GEOやLLMOについて調べ始めると、似たような説明の記事がいくつも見つかります。

「AIに引用されやすい情報を作る」

「生成AIに自社を正しく理解してもらう」

「これからはSEOだけでは足りない」

大きな方向として間違っているとは限りません。

ただ、少し気になるのは、その情報がどこから来たものなのか分かりにくいことです。

海外の記事を日本語で紹介したものなのか。研究論文を直接読んだものなのか。誰かの解釈をさらに要約したものなのか。

GEOはまだ、長年の実務によって方法論が固まった領域ではありません。

だから私たちは、日本語で広まった説明だけを見るのではなく、できるだけその元にある海外の一次情報まで戻るようにしています。

これはGEOを始めたから、急にそうするようになったわけではありません。

もともと海外発の情報やメディアを扱ってきた。その延長線上に、いまGEOがあります。

GEOは、まだ「完成した教科書」がある分野ではありません

「GEO（Generative Engine Optimization）」という名称は、2023年11月に公開された研究論文「GEO: Generative Engine Optimization」で提案され、その研究は2024年のKDDでも発表されています。

もちろん、現在GEOと呼ばれている実務のすべてが、この一本の論文から生まれたという意味ではありません。

重要なのは、生成AIによる検索や回答の仕組み自体が現在進行形で変化しており、それに伴って「企業やコンテンツがAIからどう扱われるか」という研究や実務も、まだ形成途中にあるということです。

SEOのように、長年にわたって蓄積された定石をそのまま参照できる世界とは少し違います。

新しい研究が出ます。

AI側の仕様も変わります。

企業による公式発表も更新されます。

そのため、数か月前の記事を読んだだけでも、現在とは前提が変わっている可能性があります。

GEOでは、情報そのものだけでなく、

「その情報は、いつ、どこから出たものなのか」

まで確認する必要があると考えています。

日本語の記事が悪いわけではありません

日本語で海外情報を紹介する記事には、大きな価値があります。

専門的な論文や英語圏の情報を整理し、日本企業に分かりやすく伝えること自体が必要な仕事です。

問題なのは、日本語の記事だけで情報の確認を終えてしまうことです。

たとえば、

「GEOでは、この方法が有効です」

という説明があったとします。

元の資料まで確認すると、

特定の条件で行った実験だった。

対象となった生成AIが限定されていた。

すでに検索対象に入っているコンテンツだけを比較していた。

といった前提条件が付いていることがあります。

研究結果としては正しくても、その条件を外して、

「すべてのAIで有効な方法」

のように広げてしまえば、意味は変わります。

実際、2026年に発表されたGEO研究のレビューでも、初期研究で確認された効果には実験条件があり、その結果だけから長期的・横断的な効果まで一般化することには慎重な見方が示されています。

だから私たちは、誰かの説明を疑うためではなく、

どこまでが確認された事実で、どこからが解釈なのか

を分けるために、できるだけ元の情報まで戻ります。

スウィングクルーが海外情報を直接見るのは、GEOを始めたからではありません

ここが、私たちの場合は少し順番が違います。

スウィングクルーは、GEOという言葉が広まってから海外情報を追い始めた会社ではありません。

代表の皆川は、香港発の英語メディア事業を日本側で経営した経歴を持っています。

現在もスウィングクルーでは、英語圏向けメディア「Hungry For Words」を自社で運営しています。スウィングクルーの会社概要でも、こうした経歴と現在のメディア運営を、海外発の一次情報を追う背景として掲げています。

つまり、

GEOを始めるために、英語の情報を読む体制を作ったのではありません。

以前から海外発の情報やメディアを扱う仕事があり、その延長で、生成AIやGEOについても海外の論文、企業発表、調査などを直接確認するようになった。

こちらの方が実態に近いです。

ここでいう「海外の一次情報網」とは、海外企業との現在の取引先ネットワークという意味ではありません。

英語圏で公開される論文、AI企業の公式発表、調査資料などに直接アクセスし、翻訳された二次情報だけに依存せず確認できる情報取得の環境と習慣を指しています。

一次情報を見る目的は、「海外の方が正しい」と考えているからではありません

海外の一次情報を重視するといっても、

「海外で言われていることを、そのまま日本で実行する」

ということではありません。

むしろ逆です。

海外の研究や事例は、

日本で何を確かめるべきかを考えるための材料

として使います。

言語が違えば、AIへの質問の仕方も変わります。

企業情報の公開方法も違います。

メディア環境も、検索行動も違います。

海外で観測された現象が、日本語環境でも同じように起こるとは限りません。

そのため私たちは、

海外の一次情報から仮説を作る。

そして、その仮説を日本語環境で実際に観測する。

この二つを分けています。

一次情報を読むだけでも足りません。

実際に生成AIへ質問し、どう回答されるのかを見るだけでも足りません。

一次情報と観測結果を往復することが重要だと考えています。

新しい分野ほど、「みんなが言っている」が危うくなります

新しい市場では、情報の伝わる速度が速い一方で、同じ情報が大量に複製されます。

一本の記事が公開される。

別の記事がそれを要約する。

さらに別の記事が、その要約を参考にする。

そうしているうちに、最初は一つの仮説や限定的な実験結果だったものが、

「GEOではこれをやるのが常識です」

という形に変わっていくことがあります。

情報量が増えたように見えても、元を辿れば同じ一つの情報だった、ということもあります。

そのため、私たちは記事の本数よりも、

「最初の情報はどこにあるのか」

を見るようにしています。

誰が最初に発表したのか。

どんな条件で確認されたのか。

どこまでが事実なのか。

その後、別の研究や実環境でも確認されているのか。

こうした確認をしてから、日本市場で実際に観測します。

GEOでは、一次情報と現場の両方が必要です

海外の一次情報だけを読んでいれば、GEOができるわけではありません。

一方で、日本国内の事例だけを見ていても、生成AI側で何が変わっているのかを見落とす可能性があります。

必要なのは、その両方だと考えています。

海外では何が研究されているのか。

AI企業は何を変更しているのか。

その結果、日本語で企業名やサービス名を尋ねたとき、実際にはどう回答されるのか。

一次情報から仮説を作り、実際のAI回答で確かめる。

そして観測結果が違えば、仮説の方を修正する。

私たちがGEOで重視しているのは、この繰り返しです。

スウィングクルーが海外の一次情報を追っているのは、「海外に強い会社」であることを示したいからではありません。

GEOという、まだ答えが固まりきっていない領域で、誰かが翻訳した答えをそのまま採用せず、自分たちで判断するためです。

GEOのために始めた習慣ではありません。

もともと海外発の情報を扱ってきた。

その情報の扱い方の延長線上に、いまGEOがあります。