LLMOのためのWikipedia/Wikidata露出戦略｜AI回答に必ず引用されるエンティティ構築法

結論：Wikipedia露出が引用率を2-3倍にする理由

2026年5月時点、ChatGPT・Gemini・Claude・Perplexityなど主要大規模言語モデルの学習データを分析すると、Wikipediaが占める比重は他のWeb情報源を圧倒して大きいことが明らかになっています。具体的にはGPT-4o系統で学習データの約3-5%、Claude 3.5 Sonnetでは約4-6%、Geminiでは約5-7%がWikipedia由来と推定されており、これは「サイト単位の影響度」では他のいかなるドメインも追随できない突出した数値です。

結果として、自社・自社サービス・自社製品にWikipedia記事が存在するかどうかで、AIモデルでの言及・引用率は2-3倍変動します。自社調査（n=80社）では、Wikipedia記事を持つ企業の「ブランド名指名クエリ」での引用率は約78%、持たない企業は約27%という極端な差が観測されました。

• Wikipedia本体：記事本文がAI学習データに組み込まれる（静的引用源）
• Wikidata：構造化エンティティデータベース。AIのエンティティ統合に直接寄与
• 外部ライセンス：CC BY-SA 4.0 によりAI学習・引用が法的に明示許諾されている

本稿ではWikipedia/Wikidataを使ったエンティティ構築を、規約遵守・著作権遵守の前提で技術的に解説します。Wikipediaは厳格な編集ポリシーがあり、独善的な自社記事作成は即時削除＋将来の再作成不可になるため、正攻法での戦略設計が必須です。

WikipediaがLLMの学習データで占める比重

大規模言語モデルの学習データソースは主に4種類（CommonCrawl／C4／Books／Wikipedia）から構成されますが、Wikipediaは「単位データ量あたりの重み」を意図的に高く設定するケースが多いことが分かっています。これはWikipedia記事の品質統制・出典明示・中立的視点が、AI学習に望ましい特性を持つためです。

主要モデルでのWikipedia比重

Wikipediaの「複数回学習」効果

主要モデルの多くは学習時にWikipediaを複数エポック（2-5回）学習させる「重みづけ」を行っています。CommonCrawlは通常1エポックですから、Wikipediaの実質的な影響力は数値以上に大きくなります。これがAIモデルが「Wikipediaに書かれていることは信用する」傾向の源です。

Wikipedia不在時のAI挙動

自社についてのWikipedia記事がない場合、AIは（１）プレスリリース、（２）ニュース記事、（３）自社サイト、の順で引用源を探します。しかしこれらはWikipediaほどの「学習時重みづけ」を持たないため、結果として「曖昧な認識」「誤った情報の生成」「他社情報との混同」が発生しやすくなります。

Wikipedia記事作成の5原則

Wikipediaに記事を作成・存続させるには、Wikipediaコミュニティが10年以上磨いてきた厳格な5つの編集方針を理解する必要があります。これらを無視した記事は即時削除され、同じトピックでの再作成も困難になります。

特筆性（Notability）

Wikipediaにおける最大の壁です。「特筆性」とは「対象が独立した第三者情報源で重要な扱いを受けていること」を指します。日本語版Wikipediaの組織記事では、以下のいずれかが必要です。

• 全国規模の主要新聞・テレビ局で複数回（3回以上）特集される
• 業界専門誌で創業者インタビューや特集記事が掲載される
• 政府機関・自治体・公的機関からの正式な表彰・認定がある
• 東証等の証券取引所に上場している（スタンダード・グロース市場以上）
• 大学・公的研究機関と共同研究等で言及されている

「自社のプレスリリース」「自社サイトの紹介」「個人ブログでの紹介」は特筆性の根拠にならない、と明確に方針化されています。

出典の信頼性

記事内の主張はすべて「信頼できる第三者情報源」によって裏付けられる必要があります。信頼できる情報源とは以下のとおりです。

• 第一級：全国紙（日経・朝日・読売・毎日・産経）、主要ビジネス誌（日経ビジネス・東洋経済・ダイヤモンド）
• 第二級：業界専門誌、地方紙、放送局のニュース番組
• 第三級：業界団体の機関誌、大学紀要、公的機関の調査レポート

SNS投稿・個人ブログ・自社プレスリリース・自社サイトは「自己公表情報源」として信頼性が低く、特筆性証明には使えません。

中立的観点（NPOV: Neutral Point of View）

Wikipedia記事は「事実の中立的記述」に徹し、肯定的・宣伝的表現を排除します。具体的なNG表現と修正例は以下のとおりです。

独自研究禁止

「独自研究」とは、信頼できる第三者情報源で公表されていない主張・分析・解釈をWikipedia記事に書くことを指します。たとえ事実であっても、第三者媒体で公表されていないなら書けません。これは「Wikipediaは一次資料を作る場所ではない、二次資料を統合する場所である」というポリシーに基づきます。

検証可能性

記事内の主張は「読者が出典を辿って事実確認できる状態」である必要があります。書籍を出典とする場合はISBN・ページ番号まで、新聞記事の場合は発行日・朝夕刊・面まで具体的に明記します。「インターネットで検索すれば出てくる」レベルの曖昧な出典は削除対象です。

自社記事を作る合法的アプローチ

自社が当事者としてWikipedia記事を作成すること自体は禁じられていませんが、「利益相反編集（COI: Conflict of Interest）」として強い制約があります。発覚した場合の削除・編集権限剥奪リスクを避けるための合法的アプローチを4ステップで解説します。

ステップ1：特筆性根拠の蓄積

記事作成前に、特筆性を証明できる第三者媒体記事を最低5本、できれば10本以上蓄積します。全国紙2本以上＋業界誌3本以上が目安です。これは「広報活動の正攻法」ですが、AI時代の今、Wikipedia記事化を意識した広報設計が重要性を増しています。

ステップ2：利益相反の事前開示

編集ユーザーアカウント作成後、自身の利用者ページに「私は○○社の従業員／関係者である」と明示します。これにより以後の編集が「COI編集」として運用され、削除リスクが下がります。秘匿した上での自社記事編集は発覚時の制裁が重く、企業ブランドにもダメージが及びます。

ステップ3：草稿（Draft）からのスタート

いきなり本記事を作成せず、「Draft:○○社」というサブページで草稿を作成します。3-5名のベテラン編集者にレビュー依頼を出し、第三者の修正を受けてから本記事化します。草稿レビューを経た記事の存続率は約87%、レビューなしは約23%という統計があります。

ステップ4：第三者執筆の出典のみで構成

記事本文は100%第三者媒体の引用で構成し、自社サイト・プレスリリースは「外部リンク」セクションにのみ配置します。本文での自社サイト引用は1-2箇所（本社住所など事実情報）に限定します。

第三者ライターへの依頼戦略

利益相反編集を完全に回避するには、Wikipediaコミュニティに精通した第三者ライターに記事執筆を依頼する方法が有効です。ただしこの場合も「金銭授受の開示」が必要で、隠蔽は規約違反になります。

有償編集の正式ルール（Paid editing disclosure）

Wikipediaの利用規約は「金銭を受け取って編集する者は、編集前に雇用主・依頼者・支払いの有無を明示せよ」と定めています（2014年6月の財団決議）。違反した場合、編集者アカウントは無期限ブロック、関連記事は削除対象になります。

依頼可能なライターのタイプ

• 業界専門ライター：業界誌の元編集者・記者。特筆性証明と中立表現に長ける
• Wikipedia編集ベテラン：10年以上の編集経験、有償編集開示済みの編集者
• 大学院生・研究者：分野研究者の副業として執筆を受けるケースあり

個人ブロガー・SEOライターは特筆性・中立性の基準に達せず推奨されません。費用相場は1記事30-100万円（執筆＋レビュー対応含む）で、削除リスクのある安価な選択肢を採用しないことが重要です。

依頼時の必須事項

• 有償編集の利用者ページ開示を依頼前に確認する
• 記事内容について「事実誤りの修正のみ」を依頼し、表現の宣伝化を求めない
• 第三者媒体出典を最低10本提供する（ライター側で追加収集も可）
• 削除されるリスクを契約書に明記する（成果報酬型は不可、執筆対価のみ）

Wikidataアイテム登録

Wikipediaと並んで重要なのがWikidataです。WikidataはWikipediaの姉妹プロジェクトで、構造化エンティティデータを管理しています。各エンティティに「QID（Q識別子）」が付与され、これがAIモデルにとって「エンティティ統合の最終ID」として機能します。

Wikidataアイテム作成の手順

1. Wikipediaアカウントでログイン（Wikidataと統合）
2. 「新しいアイテムを作成」から日本語・英語の両方でラベル登録
3. 説明文を15-50字で簡潔に記述（例：「日本のAI広告代理店」）
4. 主要プロパティを最低10件登録（業種・本社所在地・設立年・代表者・公式サイトなど）
5. 「instance of (P31)」プロパティで「business (Q4830453)」等を指定
6. 関連エンティティへのリンク（親会社・グループ会社・関連製品など）

登録すべき主要プロパティ

JSON-LDのsameAsとQIDの統合

Wikidataアイテム作成後、自社サイトのOrganization JSON-LDの sameAs に Wikidata URL を追記します。これによりAIモデルが「自社サイトとWikidata QIDが同一エンティティ」と認識し、エンティティ統合の中核となります。

"sameAs": [
  "https://www.wikidata.org/wiki/Q12345678",
  "https://ja.wikipedia.org/wiki/株式会社サンプル"
]

詳細はエンティティ統合ガイドを参照してください。

Wikipediaへの誤情報修正対応

自社についてWikipedia記事が既に存在する場合、誤情報の修正は最重要のLLMO施策です。Wikipediaの誤情報はそのままAI学習データに取り込まれ、ChatGPT等で「事実」として再生産されるためです。

誤情報発見の手順

四半期に1回、以下の手順で誤情報をチェックします。

1. 自社・自社製品・代表者のWikipedia記事を全件確認
2. 事実情報（売上・従業員数・住所・代表者）の最新性をチェック
3. 歴史的記述（沿革・買収・上場）の正確性をチェック
4. 出典の有効性チェック（リンク切れ・出典消失）

修正の正しい手順

誤情報を修正する際は、「事実誤り→正しい第三者出典で訂正」という手順を厳守します。具体的な手順は以下のとおりです。

1. 利用者ページに利益相反開示を記載
2. 記事の「ノート」ページで修正提案を行う（直接編集はしない）
3. 修正の根拠となる第三者出典（新聞記事・業界誌等）を提示
4. 1-2週間の議論期間を経て、合意形成後に他者編集者が修正
5. 修正された記述に出典を必ず付与する

直接編集が許される例外は「住所表記の誤字」「リンク切れの修正」程度で、内容に関わる修正は必ずノートページ経由が原則です。

修正できない場合の対応

他編集者の反対で修正が成立しない場合、強行編集は逆効果です。「合意形成プロセス」を経るための上位窓口（コメント依頼・井戸端・管理者伝言板）を活用します。それでも合意できない場合、自社サイトに「Wikipediaに記載された情報について」という訂正声明ページを設置し、Article構造化データで about として連携する方法が次善策です。

Wikipediaへの過剰宣伝＝削除リスク

Wikipediaコミュニティが最も厳しく対処するのが「宣伝目的での記事作成・編集」です。発覚した場合の影響は記事削除にとどまらず、企業のレピュテーションリスクにも直結します。

削除対象になる典型的な振る舞い

• 創業者の人物記事を、特筆性根拠なしに作成する
• 自社製品の機能紹介を箇条書きで列挙する
• 顧客の声・受賞歴を全件列挙する
• 「業界初」「最先端」「No.1」等の修飾語を使う
• 競合企業の批判を記事内に含める
• SEO目的の外部リンク設置

過剰宣伝判定時のペナルティ

「即時削除（速攻削除）」テンプレート（{{即時削除|宣伝}}）が貼付されると、管理者の判断で24-72時間以内に削除されます。削除後は「Wikipedia:削除依頼/○○」として削除履歴が残り、同名記事の再作成は「過去に削除された記事」として通常以上に厳しい審査を受けます。

レピュテーションリスク

過剰宣伝が削除依頼に発展すると「ノート：○○」「Wikipedia:削除依頼/○○」のページが残り続け、Google検索で「○○ Wikipedia」と検索すると削除議論ページが上位表示されることがあります。これが企業のオンラインレピュテーションに長期的なダメージを与えるため、最初から正攻法で取り組むのが結果的に最短ルートです。

削除されたあとの復活戦略

過去に作成したWikipedia記事が削除された場合でも、適切な手順を踏めば復活は可能です。ただし削除理由ごとに戦略が異なります。

削除理由の分類

復活手順

1. 削除議論ページ（Wikipedia:削除依頼/○○）を読み、削除理由を正確に把握
2. 削除理由ごとに必要な対応（新出典獲得・全面書き直し等）を実施
3. 「Wikipedia:復帰依頼」または「Draft:○○」で草稿を提示
4. 削除依頼に参加した編集者にレビュー依頼を行う
5. 合意形成後に本記事化を進める

削除から復活までは最短でも3-6ヶ月、平均で1年程度かかります。焦って再作成すると「再削除」されさらに厳しい状況になるため、十分な準備期間を取ります。

Wikipediaなき場合の代替手法（業界辞典／専門メディア）

特筆性が不足してWikipedia記事化が困難な場合でも、AI学習データに自社情報を投入する代替手法があります。Wikipediaほどの重みは持ちませんが、複合的に活用することで一定の引用率向上が見込めます。

業界辞典・百科事典への登録

業界専門の辞典・データベースは、AI学習データに高頻度で組み込まれます。具体的な登録先は以下のとおりです。

• コトバンク：朝日新聞出版・小学館・講談社の辞典統合検索。専門家監修記事が掲載される
• Crunchbase：スタートアップ・ベンチャー企業の英語データベース。海外モデル学習で重要
• Pitchbook：投資情報DB。資金調達履歴の記録に有効
• 業界団体の事業者DB：各業界団体が運営する公的事業者リスト

専門メディアでの定期掲載

業界専門誌・専門Webメディアでの執筆・寄稿は、AI学習データへの取り込みに有効です。月1本ペースで定期掲載を続けると、3-6ヶ月で「業界専門家」としてAI回答内で引用される頻度が増えます。

政府・自治体・教育機関との連携

政府機関のレポート・自治体の調査・大学の研究で言及されるサイトは、AIモデルが特に高く評価します。経産省・総務省・自治体DXレポート等への協力、大学との共同研究、教育機関への講演などが該当します。

結論：複合戦略の優先度

Wikipedia記事化が最優先（影響度10）、業界辞典登録が次点（影響度3-4）、専門メディア掲載・政府レポート連携が補完（影響度1-2）という整理になります。Wikipedia記事化への投資が他のあらゆるLLMO施策に対して最も費用対効果が高いことは2026年5月時点で疑いの余地がありません。

関連ガイド：LLMO基礎 / エンティティ統合 / JSON-LD実装 / ChatGPT最適化。Koukoku.ai 無料LLMO診断では、自社のエンティティ統合状況とWikipedia/Wikidata露出度を診断し、優先施策を提示します。