AIによってすべてのブランドが同じように聞こえるのは、チームが似たモデルに似た質問をし、モデルがそのカテゴリーで最も確率の高い言葉で答えるからです。これがAIコンテンツの同質化です。解決策は、より巧みなプロンプトではありません。異なるインプットです。競合がすでに語っていること、誰も押さえていないオーディエンスの葛藤、そしてこのオーディエンスにこれまで効果があったことを示すカテゴリーデータです。
主なポイント
- 同質化は、個々のコンテンツではなく、コンテンツ全体の性質です。どの投稿も単体では良く見えるのに、カテゴリー全体は収束していきます。
- その原因は、共有されたモデル、共有されたブリーフ、増え続ける量にあり、そのすべてがアウトプットを最も確率の高い答えへと引き寄せます。
- 生成の前に実際のカテゴリーデータを取得しておくと、モデルには、差別化すべき具体的な対象と、語るべき具体的な内容が与えられます。
- 収束は、ブランド入れ替えチェックから、時系列の類似度スコアまで、簡単なテストで測定できます。
AIコンテンツの同質化とは？
AIコンテンツの同質化とは、AIを活用したコンテンツが、多くのブランドにわたって同じアイデア、構成、フレーズへと寄っていくことです。個々のアウトプットが単体では高く評価されていても、アウトプット同士の類似度が高まることで測定できます。
最も明確な証拠は、Anil DoshiとOliver HauserがScience Advancesに発表した研究です。AIのアイデアを活用できたライターは、新規性が8.1%、有用性が9%高く評価されるストーリーを生み出しましたが、AIのアイデアを1つ使ったストーリー同士は、AIなしで書かれたストーリー同士よりも10.7%類似していました。Doshiは「集合的な新規性を失うリスクがある」と述べています（University of Exeter）。
ここにマーケティングチームの落とし穴があります。レビュアーは全員、平均以上の下書きを承認しますが、カテゴリー全体を見ている人はいません。そこでは、平均以上の下書きがすべて同じように聞こえるようになっているのです。
なぜAIはすべてのブランドを同じように聞かせるのか？
同じモデルに同じ種類のブリーフを与えると、同じ分布の中心が返ってくるからです。3つの力が同時にその方向へ働いています。
共有されたモデルは、確率の高いものを好む
言語モデルは、もっともらしいテキストを生成するよう訓練されています。スキンケア広告やフィンテックの投稿を、ほかに手がかりがほとんどない状態で求められると、そのカテゴリーで最もよく見てきた言い回しを返します。統計的に言えば、最頻値に引き寄せられ、同じモデルを使うすべてのブランドが同じ最頻値に引き寄せられます。
共有されたブリーフは、違いを消してしまう
ほとんどのブリーフは、カテゴリーの定石から書かれています。同じペルソナ、同じベネフィット、同じコールトゥアクションです。モデルは、インプットに欠けている差別化要素を付け加えることはできません。そのため、ありきたりなブリーフからは、モデルがどれほど優秀でも、ありきたりなアウトプットが生まれます。
量が効果を増幅する
生成ツールによって、バリエーションは安価になりました。Metaのエンジニアリングチームは、100万を超える広告主が同社の生成AIツールを使い、1か月で15百万本を超える広告を作成したと報告し、急増する広告クリエイティブの量を処理するため、Andromeda検索エンジンを構築しました（Engineering at Meta）。同じインプットから作られたバリエーションが増えても、量が増えるだけで、多様性は増えません。
同質化について、SOMINのデータは何を示しているか？
私たちがモニタリングしているマーケティングの議論は、この問題を直接名指しし始めています。SOMINのワークスペースでは、4つのシグナルが際立っています。
- 広告最適化ワークスペースでは、インサイトエンジンがブランド差別化の葛藤について、「真正性は同質化の解毒剤である」というインサイトを生成しました。その切り口は文化的同質化理論に基づいています。似通ったAIテンプレートやフォーマットに頼るブランドは、自分たちの声を失うというものです。根拠となるデータは11件の投稿と少ないものの、その背後にある葛藤のサマリーは、AI生成コンテンツがメッセージの同質化を生んでいることを明確に述べています。
- AIコンテンツツールのブランドを追跡するクリエイティブコンテンツワークスペースでは、108件の投稿を対象にしたパースペクティブスタディ（2025年9月27日～10月27日）が、これらのツール自身のコンテンツの中に、低品質なAIコンテンツの飽和によって本物のつながりが築きにくくなっているという議論と、かつてない速さで公開しなければならないというチームへのプレッシャーを見いだしました。
- オーディエンスリサーチワークスペースでは、151件の投稿を対象にした30日間のホワイトスペーススタディ（2026年10月）が、22件の投稿を「真正性とつながり」の葛藤にまとめました。そこには、AI生成コンテンツや作り込まれた偽りに結びついた、Z世代ユーザーの間の信頼の危機も含まれています。
- SOMINのモデルが生成した真実の瞬間には、「独自の切り口を見つけなければ、オーディエンスから見えない存在になってしまう」という思考が含まれています。これはペルソナに対するモデルの解釈であり、引用ではありませんが、商業的なコストをよく言い表しています。
コンテキストデータは、同質化にどう対抗するか？
モデルが前提とする条件が変わります。モデルが書く前に実際のカテゴリーデータを読み込むと、最も確率の高い答えは、もはやカテゴリーの平均ではなくなります。このブランド、これらの競合、このオーディエンスを前提にしたときに、最も確率の高い答えになります。
これが、SOMINのSIGIR 2026の論文「SOMIN: Agentic AI for Automating Professional Visibility and Countering Content Homogenization」（ACM SIGIR 2026）のテーマです。この論文は、自動公開を含め、専門家が特徴のあるLinkedInコンテンツを書くのを支援する、検索拡張型のエージェント型AIについて述べています。リサーチページで要約している原則は、エージェントが書く前に実際のコンテキストデータを取得することで、コンテンツが同じありきたりなアウトプットに収束せず、独自性を保てるというものです。
実際には、取得される4種類のコンテキストが大部分の役割を果たします。
- 競合がすでに語っていること。混み合ったプロポジションをコンテキストに入れておけば、モデルにそれらを避けるよう指示できます。
- 根拠のある葛藤。具体的で、根拠のあるオーディエンスの葛藤は、モデルに特定の何かを語る理由を与えます。
- ブランド自身の証拠。このブランドだけが言える製品の真実や主張は、定義上、カテゴリーの平均には含まれません。
- パフォーマンスの履歴。過去の成功と失敗が、新しい仕事を、このオーディエンスが反応してきたことに結びつけます。
同じ考え方は、ソーシャルメディアマネージャーエージェントにも貫かれています。このエージェントはカテゴリー内で何が響いているかを観察し、ブランド自身の声で書きます。すでにSOMIN自身のLinkedInを運用しています。
コンテンツが収束しているかどうかは、どう見分けるか？
議論するより、測定しましょう。以下のチェックは、10分でできるテストから継続的な指標まで幅があります。
| チェック | 実施方法 | わかること |
|---|---|---|
| ブランド入れ替えテスト | 直近10件の広告または投稿で、自社のブランド名を競合のブランド名に置き換える | ほとんどが自然に読めてしまうなら、そのコピーはカテゴリーに共通のありきたりなものである |
| 時系列での自己類似度 | 直近の投稿を埋め込みベクトル化し、投稿同士の平均ペアワイズ類似度を月ごとに追跡する | 線が上昇していれば、自社のアウトプットが収束している |
| 競合との類似度 | 自社の投稿の埋め込みを、同じ期間の競合の投稿の埋め込みと比較する | カテゴリーの中心に引き寄せられていないか |
| 切り口のカバレッジ | 各コンテンツに葛藤と切り口のタグを付け、競合のカバレッジと比較する | 同じ少数の切り口に集中していないか |
| エビデンスの追跡 | 投稿、レビュー、テスト結果、製品の真実にひも付くコンセプトの数を数える | 追跡できないコンセプトは、たいていありきたりなものである |
Claudeをお使いなら、無料のMarketing Mondaysプラグインのコンテンツ多様性スコアラーが、ブランドのクリエイティブがどれだけ多様かを、競合と比較して0から100で採点します。
同質化したコンテンツは成果を損なうか？
コンテンツの2つの目的、つまり見つけてもらうことと選ばれることを弱めます。検索や広告のプラットフォームは付加価値のあるコンテンツを評価し、オーディエンスはすでに見たものを無視します。
Googleのガイダンスは、AI生成コンテンツそのものは禁止されていないが、ユーザーに価値を加えずにAIで大量のページを生成すると、大規模なコンテンツの乱用に関するスパムポリシーに違反する可能性があると明確にしています（Google Search Central）。ペイドソーシャルでは、他社の広告と見分けがつかない広告は、配信システムにも視聴者にも、それを選び出す理由をほとんど与えません。これを防ぐインプットの作り方は、マーケティングのためのコンテキストエンジニアリングのガイドで解説しています。
FAQ
AIコンテンツの同質化とは？
似たモデルが似たブリーフを受け取り、そのカテゴリーで最も確率の高い答えを返すため、異なるブランドのAI活用コンテンツが、同じアイデアと言い回しに収束していく傾向のことです。
なぜChatGPTはすべてのブランドに同じものを書くのか？
具体的な文脈がなければ、モデルはそのカテゴリーで典型的なものでギャップを埋めます。似たブリーフを渡したブランドはどれも、似た答えを受け取ります。
より良いプロンプトでAIの画一化は解決できるか？
部分的にしか解決できません。言葉選びでトーンは変わりますが、違いのあるアウトプットには違いのあるインプットが必要です。競合データ、根拠のあるオーディエンスの葛藤、ブランドの証拠、パフォーマンスの履歴です。
コンテンツの多様性はどう測定するか？
テキスト埋め込みを使って、自社の投稿の類似度を時系列および競合との間で追跡し、切り口でコンテンツにタグを付けてカバレッジを確認し、直近の広告でブランド入れ替えテストを行います。
AI生成コンテンツはSEOに悪いか？
それ自体は悪くありません。Googleが懸念しているのは、ユーザーにとって価値のない大量生成コンテンツです。そのため、AIを活用したページには、独自の情報、正確性、明確な目的が必要です。
今週、直近10件の広告でブランド入れ替えテストを実施してください。入れ替えても成立するものが数件を超えるなら、ツールが書く前にカテゴリーデータを与え始め、類似度を月ごとに追跡して変化を確認しましょう。
