AI Labs Auditとは？50モデル監査でわかるGEO・AEOスコアの読み方

AI Labs Auditとは？50モデル監査でわかるGEO・AEOスコアの読み方

この記事の結論: 2024年末、フランス人エンジニア・起業家のDavy Abderrahman氏が立ち上げたAI Labs Solutionsが提供するAI Labs Auditは、ChatGPT・Claude・Gemini・Perplexity・Mistral・DeepSeek・Llama・Grok・Qwenなど50以上のAIモデルを横断してブランド可視性を測定し、6軸スコアリングとSSRクローラビリティ・Wikidataエンティティ健全性・引用適性などのGEOモジュールを提供する欧州発のプラットフォームである。クレジット制料金で10ページ監査が0.2ドル前後、200ページのフルサイト監査でも4ドル程度と低コストな点、そして顧客の声(testimonial)を掲載せずダッシュボードやスコアを自ら公開する透明性重視の編集方針が特徴だ。本記事ではその仕組みと使い方を整理する。

最終更新日: 2026年9月12日

はじめに

ChatGPTに社名を聞いても出てこない、Perplexityの回答で競合ばかりが引用される——生成AI検索が情報収集の入り口として定着するにつれて、こうした悩みを持つマーケティング担当者・SEO担当者が急速に増えている。従来の検索順位（SEO）だけでなく、生成AIがどのブランドをどう「言及」し、どう「引用」するかを可視化する必要性が高まっているのが2026年現在の状況だ。

この文脈で名前が挙がることが増えているのが、フランス発のGEO(Generative Engine Optimization)・AEO(Answer Engine Optimization)プラットフォーム「AI Labs Audit」である。2024年末に創業されたばかりの新興サービスで、日本語での紹介記事はまだほとんど存在しない。しかし50以上のAIモデルを横断する監査範囲の広さ、6軸スコアリングという構造化されたアプローチ、そしてクレジット制による低コストな導入は、日本のLLMO(大規模言語モデル最適化)担当者にとっても検討に値する選択肢になり得る。

本記事では、AI Labs Auditというサービスの成り立ちから、監査の仕組み、GEOモジュールの中身、料金体系、そして同社が掲げる「透明性」という運営方針までを、公式情報をもとに整理する。海外の新興ツールであるため、細かい仕様(対応モデルの正確な内訳、クレジット単価の変動など)は今後変わる可能性がある。最終的な機能・料金は必ず公式サイトで確認したうえで導入を検討してほしい。

AI Labs Auditとは何か——欧州発のGEO・AEOプラットフォームの成り立ち

AI Labs Auditは、フランスを拠点とするAI Labs Solutionsという会社が運営するサービスだ。法人登記情報として、SIREN(フランスの企業識別番号)994376598、VAT番号FR51994376598が公式サイトの会社概要ページに記載されている。設立は2024年末で、GEOとAEOという比較的新しい概念にフォーカスした「欧州発のリファレンスプラットフォーム」を標榜している点が特徴だ。

創業者はDavy Abderrahman氏。フルスタックエンジニアとしての開発経験を持つ人物で、自らプロダクトを開発しながら事業を運営している構図がうかがえる。AI関連のSaaSは米国発のサービスが先行することが多い領域だが、AI Labs Auditはフランス・欧州発という出自を前面に出し、GDPR圏の企業やエージェンシー向けに立ち位置を確立しようとしている点が他の競合ツールとの違いとして見えてくる。

GEOとAEOという用語について改めて整理しておくと、GEO(Generative Engine Optimization)は、ChatGPTやClaude、Geminiのような生成AIが回答を作る際にどのコンテンツを情報源として選び、引用し、統合するかに働きかける取り組みを指す。AEO(Answer Engine Optimization)は、検索エンジンやAIが「質問への直接回答」を返す場面でブランドが選ばれるように最適化する考え方で、Googleの一部ドキュメントではAEOとGEOを事実上のSEOの延長として位置づける一方、ChatGPTやClaude、Grok、Perplexityは独自の情報収集(リトリーバル)の仕組みを持つため、これらのAI検索エンジン特有の最適化が必要になるという整理が一般的になりつつある。AI Labs Auditは、この両概念を横断して定量的に測定するプラットフォームとして自らを位置づけている。

50以上のAIモデルを横断する監査の仕組みと6軸スコアリング

AI Labs Auditの中核機能は、単一のAIチャットボットではなく50以上のAIモデルを横断してブランドの可視性を監査する点にある。公式情報で名前が挙がっているモデルには、ChatGPT、Claude、Gemini、Perplexity、Mistral、DeepSeek、Llama、Grok、Qwenなどが含まれる。これは欧米系の主要モデル(ChatGPT、Claude、Gemini、Perplexity)だけでなく、フランス発のMistral、中国発のDeepSeek・Qwen、Meta発のLlama、xAI発のGrokまでを含む、国・企業を問わない横断的なラインナップだ。

なぜこれほど多くのモデルを対象にする必要があるのか。理由は単純で、ユーザーがどの生成AIを使ってブランドや商品について調べるかは、地域・業界・年齢層によってばらつくためだ。ChatGPTだけを監査していても、Perplexityで検索する層やMistralを好む欧州のユーザー層への可視性は見えてこない。AI Labs Auditが50以上のモデルを横断して監査する設計にしているのは、この「AIごとの可視性のばらつき」を1つのダッシュボードで俯瞰できるようにするためだと考えられる。

その監査結果は6つの軸に分解されたスコアリングとして提示される仕組みになっている。単一の総合点だけでなく、複数の観点に分解してスコア化することで、どこを改善すればブランドの可視性が上がるのかを特定しやすくする設計思想がうかがえる。次のセクションで扱うGEOモジュール(SSR & AIクローラビリティ、Entity Health、Citation Readiness、STS Detection、Mention vs Citation)は、この6軸スコアリングを構成する主要な要素として機能している。

比較の観点で整理すると、多くのAI可視性ツールが「特定の生成AIでの言及回数」を単一指標として出すのに対し、AI Labs Auditは技術面(クローラビリティ)・構造面(エンティティ健全性)・コンテンツ面(引用適性)・検知面(STS・ハルシネーション)という複数レイヤーに分けてスコア化している点が設計上の違いとして挙げられる。

GEOモジュールの中身:SSR&AIクローラビリティからMention vs Citationまで

AI Labs AuditのGEOモジュールは、性質の異なる5つのチェック項目群で構成されている。それぞれの狙いを分解して見ていく。

**SSR & AIクローラビリティ(SSR & AI Crawlability)**は、サーバーサイドレンダリング(SSR)の実装状況と、AIクローラーがサイトのコンテンツを正しく取得・解釈できているかを確認する項目だ。JavaScriptで動的にレンダリングされるサイトは、人間のブラウザでは正常に表示されていても、AIのクローラーがコンテンツを取得できずに「見えていない」状態になっているケースがある。この技術的な土台が整っていなければ、そもそもコンテンツの質を問う以前の段階でAIに認識されない可能性がある。

**Entity Health(Wikidata)**は、Wikidata上での企業・ブランド・人物といったエンティティ(実体)の情報整備状況を確認する項目だ。生成AIの多くは、ナレッジグラフやWikidataのような構造化データベースを情報源の一つとして参照する傾向があるとされており、Wikidata上のエンティティ情報が不足・誤りを含んでいると、AIが誤った情報や古い情報をもとに回答を生成するリスクが高まる。この項目は、コンテンツマーケティングの外側にある「構造化データの健全性」という、見落とされがちな観点を可視化する。

**Citation Readiness(引用適性)**は、コンテンツが生成AIにとって「引用しやすい形」になっているかを評価する項目だ。出典として明確な事実・数値・定義が整理されているか、文章構造が引用に適した形式になっているかといった観点が含まれると考えられる。

STS Detectionは、AI Labs Auditが独自に定義する検知機能で、公式情報では詳細な定義までは明らかにされていないが、文脈上はコンテンツやブランドのシグナルの一貫性・整合性を検知する仕組みとして位置づけられている。

**Mention vs Citation(言及と引用の区別)**は、AI Labs Auditが重視する独自の視点だ。生成AIの回答の中でブランド名が「言及」されているだけなのか、それとも情報源として実際に「引用」されているのかを区別して計測する。この二つは似ているようで意味合いが大きく異なる。単に名前が出てくるだけの「言及」と、AIが情報の裏付けとして参照する「引用」とでは、ユーザーの意思決定への影響度が異なるためだ。この区別を定量的に扱おうとする発想は、GEO領域における測定手法の成熟を象徴している。

26項目チェックリストとMCPサーバー、AIボットトラッキング、ハルシネーションURL検知

AI Labs Auditは、上記のGEOモジュールを含む26項目のチェックリストを軸に監査を構成している。26という項目数は、単一の指標では捉えきれないGEO・AEOの多面性を反映したものと言える。技術面・構造化データ面・コンテンツ面・検知面のそれぞれに複数のチェック項目が割り当てられている構成だ。

さらに特徴的なのが、200以上のツールを持つMCP(Model Context Protocol)サーバーを提供している点だ。MCPは、AIエージェントが外部のツールやデータソースと標準化された形でやり取りするためのプロトコルとして2026年時点で急速に普及している。AI Labs Auditが200以上のツールを備えたMCPサーバーを用意しているということは、監査機能を単体のダッシュボードとして閉じずに、他のAIエージェントやワークフローから呼び出せる形で開放していることを意味する。エージェンシーや開発チームが自社のツールチェーンにAI Labs Auditの監査機能を組み込みたい場合、このMCPサーバーが接点になる。

AIボットのトラッキング機能では、GPTBotやClaudeBot、PerplexityBotといった主要なAIクローラーが自社サイトにどの程度アクセスしているかを可視化する。これはアクセス解析の一種だが、対象が人間のユーザーではなくAIクローラーである点が従来のGoogleアナリティクス的な発想と異なる。AIクローラーの訪問頻度は、そのサイトがどれだけ生成AIの情報源として参照されているかの間接的な指標になり得る。

ハルシネーションURL検知は、生成AIが「このサイトにこの情報がある」と回答の中で提示しているものの、実際にはそのURLやページが存在しない、あるいは内容が異なるというケース(いわゆるハルシネーション)を検知する機能だ。生成AIは自信満々に存在しないURLを提示することがあり、これがユーザーの不信感やブランド毀損につながるリスクがある。この検知機能は、GEO領域特有の「AIが嘘をつくリスク」に正面から対応しようとする設計だと言える。

料金体系:クレジット制のコスト感と無料枠

AI Labs Auditの料金体系は、月額固定のサブスクリプションではなく、使った分だけ消費するクレジット制を採用している。公式情報によれば、10ページ規模の監査で消費するクレジットはおよそ0.20ドル相当、200ページ規模のフルサイト監査でもおよそ4ドル程度とされている。ページ数に応じて消費クレジットが積み上がる従量課金に近い設計だ。

新規登録時にはウェルカムクレジットとして500以上が付与され、さらに毎月100クレジットが継続的に付与される仕組みになっている。この無料枠だけでも、小〜中規模サイトの初回監査を十分にカバーできる計算になる。初回監査にかかる時間は10分程度とされ、導入のハードルを下げる工夫として、クレジットカード登録が不要な点も明記されている。

この料金モデルを一般的なSaaS型AI可視性ツールと比較すると、月額数万円〜数十万円のサブスクリプション契約が主流の中で、AI Labs Auditの「使った分だけ払う」クレジット制は、まず小規模に試してから拡大を検討したい企業やフリーランスのSEOコンサルタントにとって参入障壁が低い設計だと言える。特に、複数クライアントのサイトを横断して監査したいエージェンシーにとっては、クライアントごとにページ数を絞って低コストで初期診断を回せる点が実務上のメリットになりやすい。

「顧客の声を使わない」透明性の運営方針

AI Labs Auditのマーケティング上の大きな特徴は、いわゆる「お客様の声(testimonial)」を掲載しない編集方針を明確に打ち出している点だ。多くのSaaSサービスがトップページに顧客ロゴや推薦コメントを並べて信頼性を演出するのに対し、AI Labs Auditはこの手法をあえて採用していない。

その代わりに同社が行っているのが、自社のダッシュボード・クライアントポータル・GEOスコアそのものをすべて公開するというアプローチだ。第三者の推薦の言葉で信頼を作るのではなく、実際のプロダクトの動作結果を誰でも確認できる状態にすることで信頼性を担保しようとする発想だと整理できる。

さらに同社は、定期的に集計・匿名化した実データを公開しており、これは帰属表示(クレジット表記)を付ければ第三者が再利用できる形になっている。これは業界全体のベンチマークデータとして機能し得るもので、GEO・AEOという成長途上の領域において、実データに基づく議論の土台を提供しようとする姿勢の表れと見ることができる。新興企業でありながら「顧客の声」という定番の信頼構築手法をあえて採らず、プロダクトの透明性そのものを差別化要因に据えているのは、GEO・AEOツール市場の中でも珍しい立ち位置と言える。

実際の使い方:初回監査からレポート活用までのステップ

公式情報をもとに、AI Labs Auditを初めて使う際の一般的な流れを整理する。細部の画面構成や手順は今後のアップデートで変わり得るため、あくまで目安として捉えてほしい。

1. アカウント登録: クレジットカード情報の登録なしにアカウントを作成できる。登録直後にウェルカムクレジット(500以上)が付与される。
2. 監査対象サイトの指定: 監査したい自社サイト(またはクライアントサイト)のドメインを指定する。ページ数の範囲(10ページ程度の簡易監査か、200ページ規模のフルサイト監査か)によって消費クレジットが変わる。
3. 監査の実行: 初回監査は10分程度で完了するとされている。この間に50以上のAIモデルを横断したブランド可視性のチェックと、26項目のGEOチェックリストに沿った診断が走る。
4. 6軸スコアの確認: 監査完了後、SSR&AIクローラビリティ、Entity Health(Wikidata)、Citation Readiness、STS Detection、Mention vs Citationを含む6軸のスコアがダッシュボードに表示される。どの軸のスコアが低いかを見て、優先的に手を入れるべき領域を特定する。
5. 改善アクションの実施: スコアが低い軸に応じて、構造化データの整備(Wikidataのエンティティ情報更新)、SSR実装の見直し、コンテンツの引用適性を高める編集などの対応を行う。
6. AIボットトラッキングとハルシネーションURL検知の定点観測: 改善後もAIクローラーのアクセス状況やハルシネーションURLの発生有無を継続的にモニタリングし、月次で付与される100クレジットを使って再監査を回す。
7. MCPサーバー経由での自動化: エージェンシーや開発チームであれば、200以上のツールを持つMCPサーバーを自社のワークフローに組み込み、定期監査やレポート生成を自動化する選択肢もある。

このステップを見て分かる通り、AI Labs Auditは「一度診断して終わり」のツールではなく、クレジット制の低コスト設計を活かして継続的にPDCAを回すことを前提とした設計になっている。

日本企業がAI Labs Auditを検討する際の注意点と活用シーン

日本語での紹介がまだ存在しないという状況自体が、日本企業にとってはメリットにもリスクにもなり得る。以下、想定される活用シーンと注意点を整理する。

活用シーンとして想定されるケース

• 海外展開やインバウンド需要を意識する企業が、ChatGPT・Perplexity・Mistralなど複数の生成AIでの自社ブランドの見え方を横断的に把握したい場合。
• 複数クライアントを抱えるSEO・LLMOコンサルティング会社が、低コストなクレジット制を活かして初期診断をスピーディに回したい場合。
• 自社サイトのWikidataエンティティ情報が整備されているかを含めて、構造化データ面からのGEO対策状況を棚卸ししたい場合。
• 生成AIが自社サイトの存在しないページ(ハルシネーションURL)を回答内で言及していないかを定点観測したい場合。

注意すべき点

• 画面や機能名称は英語・フランス語ベースであり、日本語UIの提供有無や日本語コンテンツに対する診断精度は公式情報だけでは確認できない。実際に無料クレジットの範囲で試してから本格導入を判断するのが安全だ。
• 新興サービスであるため、料金体系(クレジット単価)や対応モデルのラインナップは今後変更される可能性が高い。本記事の数値はあくまで執筆時点の公式情報に基づくものであり、最新の条件は必ず公式サイトで確認してほしい。
• クレジット制は低コストで始めやすい反面、大規模・高頻度の監査を継続する場合には累積コストが読みにくくなる可能性があるため、自社の監査頻度・ページ規模を事前に見積もったうえで導入を検討したい。
• GEO・AEOというジャンル自体が発展途上であり、スコアリングの算出根拠や業界標準との整合性については、他のGEO・AEOツールとの比較検証も併せて行うことが望ましい。

日本企業がAI Labs Auditのようなグローバル発のGEO・AEOツールを検討する際は、単体の診断結果を鵜呑みにするのではなく、自社のコンテンツ戦略・構造化データ整備・生成AI経由の流入状況といった複数のデータソースと突き合わせながら活用するのが実務上のバランスの取れたアプローチになるだろう。

よくある質問

Q1. AI Labs Auditはどこの国のどんな会社が運営していますか?

フランスのAI Labs Solutionsという会社が運営している。SIREN 994376598、VAT番号FR51994376598が登記情報として公式サイトに記載されている。

創業は2024年末で、創業者はフルスタックエンジニアのDavy Abderrahman氏。GEO(Generative Engine Optimization)とAEO(Answer Engine Optimization)の欧州発リファレンスプラットフォームを標榜しており、フランス・欧州を拠点にしながらグローバルなブランド向けにサービスを展開している。

Q2. 何個のAIモデルを監査対象にしていますか?

公式情報では50以上のAIモデルを横断して監査するとされている。

具体的にはChatGPT、Claude、Gemini、Perplexity、Mistral、DeepSeek、Llama、Grok、Qwenなどが含まれると案内されている。欧米系の主要モデルだけでなく、フランス発のMistral、中国発のDeepSeek・Qwenなど、地域を問わず幅広いモデルをカバーしている点が特徴だ。

Q3. 6軸スコアリングとは具体的に何を測っていますか?

技術面・構造化データ面・コンテンツ面・検知面など複数の観点からブランドのAI可視性を分解してスコア化する仕組みである。

単一の総合点ではなく、SSR&AIクローラビリティ、Entity Health(Wikidata)、Citation Readiness、STS Detection、Mention vs Citationといったモジュールに分けて評価することで、どの領域を優先的に改善すべきかを特定しやすくしている。公式情報ではこれらのモジュール群が6軸スコアリングの主要な構成要素として位置づけられている。

Q4. Mention(言及)とCitation(引用)の違いは何ですか?

Mentionはブランド名が生成AIの回答内に単に登場すること、Citationは情報源として実際に参照・引用されることを指す。

この二つは見た目には似ているが、ユーザーの意思決定への影響度は大きく異なる。AI Labs Auditはこの二つを区別して計測することで、単に「名前が出た」だけなのか、AIが情報の裏付けとして頼っているブランドなのかを見分けられるようにしている。

Q5. Entity Health(Wikidata)のチェックはなぜ重要なのですか?

生成AIの一部はナレッジグラフやWikidataのような構造化データベースを参照する傾向があり、その情報が不足・誤っていると誤情報の拡散につながるためだ。

自社のコンテンツをいくら充実させても、外部の構造化データベース上のエンティティ情報が古い・不正確な場合、AIがそちらを情報源として参照してしまう可能性がある。この項目は、自社サイト以外の外部データ整備状況まで含めてGEO対策を捉える視点を提供している。

Q6. 料金はどのくらいかかりますか?

クレジット制で、10ページ監査が約0.20ドル、200ページのフルサイト監査でも約4ドル程度とされている。

新規登録時にウェルカムクレジットとして500以上が付与され、毎月100クレジットも継続付与されるため、小〜中規模サイトであれば無料枠だけでも継続的な監査が可能な設計になっている。クレジットカード登録も不要とされている。

Q7. なぜ「顧客の声(testimonial)」を掲載していないのですか?

第三者の推薦コメントに頼らず、自社のダッシュボードやスコアを公開すること自体で信頼性を担保する編集方針を採っているためだ。

一般的なSaaSはトップページに顧客ロゴや推薦文を並べて信頼を演出するが、AI Labs Auditはこの手法を採用せず、実際のプロダクトの動作結果(ダッシュボード・クライアントポータル・GEOスコア)を誰でも確認できる状態にすることを重視している。加えて、匿名化した実データを帰属表示付きで定期公開する取り組みも行っている。

Q8. ハルシネーションURL検知とは何をする機能ですか?

生成AIが回答の中で存在しないURLやページを情報源として提示していないかを検知する機能である。

生成AIは自信ありげに実在しないURLを提示することがあり、これがユーザーの不信感やブランドの信頼毀損につながるリスクがある。この機能により、AIが自社に関して誤った情報源を提示していないかを定点観測できる。

Q9. MCPサーバーはどのような場面で使いますか?

自社のAIエージェントやワークフローにAI Labs Auditの監査機能を組み込みたいエージェンシーや開発チーム向けの接点である。

200以上のツールを備えたMCP(Model Context Protocol)サーバーが提供されており、単体のダッシュボード利用にとどまらず、他システムからの呼び出しや定期監査の自動化に活用できる。複数クライアントを抱えるコンサルティング会社が、レポート生成や監査の一部を自動化したい場合に検討する選択肢になる。

Q10. 日本語サイトでもそのまま使えますか?

公式情報だけでは日本語コンテンツへの対応精度は明言されておらず、まずは無料クレジットの範囲で試すのが安全である。

新興の海外サービスであるため、画面表示や機能名称は英語・フランス語ベースと見られる。日本語クエリでのAIモデルの挙動やWikidataエンティティの日本語情報整備状況など、日本語圏特有の要素については実際に監査を回してみて確認することが望ましい。

関連用語

• GEO
• AEO
• AIO
• AISEO
• ブランドメンション
• クローラー
• チャットGPTセオ

関連記事

• LLMO(大規模言語モデル最適化)完全ガイド
• AISEO完全ガイド
• AI検索最適化ガイド
• SEOとLLMOのハイブリッド戦略
• AthenaHQ AI可視性・GEOツール徹底レビュー
• Knowatoa AI可視性ツールのBiscuitフレームワーク解説
• AI Overviewsツール比較2026
• AI可視性の競合シェア・オブ・ボイス分析
• GEO Scoutとは？AI可視性12プロバイダー監視ツールを日本語解説
• Kabini AIとは？Shopifyのentity/構造化監査を解説
• PilotDeckとは？SEO・GEO統合型の海外発成長プラットフォームを解説
• ProductRank.aiとは？AI推薦の商品ランキングを無料で調べる方法