回答に出典URLが付いていれば、そのモデルは検索を挟んでおり、付いていなければ、学習済みの知識だけで書いています。GMO AI検索ラボの定点観測では、ウェブ検索を使わない設定の2モデルは出典率が0%で、これは検索を挟んでいないことの直接の証拠になります。

この記事で使う言葉を先に決めておく

AI検索の話は言葉が揺れやすく、この記事では次の意味で使います。

最新の情報を扱えるようになる一方で、誤りは消えない

RAGを挟むことで、AIは学習した時点より後の情報にも答えられるようになり、これがAI検索の大きな利点です。一方で、誤りがゼロになるわけではありません。理由は3つあり、それぞれ7章で詳しく書き、ここでは先に結論だけ置きます。検索を挟んでも、AIは根拠に無いことを書くことがあります。

そして、そもそも検索を挟んでいないモデルも実在し、GMO AI検索ラボの定点観測では、ウェブ検索なしの2モデルが出典率0%のまま、平均2,217字と2,576字の回答を返し続けていました。根拠を示さずに長い文章で言い切るという挙動が、実測として確認できています。

主要なAI検索サービスの比較

この記事は毎日測っている6モデルだけを「AI検索」と呼ぶ

「AI検索」という言葉が指す製品は、話す人によって違い、この記事では、この調査が実際に毎日測っている6つのモデルを対象にする。測っていないものについては何も言えないので、範囲を先に確定させておきます。

対象は、OpenAIのChatGPTと、GoogleのGemini・AI Mode（＝Google検索の中にある、AIとの対話形式で調べられるタブ）・AI Overview（＝Google検索の結果ページの上部に出る、AIによる要約）です。ChatGPTとGeminiは、ウェブ検索を使う設定と使わない設定の両方を測っているので、モデルの数としては6つになり、PerplexityやMicrosoft Copilot、Feloは観測対象に入っていないため、この記事はこの3つについて何も述べない。

6モデルを一覧にして並べる

この表には、利用者数や提供開始時期を入れていません。この調査が確認日つきで確かめられた公表値を持っていないためであり、裏の取れない数字を並べるより、自分で測った数字だけを並べるほうが読者の役に立つと判断した。

仕組みは共通で、違いは提供のかたちに出る

6モデルを並べて分かるのは、1章で書いた4段階の流れはどれも同じで、違いは「どこに出るか」と「どれだけ根拠を見せるか」に集約されるということです。

AI Overviewだけは性質が違い、利用者が「AIに聞こう」と決めて開くものではなく、普通に検索しただけで勝手に出てきます。だから、AIに聞くつもりのない人にも届く一方で、回答は短く、出ないことも多い。なお、各モデルの利用者数はこの調査が測っておらず、確認日つきで確かめられた公表値も持っていないので、どれがいちばん多いかは書きません。利用者から見れば「AI検索を使った覚えがないのに、AIの答えを読んでいる」状態が起きており、この点は8章の消費者調査の数字とあわせて読むと理解しやすい。

もうひとつ押さえておきたいのは、6モデルのうち4つがGoogleの提供であるという点であり、ChatGPT以外はすべてGoogleが出しているが、AI Mode・AI Overview・Geminiの3つは出典を付ける割合も、1回答あたりの出典数も、回答の長さもばらばらです。同じ会社の製品どうしでも挙動は揃いません。提供元でまとめて語ることにも意味は無く、モデル単位で測るしかありません。

6モデルを毎日測って比べる。出典の付き方はここまで違う

観測はこう設計している

ここから先の数字は、すべて次の観測から出しています。

6モデルを実測した結果を並べる

対象期間は2026年5月19日から7月30日、問いは100問を毎日、対象は本運用6モデルであり、5月分は試験運用の7件だけなので、この表はほぼ6月と7月の値です。

出典率が0%から98.8%まで開くことの意味

同じ問いを、同じ日に、6つのモデルへ投げており、それでも出典を付ける割合は0%から98.8%まで開いた。この開きが意味するのは、「AI検索は根拠を示す検索である」という説明が、モデルによっては説明できなかったということです。

事業会社にとっての読み方は2つあり、ひとつは、追いかけるべき指標をモデルごとに分ける必要があるということ。AI Overviewは「そもそも表示されるか」、AI Modeは「12件前後の候補群に入れるか」、ChatGPTは「5件前後の出典に入れるか」で、求められる条件の性質がまったく違います。1つの「引用率」で横並びに比べると判断を誤ります。

もうひとつは、出典が付かないモデルの存在を無視できないということだと考えられ、検索なしの2モデルは合計9,602件の回答を返しているが、そこに自社のURLが載る余地は原理的に無い。載せる対策ではなく、AIが学習済みの知識として自社をどう覚えているかという別の問題になります。

ウェブ検索の有無で何が変わり、何が変わらないか

同じ製品で検索ありと検索なしを並べると、変わるものと変わらないものがはっきりする。

変わるのは出典であり、ChatGPTは0%から98.8%へ、Geminiは0%から86.4%へ跳ね上がる。一方で、回答の長さはあまり変わりません。ChatGPTは2,217字から2,355字へ6.2%増、Geminiは2,576字から2,702字へ4.9%増にとどまる。

つまりウェブ検索は、回答を長くするために使われているのではありません。回答の中身を裏づけるために使われており、検索を切っても文章の量はほぼ同じだけ出てきます。違うのは、その文章に根拠が付いているかどうかだけです。

出典が付く順に6モデルを並べる｜出典率ランキング

6モデルを出典率の高い順に並べる

出典を付けた割合の高い順に、6モデルを並べ、集計日は2026年7月30日、対象期間は2026年5月19日から7月30日です。

この順位をどう読むべきか

この順位は「どのAIが優れているか」を示すものではありません。根拠をどれだけ見せる設計になっているかを示すものであり、回答が正しいかどうかは、この観測では測っていません。

順位は観測期間で動き、各社はモデルを予告なく更新するため、3か月後に同じ順位である保証はありません。だからこの記事では、順位のそばに集計日を書いており、数字だけを切り取って持ち歩かないでほしい。

3割で要約が出ない。空回答が起きるのはどのAIか

空回答とは何を指すか

ここでいう空回答とは、問いを投げても要約そのものが画面に出ない状態を指し、回答が短いことではなく、回答が存在しないことです。AI検索は問いを投げれば何か返す、と思われがちだが、実測ではそうなっていません。

空回答率を実測した結果を並べる

対象期間は2026年5月19日から7月30日、問いは100問を毎日投げています。

空回答が多いということは、載る前に枠を取る競争があるということ

AI Overviewだけが突出しているのには理由があると考えられます。AI Overviewは利用者が呼び出すものではなく、Googleが「この問いには要約を出したほうがよい」と判断したときだけ出ます。裏を返せば、AI Overviewに載ること自体が競争条件になると考えられ、載る載らない以前に、そもそも枠が出ない問いが3割近くある。

さらに、出たときの回答は平均159字にとどまり、他の5モデルが1,123字から2,702字であることと比べると、桁が違います。159字の中に自社の名前が入る余地は、2,702字の回答と比べて格段に狭い。AI Overviewは、AIに聞くつもりのない人にも届く一方で、載れる枠は6モデルの中でいちばん小さい。枠の小ささは実測した平均文字数の話であり、届く人数はこの調査が測っていません。この非対称は、施策の優先度を決めるときに関わってきます。

AI検索と従来の検索は何が違うのか。5つの観点で並べる

5つの観点で並べる

数字で見る「答えの長さ」の違い

観点の違いは、答えの長さにそのまま出ます。この調査の実測では、平均文字数はGoogle AI Overviewの159字からGemini（検索あり）の2,702字まで、およそ17倍の開きがあった。

同じ「AI検索」でも、159字の要約を読んでいる人と、2,702字の解説を読んでいる人がおり、前者は従来の検索結果ページの延長として使っており、後者はチャットの相手として使っており、利用者の体験としては、この2つはほとんど別の道具です。

どちらが優れているという話ではありません

従来の検索とAI検索は、置き換えの関係ではなく使い分けの関係にあり、出どころを自分で見比べたいとき、複数の立場の情報を並べて読みたいときは、リンクの一覧のほうが速い。前提から整理してほしいとき、複数のページにまたがる情報を1つにまとめてほしいときは、AI検索のほうが速い。

事業会社の側は、どちらかに賭けるのではなく、両方で見つかる状態を作るのが現実的です。

AI検索は何を間違えるのか。誤りが残る3つの理由

元の文書に無い内容を作ってしまう

生成AIは、次に来る言葉としてもっともらしいものを選んで文章を作り、この作り方は、根拠となる文書を渡しても完全には変わりません。渡された文書に書かれていないことを、文章のつながりとして自然だからという理由で書いてしまうことがあります。

この挙動が最も強く出るのが、検索を挟まないモデルです。GMO AI検索ラボの定点観測では、ウェブ検索なしの2モデルが出典率0%のまま、平均2,217字（ChatGPT）と2,576字（Gemini）の回答を返していました。根拠を1件も示さずに、2,000字を超える文章で言い切っており、これは誤りが起きているという意味ではなく、誤りが起きても外から検証できないという意味です。

検索を挟めば消えるわけでもありません。スタンフォード大学の研究チームは、法律の調査に使われる商用のAIツールを対象に、判例や条文を検索して渡してから答えさせる作り、つまり1.2で説明したRAGを備えた製品でも、誤りが17%から33%の割合で残ることを実測しています。製品の側は「作り話は出ない」と説明していたが、実測はそのとおりにならなかった。出典はMagesh, Surani, Dahl, Suzgun, Manning, Ho「Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools」（https://arxiv.org/abs/2405.20362 、2026年8月13日確認）です。2024年5月30日に公開され、2025年にJournal of Empirical Legal Studiesへ掲載されています。対象は英語圏の法律分野で、この調査が観測した日本語の6モデルとは条件が違い、ここでは数字を借りるのではなく、根拠となる文書を渡す作りにしても誤りは残る、という事実の裏づけとして使います。

古い文書を引く

ウェブ検索を挟んでも、取り出してくるページが最新とはかぎりません。数年前に書かれた記事が上位に残っていれば、それが根拠になる可能性があり、料金や仕様のように変わりやすい情報ほど、この影響を受ける。

新しいものが常に優先されるわけではない、というのはGoogle自身の説明でもあります。検索セントラル「Google 検索ランキング システムのご紹介」は、鮮度の高い内容が期待される検索のときに、それを上位に出すためのシステムを導入していると書いています。公開されたばかりの映画について調べる人は、制作が始まったころの記事ではなく最近の批評を求めているはずだ、という例が添えられている（https://developers.google.com/search/docs/appearance/ranking-systems-guide?hl=ja 、ページの最終更新は2025年12月10日、この調査が確認したのは2026年8月13日）。裏を返せば、鮮度が期待される検索だと判断されない問いでは、古いページがそのまま根拠になりうる。

読者の側の対処は単純で、出典リンクを開いて、そのページの更新日を見ることであり、書き手の側の対処も単純で、自社のページの更新日を明示し、実際に更新することです。

書き手の側の対処には公式の手引きがあります。検索セントラル「Google 検索で署名日に影響を与える」は、ユーザーに表示される日付をページに追加して目立つ位置に置き、「公開日」や「最終更新日」といった言葉でラベルを付けることをすすめています。あわせて、構造化データでArticleやBlogPostingを使い、datePublishedとdateModifiedのいずれか、または両方を指定することもすすめています。入れるのはページに書かれている出来事の日付ではなく、ページ自体の公開日か更新日である（https://developers.google.com/search/docs/appearance/publication-dates?hl=ja 、ページの最終更新は2025年12月10日、この調査が確認したのは2026年8月13日）。

出典と本文が対応していない

3つ目が見つけにくく、出典は付いているのに、その出典の中身と回答の本文が対応していない場合があり、AIが解説の材料としてページを読み、そのうえで別の結論を書くことは起こりうる。出典が付いているという事実は、その出典が結論を支えていることを保証しません。

これは実測されています。Liu, Zhang, Liangの研究は、出典を付けて答える4つのサービスの回答を人手で確かめ、付いていた出典のうち、その文を実際に支えていたのは74.5%だったと報告しています。4件に1件ほどは、出典を開いてもその文の根拠になっていません。出典で裏づけられていた文となると51.5%にとどまる。出典はLiu, Zhang, Liang「Evaluating Verifiability in Generative Search Engines」（https://arxiv.org/abs/2304.09848 、2026年8月13日確認）です。2023年4月に公開された調査で、対象はBing Chat・NeevaAI・Perplexity.ai・YouChatの4つであり、この調査が観測した6モデルとは対象も時期も違うので、いまの数字としてではなく、この現象が実在することの裏づけとして使います。

読者は4つの手順で自分で確かめられる

3つとも、確かめ方は同じです。

1. 回答のそばにある出典リンクを開きます。
2. 回答に書かれていた数字や固有名詞を、そのページの中で検索する。
3. 見つからなければ、その部分は根拠が確認できていないものとして扱います。
4. 見つかったら、そのページの更新日を確かめる。

手間はかかるが、判断が金銭や健康に関わる問いほど、この4手順を省かないほうがよい。

読者はAI検索をどれだけ使っているか

ここまでは「AIがどう振る舞うか」の話であり、ここからは「人がどれだけ使っているか」を、この調査の独自消費者調査から見ます。調査期間は2026年5月29日から6月9日、インターネット調査、対象は15歳から59歳の男女であり、母数は事前予備調査（＝この調査の対象者を絞り込むために、先に広い母集団へ行う調査）が9,036人、この調査が1,667人です。

知っている人と知らない人は、ほぼ半々に割れる

事前予備調査9,036人にAI Overviewを知っているかを尋ねた結果です。

「よく見る」と「たまに見る」を合わせた41.6%が、中身まで読んでいる層であり、「ほとんど見ない」を足した53.4%が、存在は知っている層になります。一方で46.6%は存在すら知りません。この調査の枠、つまり15歳から59歳のインターネット利用者に限れば、半分近くがAI Overviewを認識していません。この値を日本の検索利用者全体へ広げて読むことはできません。

ここで6章の話とつながり、AI Overviewは利用者が呼び出すものではないので、見ている本人が「AI検索を使っている」と認識していない場合があります。認知していないことと、接触していないことは別です。

性年代で認知率は割れる

事前予備調査9,036人が母数であり、女性・15歳以上は「よく見る」が41.0%と突出して高く、「知らなかった」は35.6%にとどまり、それ以外の層では「知らなかった」が44%から52%を占め、認知率は40%前後で横並びになります。想定顧客が10代の女性中心なら前提が変わるが、それ以外の層ではまだ半数が知らないという前提で設計したほうが外しません。

知っている層に限れば、生成AIの利用もすでに進んでいる

この調査1,667人は、AI Overviewを普段利用している人だけを対象にしており、この層に普段使っている生成AIツールを尋ねると、何かしら使っている人は4分の3ほどにのぼった。検索でAIの要約を目にする層では、AI検索と生成AIチャットが地続きに使われ始めています。

ツール別の内訳と利用頻度は、この記事では扱いません。別の記事「生成AIの利用率」へ渡します。母集団を変えると利用率が大きく動くという論点も、そちらでまとめて書き、この記事は概数にとどめる。

この数字は母数と条件を添えて読む必要がある

この調査の母集団は「AI Overviewを利用している人」に限られる。したがって4分の3という利用率は、日本人全体の生成AI利用率ではありません。AI Overviewを見ている層の中での値であり、ここを取り違えると数字がひとり歩きするので、引用するときは母数と条件を添えてほしい。

事前予備調査の9,036人は年齢と性別で割り付けた一般の回答者なので、8.1節と8.2節の数字はより広い母集団の値として読める。ただしインターネット調査であり、対象は15歳から59歳なので、インターネットを使わない層と60歳以上は含まれない。

使うのをやめたい人も一定数いる

ここまでは、どれだけ使われているかの話であり、逆の側も見ておく必要があると考えられます。

外部ツールAhrefsで2026年8月16日に日本を対象として調べると、「google検索 ai いらない」が月400回、「google検索 ai オフ」が月300回、「google検索 ai 嘘 ばかり」が月200回でした。合わせて月900回であり、Google AIモードについても同じ傾向があり、「使えない」「消し方」「邪魔」といった止めたい側の問いが、合わせて月1万3,300回ある。いずれもAhrefsの推計であり、この調査が測った数字ではありません。

歓迎されているとは限らない、ということであり、8.2節で見たとおり、事前予備調査9,036人のうち46.6%はAI Overviewを知らないと答えています。知っている層の中にも、消したいと考えている人がいる。

ここで、使う側から止められるものと止められないものを分けておき、Googleの公式ヘルプによれば、AI Overviewsは機能そのものを無効にできません。検索したあとに「ウェブ」フィルタを選ぶと、AIによる概要などの機能がないテキストのリンクだけが表示される、と書かれている（2026年8月16日確認）。一方、Google AIモードのほうはSearch Labsの側で止められ、手順の詳細は、この記事では扱いません。カテゴリー記事「AI Overviews対策」の11章に、公式の記述に沿って書いてある。

企業の側から見ると、この非対称は前提を変え、読者が要約を消せないのであれば、要約に自社が入っているかどうかが、そのまま接触の有無になります。同時に、5章で見たとおり3割前後の問いでは要約そのものが出ない。出る問いでは避けられず、出ない問いでは表示される機会が無く、9章で論点を並べる前に、この2つを押さえておいてほしい。

企業がいま押さえる論点

「使う側」から「引用される側」へ視点を移す

ここまでの数字を事業会社の立場で読み直すと、論点は1つに絞られ、AI検索を便利な道具として使う話ではなく、AIが答えを作るときの根拠として自社が使われるかどうかの話です。

従来の検索では、上位に出れば人がクリックして訪問し、AI検索では、答えの中に社名が書かれても、出典リンクが添えられなければ訪問は起きない。逆に出典に挙がっても、回答本文で別の会社が推されていることもあり、引用されることと、推されることは別の事象です。この2つを分けて測らないと、施策の効果が読めない。

業種によって引用の濃さが1.4倍違う

12業種別の集計であり、この表だけは対象期間が違い、2026年7月1日から7月30日、本運用6モデルの合計で、回答数は1万7,140件です。12業種の質問セットがそろったのが6月12日で、1か月まるごと同じ100問で回っている月が7月だけだからであり、下の12行を足すと1万7,140件になり、この記事が掲げる総回答2万9,582件との差1万2,442件は、5月の試験運用7件と6月の1万2,435件にあたる。

読み取れることは3つある。

第一に、お金・健康・美容に関わる業種ほど、AIは根拠を示し、生命保険・スキンケア・クレジットカード・通信が上位に並びます。判断を誤ると損失が大きい領域で、AIが慎重に振る舞っていると読める。

第二に、自動車・国内旅行・店舗ローカルは引用率が低い。特に自動車は46.5%で最下位であり、半分以上の回答が根拠を示さずに書かれており、引用されること自体が難しいので、引用を取りにいく施策の効きが弱い可能性があります。

第三に、国内旅行とスマホゲームは1回答あたりの出典数が3.7件から3.8件と少ない。少数の情報源に依存しているということなので、そこを押さえられたときの影響は大きい。

AI検索対策の優先度は、業種を横断して一律には語れない。自社の業種がどの位置にあるかを先に確かめてから、施策を決めたほうがよい。

AIO・GEO・LLMOという言葉を整理する

AI検索で引用される側に回るための取り組みには、いくつかの呼び名があります。

3つとも指している中身は大きく重なっており、業界で定義が固まっているわけではありません。呼び名の違いにこだわる意味は薄く、具体的な手法は最適化カテゴリーの記事で扱います。

この領域はまだ動いており、各社はモデルを予告なく更新し、AI Overviewの出方も変わります。ここに書いた数字は2026年5月19日から7月30日の実測であり、半年後に同じ数字である保証はありません。この調査では同じ問いを毎日投げ続けているので、変化があれば数字で捉えられ、この記事は月次で数字を差し替える。

よくある質問

用語集

データの出どころ

この記事で使った数字は、次の2つの一次データから取っており、一次データとは、この調査が自分で直接集めた、よそには無いデータを指し、原典に無い数字は書いていません。第7章だけはGMO AI検索ラボの定点観測では確かめられない話を扱うため、外部の出典を使っており、4件とも下にまとめてある。

なお、メタ情報の表に書いた対象キーワード「ai検索」の月間検索ボリューム7,400は、一次データではありません。外部のキーワード調査ツールで計測された値を、ポータルのコラム管理表 portal/src/data/kw-sheet.ts のC1行に記録してあるものです。本文の主張には使っていません。

一次データ1：GMO AI検索ラボ プロンプト定点観測

一次データ2：GMO AI検索ラボ 独自消費者調査

第7章で使った外部の出典4件

第7章は「AIが何を間違えるか」を扱う章で、誤りの発生そのものはGMO AI検索ラボの定点観測では測っていません。そのため、この章だけは外部の一次資料を根拠にしており、いずれもこの調査の数字と混ぜず、現象が実在することの裏づけとして使っています。

8.5で使った外部の出典2件

8.5は「使うのをやめたい人もいる」という節で、この調査ではこの受け止め方を測っていません。そのため外部の資料を根拠にしています。

確認できていないこと

先に限界を書いておきます。

• Perplexity、Microsoft Copilot、Feloは観測していません。定点観測の対象に入っていないため、この記事はこの3つについて何も言えません。
• 回答の正しさは測っていません。測っているのは出典が付いたかどうか、何件付いたか、何字書いたかであって、書かれた内容が事実かどうかは検証していません。
• 引用の表示順は取れていません。回答の中で何番目に挙げられたかの情報を持っていないため、「早い位置で引用されているか」は扱えません。
• 観測は日本語の問い・日本市場に限っています。英語圏で同じ結果になるかは分かりません。
• モデルは観測期間中に更新されている可能性があります。各社はモデルを予告なく更新する。期間中に挙動が変わっていたとしても、それを切り分ける手段をこちらは持っていません。
• 消費者調査のこの調査は母集団が限られる。AI Overviewを利用している人だけが対象なので、日本人全体の値としては読めない。
• AI検索をどう受け止めているかを、この調査では調べていません。8.5で挙げたのは外部ツールの検索回数の推計で、実際に何人がどう感じているかを聞いた調査ではありません。「消したい」と検索した人が全員AI検索を嫌っているとも限りません。
• 止め方の手順を自分の画面で確かめていません。8.5に書いたのはGoogleの公式ヘルプの記述です。

著者と更新履歴

公開前に埋める必要がある項目：執筆担当者の氏名、監修者の氏名と肩書き、著者プロフィールページのURL、GMO NIKKOの正式な法人名表記、ロゴ画像のURL。いずれも現時点で確認できていないため、この記事および下のJSON-LDでは空欄にしてあり、推測で埋めていません。

まとめ

この記事の数字は、GMO AI検索ラボが自分で集めた実測であり、母数と期間は「データの出どころ」に書いており、数字は毎月測り直しているので、引用するときは集計期間を添えてください。