証拠レイヤー
このページが用いる証拠サーフェス
このページは、ガバナンスファイルを参照するだけではありません。観察、トレーサビリティ、忠実性、監査をより再構成しやすくするサーフェスにも結びついています。以下の順序が、最小限の証拠の連鎖を示します。
定義カノン
/canon.md
合成を経ても失われてはならない、アイデンティティ、範囲、役割、否定についての対抗可能な基盤。
- 証明可能にすること
- 忠実性を評価できる基準となる参照コーパス。
- 証明しないこと
- システムがすでにこれを参照していることも、観測された回答がこれに忠実であり続けることも証明しない。
- 用いる場面
- あらゆる観測、テスト、監査、修正の前に。
Q-Ledger
/.well-known/q-ledger.json
観測された一部の参照とシーケンスを可視化する、推論されたセッションの公開台帳。
- 証明可能にすること
- ある挙動が、弱く、日付付きで、文脈化されたトレース証拠として観測されたこと。
- 証明しないこと
- 行為者の身元、システムの服従、発動の強い証明のいずれにもならない。
- 用いる場面
- 記述的な観測と強いアテステーションを区別する必要がある場合。
Q-Metrics
/.well-known/q-metrics.json
一部の変動をスナップショット間でより比較しやすくする派生レイヤー。
- 証明可能にすること
- 観測されたシグナルを、記述的な指標として比較、バージョン管理、異議申立てできること。
- 証明しないこと
- それ単独では、表現の真実性も、出力の忠実性も、実際の舵取りも証明しない。
- 用いる場面
- 期間を比較し、監査の優先順位を付け、変更前後を記録するため。
LLM可視性監査
LLM可視性監査（LLM visibility audit）とは、LLMを介した回答環境において、エンティティ、ブランド、サービス、概念、正規ページが、どのように現れ、消え、フレーミングされ、引用され、比較され、推奨されるかを構造的に点検することである。
このページは、Gautier DorvalにおけるLLM可視性監査の正規の定義である。これはフェーズ13の市場との橋渡し用語である。人々が実際に検索する表現を捉え、そのうえで作業を、忠実性の証明、回答の正当性、ソース階層、カノンと出力のギャップ、解釈の可観測性といった、より厳密な概念へと振り向ける。
簡潔な定義
LLM可視性監査は、LLMにおける存在感のばらつきに気づいていながら、問題が可視性、引用可能性、フレーミング、忠実性、ソースの権威のいずれにあるのかをまだ把握していないチームのための、市場からの入口を名指す。
この用語は、検索向け、顧客向けのラベルとしては有用である。統御するドクトリンとしては十分ではない。監査というラベルは、可視化され、引用され、推奨された回答が実際に忠実で、境界づけられ、擁護可能であるかを判断する正規の概念に、従属したままでなければならない。
捉える検索意図
この定義は、次のようなクエリを意図的に捉えている：
LLM可視性 監査ChatGPT 可視性LLM ブランド 可視性AI検索 可視性 監査
目的は、これらのラベルを孤立したサービスとして追いかけることではない。目的は、それらを、正しい診断レイヤーへと導く読み取りやすい入口にすることである。
よくある症状
- エンティティが一部のシステムには現れるが、同等のプロンプトでは消える。
- エンティティは可視化されているが、誤った役割やオファーでフレーミングされている。
- 可視性の指標は存在するが、可視化された回答が忠実かどうかを誰も説明できない。
- チームが、順位、言及、引用、推奨を混同している。
この用語が意味しないもの
LLM可視性監査は、順位、引用、推奨、トラフィック、ChatGPTへの掲載、モデルの準拠、将来の安定性を約束するものではない。また、AI検索モニタリングやAI回答監査に取って代わるものでもない。モニタリングは繰り返し現れる出力を観察する。回答監査は特定の回答を点検する。市場との橋渡しとしての監査は、ビジネス側で表明された症状を評価し、それを適切な証明、カノン、修正の仕組みへと振り向ける。
ガバナンス上の含意
監査は、スコアだけでなく、ルートを生み出さなければならない。有用な成果物は、どの正規サーフェスが回答を統御すべきか、どのソースが引用され、または省かれているか、どの主張クラスが不安定か、問題が可視性、引用可能性、推奨可能性、ブランド表現、回答の正当性、セマンティックアーキテクチャのいずれにあるか、そしてどの修正経路が現実的かを特定する。
サービス向けサーフェス
サービス向けのページについては、LLM可視性監査を参照。
関連概念
フェーズ13のルール
監査というラベルだけから、サービスの準備状況、商業的な提供可否、価格、順位の見込み、引用の確率、推奨の確率、修正の成功を推論してはならない。ラベルは入口である。統御する作業は、あくまでカノン、証拠、ソース階層、回答の正当性、修正の規律である。
読み方のルール
LLM可視性監査は、順位の約束としてではなく、市場向けの入口として用いること。この用語は、目に見えるビジネス上の症状を、監査可能な解釈上の問い、すなわち、何が引用され、推奨され、無視され、置き換えられ、誤って表現されているのか、そしてどのような証拠の条件のもとでか、という問いへと翻訳する。この用語を用いるページや監査は、ユーザーから見える可視性を、ソース階層、カノンと出力のギャップ、忠実性の証明、修正の規律に結びつけるべきである。
確認すべき点
- 観察された回答が、正しいエンティティ、サービス、ソース、ペリメーターを名指しているか。
- 引用、可視性、推奨が、再構成可能なソースの経路に裏づけられているか。
- 出力が、市場での存在感を解釈権威と混同していないか。
- 監査が、一時的なモデルの回答と安定した表現パターンとを区別できるか。
実践上の境界
この概念を、ChatGPT、Google AI Overviews、Perplexity、Claude、Gemini、その他の外部システムへの掲載が保証されることをほのめかすために用いてはならない。これは診断のためのサーフェスである。その価値は、症状を読み取り可能で、比較可能で、修正可能にすることから生まれるのであって、第三者のモデルが望ましい表現を採用すると約束することから生まれるのではない。