AIは適切なテレビ番組のエピソードを見つけられるか？　必ずしもそうとは限らない。 -Gracenote

人工知能コンテンツ発見

世界はますます対話型になってきており、GenAIは人々がますます複雑化する世界に対応できるよう支援しています。エンターテインメントの世界では、テレビ視聴者が音声検索を活用し、チャンネルやサービスごとに細分化が進み、膨大化する動画コンテンツの洪水の中から、自分にとって必要な情報を素早く見つけ出しています。

しかし、さまざまなデバイスで音声機能が普及しているとはいえ、この技術の有用性はデータ、^{すなわちLLM1が}ユーザーのクエリに対する応答を検証・補足・修正するために活用する、現実世界からのリアルタイム情報にかかっている。ストリーミング業界全体において、これは特にエピソード形式のコンテンツにとって極めて重要である。

エピソード形式のコンテンツの数は、利用可能な映画の数をはるかに上回っているだけでなく、視聴者がテレビ番組のエピソードを検索する方法は、映画を検索する方法とは異なります。視聴者が、具体的にどのシーズンやエピソードを見たいかを把握していることはめったにありません。特に、『NCIS』、『グレイズ・アナトミー』、『ザ・シンプソンズ』のような長寿番組の場合、その傾向は顕著です。そのため、検索する際には、「『ザ・オフィス』のクリスマスエピソードを見せて」や「『フレンズ』でブルース・ウィリスがゲスト出演しているのはどのエピソード？」といった、文脈に基づいたクエリを使用します。

このような場合、LLMの応答は通常、誤ったものとなります。これは、LLMがシーズンやエピソード番号に基づいて確率を算出し、それに基づいて応答を生成するためです。プロバイダーにとって、誤った応答に伴うユーザー体験の悪化は、コンテンツの断片化が進むことによる不満をさらに増幅させることになります。エピソード形式のコンテンツはコンテンツの混雑に大きな役割を果たしており、Gracenote 追跡している世界6社のSVODプロバイダーが配信するコンテンツのうち、テレビ番組のエピソードが85％を占めています。Gracenote Data Hubで追跡されている6つのグローバルSVODプロバイダーが配信するコンテンツの85％を占めているため、コンテンツ

動画カタログの規模が拡大するにつれ、GenAIは「何か観たいもの」を探している視聴者にとって、ますます役立つ存在となるでしょう。例えば、わずか1年半の間に、視聴者が利用できるテレビ番組のエピソード数は21％以上も増加しました。

会話型検索、パーソナライズされた番組画像、ユーザーに合わせたおすすめコンテンツ、リアルタイムのスポーツハイライトといった機能を提供することで、GenAIは視聴者が動画コンテンツと関わる方法を一変させるでしょう。

こうした機能を提供し、かつユーザーにとって関連性が高く、パーソナライズされた形で届けるためには、検索やコンテンツ発見を支えるLLMが、正確かつ包括的なエンターテインメントデータにアクセスできる必要があります。これは、興味のあるコンテンツが提供されない場合、サービスの解約を検討すると回答したアメリカ人の50％にとって、特に当てはまります^²。

検証済みのリアルタイムデータへの接続は極めて重要です。なぜなら、企業向けに導入されるLLMは、外部の情報源に基づいていないからです。一般的なチャットボット（ChatGPTやGeminiなど）とは異なり、LLMはトレーニングデータで提供された情報しか知りません。このため、新しい番組に関する情報は、多くの場合、LLMのトレーニングデータの範囲外となり、視聴者が探しているものを見つける手助けをすることができません。例えば、スティーブ・カレル主演のコメディ映画『Rooster』は、2025年にリリースされたLLMにとってはあまりにも新作であるため、その情報を一切持っていないのです。

根拠のないLLMの応答と視聴者の体験

先ごろ発表した「AIにおけるプロットの穴」レポートで詳述したように、基礎知識を持たないLLMは、人気テレビ番組や映画の基本的な属性について質問された際、正確な回答を返すのに苦労しています。エピソード単位のコンテンツとなると、この欠点はさらに顕著になります。その理由は、メタデータの属性が、番組タイトルレベルよりもエピソードレベルの方がはるかに独自性が高いためです。

意味の推測、予測確率、そしてインデックス作成機能の欠如といった要因がすべて相まって、根拠のないLLMが、番組タイトル、シーズン番号、エピソード番号のみを情報源として処理する場合、幻覚を起こす可能性がはるかに高くなります。そして重要なことに、視聴者がエピソードのタイトルを使ってそのエピソードを検索することはめったにありません。

エピソードレベルでの検索や情報発見において、コンテキストの特定がいかに重要かをより深く理解するため、私たちは最近、特定のテレビエピソードに関する基本的な質問に対する、コンテキストを特定していないLLMの回答の質を評価しました。実際にはこのような検索方法は行われませんが、クエリにシーズン番号やエピソード番号を含めることで、対応するメタデータの正確性を評価しました。この調査では、13カ国から選ばれた人気エピソード100本（計1,300本）を対象としました。

全体として、テレビドラマのエピソードに関する回答の事実の正確性は、テレビ番組や映画に比べて著しく低かった。例えば、米国の上位100エピソードのうち、番組の説明文^{の正確性は}平均でわずか27％^{にとどまった²}。これに対し、上位100のテレビ番組および上位100の映画については、説明文の正確性は平均で69％であった。

この研究で対象とした1,300エピソード（各国100エピソード）において、基礎知識を持たないLLMが苦戦したのは、正確性だけではありませんでした。情報そのものの不足がさらに大きな問題でした。というのも、このLLMには 一切の 情報（タイトル、あらすじ、出演者、ジャンル）が全く提供されなかった。この傾向はスウェーデンで最も顕著であり、100エピソードのうち73エピソードについて情報が提供されなかった。米国では、グラウンディングされていないLLMが31エピソードについて情報を提供しなかった。

ストーリー展開がおかしいあの作品

グラウンディングされていないLLMは、空の応答を返す場合を除き、頻繁に誤ったエピソードの説明を提供していました。これは、意味の推測、予測確率、およびインデックス作成の欠如による副産物でした。視聴者がシリーズ番号とエピソード番号のみを使ってエピソードを検索することはまずないでしょうが、ストリーミングサービスはこれらの属性を使用して、検索結果のエピソードタイトルをディープリンクやデータレイク内の関連レコードに変換しています。ここで、サービスが個々の視聴者に対して正確に適切なコンテンツを返せるようにするためには、バックエンドでのデータの統合とインデックス作成が極めて重要となります。

各クエリにはシリーズ名とエピソード番号しか含まれていなかったため、グラウンディングされていないLLMは、質問されたエピソードとは全く異なるエピソードの詳細を説明する回答を頻繁に返していました。以下の例では、グラウンディングされていないLLMが提示したタイトルと説明は誤っています。

次世代のコンテンツ体験において、アース処理は極めて重要です

消費者が情報を検索する方法や、使用するツールは変化しつつあります。ジェネレーティブAIの利用はデジタルネイティブの間で定着しており、その普及は急速に広がっています。

今日のコンテンツ環境は、個々のプラットフォームやサービス内であっても、従来の検索機能では対応しきれないほど広大です。コンテンツの検索や発見にGenAIを活用することは、ユーザー体験における地殻変動的な変化をもたらし、コンテンツの過剰供給が進む中で、視聴者のネガティブな感情を大幅に軽減する可能性を秘めています。

しかし、『ストレンジャー・シングス』の第2シーズン第6話について尋ねたところ、根拠のないLLMの回答には、いくつかの異なるエピソードからの情報が混在していた。こうした状況では、視聴者は最終的にこのサービスを信用しなくなるだろう。これは、現在のチャットボットユーザーの間ですでに一般的な傾向である。75％のユーザーが、AIチャットボットが提供する結果が^{間違っているのではないかと}懸念しているため、その内容を確認していると答えている³。

このシナリオでは、最終的にユーザー体験が損なわれ、視聴者が他の場所で視聴するコンテンツを探してしまう可能性が生じます。

コンテンツの検索および発見体験における、アングラウンドLLMの活用に関するさらなる知見については、当社の 『AIレポートの穴を突く』をダウンロードしてください。

備考

LLMは、膨大な量のデータを用いて学習され、人間のような言語を理解・生成する生成型AIの一種です。
接地データと比較すると。
Gracenote 2026年ジェネレーティブAI利用実態調査