AIが特定の専門家や担当者を名前で挙げるのはなぜか：個人GEOで名簿の罠を避ける

不動産、自動車、コンサルティング、保険では、利用者は会社ではなく「誰に相談すべきか」を探すことがあります。AIは個人を名前で挙げることも、組織だけを列挙することも、どちらもしないこともあります。同姓同名、役職変更、出典不明があるとき、一回の言及を個人の評判判断とみなすのは危険です。

よくある近道は、従業員名簿やLinkedInの名簿と回答を照合し、一致数を「個人の可視性」と呼ぶことです。しかし、別名、同名者、退職者、未検証のモデル生成名を見落とします。

2026年7月26日に初版公開され、8月1日に更新されたプレプリントは、2026年7月24日に行われた2,400回のグラウンディング付きモデル呼び出しで個人名の提示を調べました。論文は、保守的な検出規則で回答の25.8%が個人を名前で挙げ、4モデル間でその率が約4倍異なったと報告しています。また、公開LinkedIn検索から作った939人の名簿は、27,293件の「名前らしい言及」の0.47%にしか一致しませんでした。これは当該研究の市場、言語、識別規則での下限であり、普遍的な割合ではありません。

回答から始め、人物を検証する

より安全な手順は逆向きです。まず回答全文と引用元を保存し、その名前が検証可能な個人に解決できるかを判断します。質問、日付、モデル、表記された氏名、役割、所属、都市または市場、提示リンク、権威ある確認状況、同名の曖昧さを記録します。

その後で、確認済み記録を企業名簿や公開情報と比べます。名簿は補助的な照合には有用ですが、AIが名指しした全人物の分母ではありません。未確認の名前は要確認とし、それだけを根拠に連絡、評価、公開ランキングを行わないでください。

タスクとカテゴリごとに結果を分ける

研究はカテゴリとモデルの差が大きいことを示唆します。「初めて住宅を買う人に経験のある地域担当者」「法人保険に経験のあるアドバイザー」などの実際の選択タスクを使い、場所、言語、制約を固定します。次を別々に追跡します。

• 個人、組織、両方、どちらも挙げないか。
• 氏名が需要、地域、現在の職業状態に合うか。
• 出典が個人サイト、カテゴリポータル、組織ページ、検証不能のいずれか。
• モデル、時点、言語をまたいで結果が安定するか。

モデルによる時折の言及は、認定、順位、推薦ではありません。虚偽プロフィール、なりすましページ、許可のない個人データで回答を「補う」ことは決してしないでください。

個人GEOにはプライバシーと人の判断を加える

個人情報は最小限に保存し、アクセスを制御し、訂正・削除の窓口を設け、対象市場のプライバシーと雇用ルールに従います。医療、金融、法律、雇用では、AIの回答自体を推薦根拠にしてはいけません。

GEO Radarは https://www.georadar.top で、固定質問に対する複数プラットフォームの観測、出典、変化を保存し、コンプライアンス責任者や事業担当者の確認を支援します。資格を検証したり、個人がAIに名前を挙げられることを保証したりするものではありません。

この記事の情報源

• arXiv、初版2026年7月26日、版更新2026年8月1日、*Who Gets Named: Citation Type Predicts Individual Naming by Grounded Language Models, and a Roster Instrument Captures 0.5% of It*：https://arxiv.org/abs/2607.23893 （2,400回の呼び出し、個人名提示率、モデル差、名簿照合の限界）