Perplexityの引用に深刻な信頼性問題：引用された情報が根拠となるページに存在しないケースが多発
著名な調査に基づき、AI検索モデル「Perplexity」が提供する引用（サイテーション）の信頼性に重大な欠陥が指摘されました。本調査では、210社のテクノロジー企業に関する310の事実質問をPerplexityの検索モデル（Sonar/Sonar-Pro）に投げかけ、モデルが提示した1,826の引用を検証しました。その結果、引用された情報が根拠となるページに記載されていない、またはアクセスできないケースが非常に多いことが判明しました。
具体的には、引用された情報（数値や事実）が記載されていないページへのリンクが34.7%を占めました。また、質問全体で検証された872の主張（クレーム）のうち、14.4%が根拠を欠いていると評価されました。この失敗の主な原因は、単なる「リンク切れ（デッドリンク）」ではなく、読者がアクセスできるものの、引用された特定の数値や事実が記載されていない「内容の不一致」が大きな要因です。
さらに、引用元URLの約16.1%はログインや有料のペイウォール、またはボットによるアクセス制限がかかっており、一般の読者には閲覧不可能な「ゲート化されたコンテンツ」であることが判明しました。調査では、モデルが引用マーカーを文中に埋め込む形式を採用しているため、どの主張がどの情報源に基づいているかを監査することが可能でしたが、この監査の結果、AIが「コンセンサス（一般的な合意）」に基づいて情報を生成し、その根拠として適切なページを指し示すという、根拠の飛躍が見られました。
調査は、企業の人員数や設立年といった構造化されたデータ（Headcount, Founding）に関する質問が最も高い精度を示し、CEOの開始日や住所といった、一般的に繰り返し言及されるが公式に記載されない情報が最も信頼性の低い引用につながる傾向を明らかにしました。この結果は、AIが情報源を提示する際、その情報源の検証可能性と正確な根拠提示が極めて重要であることを示しています。
背景
近年、大規模言語モデル（LLM）を搭載したAI検索ツールが普及する中で、「ハルシネーション（幻覚）」、すなわち根拠のない情報を生成する問題が深刻な懸念事項となっています。本ニュースは、AIが提示する情報に「引用」という形で根拠を付与する仕組み自体が、必ずしも正確な検証プロセスを保証していないという、技術的な信頼性の問題を指摘しています。
重要用語解説
- 引用マーカー: AIが生成した回答の文中に、具体的な情報源（URL）を指し示す形で埋め込まれた記号。これにより、どの主張がどの情報源に基づいているかを監査することが可能になる。
- ゲート化されたコンテンツ: 有料のペイウォールやログイン認証、またはボット対策の壁（403など）によって、一般の読者や自動的な検証プロセスがアクセスできない状態のウェブページ。
- B2Bディレクトリ: 企業情報やリードリストを専門に集積し、有料で提供するビジネスディレクトリサイト（例：PitchBook, ZoomInfo）。AIの引用元として頻繁に利用されるが、情報がデータベース生成に依存する傾向がある。
今後の影響
本調査結果は、AI検索ツールの利用者が、提示された引用を鵜呑みにせず、必ず二次的な検証を行う必要性を示唆しています。AIの進化に伴い、引用の「根拠の確実性」を保証する技術的改善（例：リアルタイムでの情報源の構造化検証）が今後の必須課題となり、AIの信頼性評価基準が厳格化するでしょう。