調達担当も、AIに
「できるメーカー」を聞いている。

情報収集の入口が、「検索」から「AIに聞く」へ動き始めた。

まず、ものを探す行動そのものが変わっています。サイバーエージェント GEOラボが全国9,278名を対象に行った調査（2026年3月）によると、検索において生成AIを利用している人は37.0%。前回調査（2025年10月）の31.1%から半年弱で5.9ポイント上昇しており、「まず検索窓」だった情報収集の入口に、「まずAIに聞く」という選択肢が急速に加わっています。

これは消費者向けの数字ですが、同じ人が仕事でも同じ道具を使い始めています。総務省「令和7年版 情報通信白書」（2025年）によると、生成AIを「積極的に活用する方針」または「利用時期を具体的に検討している」日本企業は49.7%。前年度の42.7%から上昇し、方針レベルではおよそ2社に1社が生成AIを業務に取り込む姿勢を示しています。調達・購買の担当者もまた、その一人です。

企業の生成AI活用、用途の2位は「情報収集」。

では、企業は生成AIを実際に何に使っているのか。帝国データバンクが全国10,312社から回答を得た調査（2026年3月）では、業務で生成AIを活用している企業は34.5%、検討中を含めると48.7%に上ります。そして用途の内訳を見ると、探す・調べる行動が中心にあることが分かります。

「情報収集」が用途の第2位（21.8%）に入っている点が重要です。製品を探す、取引先の候補を洗い出す、技術用語や仕様を理解する——調達・購買の実務そのものが、生成AIが担い始めている領域と重なります。同調査では活用企業の86.7%が「効果があった」と回答しており、一度使って手応えを得た担当者は、次も同じ入口から探し始めます。

活用率には差もあります。企業規模別では大企業46.5%に対し中小企業32.4%・小規模企業28.0%、業種別ではサービス業47.8%が最も高く、建設26.4%が最も低い。製造業を含むものづくりの現場では、社内での導入はこれからという企業も少なくありません。だからこそ、「自社が使う」より一歩早く、「相手（発注側）がAIで探したときに見つかる」準備が効いてきます。

BtoBの購買でも、AIが「候補」と「決定」を動かしている。

実際に、法人の購買行動でもAIの影響が観測されています。株式会社LANYが、過去1年以内に生成AIに相談して製品・サービスを契約・購入したBtoB企業の担当者110名に行った調査（2025年8月）では、生成AIの助言が意思決定に「影響があった」と答えた人は87.3%（「かなり」20.9%＋「ある程度」66.4%）。さらに46.4%が「検討していなかった新しいサービスを知り、それを選んだ」と回答しています。

この110名はもともと「AIで購入した経験がある人」に絞った調査であり、市場全体の平均ではありません。それでも、示している構図は明確です。AIの回答に名前が出た会社は「新しい候補」として発見され、出なかった会社は最初から検討にすら入らない。同調査で最も信頼する情報源として生成AIを挙げた人は20.0%（公式情報26.4%・比較サイト22.7%に次ぐ3番目）で、AIは既存の情報源を置き換えるというより、「まず候補を絞り込む一次フィルター」として使われ始めています。

AIの回答に技術情報が引用される会社は「候補」に入り、引用されない会社は検討にすら入らない。BtoBの入口でも、被引用が可視性を左右し始めている。

AIに「引用される」条件は、特別な小細工ではない。

では、AIの回答に引用されるために何が必要なのか。ここは誤解されやすい部分です。Googleは公式ドキュメント「AI Features and Your Website」（2025年12月更新）で、AIによる概要（AI Overviews）などに表示されるための「追加の技術要件はない（There are no additional technical requirements）」と明言しています。AI専用のファイルや特別なマークアップ、AI用の構造化データを新たに作る必要はない、とも記しています。

条件はシンプルで、①ページが通常どおり検索にインデックスされ、スニペット表示の対象であること、②土台が「役に立つ・信頼できる・人のためのコンテンツ（helpful, reliable, people-first content）」であること。つまりAIに引用される入口は、まっとうな検索最適化（SEO）の延長線上にあります。逆に言えば、そもそも技術ページが無い・薄い・検索に載っていない状態では、AIが参照する材料が存在しません。

そのうえで、構造化データ（schema.org）は「必須ではないが有用」です。Googleは構造化データについて、ページの意味をより正確に理解する助けになり、リッチリザルトの対象になると説明しています。製造業に当てはめれば、加工能力・対応材質・公差・設備・認証・実績といった技術情報を、人にもAIにも読み取れる形で整理して置いておくことが、「◯◯ができるメーカー」という問いに拾われる確度を上げます。

対策の優先順位——技術情報を「引用される形」に整える。

AI検索とGEO（生成AIに引用されるための最適化）への対応は、一度に全部やる話ではありません。調達担当のAIに拾われる会社になるための優先順位を、データからの示唆として整理します。

1. 技術ページを「実在させる」——加工能力・対応材質・公差・設備一覧・保有認証を、カタログではなくWeb上のテキストとして持つ。AIが参照する材料は、インデックスされたページにしか存在しません。
2. 「◯◯ができますか」に答える形で書く——担当者がAIに投げる問い（例：小ロット対応、短納期、特殊材質、特定規格）を見出しと本文で先回りして答える。人のための分かりやすい記述が、そのまま被引用の土台になります。
3. 実績・事例で信頼性（people-first）を示す——どの業界の・どんな部品を・どれだけ手がけたか。E-E-A-T（経験・専門性・権威性・信頼性）に効く一次情報は、比較サイトやAIの「信頼される情報源」評価にも効きます。
4. 構造化データで機械可読性を足す——必須ではないが、Googleが内容を理解しリッチリザルト対象になる助けになる。技術仕様・企業情報を意味づけして置く。
5. 指名・言及される状態をつくる——社名や技術で検索・言及される会社ほど、AIの回答でも想起されやすい。展示会・プレス・実績公開で「名前が出る」接点を増やす。

共通しているのは、小手先のAI対策ではなく「技術情報を、人にもAIにも読める形で構造化して公開する」という一点です。調達担当がAIに「できるメーカー」を尋ねる時代に候補として残るかどうかは、この土台があるかで決まります。これは広報の実務ではなく、次の受注に関わる経営課題です。集客と同じ真剣さで向き合う価値があります。