「クリッピング、もうChatGPTでよくないですか？」
広報の現場で、この1,2年でいちばん聞こえてきた質問かもしれません。記事の要約も、論調の整理も、レポートのたたき台も、生成AIは驚くほどうまくこなします。ならば日々のメディアモニタリングごと任せてしまえばいい——そう考えるのは自然な流れです。
ところが業界調査には不思議な現象が出ています。
日本パブリックリレーションズ協会の「2025年PR業実態調査」では、重点課題として「生成AIの活用」が48%で3位に入る一方、「モニター・クリッピング作業」のニーズ増を見込む回答は前回の9%から16%へ、増加幅で同率2位。AIが普及するほど、クリッピングの需要はむしろ伸びているのです。
矛盾しているように見えますが、実はどちらも正しい。生成AIとクリッピングサービスは、得意分野がまったく違うからです。
本稿では、検索機能つきのAIがどこまでを回答材料として読むのか、また、その材料から回答が組み立てられるまでを順にたどり、「何をAIに任せ、何を人やサービスで支えるか」を整理します。
（クリッピングの基礎知識は「クリッピングとは？」、サービスの活用法は前回の記事をご覧ください）
目次
生成AIの情報収集は、何が革命的なのか
手元にある記事を渡したうえでの要約、複数記事の論調の整理、報告書のたたき台づくり。この種の作業は、生成AIによる効率化が期待できる領域です。
原文を与えた要約で、原文と整合しない内容がどの程度生じるかを継続測定するVectaraの現行Leaderboardでは、GPT-4o（2024-08-06）の「幻覚（ハルシネーション）率」（要約が原文と食い違った割合）は9.6%でした（2026年5月11日更新）。一方、原文やWeb検索なしで外部知識を問うOpenAIのSimpleQAでは、GPT-4oの誤答率は60.8%。
測定手法とデータセットが異なるため厳密な性能比較ではありませんが、単純比では約6.3倍です。少なくともこの2つの測定では、原文ありの要約の方が誤りの割合が低く出ています。「要約の天才」という評価は、答えの材料となる原文を渡して使う、という条件つきで理解するのが安全です。
強さの理由は明快で、答えの材料がすべて入力に含まれているからです。外の世界を言い当てる必要がない——原文が手元にあるタスクに、AIは滅法強いのです。
なお、9.6%は、評価条件をそろえたベンチマークでの集計値であり、個別の要約が正しい保証ではありません。誤りが残る前提で、どこに人の目を当てるかは、文末のTIPSにまとめました。
問題は手前の工程、「原文を漏れなく集めてくる」仕事をAIに任せたときに起きます。
賢くなっても「網羅」は構造的に苦手──仕組みの問題とは
生成AIは「確率で答えを作る」装置
大規模言語モデル（LLM）は、データベースのように記事を「照会」しているわけではありません。次に来る言葉を確率的に選びながら、穴埋め問題のように文章を組み立てる装置です。
だから「先月の自社関連報道を全部挙げて」の質問に返ってくるのは、全数調査の結果ではなく「もっともらしいいくつか」——統計でいうサンプリングに近い振る舞いです。
外部の事実を問う課題の正答率は、開発元自身の測定でも高くありません。先ほどのOpenAI「SimpleQA」で、短い事実質問へのGPT-4oの正答率は38.2%。しかも誤答の多くは、迷いを見せない言い切りでした。
同社の研究チーム自身、ハルシネーション（事実と異なる内容を生成する現象）は現在の学習・評価手法では構造的に残る誤りだと論じています。
AI検索が読むのは「上位の数件〜二十件」
「でも、検索機能つきのAIなら実際のWebを見ているのでは？」——半分正解です。
検索連携型のAI（仕組みはRAG＝検索で見つけたページを読み込ませてから回答させる方式）は、たしかに実在のWebページを読みます。ただし読むのは、検索で上位に来た限られた件数だけ。Perplexityの検索APIは公式仕様で1検索につき標準10件・最大20件。ChatGPTのWeb検索にも、結果の読み込み量に上限があります。
つまり、検索の網にかからなかった記事は「読まれたうえで除外」されるのではなく、最初から読まれません。AIにとって、存在しないのと同じです。
「全部拾えたか」は、本人にも分からない
さらに本質的なのは、この流れのどこにも「取りこぼしがないこと」を保証する仕組みがない点です。実運用の研究でも「答えは文書群の中にあるのに、上位に入らず使われない」ことが示されています。
米コロンビア大学のTow Centerが2025年3月に公表した調査では、実在のニュース記事200本の抜粋を8つのAI検索ツールに示し、出典（見出し・媒体名・公開日・URL）を特定させたところ、計1,600問の6割超に誤った回答が返りました。
出題はすべて、Google検索なら上位3件以内に原典が表示される抜粋だけ。検索すれば確実に見つかる記事でも、この精度です。ツールによっては、存在しないURLやリンク切れを「出典」に挙げた回答が過半を占めました。
出典の特定という一つのタスクに限った数字ですが、「たどり着けていないのに、たどり着いたかのように答える」振る舞いがよく表れています。
日本新聞協会も2024年の声明で、検索連動型生成AIの回答に誤りが含まれること、参照元を訪れないまま誤情報が広がる懸念（ゼロクリック問題）を指摘しています。
広報のモニタリングは「漏れゼロ」と「同一条件」が前提
一方、広報・PRの実務がモニタリングに求めてきた要件はどうでしょうか。
効果測定は「定点観測」でしか成立しない
露出件数や論調の推移は、同じ条件で測り続けるからこそ意味を持ちます。広報効果測定の国際指針「バルセロナ原則3.0」が広告換算額への依存を戒めて以降、実務の軸足は同一基準での経年比較に移りました。
聞くたびに結果の変わるAI調査は、月次レポートのグラフの1点にできないのです。
危機管理は「拾えなかった1件」が命取り
国内の炎上事案は2024年に1,225件、月平均100件超と報告されています。危機管理広報の生命線は、小さな火種を早く検知する「網」にあります。
ところが生成AIは「もっともらしく間違える」のが特徴です。AppleのAI通知要約は、BBC記事から事実と異なる見出しを作って機能停止に追い込まれました。官民連携の観光サイトが、生成AI製の記事で実在しない観光名所を紹介して閉鎖された例もあります（2024年・福岡）。
真顔で嘘をつくことのある見張り役に、危機の網は任せられません。
報告書の「エビデンス性」と、見落とされがちな権利処理
2025年には、豪州の大手コンサルティング会社が政府納品の報告書に実在しない文献を引用し、契約金の一部返金に至ったと報じられました。AI出力をそのまま「エビデンス」にする危うさの象徴です。
もう一つ見落とされがちなのが著作権です。記事の社内共有は複製・公衆送信にあたり、原則として権利者の許諾が必要です。新聞記事をスキャンして社内イントラネットに掲載していた企業への賠償命令が確定した判例もあります（2024年・最高裁）。
クリッピングサービスの対価には、この媒体許諾の処理が含まれています。AIに記事を集めさせて社内レポート化する運用は、権利処理を素通りしてしまうおそれがあります。
文化庁「AIと著作権に関する考え方」（2024年）も、出力が元記事の軽微な利用を超える場合は許諾が必要になり得ると整理しています。
結論：「観測はクリッピング、解釈はAI」
ここまでの話は、図解1の2層に集約されます。
- 観測（全数・定点・許諾済みのデータ取得）……クリッピングサービス
- 解釈（要約・論調分析・報告書のたたき台）……生成AI
AIによる分析の質は、入力データの質で決まります。網羅性が保証された、出典つきの記事データを渡したとき、生成AIは「要約の天才」の本領を発揮します。
Webクリッピングサービスで観測の土台を固め、その上でAIに解釈をさせる——これが両者のいいとこ取りをする現実解です。
前回ご紹介したGoogleアラートとの比較と合わせて言えば、無料ツールは「情報収集の網の粗さ」、生成AIは「網羅を目的としていない」ことで、モニタリングの土台としては足りない——ということになります。
【TIPS】原文つきの要約でも誤りは残る——”人の目”の使い方
役員報告やクライアント提出のように、わずかな誤りも許されない場面があります。ベンチマークでの誤りの割合が低くても、目の前の要約が正しい保証にはなりません。かといって、AIの要約や書き起こしを頭から検品し始めると、結局すべて読む羽目になり「何のためのAIか」と残念な気持ちになる。人の目は、次の5点に絞って使うのが現実的です。
- ① 全文を検品しない。検証は「読む」ではなく「照合する」に切り替える。
- ② 照合は事実要素だけ。固有名詞・数字・日付・発言の直接引用に絞る。AIの誤りは事実要素に集中して現れ、言い回しのズレは実害が小さい。
- ③ リスクで層を分ける。社外提出・役員報告・ネガティブ論調・危機管理案件は原文必読。社内参考用は抜き取りチェックで割り切る。
- ④ AIに「原文の該当箇所を引用付きで」出力させる。照合が「読む」から「見比べる」に変わり、短縮になる。
- ⑤ 原文に1クリックで戻れる状態を保つ。照合は原文が手元にあって初めて成立する。原文と出典が常に紐づいていることは、クリッピングデータの構造的な強みです。
まとめ：AIが賢くなるほど、観測網の価値は上がる
生成AIは広報の仕事を確実に変えます。ただしその変化は、クリッピングを不要にする方向ではなく、「信頼できる観測データを持っている広報」と「持っていない広報」の差を広げる方向に進んでいると見ています。
観測はクリッピング、解釈はAI、そして最終責任は人。この三層を設計できたチームから、メディアモニタリングは「作業」から「戦略」へ変わっていきます。
