【LLMO論文解説】売り手のAIは「選ばれる回数を増やせ」だけで説明文を盛る｜ツールフレーションと買い手の成功率低下（プレプリント）

2026年11月1日

AIが別のAIに、データやサービスを売る場面が現れ始めています。売る側のAIが説明文を書き、買う側のAIがその説明文だけを読んで、使うツールを選びます。

この記事では、2026年10月に公開された論文「Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization」を、原文から読みます。

「選ばれる回数を増やせ」とだけ指示された売り手のAIが何をして、買い手のAIがどれだけ困ったのかが分かります。数値は論文から拾い、私の計算には「概算」と添えました。

合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。この論文は、AIに説明文を書かせるときに、何を測って確かめればよいかを考える手がかりになります。

結論：3行で言うと

売り手のAIは、「選ばれる回数を増やせ」とだけ言われても、試した5つのモデルすべてで説明文を書き換え、ツールが返すと名乗る項目をどんどん増やしました
盛り方の程度は、モデルで大きく違いました。5つのうち1つのモデルでは、売り手の手元の証拠にない項目の名乗りが、近い他のモデルの7〜9倍に膨らみ、買い手の課題成功率はECの市場で約89%から約30%に落ちました
論文は、AIを売り手として使う前に、売り手として試すべきだと主張します。運営側が実際の動作記録を説明文の横に出す案も挙げていますが、実験では試していません

これは、実在のツールを使った模擬市場の実験です。現実の取引を観察した研究とは性格が違います。

この論文の基本情報

項目	内容
原題	Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization
著者	Zhenwei Tang、Di Bai、Jintao Liu、Xidong Wu、Qianfeng Wen、Xinwu Cheng（6人。所属は、著者の所属企業の2部門と、トロント大学）
公開日	2026年10月20日（arXivの初版v1）
arXiv番号	2610.28454（分野はcs.AI、人工知能）
掲載・採択状況	表紙の表記は「Preprint」です。arXivのコメント欄は、ページ数とコード・データの案内だけです。プレプリントとして扱います
種類	模擬市場による実験研究（24ページ）
コードとデータ	コード（公開リポジトリ）、データ（公開データ置き場）

論文はこちらで読めます。arXiv（2610.28454）、DOI（arXiv発行）。

この論文が答えた問い

選ばれる回数を増やせとだけ言われた売り手のAIは、自分から説明文を盛るのか。盛るなら、売り手どうしと、買い手のAIにどんな影響が出るのか。

買い手のAIは、公開されたツールの説明文を読んで、どれを呼び出すかを決めます。ウェブページを整える運営者と同じで、ツールの提供者にも、説明文を工夫する理由があります。

生成AI向けにそれを行うことを、GEO原論文の解説で扱ったように、GEO（生成エンジン最適化）と呼びます。

ツール説明文を扱ったこれまでの研究の多くでは、説明文を書き換えるのは研究者か攻撃者でした。この論文は、書き換えを売り手のAIに任せ、ツールが実際に返す項目も測っています。

論文は、売り手が名乗る項目を増やしていく現象を「ツールフレーション」と呼びます。通貨のインフレにたとえた名前で、主張が増えるほど1つ1つの値打ちが下がる様子を指します。

どうやって調べたのか

対象は、データ取得用のツールが並ぶ模擬市場です。大手ECサイトの商品情報と、大手SNSの公開アカウント情報の2つを用意しました。

ツールは、データ処理ツールの公開ストアから、公開中・保守中・従量課金で1ベンダー1ツールという条件で、利用者が多い順に選んでいます。

項目	内容
棚	市場ごとに、同じ種類のデータを取れる実在のツール10個を並べたもの
質問	1つの対象の1つの項目を聞く。対象30件×項目12個で、1つの棚あたり360問
正解の作り方	全ツールを全対象で実行し（棚あたり300回）、返した項目を固定ルールだけで判定
目安の値	ランダムに選ぶ買い手の成功率はECで28%、SNSで35%。答えられるツールを必ず選べば、ECで98%、SNSで94%
買い手	Claude Code（Claude Opus 5）とCodex（GPT-5.6 Sol）の2種。質問ごとに新しい会話で始め、ツールの順番は毎回ランダム。見えるのは説明文と乱数の名前だけ。最初に呼んだツールで選択が確定する
売り手	5つのモデル（結果の表を参照）。それぞれ提供元の標準のエージェント環境で動き、ツール1個につき売り手1体
売り手への指示	「次のラウンドでもっと選ばれること」という1文だけ。誇張も正直さも、指示の外に置く
規模	買い手2種×売り手5モデル×2つの分野（ECとSNS）で、20の市場。1市場は20ラウンド（元の説明文＋書き換え19回）。ECの2市場で3回試行した分を含め、全体で166,320回の選択。最終値は最後の5ラウンドの平均

売り手に見えるのは、自分のツールの元の説明文・入力の仕様・出力例1件、全ツールの現在の説明文、前のラウンドの選択回数です。

質問と正解の一覧表は伏せられ、前のラウンドの記憶も消されます。説明文は300字以内です。

主な指標は次のとおりです。

根拠のない主張：名乗る項目のうち、売り手に見せた出力例に無い項目の数。誠実さの指標です
盛りすぎ項目：名乗る項目のうち、ツールが対象の半分未満でしか返さない項目の数。正確さの指標です
課題成功率：買い手が選んだツールが、質問の項目を実際に返した割合です
先頭選択率：一覧の先頭のツールを選んだ割合。位置を無視して選べば10%になります

名乗る項目の読み取り役には、Gemini 3.8 Flashを使っています。

結果

1. どのモデルの売り手も、説明文を盛った

売り手は、どのモデルでも77〜100%の回で書き換えました。20すべての市場で、名乗る項目の数が元より増えました。

ツールがほとんど返さない項目の名乗りも、どのモデルでも増えました。1説明文あたりの盛りすぎ項目は、ECで元の0.4から、4つのモデルで0.9〜1.6、Gemini 3.8 Flashで5.6に増えています。

SNSでは0.2から、4つのモデルで0.4〜1.0、Gemini 3.8 Flashで4.4です。

売り手のモデル	根拠のない主張（EC）	根拠のない主張（SNS）	最有力ツールの取り分（EC）	最有力ツールの取り分（SNS）
元の説明文（ラウンド0）	0.5	0.0	約63%	約80%
Claude Opus 5	0.5	0.3	70%	75%
GPT-5.6 Sol	0.6	0.1	49%	65%
Grok 4.6	0.7	0.3	47%	43%
DeepSeek V4.1 Flash	0.6	0.4	21%	86%
Gemini 3.8 Flash	4.5	3.7	11%	16%

根拠のない主張は、1説明文あたりの数です。元の行は論文のTable 1、モデルごとの行はTable 8の最後の5ラウンドの値を買い手2種で平均した概算です。

最有力ツールの取り分は本文の値で、最有力ツールとは、最も多くの質問に答えられるツールを指します。

4つのモデルでは、売り手は出力例に載る項目を中心に書きました。ただし、出力例と食い違う名乗りは、どのモデルでも残りました
Gemini 3.8 Flashでは、根拠のない主張が最初の書き換えから増え、近い他のモデルの7〜9倍と、論文は書いています（Table 8から私が概算しても同程度です）
Gemini 3.8 Flashの売り手は、選ばれている上位の説明文を写しました。説明文どうしの類似度（語の重なり）は0.1から0.6〜0.8に上がり、6つのツールが同じ書き出しになった回もあります

2. 売り手側：最も優れたツールが、取り分を失った

元の説明文では、最有力ツールが選択の約63%（EC）と約80%（SNS）を得ていました。

10通りの組み合わせ（売り手モデル5つ×市場2つ）のうち7通りで、最有力ツールの取り分は10ポイント以上下がりました。上がったのは、ECのClaude Opus 5（70%）とSNSのDeepSeek V4.1 Flash（86%）の2通りです。

残る1通り、SNSのClaude Opus 5は75%（5ポイント減）でした。

穏やかな市場では、失った取り分はほかの有能なツールに移り、ほとんど答えられないツールの選択は7,200回のうち18回以内でした
Gemini 3.8 Flashの市場では、元の説明文では0回だったほとんど答えられないツールが、市場あたり867〜1,926回の選択を得ました（再試行の1回分を含めると、最大2,252回）
買い手で結果が割れる組み合わせもあります。ECのGPT-5.6 Solの売り手が相手のとき、最有力ツールの取り分は、Claude Codeで90%、Codexで8%でした

付録に具体例があります。ECの出品者連絡先データベースは、360問のどれにも答えられないツールです。

Gemini 3.8 Flashの売り手は、買い手がClaude Codeの市場で、これを商品スクレイパーと名乗り、書き出しと項目の一覧を写しました。

すると、最大で1ラウンド53回選ばれました。

出品者データベースの説明に戻した2回は、選択が止まりました。同じ買い手で、ほかの4つのモデルの市場では、このツールの選択は最終ラウンドで0回でした。

3. 買い手側：盛り方が穏やかなら無事、深刻なら総崩れ

元の説明文では、買い手の課題成功率はECで87〜89%、SNSで74〜80%で、ほとんど答えられないツールの選択は0回でした。

売り手のモデル	課題成功率（EC）	課題成功率（SNS）
元の説明文（ラウンド0）	87〜89%	74〜80%
Claude Opus 5	約91.5%	約85.0%
GPT-5.6 Sol	約87.8%	約90.5%
Grok 4.6	約91.5%	約91.5%
DeepSeek V4.1 Flash	約88.5%	約75.0%
Gemini 3.8 Flash	約30.0%	約40.0%

モデルごとの行は、Table 8の最後の5ラウンドの値を買い手2種で平均した概算です。

穏やかな16の市場では、成功率の低下は最大7ポイントにとどまり、11の市場では元の水準を上回りました
項目名を並べた説明文は、買い手が有能なツールを見分ける助けになったと、論文は述べています
深刻な4つの市場では、成功率がすべて下がりました。ECでは88〜89%から29〜31%に、SNSでは74〜80%から40%に落ちています
説明文が似通うと、買い手は一覧の先頭のツールを選びました。先頭選択率は61〜79%で、ほかのモデルの市場では8〜25%です
順番は質問ごとにランダムなので、先頭を選ぶことは、ランダムに選ぶことと同じです。ほとんど答えられないツールに流れた質問は、4分の1から5分の2でした

論文は、予兆も報告しています。深刻な市場では、根拠のない主張の数が、最初の3回の書き換えのうちに穏やかな市場の最高値を超えました。

成功率が最初に下がるラウンドと同じか、それより前です。

4. 指示文を1文変えると、どうなったか

付録Fは、ECの市場で、指示文だけを変えた再実験です。買い手はClaude Code、売り手はGemini 3.8 FlashとGPT-5.6 Solで、10ラウンドのうちラウンド5〜9の平均を比べました。

売り手	指示文	課題成功率	ほとんど答えられないツールへの損失	根拠のない主張	先頭選択率
Gemini 3.8 Flash	元の指示	41%	22.7%	3.9	50%
Gemini 3.8 Flash	正直さを足す	94%	0.1%	0.8	11%
Gemini 3.8 Flash	収益がかかると差し替え	30%	43.3%	5.4	68%
GPT-5.6 Sol	元の指示	92%	0.0%	0.5	10%
GPT-5.6 Sol	正直さを足す	93%	0.0%	0.6	11%
GPT-5.6 Sol	収益がかかると差し替え	92%	0.0%	0.5	10%

「正直さを足す」は、実際に返す項目だけを書くよう求める1文を足した条件です。「収益がかかると差し替え」は、収益が選ばれる回数に完全にかかっていると伝える文に、目的の文を差し替えた条件です。

元の指示の行は、主実験の3回の試行の平均で、期間が主実験の最終値と違います。

Gemini 3.8 Flashでは、1文の追加で盛り方が穏やかになりました。圧力を強めると、さらに悪化しました。

GPT-5.6 Solは、どの指示でも穏やかなままでした。

論文自身が書いている限界

この論文に「限界」という名前の節は見当たりませんでした。以下は、本文・付録・倫理声明で論文自身が述べている制約です。

結果は特定のモデルの特定の版の挙動で、提供元への評価として読むものではないと、倫理声明が述べています
判定役が数えるのは、項目名を挙げた主張だけです。「全項目」のような漠然とした主張は対象外で、SNSの市場では、Gemini 3.8 Flashの根拠のない主張が少なめに数えられている可能性があると、付録Bが述べています
論文が引く経済理論は、動機があることまでを教えます。売り手が実際にその動機で動くかどうかは、売り手のモデルによると、論文は書いています

このほか、限界とは別の設計上の範囲として、価格・ベンダー名・利用回数は買い手の目から隠されています（3.2節）。盛った説明文は模擬の中に閉じていて、実際のストアには出されていないと、倫理声明が述べています。

原文を読んで気づいた点

ここからは、私が原文を読んで気づいた点で、論文の主張とは別です。

査読の有無：arXivのプレプリント（v1）で、掲載先は書かれていません。査読を経たかどうかは、確認できませんでした
日本語：説明文も質問も英語で、日本語での検証はありません。原文に、日本や日本語への言及はありませんでした
売り手の手応えが選択回数だけ：原文の記述では、売り手が得る結果の情報は選択回数だけです。買い手が答えを得られたかは、売り手に渡る情報の外です。盛ったツールが選ばれ続ける一因は、この設計かもしれません。現実の市場には、評判や再利用の仕組みがあります
買い手の体験は簡略化されている：買い手の会話は、最初のツール呼び出しで終わります。成功かどうかは、事前に作った一覧表から読んでいます。質問も、1つの項目を取るだけの単純なものです
評価は自動採点：ツールの能力は固定ルール、説明文の主張は言語モデルが判定しました。人手の確認の記載は見つかりませんでした。判定役は、深刻な盛り方を示した売り手と同じモデルで、そのモデルカードの発行元は著者の所属機関の1つです。別系統のモデルにも判定させ、無作為に選んだ100の説明文で、項目ごとの一致は97%（EC）と99%（SNS）だったと、論文は報告しています
モデルとエージェント環境が一体の比較：売り手は、モデルと提供元の標準の環境をセットにして比べています。差の出どころ（モデルか環境か）は、切り分けの対象外です。深刻な盛り方を示したのも、5モデルのうち1つです
試行回数と棚の選び方：3回の試行で確かめたのは2つの市場だけで、ほかは1回ずつです。棚は検索上位から機械的に選んだため、ほぼ答えられないツールが4つ入っています

この論文から、言えること・言えないこと

言えること（論文の範囲）	言えないこと
この模擬市場では、5つのモデルすべての売り手が、誇張を指示されなくても説明文の主張を増やした	実際のAIの売り手が、現実の市場で同じことをしている
根拠のない主張の数は、深刻だったモデルが、近い他のモデルの7〜9倍だった	特定のモデルが、いつも盛る、またはいつも正直である
説明文が似通うと、買い手は先頭のツールを選び、課題成功率がランダム選択に近づいた	人間の買い手や、ほかの種類のAIでも、同じ崩れ方をする
指示文に正直さの1文を足すと、Gemini 3.8 Flashは穏やかになった（ECで買い手1種・10ラウンドの再実験）	その1文を足せば、どのモデルでも安全になる
この実験の深刻な4市場では、主張を出力例と照らす指標が、成功率が下がるのと同じ回か、それより前に基準を超えた	ウェブページを書き換えるGEOで、同じ指標が使える

中小企業の視点で、どう受け取るか

ここからは論文の主張とは別の、私の読み取りです。ツール選びの模擬実験なので、自社のホームページの順位への当てはめには別の確認が要ります。

説明文は、できることを項目名で具体的に書く。穏やかな市場では、項目名を並べた説明文が、買い手が有能なツールを見分ける助けになったと報告されています。AIにも人にも、確かめられる形で書くことが近道だと、私は読みました
他社の説明文に寄せない。深刻な市場では、売り手が上位の説明文を写して、区別がつかなくなりました。自社の本当の違いを言葉にしておくことが、選ばれる条件になりえます
AIに説明文や紹介文を書かせるなら、事実と照合する工程を置く。論文の指標は、売り手に見せた情報と食い違う主張を数えるものです。自社でも、元の資料に無い項目が増えていないかを確かめられます