Day 01：AIツール（Gemini）に触れて慣れる

AI（人工知能）は、人間の知能が行っている判断や処理を、データと学習結果を使って実行する技術の総称です。いま私たちが日常で使うのは、特定の仕事に強い「弱いAI・特化型AI」が中心です。

生成AIは、テキスト・画像・音声・動画などの新しいコンテンツを作ります。文章を扱うLLM（大規模言語モデル）は、入力された文脈から次に来る可能性が高い言葉を順に予測して文章を組み立てます。

この仕組みは「もっともらしい文章」を作るのが得意で、事実を直接確認しているわけではありません。URLや数字、サービス名は、検索・公式ページ・実際の画面で照合してから使います。

フィジカルAIは、画面の中だけで処理するAIに「体」を持たせ、現実の物を見て動かす考え方です。ロボットが歩く・掴む・運ぶといった動作を学ぶことで、AIの活用範囲は画面の外にも広がっています。

Geminiを開いたら、まずチャット欄と左側のメニューを確認します。右側のモデル切替では、内容の重さに合わせて選びます。

設定を触る前に、入力内容がAIの改善に使われる範囲を確認します。アクティビティ設定のオン・オフは自分の利用目的とプライバシーの考え方で選び、連携機能は必要なアプリだけを有効にします。

URLや長文を渡して要約を依頼できます。たとえば「この動画の要点を3分で読めるようにまとめて」と目的と長さを指定すると、読む前の全体把握に使えます。メモからスライドの構成案を作るときも、対象者と用途を添えます。

画像生成は、一発で完成させる機能ではなく、会話しながら条件を足していく機能として使います。「背景だけ明るく」「文字は入れない」のように変更点を1つずつ伝えると、何が変わったか比較しやすくなります。

キャンバスでは、バラバラの数値やメモを、読みやすいレポートや表に整形できます。作成後は共有リンクの公開範囲と、元データに個人情報が含まれていないかを確認します。

Notebookは、PDFなどの手持ち資料を読み込ませて質問する、自分専用の資料部屋です。回答を採用する前に、資料のどの箇所を根拠にしているかを確認します。資料にないことは「資料内で見つからない」と回答させると、推測の混入を抑えられます。

調べ物・要約・下書き・画像生成を中心に使うなら、まず無料版で困る場面を記録します。動画生成や大量処理、AIエージェント機能など、やりたいことが無料版の上限に当たったときが有料化を考えるタイミングです。

長い会話でAIの回答がずれるとき、モデルの頭が悪くなったのではなく、渡している文脈（コンテキスト）が壊れていることがあります。必要な情報が埋もれたり、古い誤情報が混ざったりすると、回答の土台が不安定になります。

1. 話題が変わったら新しいチャットを開く
2. 長くなったら要点をまとめて引き継ぐ
3. 大事な前提は面倒でも言い直す
4. 関係する資料だけを渡す
5. 作業前に読ませる資料を決める

今日のゴールは、AIを特別な魔法としてではなく、試しながら使い方を覚える道具として身近にすることでした。次回は、読者のニーズと検索意図を捉える練習へ進みます。

「調べても、ページを開く前に答えが出てしまう」。最近そう感じたことはありませんか。検索のゴールそのものが動いています。

検索結果のページをクリックせず、検索画面やAIの回答だけで用事が済む「ゼロクリック」が増えています。これからは検索結果に表示されるだけでなく、AIが答えの中で自分の店・サービス・記事を名指しで薦められる状態も意識します。

従来の検索は候補を一覧から選ぶ行動でした。AI検索では、質問への答えとして短く整理された情報が提示され、そのまま判断されます。記事の冒頭で結論を示し、根拠と更新日を追えるようにすると、答えの材料として扱われやすくなります。

SEOは検索で見つけてもらうための看板、AEOはAIがそのまま答えに使えるよう情報を整理すること、GEOはAIのコンシェルジュから指名される理由を育てることです。目的が違うので、どれか一つに置き換えるのではなく、地層のように積み上げます。

GEOで効く「ダシ」は、一般論の寄せ集めではなく、実際に試した結果・自分だけの数字・失敗から得た知見です。動画では、プリンストン大学の研究として「統計や出典を載せると、AIに引用される率が30〜40%上がった」という結果が紹介されています。数字そのものより、「根拠を添えると選ばれやすくなる」という方向性を押さえましょう。

大きな作り直しから始めず、既存記事に小さな情報を足します。結論・質問・一次情報・プロフィール・更新確認の順で足すと、読者にもAIにも記事の要点が伝わりやすくなります。

LLMO（Large Language Model Optimization＝大規模言語モデル最適化）は、ChatGPTやGeminiのようなAIに、自分やサービスのことを正しく・好意的に扱ってもらうための取り組みです。SEOが「検索エンジン向け」なら、LLMOは「AI向け」と考えると分かりやすいです。新しく何かを作るのではなく、いまあるサイトや記事に次の5つを少しずつ足していきます。

まず自社名・サービス名でAIに質問し、どんな説明が返るかを記録します。強みが伝わるか、競合一覧に入っているか、引用されたメディアに古い情報がないかを確認すると、修正すべき入口が見えます。

クローラー（検索エンジンやAIがWebページを自動でめぐって内容を読み取るプログラム）が文字として読める見出し・本文を用意し、重要な情報を装飾やJavaScriptの奥へ隠しません。そのうえで、失敗談・検証結果・業界独自データなど、一般論だけでは出てこない情報を追加します。

「誰のどんな悩みを解決する専門家か」「競合との違い」「過去の実績」を一文で説明します。サイト・SNS・プロフィールで価格や強みが違うとAIが混乱するため、発信情報は同じ表現にそろえます。

AIの文章は目的へ最短距離で進み、無難で平均的になりやすい一方、人間の文章には迷い・脱線・共感があります。この「波」を少量足すと、読者が書き手の存在を感じやすくなります。

AIに人間らしさを演じさせて記事を自動量産することが目的ではありません。AIが出したノイズ案からインスピレーションをもらい、最終的に読者へ届けるのは、自分自身の本当の経験や言葉です。

SEO・AEO・GEOの地層を育て、選ばれる根っこに正直な体験を置きます。後半実習では、シンプルな記事とノイズを加えた記事を作り、読者として印象を比べます。