LLM認識ドリフトとは
LLM認識ドリフト（LLM Perception Drift）とは、大規模言語モデル（LLM）が学習データの時点で固定された古い情報をもとに自社ブランドを誤認識し、誤った回答を出し続ける現象です。モデルの知識は学習カットオフ以降に更新されないため、ブランドの状態が実態からどんどんずれていきます。
なぜ起きるか
LLMは一度学習を終えると、基本的に追加学習なしで運用されます。学習データには「カットオフ」と呼ばれる収集締め切り日があり、それ以降に起きた変化——値上げ・製品名変更・組織改編・サービス終了——はモデルに反映されません。
さらに、LLMはWebをリアルタイムで参照するわけではないため、公式サイトを更新しても即座にモデルの認識が変わるわけではありません。Perplexityのような検索連動型AIでも、インデックスの鮮度や引用元の信頼性によって精度が左右されます。
具体的なリスク例
- 古い価格がAIに案内される: 値上げ後も旧価格を「〇〇円から」と回答され、問い合わせ時にトラブルが発生します。
- 廃止済み製品名が引用される: リブランド前の旧製品名で紹介され、競合と混同されるケースがあります。
- 誤った企業情報が伝播する: 旧住所・旧代表者名・事業内容の誤認識が、AIを経由して多くのユーザーに届きます。
発見方法
まず自社名・製品名・サービス名をキーワードに、以下のAIツールで実際に質問してみてください。
- ChatGPT（GPT-4o）: 「[企業名]のサービスを教えてください」
- Gemini: 「[製品名]の価格と特徴は？」
- Perplexity: 「[ブランド名] とはどんな会社ですか」
回答に含まれる情報（価格・製品名・所在地・代表者など）を公式情報と照合します。ズレが見つかった箇所が「ドリフトが発生している領域」です。
是正方法
1. Wikipedia・Wikidataの更新
LLMの学習データにはWikipediaが高い比重で含まれます。正確な企業概要・沿革・製品情報を記載し、出典リンクを明示することで、次の学習サイクルで誤認識が修正される可能性が高まります。
2. プレスリリースの継続的な配信
価格改定・製品変更・組織変更のたびにプレスリリースを配信してください。配信先（PR TIMES等）はクロールされやすく、Perplexityなどリアルタイム参照型のAIに最も効きます。
3. JSON-LDのOrganizationスキーマ整備
公式サイトのトップページにJSON-LD形式でOrganizationスキーマを設置します。name・url・description・foundingDate・contactPointを最新の状態に保つことで、AIが参照するデータの正確性が向上します。
4. 公式FAQページの充実
「よくある質問」形式で最新情報を網羅したFAQページを作成・維持します。Q&A形式はLLMが回答生成時に参照しやすい構造であり、AEO（Answer Engine Optimization）の中心的な施策です。
AEO/LLMOとの関係
LLM認識ドリフトへの対策は、そのままAEO（Answer Engine Optimization）とLLMO（LLM Optimization）の実践に直結します。AEOは「AIに正確に回答させる」ための情報設計であり、LLMOはLLMがブランドをどう認識するかをコントロールする取り組みです。ドリフトを放置することは、ブランドの信頼性をAIに委ねることを意味するため、定期的なモニタリングと情報更新が必要です。