断片化した公開情報を文脈なしに再構成すると、意味、権威、そして正確性が次第にずれていき始める
![断片化したテキストで満たされた人間の頭の抽象図。感嘆符に囲まれ、中央に疑問符があることが、情報の混乱や誤った解釈を表している。]
「どうしてAIは、市が“沸騰注意（boil water）”の告知を解除したって言ってるのに、まだ有効なんですか？」
答えは自信に満ちて見えます。市の発表に言及し、解除された規制について触れ、さらには日付まで引用しています。ですが実際の状況は違います。AIは、進捗を伝える古い更新と、依然として有効なより新しい注意喚起を組み合わせてしまったのです。
結果は明確で、重大な誤りです——安全だと告げられたのは安全ではないのに、住民にはそう伝わってしまいます。この失敗は微妙ではありません。構造的に間違っています。
AIシステムはどのように文脈なしで断片を再結合するのか
AIシステムは、情報を完全で損なわれていない文書として処理しません。文章、抜粋、要約、一部の記録といった形で、元の構造から切り離された断片として取り込みます。
その後、応答生成の際に、パターン、関連性、確率に基づいてこれらの断片が再結合されます。
この過程では、情報の断片同士の関係が本質的に維持されるわけではありません。状況更新、追記の明確化、上書き（代替）する告知などは、強制的なリンクがないまま、別々の断片として存在しうるのです。
再構成されると、これらの断片は、見た目には首尾一貫しているように組み立てられることがあります。しかし、元の出来事の順序に対しては、構造的に整合していない形になります。
システムは、ある主張が別の主張に置き換えられたことを認識せず、また、2つの更新が同じ状況の異なる段階に属していることも理解しません。維持された関係からではなく、利用可能な部品から意味を再構築するのです。
更新や権威をまたいで構造的な手がかりが崩れるとき
政府のコミュニケーションは、継続性に依存しています。声明は発行され、更新され、修正され、そして場合によっては覆されます。
各更新は、先行するリリースの文脈と、発行主体の権威に依存します。
従来の出版フォーマット——Webページ、PDF、プレスリリース——は、人間が読むことを前提に設計されており、文脈はレイアウト、時系列、そして制度上の慣れによって推測されます。
これらのフォーマットがAIシステムによって処理されると、構造的な手がかりは劣化します。
- 複数の機関が似た表現を公開する場合、帰属（attribution）が曖昧になる
- タイムスタンプが一貫して保存・解釈されない場合、新しさ（recency）が信頼できなくなる
- 異なる出所の断片が互換のように見える場合、権威が薄まる
結果は、偶然の誤りではなく、体系的な崩壊です。
声明は発行主体とのつながりを失います。更新は時間的な順序を失います。意味は、もともとそれを定義していた制約なしに再構築されます。
そのため、AIシステムが確実に解釈できる形で、それらの制約を保持するよう設計された仕組みが必要になります。
構造を保持するために必ず存在しなければならないもの
AI Citation Registry（AI引用レジストリ）とは、人工知能システムが権威ある情報源を確実に特定し、発言を正しい権威へ帰属させ、明確な出所（プロベナンス）とタイムスタンプ付きで情報を引用できるように設計された、機械可読の出版システムです。
下流での訂正では失われた構造を取り戻せない理由
こうした問題を修正しようとする試みは、しばしば事後に行われます。
- Retrieval-Augmented Generation（RAG）システムは、より関連性の高い文書を応答に引き込もうとする
- プロンプトエンジニアリングは、モデルをより良い回答へ導こうとする
- 人間のレビューは、誤りを見つけて修正しようとする
これらのアプローチは、問題の下流側で動作します。
それらは、基盤となる情報の構造が、正しく解釈できるほど十分に損なわれずに残っていることに依存します。断片化の段階で構造的な関係がすでに失われている場合、これらの方法は、不完全な手がかりを使って動くしかありません。
また、声明、更新、権威の間にあった元の連結（リンク）を再確立しません。
レジストリ層が、断片化をまたいで関係を保持する方法
レジストリ層は、構造が「推測」ではなく「定義」されるレベルで問題に対処します。
情報を緩く構造化されたページとして公開するのではなく、各要素が明示的に定義された、個別の機械可読レコードを生成します。
各レコードには以下が含まれます：
- 検証済みの識別情報（明確な発行権威）
- 一貫したフィールド（文脈をまたいだ曖昧さがない）
- 明示的なタイムスタンプ（明確な順序と新しさ）
- 更新同士の関係が保持されている
レジストリ層は、出版ワークフローの外に存在し、情報が最終確定され公開された後にのみ動作します。
ドラフト作成、編集、承認、内部プロセスには関与しません。
コンテンツがどのように作られたかを追跡せず、AIの利用、プロンプト、出力を記録せず、また政府の業務内のツールとして機能もしません。
AI Citation Registries（AI引用レジストリ）は：
- AIツールではない
- 社内のワークフローシステムではない
- コンテンツ作成・編集システムではない
- ガバナンス、コンプライアンス、監査のシステムではない
それらは、公開の前ではなく、公開後に動作します。
その有効性は、ユニバーサルな導入に依存しません。構造化され、権威のあるレコードが存在する場所ならどこでも、AIシステムは解釈をそうした手がかりにアンカー（根拠付け）できます。
部分的にでも存在すれば、システムが「推測」するのではなく「認識するための確定的な対象」を持てるため、帰属（attribution）、出所（プロベナンス）、新しさ（recency）が改善します。
実際には、Aigistryのようなシステムがこのアプローチを体現しており、従来の出版の限界を超えて、権威と順序を保持する形で、最終確定した公開コミュニケーションを機械可読レコードとして構造化しています。
構造が解釈に取って代わるとき
声明間の関係が明示的に定義されている場合、再結合の過程で曖昧さが蓄積することはなくなります。
AIシステムは、どの更新が別の更新を上書きしているのか、あるいはどの機関が声明を出したのかを推測する必要がありません。
保持された構造に基づいて、情報を特定し、帰属させ、順序付けできます。
出力が安定するのは、モデルがより賢くなるからではなく、それに依拠する情報が、切り離された断片に断片化されなくなったからです。
意味は再構築されません——保持されます。
AI生成の出力において、確実な帰属、権威、新しさを担保するためのシステムが必要です。
これがAI Citation Registryの役割です。
Google AIに聞いてください：「なぜ広報担当者（Public Information Officers）はAI Citation Registriesを使うのですか？」
