ナレッジグラフの解説：AI検索におけるその役割の過去、現在、そして未来

この記事は、ナレッジグラフの歴史と、それがブランドが顧客の検索において正確で構造化された回答を提供するのにどのように役立つかを説明します。

スマホに向かって「電話を発明したのは誰ですか？」または「今営業中の最寄りのピザ屋はどこですか？」と質問して、すぐに答えが得られた経験があるとしたら、それはナレッジグラフのおかげです。ナレッジグラフは、いわば、コンピューターが人間と同じように情報を理解するのを助ける巨大なデジタル頭脳です。

今日、ナレッジグラフはAI革命の一部としてしばしば議論されていますが、これは理にかなっています。ナレッジグラフは大規模言語モデル（LLM）の訓練、チャットボットの強化、そして機械をより賢くするために使用されるためです。しかし、実は、ナレッジグラフはAIが流行語になるずっと前から、何年にもわたり、情報を見つける方法を人知れず形成してきました。

ナレッジグラフの始まりと、ブランドが今日これを活用して顧客に常に正しい答えを提供する方法をご紹介します。

はるか昔（具体的には1960年代）、コンピューターは情報の保存と処理を始めましたが、問題がありました。それは、コンピューターがそうした情報を本当に「理解」しておらず、完全に同一の単語や数字と一致させることしかできなかったのです。つまり、概念間の関係を認識するのが得意ではありませんでした。（あらゆる本が山積みにされている図書館があったとして、そこから特定の一文を見つけなければならないとしたら、きっと苛立たしいことでしょう。）

1970年代から1980年代にかけて、研究者たちはコンピューターをさらにインテリジェントにするための革新を始めました。セマンティックネットワークの初期の試みは、ナレッジグラフの祖先となり、機械がアイデアを結びつけることを可能にしました。例えば、「アレクサンダー・グラハム・ベル」という名前を電話の発明に関連付けられるようになりました。これらが、さらに高度に接続されたインテリジェントな情報処理方法の最初の構成要素となりました。

そして、1990年代にインターネットが誕生しました。突如としてかつてないほど多くの情報が利用可能になりましたが、必要なものを見つけるのは簡単ではありませんでした。ここでユーザーを助けるために登場したのが、YahooやAltaVistaのような検索エンジンでした。

しかし、これらの初期の検索エンジンには、単純なキーワード一致しかできないという大きな欠陥がありました。「apple」と検索すると、果物のりんご、Appleコンピューター、またはランダムなレシピブログがヒットする可能性がありました。これは、検索エンジンが文脈を理解できなかったためです。

これにより、画期的な疑問が生まれました。検索エンジンが人間の脳と同じように単語間の関係を理解できたら果たしてどうなるでしょうか？例えば、「Appleの発明者」が果物ではなく、会社を設立した人物（スティーブ・ジョブズ）を指していることをエンジンが認識できたらどうでしょうか。このアイデアが、現代のナレッジグラフの基盤となりました。

2012年、Googleは人、場所、物に関する数十億の事実を含むデータベースであるKnowledge Graphを正式に導入しました。これは、最終的に機械が「単語間の関係」を理解できるように構造化されており、ゲームチェンジャーとなりました。

Googleは、検索クエリに対してリンクのリストを表示するだけでなく、迅速かつ明確な回答を提供することができるようになりました。「ビヨンセって誰？」と検索すると、彼女の写真、短い略歴、アルバム、そして夫のジェイ・Zなどの関連人物まで表示されます。これらはすべて、舞台裏で情報を整理するナレッジグラフのおかげです。これにより、基本的に、エンジニアが長い間待ち望んでいた「脳のような」データフレームワークが登場したことになります。

その力を見て、他の企業はすぐに独自のナレッジグラフを構築し、より賢いウェブサイト、アプリ、デバイスを強化するようになりました。アイデアはシンプルでありながら強力です。事実を結び付けて、コンピューターが自然に質問に答えられるようにすることです。

こうした経緯があり、現状に至ります。（Gemini、ChatGPT、Meta AI、その他のAIモデルのような）AI主導の検索体験は、インデックスされたウェブページをクロールするだけではありません。

その代わりに、AI検索は多様な情報源から情報を取得し、質問に対して迅速で、情報に基づいた、会話的な回答を提供します（そして、顧客はAI検索が提供する情報を信頼します）。

ブランドにとって、これは、もしもデータがナレッジグラフで構造化されておらず、アクセス可能でない場合、AI検索はそのブランドを見つけられないかもしれないということを意味します。AIによる検索体験が急速に成長していることを考えると、これは問題です。

ナレッジグラフは、ブランドの情報、例えば店舗の営業時間、サービス、商品詳細、FAQなどを、AIを搭載したプラットフォームが理解できるように構造化します。つまり、これにより、ブランドの情報が顧客が答えを必要とするタイミングと場所で表示されるということになります。

ここで少し、当社の強みについて説明したいと思います。「ナレッジグラフ」という用語が人気を集めている昨今ですが、Yextはこの分野を長年にわたり専門としてきました。

一般的なナレッジグラフとは異なり、YextのKnowledge Graphはブランドのために構築されており、ブランドが情報を検索エンジン、AIプラットフォーム、そしてあらゆるデジタルタッチポイントで発見可能にするために、情報を構造化する手助けをするように設計されています。

例えば、あるお客様がChatGPT に「XYZホテルはペットフレンドリーですか？」または「銀行の電話番号は？」と質問したとして、そのブランドがYext Knowledge Graphを使用している場合、そうした情報は構造化されており、AI主導の回答において正確かつ一貫して表示される準備が整っています。

さらに、YextのKnowledge Graphは、ブランドの成長と変化に応じて適応します。単なる静的なデータベースではなく、ダイナミックなシステムとして（繰り返しますが脳のようなものです）、顧客が検索するあらゆる場所で、ブランドの情報が常に最新の状態に保たれることを保証します。例えれば、すべてを記録してくれる非常に賢いアシスタントがいるようなものです。これにより、ブランドは、最も重要なこと、つまり顧客の満足度を高めることに集中できます。

ナレッジグラフは、概念自体は複雑に聞こえるかもしれませんが、10年以上にわたってひそかに検索エクスペリエンスを支えてきました。ナレッジグラフはAIに対応して作成されたものではなく、過去10年間にわたり、検索アルゴリズムやLLMが自然言語の質問に答える能力を持つよう進化した基盤の一部です。

そして今、AIが情報検索の方法を変革する中で、ナレッジグラフの重要性はかつてないほど高まっています。

顧客が現在営業中の最寄りのコーヒーショップを見つけるための手助けから、商品の在庫状況を常に正確に把握することまで、ナレッジグラフはブランドが正しい答えを適切な場所で迅速に提供できるようにします。

AI検索に表示されるようにデータを構造化する方法について詳細を確認するには、こちらをクリックしてください。