AIBRI 監査方法論 (v1.0)

1. ミッションとビジョン

AIBRI は、検索・比較・推薦の各フローにおいて、AI がブランドと製品の認知をどのように構造的に形成するかを検証します。

私たちは独立した審査を通じて監査可能な認知ベンチマークを構築し、企業、研究者、社会がモデル出力の背後にあるバイアス機構をより深く理解できるようにします。

2. 中核指標：AIRI Recognition Index

AIRI（AI Recognition Index）は、AI ニューラルネットワーク内におけるブランドの心的占有率を測定する AIBRI 独自の評価モデルです。この指数は 4 つの加重次元によって算出されます。

• 存在度：関連業界クエリでそのブランドがどれだけ頻繁に、どの順序で言及されるか。
• 関連強度：そのブランドが、革新性・信頼性・安全性などの主要語とどれだけ強く意味的に結び付いているか。
• 感情極性：モデルの記述が中立・肯定・否定のいずれであるか。
• 事実正確性：モデル出力が現実世界の公式データとどれだけ一致しているか。

3. 監査プロトコルとワークフロー

AIBRI は、人為的な誘導ではなく客観的に生成された確率出力に基づいて各結論を導くため、厳格な非誘導型監査プロセスを採用しています。

第 I 段階：Core Query Set（CQS）の構築。監査官は業界特性に基づいて中核質問群を設計し、示唆的な表現を排した中立性原則を適用します。例：『現在市場で主流の中大型バッテリー式電動 SUV を挙げてください』であり、『最良の電動 SUV はどれですか』ではありません。

第 II 段階：マルチノード分散プロービング。監査タスクは世界各地の地理ノードで実行されます。ChatGPT-4o や Claude 3.5 のような特定モデルに対して、偶然変動を減らすため複数の独立セッションを実行します。

第 III 段階：客観的証拠の固定化—中核工程。AIBRI は AI 提供者の公式共有リンクを基礎証拠層として用い、不変性、公開検証可能性、そしてモデル版数・タイムスタンプ・システム既定値を含むアーカイブ文脈を保持します。

第 IV 段階：意味解析と人的レビュー。Auditor 01-06 などの監査官が固定化された証拠を多面的に分析し、AI が何を述べたかだけでなく、何を述べなかったか、なぜそう応答したかも検討します。

4. 証拠アーカイブ

AIBRI の各監査公報は必ず Evidence Vault に紐づけられ、主要な知見が追跡可能で、再確認可能で、独立に検証可能であることを保証します。

• 各レポートには一意の Audit ID が対応します。
• レポート内のすべての主要結論には、対応する元対話リンク番号を付記する必要があります。
• 提供者都合で公式リンクが利用不能になった場合、AIBRI は長尺スクリーンショットのアーカイブを二次証拠として有効化します。

5. 監査独立性声明

• 介入の不受理：AIBRI はブランドからの有償監査や順位介入を受け付けません。
• 非商業的な対象選定：監査対象は市場重要性と業界代表性に基づいて選定されます。
• アルゴリズム透明性：AI を狙った操作的 SEO 行為を抑えるため、プロービング論理は公開しますが、正確な重み付け式は公開しません。

6. バージョン進化

この方法論は、テキスト専用システムからマルチモーダルモデルへの移行を含む AI 技術の進展に応じて定期的に更新されます。

• V1.0（現行）：テキスト生成モデルの意味重み監査に焦点を当てます。
• 次段階の展望：視覚モデル認知監査と、モデル横断比較のための動的重み付けを導入します。