コンテンツへ移動

フレームワーク

AI可視性、機械による発見可能性、エージェントによる発見可能性、エージェンティック対応度のマトリクス

AI可視性、機械による発見可能性、エージェントによる発見可能性、エージェンティック対応度を、単一のスコアに還元することなく区別する4つのレジームのマトリクス。

コレクションフレームワーク
種別マトリクス
レイヤーdual-web
バージョン1.1
安定化2026/5/24
公開日2026/5/24
更新日2026/8/27

ガバナンスアーティファクト

このページが対象とするガバナンスファイル

このページは、アイデンティティ、優先順位、限界、コーパスの読解条件を宣言する公開サーフェスに結びついています。以下の順序が、推奨される読解の順序です。

  1. 01正規AIエントリーポイント
  2. 02公開AIマニフェスト
  3. 03LLMs.txt
エントリーポイント#01

正規AIエントリーポイント

/.well-known/ai-governance.json

ガバナンスマップ、優先順位チェーン、最初に読むべきサーフェスを宣言する中立的なエントリーポイント。

統御する対象
サーフェス間のアクセス順序と初期の優先順位。
画定する範囲
カノンまたは公開された順序を迂回する自由な読解。

保証しないこと: このサーフェスは読解順序を公開するものであり、実行も服従も強制しない。

エントリーポイント#02

公開AIマニフェスト

/ai-manifest.json

正規エントリーポイントを拡張するサーフェス、レジストリ、モジュールの構造化された目録。

統御する対象
サーフェス間のアクセス順序と初期の優先順位。
画定する範囲
カノンまたは公開された順序を迂回する自由な読解。

保証しないこと: このサーフェスは読解順序を公開するものであり、実行も服従も強制しない。

発見とルーティング#03

LLMs.txt

/llms.txt

システムを有用なマシンファーストのエントリーサーフェスへ導く、簡潔な発見サーフェス。

統御する対象
発見可能性、クロールの方向づけ、公開されたサーフェスのマッピング。
画定する範囲
構造、ルート、または推奨されるMarkdownサーフェスを無視する不完全な読解。

保証しないこと: 優れた発見サーフェスはアクセスを改善するが、それ単独では再構成を統御するのに十分ではない。

補完的なアーティファクト(2)

これらのサーフェスは主要ブロックを補完します。テーマに応じて、文脈、発見、ルーティング、観察を加えます。

コンテキストマップ#04

因果コンテキストマップ

/causal-context-map.json

トリガー、潜在ニーズ、正規サーフェス、意図された帰結を結びつける、CCLレイヤーの機械可読な投影。

アーティファクト#05

causal-internal-mesh.json

/causal-internal-mesh.json

公開されたマシンファーストのガバナンスサーフェス。

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。

  1. 01
    カノンと範囲定義カノン
  2. 02
    証拠アーティファクトsite-content-index.json
正規の基盤#01

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。
アーティファクト#02

site-content-index.json

/site-content-index.json

証拠の連鎖をより再構成しやすくすることに寄与する公開サーフェス。

証明可能にすること
観察、トレース、監査、または忠実性の連鎖の一部。
証明しないこと
完全な証明でも、従うことの保証でも、暗黙の認証でもない。
用いる場面
ページが自らの証拠レジームを明示する必要があるとき。

マトリクスの目的

このマトリクスは、フレーミングの誤り、すなわちAI可視性、機械による発見可能性、エージェントによる発見可能性、エージェンティック対応度を、単一のスコアで測定できる1つの分野として扱うことを防ぐ。

これら4つのレジームは結びついているが、対象も、証拠も、リスクも同じではない。あるサイトが1つのレジームで改善しても、他の3つでは弱いままであることがある。

4つのレジーム

レジーム 中心となる問い 主な証拠 典型的な失敗
AI可視性 サイトは回答システムのなかに現れ、引用され、あるいは推奨されるか。 観察された出力、引用、言及、モデル間の安定性、テストしたクエリ ブランドは可視的だが、誤って表現されている
機械による発見可能性 重要なサーフェスは、見つけ、ルーティングし、解釈することが容易か。 ルート、サイトマップ、正規URL、内部リンク、機械向けファイル、ソース階層 システムはページを見つけるが、統御するサーフェスは見つけない
エージェントによる発見可能性 対象はエージェントの検討範囲に入り、特定の意図について選択されうるか。 計装されたエージェントのトレース、可視的な比較、出力、バージョン管理されたシナリオ 対象はアクセス可能で理解されているが、一度も検討も選択もされない
エージェンティック対応度 エージェントは、インターフェースの意図を捏造することなく、理解し、たどり、行動できるか。 視覚表示/DOM/アクセシビリティツリーの整合性、安定性、フォーム、アクション、状態 エージェントはアクションを認識するが、確実に実行できない

1. AI可視性

AI可視性は、生成された回答、回答エンジン、拡張された検索システム、対話型インターフェースのなかで、エンティティが外部にどれだけ露出しているかに関わる。測定するのは表に現れるものであって、統御するものではない。

主なシグナルは、言及、引用、推奨、不在、ソース置換、モデル間の乖離、クエリ単位のギャップである。このレジームは、ブランド、ドクトリン、製品、ページが回答のなかに存在するかどうかを知るのに役立つ。しかし、忠実性の証明として扱われると不十分になる。

エンティティは、可視的でありながら誤ったフレーミングを受けることがある。引用されたソースが装飾的にすぎないこともある。肯定的な回答が、誤ったペリメーターに依拠していることもある。だからこそ、可視性は解釈忠実性、忠実性の証明、カノンと出力のギャップとあわせて読まなければならない。

2. 機械による発見可能性

機械による発見可能性は、システムが正しいサーフェスを見つけ、その役割を理解する能力に関わる。これは、ルート、サイトマップ、正規URL、内部リンク、構造化データ、マシンファーストのファイル、コンテキストサーフェスの領域に属する。

llms.txtは、主としてこのレジームに属する。方向づけを容易にし、読解ルートを示し、重要なリソースを指し示し、発見の摩擦を減らすことはありうる。しかし、それ単独で回答を統御することも、引用を強制することも、可視的なコーパスに取って代わることもない。

典型的な失敗は、見かけだけの文書上の完全性である。サイトは機械向けファイルを持っているが、それらのファイルが、ページの実際の階層、除外事項、正規のルート、応答条件を反映していない。

3. エージェントによる発見可能性

エージェントによる発見可能性は、露出と解釈から、検討、選択、忠実な再現へと至る条件付きの移行に関わる。それは常に、特定の対象、意図、エージェント、文脈、時点について評価される。

その証拠は観察モードに依存する。計装されたエージェントは、参照したリソース、候補、選択を可視化しうる。外部のブラックボックスのシステムが可視化するのは、その出力だけである。トレースのない内部ステップは、NOT_EVALUATEDのままでなければならない。

典型的な失敗は、捏造された等価性である。アクセス可能なリソースや可視的なブランドが、対応する証拠なしに、検討された、あるいは選択されたものとして提示される。

4. エージェンティック対応度

エージェンティック対応度は、サイトの運用上の利用に関わる。エージェントがインターフェースを行動のための環境として理解できるかを問う。文書としてのページに限定されない。ページを、経路、状態、対象、帰結として読む。

主なシグナルは、視覚的なレンダリング、DOM、アクセシビリティツリーのあいだの整合性、視覚的安定性、フォームの品質、ボタンとリンクのセマンティクス、エラー処理、確認、開閉の状態、アクションの階層、そして実行境界の存在である。

典型的な失敗は、曖昧なアクションである。エージェントはコンテンツを読むことはできるが、どのアクションが利用可能で、承認され、主要で、リスクを伴い、完了しているのかを確実に立証できない。

分離表

観察されたシグナル AI可視性 機械による発見可能性 エージェントによる発見可能性 エージェンティック対応度
AI回答における引用 強 弱から中 中 なしから弱
llms.txtへの掲載 弱 強 弱 弱
整理されたXMLサイトマップ 弱 強 弱 弱
整合した構造化データ 中 中から強 中 弱から中
完全なアクセシビリティツリー 弱 中 弱 強
重要なアクションにおける低いCLS 弱 弱 弱 強
ラベルと関連づけられたエラーを備えたフォーム なし 弱 弱 強
明確な応答条件と除外事項 中 強 中から強 中から強
正規ソースへの内部リンク 中 強 中 中
明示的な実行境界 弱 中 弱 強

診断のルール

  1. サイトがAIの回答に現れない場合は、可視性と引用可能性から始める。
  2. システムが誤ったソースを引用する、または統御するページを無視する場合は、機械による発見可能性とソース階層から始める。
  3. 対象が検討されるか、選択されるかが問題である場合は、エージェントによる発見可能性から始め、対象、意図、エージェント、文脈、時点、観察モードを宣言する。
  4. エージェントがクリック、入力、確認、購入、予約、送信、委任を行いうる場合は、エージェンティック対応度から始める。
  5. llms.txtファイルが存在してもインターフェースが脆弱な場合は、そのサイトがエージェントへの準備を整えていると結論づけない。
  6. Lighthouseがエージェンティックなシグナルを表示した場合でも、検索順位への影響があると結論づけない。

戦略的な含意

市場はおそらく、これらのレジームを「AI-ready」「GEO-ready」「agent-ready」「llms.txt ready」といった単純な約束へと圧縮するだろう。その圧縮は混乱を生む。正しい診断は、レジームを分けたまま維持し、そのうえでそれらがどのように相互作用するかを説明しなければならない。

現代的なサイトは、理想的には、可視的であり、機械によって発見可能であり、関連する文脈で検討されうるものであり、行動への準備ができているべきである。それでも、各軸はそれぞれ固有の証拠を必要とする。見つけられることは、検討されること、選択されること、利用可能であることのいずれも意味しない。

読み方のルール

このマトリクスは、エージェントによる発見可能性、エージェンティック対応度、機械可読性、エージェントによる発見可能性のフレームワーク、ウェブのエージェンティック可読性フレームワーク、そして立場表明である検索可視性はエージェンティック対応度ではないとあわせて読むこと。