llms.txtは本当に効果があるのか？2026年のデータが示す答え

過去2年間、GEOやAI SEOのコミュニティに少しでも身を置いていれば、この売り文句を目にしたはずです。サイトにllms.txtファイルを追加すれば、ChatGPT、Perplexity、GeminiといったAIエンジンがコンテンツをより深く理解し、より多く引用し、より多くのトラフィックを送ってくれる、と。

魅力的なアイデアです。小さなMarkdownファイル1つがAI可視性への近道になるというのですから。2026年半ばになって、ようやくこの問いに正直に答えられるだけのハードデータが揃いました。llms.txtは本当に効果があるのでしょうか？

短い答えはこうです。発見やランキングのメカニズムとしては、ノーです。サーバーログは容赦ない現実を示しています。一方、ドキュメント中心のサイトとAIコーディングアシスタントのための低コストな利便性レイヤーとしては、ささやかながら実在する用途があります。本記事では、自分で確認できるソースとともに賛否両面のエビデンスを検証し、最後に、代わりにAI可視性を実際に動かすものを紹介します。

この記事のポイント

• Googleはllms.txtを無視すると公式に表明しています。 Google検索はクロール、インデックス、ランキングのいずれにもllms.txtを使用しておらず、John Mueller氏はとうの昔に廃れたkeywordsメタタグになぞらえています（Search Engine Land）。
• AIクローラーはこのファイルをほとんどリクエストしません。 5億1,500万件のLLMボットイベントを分析したところ、/llms.txtへのリクエストはわずか408件でした（Limy）。Ahrefsは、llms.txtファイルの97%が1カ月間リクエストゼロだったことを明らかにしています（Ahrefs）。
• このファイルの追加によるランキングや引用への効果を測定した調査は存在しません。 採用は実在するものの浅く、サンプルにより概ね8〜10%のサイトにとどまります。
• 結論：安価な保険であって、レバーではない。 ドキュメント中心や開発者向けのサイトを運営しているなら公開しましょう（1時間で済みますし、Anthropic自身も公開しています）。ただし本当の労力は、引用、エンティティの一貫性、抽出しやすいコンテンツに注ぎましょう。

llms.txtとは何か — そして何ではないか

llms.txtの提案は2024年9月、Answer.AIの共同創業者でfast.aiの作者であるJeremy Howard氏によって公開されました。仕様はllmstxt.orgにあり、アイデアはシンプルです。ルートドメインの/llms.txtにMarkdownファイルを置き、大規模言語モデルに対して、最重要コンテンツの厳選されたトークン効率の良い地図を提供する。タイトル、短いサマリー、そして主要ページのクリーンなMarkdown版への整理されたリンクリストです。

理屈は健全です。LLMは限られたコンテキストウィンドウで動作し、ナビゲーション、Cookieバナー、JavaScript、広告を含む現代のWebページの解析はコストが高く、情報が失われがちです。手作業で厳選されたMarkdownインデックスは、サイトマップがURL発見の問題を解決するのと同じように、理論上はこの問題を解決します。

しかし、3つの誤解が、このファイルを本来の設計を超えた何かへと膨らませてしまいました。

• llms.txtはrobots.txtではありません。 robots.txtは数十年の事実上の強制力を持つ除外プロトコルです。クローラーにアクセスしてはならないものを伝え、主要なクローラーはそれを尊重します。llms.txtはその逆で、強制力がなく、主要なAIラボのどこからも読むという確約のない招待状です。AIトレーニングへのアクセスを制御したいなら、その戦いはGPTBot、ClaudeBot、Google-Extended向けのrobots.txtディレクティブで行うものであり、ここではありません。
• インデックスの保証ではありません。 llms.txtを公開しても、ChatGPTやGeminiがあなたのコンテンツを取り込み、優先し、引用するようにはなりません。このファイルを入力として扱うと文書化されたAIエンジンのパイプラインは存在しません。
• ランキングシグナルではありません。 このファイルの有無とAI回答への登場頻度の関係を測定した公開調査は、これまでのところ存在しません。

定義がはっきりしたところで、2年間の布教活動の後に実際に何が起きたかを見ていきましょう。

採用の実態：実質的な成長、浅い浸透