【LLMO論文解説】AIの回答を出すと読者の共通の話題が増え、関心は広がった｜米国の新聞社サイト内検索で3.7万人の実験（プレプリント）

検索結果の上にAIが答えを出すようになると、読者は狭い話題に閉じこもり、ほかの読者と共通に知っている話題を失うのではないか。この心配を、米国の大手新聞社のサイトで、読者37,561人の無作為化実験によって確かめたのが、2026年9月に公開された論文「Breaking News Out of the Filter Bubble」です。

この記事では、その論文を原文から読み、AIの回答が読者の読み方をどう変えたのかを、数字とその条件つきで整理します。情報を発信する側にとっての意味も、論文が示した事実の範囲で考えます。

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の回答が出たときに読者のクリックと検索がどう動いたかを、実際のサイトの記録で測っているため、読む価値があると考えました。

結論：3行で言うと

• 検索結果の上にAIの回答を出した群では、多くの読者が読む話題（共有情報）の消費が、読者1人あたり69%多くなりました（AIの回答1回を記事1本と同じ重みで数えた場合）。増えた分の98.0%は、クリックなしで読めるAIの回答によるものでした
• 同時に、関心は少数の話題に集中しにくくなり、人気の低い話題へ移りました。「AI検索で視野が狭まる」という心配とは、逆向きの結果です
• 従来の検索結果のクリックは減り、引用された記事のクリックと、続けての検索が増えました。検索の回数が増えたぶん、読者1人あたりの記事の消費は5.9%の小幅な増加でした

ただし、これは1つの新聞社が自社の記事だけを対象にしたサイト内検索での実験です。GoogleなどのAI検索で同じことが起きるかどうかは、この論文の範囲の外にあります。

この論文の基本情報

論文はこちらで読めます。arXiv（2609.38946）、DOI（10.48550/arXiv.2609.38946）。

論文によると、実験を設計して実施したのはデータ提供元の新聞社で、著者はその設計や運営に関わっていません。著者はその社員でも利害関係者でもなく、公開前の先方の確認は機密情報の特定に限られた、と書かれています。

この論文が答えた問い

検索結果の上にAIの回答を出すと、読者が読む話題は狭まるのか、それとも広がるのか。そして、読者どうしで共通に持つ情報は減るのか。

背景にあるのは、「フィルターバブル」という考え方です。表示を選ぶ仕組みが、人ごとに情報を絞り込み、別々の情報の泡に分けてしまうという心配を指します。

論文は、ニュースではこの問題が個人の話にとどまらないと述べています。多くの人が同じ話題に触れることは、社会で議論や合意をつくる土台になるからです。

そこで論文は、3つの面を分けて測りました。多くの読者に共通する話題をどれだけ読んだか、読む話題が少数に集中しているか、人気の高い話題に偏っているか、の3つです。

どうやって調べたのか

AIの回答は、関連する記事を探し出し、それを言語モデルが要約して答える仕組み（検索拡張生成）で作られています。

話題の測り方はこうです。

アーカイブの記事370,654本を、文章の内容から話題を自動で見つける手法（トピックモデル）で62の話題に分け、天気予報や番組表など4つを除いた58の話題を使いました。

記事を1本開くか、AIの回答が1回表示されると、それを「1回分の消費」と数え、話題の割合で配分します。たとえば政治60%・経済40%の記事なら、政治に0.6、経済に0.4です。

AIの回答の話題は、回答が引用した記事の話題を平均して推定しています。回答の本文を直接分類したものは、確認用の分析として別に出しています。

主な指標は次のとおりです。

• 共有情報：比較群で、読んだ人の数が多かった上位4分の1の話題（58のうち14）。それ以外の44話題は「共有以外の情報」と呼びます
• 集中度：ジニ係数（0なら全話題を均等に、1なら1つの話題だけを読む）と、実効話題数（均等に読んだとみなせる話題の数）
• 人気度：平均人気順位（大きいほど人気の低い話題を読んでいる）と、人気上位10話題が占める割合

数え方も2通りあります。AIの回答と開いた記事の両方を数える「総情報消費」と、開いた記事だけを数える「記事消費」です。

結果

共通に読まれる話題に触れる人が増えた

出典は論文の補足資料の表S1、S2、S6です。差はすべて、AI回答群から比較群を引いた値です。

読者2人の似かたは、話題を測れなかった読者を含む組を0として平均しているため、この増加には、話題を測れた読者が増えた分も含まれます（表S6）。

• 共有情報の消費が増えた分のうち98.0%、共有以外の情報の増加分のうち89.2%は、AIの回答によるものでした（表S5）。論文は、これは合計の内訳を分けたもので、回答だけの因果効果を切り出したものではないと注記しています
• 記事だけで数えると、共有情報に触れた読者の割合は、AI回答群のほうが1.8ポイント低くなりました。触れる人を増やしたのは、AIの回答でした。記事を開いて触れた読者の割合は、わずかに下がっています
• 共有情報の範囲を上位10話題や18話題に変えても、政治の話題を除いても、増える向きは同じでした（表S3、S4）

読む話題は散らばり、人気の低い話題へ移った

出典は論文の表1です。「個人」は読者ごとに計算して平均した値、「全体」は群全体の消費をまとめて計算した値です。

平均人気順位も、個人で17.81から18.98、全体で17.75から19.06へと上がり、人気の低い話題の側へ動きました。

• 開いた記事だけで数えると、個人の集中度には統計的に意味のある差が出ませんでした（表S17）。散らばりの多くは、AIの回答を含めたときに表れます
• AI回答群で記事を開いた6,025人について、記事だけなら実効話題数は3.81、AIの回答を足すと5.48でした（表S18）
• AI回答群が開いた記事のうち、引用経由の記事は、それ以外の記事より人気の低い話題に寄っていました。人気上位10話題の割合は、引用経由が32.66%、それ以外が39.75%です（表S21）
• AI回答群の読者が、もともと人気の低い話題を検索していたわけでもありませんでした。同じ検索語に対して、引用の一覧が人気の低い記事を多く出していたという差も見つかっていません（表S22、S23）

検索のあとの行動が変わった

出典は論文の表S24で、比較群46,508回、AI回答群24,683回のすべての検索が分母です。差は四捨五入の関係で、表の値の引き算と少しずれる行があります。

量の変化は、次のとおりでした（表S7、S25）。

• 読者1人あたりの検索回数は1.746回から2.260回へ、29.4%増えました
• 検索1回あたりの総情報消費は40.8%増、読者1人あたりでは82.2%増です
• サイトの滞在時間は1人あたり495.3秒から558.0秒へ12.7%の増加にとどまり、1分あたりの総情報消費は61.7%増えました
• 検索1回あたりの記事消費は18.2%減りましたが、検索の回数が増えたため、読者1人あたりの記事消費は5.9%増（95%信頼区間は1.7〜10.1%）でした

文字数でも確かめています。開いた記事とAIの回答を合わせた文字量は、1人あたり14.2%増えました（表S8）。

論文自身が書いている限界

• 割り振りは新聞社が行い、その仕組みや記録、意図した比率は開示されていません。AI回答群の比率は日によって変わり、事前の特徴の差は個々には小さいものの、まとめて検定すると統計的に有意でした。論文は、同じ日に割り振られた読者どうしは比べられる、という仮定の上で因果を読んでいます
• 測ったのは「表示・提供された情報」です。どこまで読まれ、理解されたかは示していないと書かれています
• AIの回答の話題は、引用した記事から推定しています。回答の本文で何が残り、何が省かれたかの分析は今後の課題とされています
• 話題が重なることは、読者が同じ記事、同じ事実、同じ視点に触れたことまでは意味しないと述べています
• 話題が広がっても、要約が正確で偏りがないとは限らないと注意しています。但し書きを落とす、特定の見方に寄る、といった恐れに触れています
• この実験では、追加の検索が1社のアーカイブの中で起きました。GoogleのAI OverviewsやPerplexityのような第三者のサービスでは、追加の検索がそのサービスにとどまり、新聞社の読者が増えない可能性がある、と論文は書いています
• 検定する項目は多重比較の補正の前に決めていましたが、事前登録はしていません。読者はクッキー単位で、同じ人が別の端末や別のクッキーで戻った場合は追えていません

原文を読んで気づいた点

• 日本語での検証はありません。英語の、米国の新聞社1社の記事だけを対象にしています
• 対象はサイト内検索です。Google検索やChatGPTのような一般のAI検索で、企業のページが引用されるかどうかを調べたものとは別の実験です
• arXivのプレプリントで、表紙も「作業中の論文」です。査読を経たかどうかは、確認した範囲では分かりませんでした
• 評価はすべてサイトの行動記録によるもので、人による採点やアンケートは含まれていません。読者が満足したかどうかは測られていません
• AIの回答1回を、記事1本と同じ「1回分」と数える前提があります。論文は半分や2倍の重みでも向きは変わらないと確かめていますが、共有情報の差は半分の重みで+0.239、2倍で+0.928でした（表S15）。「69%増」という大きさは、この数え方に左右されます
• 2つの群の人数はおよそ7対3です。AI回答群の割合は約29%（10,922÷37,561の概算）でした
• 話題を推定できたのは、開かれた記事の約78%、AIの回答の77.0%でした（表S33）。残りは話題の分析に入っていません
• 実験期間には、2024年11月5日の米国大統領選挙の投票日が含まれます。論文は選挙そのものには触れていませんが、政治の話題を除いた確認では、共有情報が増える向きは同じでした

この論文から、言えること・言えないこと

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。情報を発信する企業の側から、この実験の事実をどう受け取るかを整理します。

• クリックの数だけで、情報が届いたかを判断しない。この実験では、共有情報に触れた読者が18.5ポイント増えましたが、記事だけで数えると1.8ポイント減っていました。論文も、クリックや滞在時間を関心の物差しとして見直す必要があると述べています。AIの回答の中で自社の情報が使われているかは、アクセス数とは別に記録しておくのがよいと考えます
• 引用されることが、記事を開いてもらう入口になる。検索の14.3%で、引用された記事が開かれました。一方で、従来の検索結果からのクリックは20.8ポイント減りました。引用の枠に入るかどうかで、クリックの行き先が分かれると読めます。ただし引用元がすべて同じ新聞社の記事という条件での結果です
• 人気の低い話題のページにも、引用経由で読まれる余地がある。引用経由で開かれた記事は、人気上位10話題の割合が低めでした。ただし1社の記事アーカイブの中での結果なので、確度は低めに見ています

AIの回答が出典をどう選ぶかについては、AI検索の「回答の泡」を調べた論文の解説でも扱っています。成果やアクセスへの効果がまだ確かめられていない点は、GEOサーベイの解説にまとめています。

よくある質問

生成AI検索は、ニュースのフィルターバブルを強めるのですか

この新聞社サイトの実験では、逆向きの結果でした。AIの回答を出した群のほうが、読む話題が散らばり、人気の低い話題へ移り、読者どうしの話題の重なりも増えました。

ただし1社のサイト内検索での結果で、論文自身も、第三者のAI検索では結果が違う可能性に触れています。

新聞社のサイト内検索での実験結果は、GoogleのAI Overviewsにも当てはまりますか

そのまま当てはめることはできません。この実験の追加の検索は、同じ新聞社のアーカイブの中で起きました。

複数の発信元から集めるAI検索では、追加の検索がそのサービスの中にとどまり、元の記事の読者が増えない可能性があると、論文は書いています。

AIの回答が検索結果の上に出ると、記事のクリックは減るのですか

検索1回あたりで見ると減りました。記事を開いた回数は18.9%、記事消費は18.2%減っています。

ただし検索の回数が29.4%増えたため、読者1人あたりの記事消費は5.9%の増加でした。クリックの行き先は、従来の結果から、引用された記事へ移っています。

まとめ：今日できる1つのこと

この論文で、AIの回答は、クリックがなくても読者に情報を届けていました。だからこそ、アクセス数だけを見ていると、届いた分を見落とします。

自社のお客様がよく聞く質問を3つ選び、AI検索で試して、自社のページが引用されたかどうかを表に記録してください。

同じ表に、そのページのアクセス数も並べて書いておきます。引用とアクセスを別々に追うことが、次の判断の材料になります。

この論文は、LLMO論文の一覧の一本です。ほかの論文の解説も、順次公開しています。

ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。