E-E-A-Tとは何か、そしてなぜAIコンテンツの順位を左右するのか

Googleのhelpful contentに関するページでは、この用語を正確に一度だけ、「experience, expertise, authoritativeness, and trustworthiness, or what we call E-E-A-T」と明記している。その後は、ページの残りでその背後にある問いを扱っている。4つの特性である。そのうち1つは、いかなる作成ツールでもまったく生成できない。残りの3つは、出版社が適切に整備すれば、AIワークフローの中でも維持される。この区別をしている文章は、ほとんどない。

では、E-E-A-Tとは何か。E-E-A-Tは、Googleが、人間の品質評価者がページとその公開者を評価する際に見る4つの特性、すなわちexperience, expertise, authoritativeness, trustworthinessを指す略称である。これはSearch Quality Rater Guidelinesに由来し、Googleがランキングシステムが良好な結果を出しているかを確認する際に、評価者が用いる文書である。この由来が、AI支援コンテンツへの概念の適用のされ方を決める。そして、これは多くの解説が省いている部分である。

政策上の問題は別の場所にあり、そこには独自の答えがある。AIコンテンツとランキングに関するGoogleの文書化された立場は、実際に効力を持つ文を引用し、すべての改訂日を示しており、そのいずれもAIによる執筆を不利要因として扱っていない。本稿が答えるのは品質の問題である。すなわち、AI下書きが自力で備える4つの側面のうちどれか、構造上備えられないのはどれか、そしてその差を補うために出版社が何を加える必要があるのか、である。

E-E-A-Tとは何か, 4つの側面の定義

経験とは、対象に対する直接的な接触である。Google自身の自己評価の問いは、それを具体的に示している。「あなたのコンテンツは、第一手の専門性と知識の深さを明確に示していますか, 例えば、実際に製品やサービスを使用したこと、あるいは場所を訪れたことから得られる専門性ですか?」 専門性とは、実証された対象知識であり、Googleはこれを別の問いとして位置づけている。「このコンテンツは、そのトピックを十分に知っていることが明らかな専門家または愛好家によって書かれた、またはレビューされたものですか?」 この二つは表現上は重なっているが、実際には分かれる。ある人がある分野を徹底的に知っていても、レビューしている特定の製品を実際に使ったことがない場合はありうる。

権威性とは評判である。これは、そのページ、著者、サイトが、この特定の主題について他者が参照する情報源として認識されているかどうかを指し、テキストの性質というよりは世界の側の属性である。信頼性とは、正確性、透明性、説明責任であり、Googleの文書はその重要度について明確である。「これらの側面のうち、信頼が最も重要である。」他の3つは、部分的にはそれを支えるために存在する。真の専門家によって書かれたページであっても、読者が誰が公開したのか、どのように作成されたのかを確認できない場合、信頼の面では不十分である。

E-E-A-T の出所と、Googleがそれをランキング要因ではないと言う理由

E-E-A-T は Search Quality Rater Guidelines に由来する。これは、Googleが検索結果のサンプルを評価する人間の評価者に提供する文書である。これがランキングとどう関係するかについてのGoogleの表現は、要約ではなく正確に読む価値がある。「E-E-A-T 自体は特定のランキング要因ではないが、良好な E-E-A-T を持つコンテンツを識別できる複数の要因を組み合わせて用いることは有用である。」そして評価者自身については、「評価者データは、私たちのランキングアルゴリズムで直接使用されることはない。」

また、評価者が行うことについてのGoogleの比喩は、レストランがコメントカードを読むことにたとえられている。「むしろ、私たちはそれらを、レストランが客からフィードバックカードを受け取るのと同じように用いる。フィードバックは、私たちのシステムが機能しているように見えるかどうかを知る助けになる。」そのカードは、厨房に料理が受け入れられているかどうかを伝える。何かを調理するわけではない。

実際上の帰結は、特にAIコンテンツにおいて重要である。引き上げるべきE-E-A-Tスコアは存在しないため、4つの側面を示すことを中心に組み立てられた戦略は的外れである。引き上げられるのは、評価者が確認するよう求められた基礎的な実質であり、実質こそがAI下書きにとって不均等に備わっている部分である。

AI下書きが単独で担える側面

4つのうち2つは完全に自動化されたワークフローでも残り、1つは部分的に残り、1つはまったく残らない。Expertiseは部分的に残る。なぜなら、公開資料で学習したモデルは、十分に文書化された主題について正確な専門知識を再現し、その各文は検証できるからである。Authoritativenessは下書きそのものではなくサイトと著者に属するため、確立されたドメインはAI支援ページを他のページと同様に容易に支える。Trustworthinessはプロセスに依存する。検証、透明性、そして名前のある著者は、いずれも下書きが終わった後に出版社が提供するものである。Experienceは、どの下書き段階でも到達できない唯一のものである。

E-E-A-T aspect	What Google ties it to	What an AI draft supplies on its own	What the publisher has to add
Experience	実地での接触, つまり、実際に製品やサービスを使ったこと、または場所を訪れたことから生じる専門性	何もない。モデルは製品を使ったことも、場所を訪れたこともない	測定値、スクリーンショット、日付の入った結果、あなたが下した判断とその後に起きたこと
Expertise	その विषयを十分に理解していることが明確な専門家または愛好家によって書かれた、または査読された内容	十分に文書化された話題についての正確な主題知識, ただし完全に未検証	その分野を知る名前のある査読者, そしてモデルが生成したすべての主張の確認
Authoritativeness	この主題について他者が参照する情報源としての、サイトと著者の認知	何もない。なぜなら、評判はテキストではなく世界の属性だからである	他者が引用を選ぶ文献, 一貫した主題の焦点, 追跡可能な実績を持つ著者
Trustworthiness	正確性、透明性、説明責任, これをGoogleは4つの中で最も重要なものと呼んでいる	内容が正しいかどうかにかかわらず、自信があるように読める流暢な文章	著者名、明示された方法、解決可能な出典、そして何か誤りがあるときに見える訂正

人々を驚かせるのは第3列である。モデルは、あらゆる正確性の水準において同じように自信に満ちた文章を生成するため、流暢さは信頼について何の情報も与えない。だからこそ、検証はAI支援ページにおける最も価値の高い編集上の工程であり、また、それを別のモデルに委ねることはできない。なぜなら、同じ方法で訓練された検証器は相関した誤りを犯すからである。

経験, モデルが構造上供給できない側面

モデルは、製品を使ったことも、会議に出席したことも、テストを実施したことも、場所を訪れたこともありません。モデルが生成するものはすべて、他者の経験を記述したテキストの再結合であり、それは経験とは別のものであり、注意深い読者には別のものとして読まれます。Googleの自己評価の質問は、その隔たりを正確に名指ししており、内容が、実際に製品やサービスを使ったこと、あるいは場所を訪れたことから生じる専門性を示しているかどうかを問います。公開された資料から組み立てられた下書きは、その質問のあらゆる節に対して、答えは否です。

これが、第二のEがそもそも追加された理由です。Googleは、2022年12月の品質評価者ガイドラインの更新で、従来のE-A-TにExperienceを追加し、その追加によって、何かについて知っていることと、それを実際に行ったこととを分けました。商業的な検索クエリでは、この区別が大部分の役割を果たします。というのも、製品について知ることは今では安価ですが、それを使ったことは安価ではないからです。2つのレビュー頁を比較する読者は、通常、1段落も読めば、どちらの書き手が箱を開けたのかを見分けられます。

自分の下書きに対するこの検査は、約1分で済みます。頁を読み、その行為をした人にしか書けなかった文を見つけてください。完全にAIで生成された頁では、通常、そのような文は存在しないというのが答えであり、どれほど書き換えてもそれは変わりません。なぜなら、書き換えは、すでにそこにある文に対して働くからです。

出版社がExperienceと信頼を供給するために加えるもの

4つの追加で、隔たりの大半は埋まりますが、そのどれも執筆作業ではありません。第1は、自分の作業から得られた証拠物です。記録した数値、実際の画面のスクリーンショット、誰かが監査できる日付付きの前後比較です。第2は、追跡可能な実績を持つ、名前のある著者です。Googleの自己評価リストは、「ページには、あると期待される場合に、著者名が付されているか」と直接問い、そのガイダンスは、読者が見つけると期待する場所に正確な著者情報があることを強く促しています。Googleは著者名をランキングシグナルとは呼んでおらず、読者向けの議論が成り立つためにそれである必要もありません。

3つ目の追加は、方法に関する透明性である。Googleはこれを Who, How and Why の枠組みにおける How と位置づけており、その表現によれば、コンテンツがどのように作成されたかを知ることは読者にとって有益である。AI がどのように使用され、開示されるかについての公表された方針は、サイト全体のレベルでその役割を果たし、読者はそれを確認できる。これは、ブログ記事の内部にある主張以上のものである。Google のガイダンスは Why を3つの問いの中で最も重要なものとして扱っており、検索結果を占めることを主目的として作成されたページは、誰がその言葉を書いたとしても、それにうまく答えられない。

4つ目の追加は編集であり、最後に置かれるのには理由がある。AI テキストを人間らしくするためのガイドはその作業の仕組みを扱い、マーケティングページ向けに構築された humanizer は、ページがすでに順位を獲得しているフレーズを乱すことなくそれを実行する。どちらも経験を付け加えない。背後に何もないのに美しく読めるページは、まさに第2の E が説明するために追加された失敗例であり、編集の工程はその失敗を見つけにくくするものである。

原則を編集の工程に変えることが、実践面の半分である。SEO のために AI ブログ記事を人間らしくすることは1つのページを扱い、大規模なライブラリ全体で同じことを行うことは別に扱われる。

最後に公開した AI 支援ページを開き、あなただけが書けたはずの文を探してほしい。もしそれがないなら、修正は電話、テスト、または実在する何かのスクリーンショットであり、下書きに要した時間より長くかかるだろう。下書きに1時間かけて、実際に確かめるまでに1週間かかるというその差こそが、第2の E の実際のコストであり、それが、これを備えるページがこれほど少ない理由である。