GEO スペシャリストは何をする仕事か。AI検索の新しい職種と、向いている性格

三年前、この仕事には名前がありませんでした。いまでは専門の講演枠があり、それを売る代理店があり、求めている求人があります。ただし呼び名は毎回少しずつ違います。生成エンジン最適化、略して GEO は、ChatGPT や Gemini、Perplexity、Google の AI による概要が返す答えの中で、企業や製品や情報源の名前を挙げてもらい、引用してもらうための仕事です。日本では LLMO対策や AIO対策と呼ばれることもあります。

この仕事は、持ち上げることも切り捨てることも簡単です。どちらも、そこに移るかどうかを考えている人の役には立ちません。役に立つ問いは別にあります。ふつうの火曜日に実際何をしているのか、どんな人がそれを面白いと感じるのか、そしてキャリアを賭ける前にそれをどう確かめるか、です。

どの数字も、この仕事が生まれた理由の一部を説明しています。生成AIを使ったことがある人は日本でも過半数を超え、総務省の令和8年版情報通信白書では58.8%でした。今回から15歳から19歳が対象に加わったので前年との単純比較はできませんが、AI に聞くことが身近になったのは確かです。研究では、ページの書き方が引用されるかどうかを変えることが示されました。そしてこの仕事が属する職業の大きなグループは、米国では賃金が高く、伸びています。

GEO スペシャリストは実際に何をしているのか

隣にある職種のいちばんはっきりした公式の説明は、米国労働省のために運営されている職業データベース O*NET にあります。検索マーケティング・ストラテジストという職業のページには、GEO の担当者ならすぐにうなずく業務が並んでいます。検索に関する活動の追跡と報告、ウェブの指標の分析、検索エンジンが見つけて使えるように文章などの資産を最適化すること、サイトの作りについて開発者と調整することです。GEO は、この一覧を置き換えるのではなく、その上に一つの層を重ねます。

実際には、重ねる層は四つの部分からなります。

一つめは測定です。実際の顧客が尋ねる質問の一式を作り、それを決まった間隔で複数の AI エンジンに投げ、どの企業の名前が、どのくらいの頻度で、どの情報源を引用して挙がったかを記録します。これは見た目より難しい作業です。同じ質問でも答えが毎回変わることがあり、一回の答えではほとんど何も証明できないからです。

二つめは情報源の仕事です。AI エンジンはページを引用するので、担当者はある話題でどのページが引用されているか、なぜそうなのかを調べます。答えが自社のサイトであることもあります。けれども多くの場合は、ほかのドメインにあるレビューや比較ページやニュース記事で、仕事の一部はそうした第三者に取り上げてもらう働きかけになります。

三つめは、抜き出されるための執筆です。人間の読み手をゆっくり説得するために書かれたページは、AI エンジンがきれいな一文を抜き出せるページとは限りません。担当者は重要なページを書き直し、中心となる主張を早い位置で、根拠と一緒に、平明に述べるようにします。

四つめは技術的な入口です。サイトの設定で AI のクローラーが拒否されていたり、ブラウザでコードが動いて初めて中身が表示されたりするなら、どれほどよい文章も取ってこられません。扉が開いているかを確かめるのは地味な作業で、そしていちばん効く修正であることもよくあります。

新しく入る人が最初にぶつかるのは略語の壁です。InsightWonder のGEO の定義は短く正確で、生成AIの答えの中でブランドの名前が挙がり、引用され、推薦されるようにすること、とあります。どの用語が何を指すかを整理したガイドは、GEO、AEO、LLMO、AI SEO の違いを整理していて、業界での使われ方がばらばらな言葉を、求人票を読む前に分けておくのに役立ちます。

ふつうの一週間はどんなふうか

仕事の説明は、いちばん面白い業務を並べがちです。もっと正直な姿は、退屈な部分も含めたふつうの一週間です。以下は、特定の誰かの日記ではなく、GEO の仕事がふだんどう組み立てられているかを合成したものです。

月曜日は測定です。同じ数十の顧客の質問を複数の AI エンジンに投げ、答えを記録します。誰の名前が、どの順で挙がり、どのページが引用されたか。午前の大半は結果の整理に消えます。エンジンはブランド名の表記がそろっておらず、同じ企業が三通りの綴りで出てくるからです。

火曜日は情報源の分析です。担当者は、クライアントの話題で何度も引用されるページを見て、共通点を探します。答えはしばしば居心地の悪いものです。競合が引用されているのは、有名なレビューサイトが二年前にその会社を取り上げたからで、クライアント自身のページをいくら書き直しても、すぐには変わりません。

水曜日は執筆です。重要なページを一つ書き直し、中心となる主張をそれぞれの根拠とともに、早い位置で平明に述べるようにします。InsightWonder の答えとして抜き出せるように書くためのガイドがその手法を説明していて、それはマーケティングのコピーより、よくできた技術文書に近いものです。

木曜日は配管の点検です。サイトのクローラー設定の確認、重要な内容がスクリプトなしでも表示されるかの確認、構造化データの見直し。AI クローラーを受け入れるためのガイドが、意味のある確認項目をまとめています。小さな変更から大きな改善が出やすいのは、この日です。

金曜日は報告で、この仕事が自分に合うかを多くの人が思い知る日でもあります。数字は動きました。上がったものも下がったものもあり、動きの大半は誤差です。報告ではそれを言い逃れに聞こえないように伝え、それでも次に何をすべきかを勧めなければなりません。

GEO は SEO とどう違うのか

検索エンジン最適化と GEO は土台のほとんどを共有していて、いま GEO の仕事をしている人の多くは SEO から来ています。それでも違いは現実にあり、一日の感触を変えます。

気質にとっていちばん大事なのは、ぶれについての行です。順位のレポートはたいてい安心できる文書ですが、GEO のレポートは誤差の幅つきの確率の見積もりで、担当者は仕事のかなりの時間を、何も変えていないのに数字が動いた理由の説明に使います。InsightWonder のGEO と SEO を比べたガイドは、何が引き継がれ、何が引き継がれないかを書いていて、いま多くの SEO 担当者が経験している移行をそのまま描いています。

この仕事が報いる興味

職業心理学には、人がどんな仕事に引き込まれるかを記述する、よく検証された方法があります。ジョン・ホランドのモデルは、仕事への興味を六つの領域に分けます。日本では労働政策研究・研修機構が紹介する VPI 職業興味検査の名前で知られていて、現実的、研究的、芸術的、社会的、企業的、慣習的の六つです。たいていの人とたいていの仕事は、そのうち二つか三つの組み合わせです。

O*NET は、検索マーケティング・ストラテジストに ECI という興味コードを与えています。企業的が最初、次に慣習的、そして研究的で、GEO 版のこの仕事をよく言い表しています。

このコードに入っていないものも、入っているものと同じくらい多くを語ります。芸術的は入っていません。仕事に執筆が含まれていても、その執筆は表現のためではなく、明快さと抜き出しやすさのためにあるからです。社会的も入っていませんが、代理店の仕事ではクライアントとのやりとりが一部を占めます。芸術的と社会的の興味がいちばん強い人は、この分野のコンテンツの側は楽しめても、測定の側で消耗するかもしれません。

このサイトの職業興味マッチ診断は、六つの領域すべてを採点し、上位の組み合わせを返します。企業的と研究的、あるいは慣習的と研究的の組み合わせが、この仕事にいちばんよく合う型です。ホランドのモデルで最初の仕事を選ぶ方法は、一文字ではなく組み合わせとして読む方法を説明しています。

そもそも興味の一致はなぜ大事なのか

こうしたものが何かを予測するのか、と疑うのはもっともです。予測します。多くの人が思っているより強く。

2012年、Christopher Nye、Rong Su、James Rounds、Fritz Drasgow は、六十年以上にわたる職業興味の研究から60の研究、およそ568の相関をまとめました。興味は、仕事と教育の両方で、成果とも継続とも関係していました。そして、本人の興味と職業との一致を表す指標は、興味の得点そのものよりも強く成果を予測していました。分野を移る前にプロフィールを確かめる実際的な理由は、ここにあります。一致は成功を保証しません。けれども、上達するまで続けられる見込みを高めます。

助けになる特性と、足を引っ張る特性

興味は、人が何に引き込まれるかを表します。特性は、それをしているあいだにどうふるまいやすいかを表します。O*NET はこの職業が頼りにする仕事のスタイルとして、革新性、適応性、達成志向、知的好奇心、細部への注意、信頼性を挙げています。

これを特性論の言葉、つまりビッグファイブに置き換えると、二つの特性が浮かび上がります。知的好奇心と革新性は、開放性に近いものです。地図のない新しい分野を、脅威ではなく面白いものと感じさせる特性です。細部への注意と信頼性は、誠実性に近いものです。結果がぶれ、調子のよい週だけを選んで報告したくなるとき、測定の仕組みを正直に保つのはこの特性です。

ほかに二つの資質が、多くのマーケティング職よりこの仕事で大きな意味を持ちます。どちらも特性の一覧にはきれいに表れません。

一つは、あいまいさへの耐性です。AI エンジンは予告なくふるまいを変えるので、担当者は不完全な証拠をもとに動き、それがどれだけ不完全かをはっきり言わなければなりません。動く前に確かな答えがほしい人は、この分野で疲れ果てがちです。

もう一つは、圧力の下での職業的な誠実さです。クライアントが見え方の向上の証拠を求めるとき、楽なのはいちばんよかった回だけを報告し、ほかを無視することです。InsightWonder の実行ごとに結果が違うときに変化を測るためのガイドは、ほぼその誘惑に抗う方法についての文章です。この仕事で長く続く人は、見栄えのよいうその数字より、がっかりする本当の数字を報告するほうを選ぶ人です。

このサイトのワークスタイル診断は、計画の立て方、決め方、協働の仕方を見ます。日々の仕事が合いそうかを考えるとき、興味のプロフィールを補うものとして使えます。

代理店、事業会社、それとも個人

同じ技能でも、どこで仕事をするかでまったく違って感じられます。分野と同じくらい意図的に、働く場所を選ぶ価値があります。

代理店では、担当者は複数のクライアントを同時に受け持ちます。テンポは速く、変化は多く、一週間のかなりの部分がコミュニケーションです。結果を説明し、期待を調整し、もっと大きな数字を望んでいた相手に測定方法を説明します。企業的と社会的の興味が強い人はこれを楽しみやすく、一つの問題を深く掘りたい人は、頭の切り替えに疲れやすくなります。

事業会社では、担当者は一つの事業のために働き、たいていマーケティングやコンテンツのチームの中にいます。深掘りする時間があり、製品とデータに近く、第三者に取り上げてもらうような時間のかかる取り組みにも辛抱がききます。ECI のうち慣習的と研究的の側は、こちらのほうが居心地がよいでしょう。日本の会社では、いきなり転職するより、社内のマーケティング部門への異動や兼務の形でこの仕事に触れる道もあります。

個人で請け負う仕事は、両方のいちばん難しい部分を合わせ持ちます。事業会社の分析の技能と代理店の営業の技能、そして誰も締め切りを決めてくれない中で続ける自己管理が要ります。このサイトのリーダーシップ・ポテンシャル診断は、一人で仕事を回すことが自分に力を与えるのか消耗させるのかを大まかに確かめるのに使えます。ただし、どんな質問紙も試しの案件の代わりにはなりません。

この仕事ではないもの

チャットボットをだます裏技ではありません。AI エンジンにある企業を推薦させる確実な隠しフレーズは存在せず、この分野の名前のもとになった研究も、何かをこっそり差し込むのではなく、本当の内容をより明快にし、より出典のあるものにすることで効果を出しました。

勧める価値のあるものがあることの代わりでもありません。担当者は、よい製品を見つけやすく、引用されやすくすることはできます。弱い製品を AI の答えの中で強く見せても長くは続きません。エンジンは独立した情報源の評価をますます重く見ているからで、InsightWonder の第三者による裏づけについてのガイドは、それを自社のドメインの中ではできない仕事だと書いています。

そして、入り方が決まった職業でもまだありません。主流の資格はなく、職種名はばらばらで、多くの企業はこの仕事を古い名前で募集しています。役割を自分で定義するのが好きな人には機会であり、はっきりした階段がほしい人にはもどかしさです。

最初に身につけたい技能

マーケティングの外から始める人にとっては、順番が大事です。AI に特有の技能は、もっと古い技能の上に乗っているからです。

最初は検索の基礎です。ページがどう見つけられ、索引に入り、順位づけされるのか、なぜあるページはほかより信頼されるのか。GEO の手法のほぼすべては、検索の何かを応用したものです。

二つめはアクセス解析で、実際にはダッシュボードより表計算ソフトです。測定の仕事の大半は、ばらばらな結果を集め、自分をだまさずに要約することで、これはほとんどどんな分析職からでも持ち込める技能です。

三つめは明快な文章です。説得のためのコピーではなく、急いでいる読み手にも、引用できる一文を探している機械にも報われる、平明で、要点が先にあり、出典のついた文体です。

四つめは少しの技術的な読み書きです。robots ファイルを読み、ページの構造化データを確かめ、スクリプトが動いて初めて中身が出てくる状態に気づける程度のことです。プログラミングは要らず、すべて無料の資料で学べます。

その下には、統計への勘がずっと流れています。一回の実行ではほとんど何も証明できないこと、変化を信じるには繰り返し測る必要があること、小さな標本は人を誤らせること。それを知っているかどうかが、専門家と、誤差を進歩として報告する人とを分けます。

転職する前に適性を試す方法

いちばん安上がりな実験は、すでによく知っているサイトで、この仕事の小さな版をやってみることです。友人の店、所属しているサークル、自分のブログなど。日本では副業として小さく始める道もあり、本業を手放さずに試せます。

InsightWonder の学習センターは、その実験の教科書として悪くありません。ガイドがおおよそプロジェクトの進む順、つまり入口の確認、測定、コンテンツの順に並んでいるからです。無料ツールはアカウントなしで使え、AI エンジンがあるサイトに言及するかのスナップショット、AI のクローラーがサイトに届くかの確認、ページの構造化データの見直しが含まれています。どれも英語です。週末を使ってこれらの確認を回し、分かったことを書き留め、ページを一つ明快に書き直す。それが、この仕事のかなり忠実な模倣になります。

そのあとで大事な問いは、結果がよくなったかどうかではありません。週末ではそれを示すには短すぎます。問うべきは、その過程に没頭できたかどうかです。答えがぶれることは、パズルに感じられたか、雑音に感じられたか。表計算は満足できたか、退屈だったか。発見をサイトの持ち主に説明するのは楽しかったか、面倒だったか。そうした反応は、この文章も含めて、どんな仕事の説明よりもよい予測になります。

賃金と見通しの読み方

ここで紹介している賃金と雇用の数字は、すべて米国のものです。O*NET は検索マーケティング・ストラテジストの賃金を単独では公表しておらず、市場調査アナリストとマーケティング専門職という、より大きなグループの中で報告しています。このグループの2025年の賃金中央値は年78,760ドル、雇用はおよそ952,700人で、成長率は平均よりはるかに速いと分類されています。このグループには AI 検索と関係のない職務も多く含まれるので、この分野の見通しというより、背景として読むべき数字です。

日本で似た職業を調べるなら、厚生労働省の職業情報提供サイト、日本版 O-NET と呼ばれる job tag で、Webマーケティングなどの職業の仕事内容や必要な技能を確かめられます。

GEO の求人数を確かに数えた公開データはありません。職種名があまりにばらばらで、この仕事はしばしばコンテンツや検索の職務の中の一つの責任にすぎないからです。GEO の賃金や求人数について正確な数字を挙げる人は、たいてい少数の求人から推定しています。

自信を持って言えるのは、方向です。Pew の2025年の米国の調査では、AI の要約が表示されると、人々が通常の検索結果をクリックする割合はおよそ半分になっていました。そのクリックに頼ってきた企業には、要約の中で名前が挙がるかを気にする具体的な理由ができました。この圧力が逆向きになることは考えにくいでしょう。

続く人と、離れる人

GEO でうまくいく人は、書き出すと少し矛盾して見える人物像を共有しています。クライアントの成果を気にかけるほどには商売に関心があり、自分の朗報を疑うほどには科学的です。仕組みが好きで、足元で変わり続ける仕組みとも付き合えます。

離れていく人は、たいてい二つのグループに分かれます。創作的な書く仕事を望んでいた人は、抜き出しやすさと根拠に縛られた文章を窮屈に感じます。精密な技術職を望んでいた人は、測定がぶれすぎて、工学のように感じられません。

キャリアを変える人は、関係なさそうに見えて実はそうでもない方向からやってきます。記者は、繰り返す前に出典を確かめる習慣と、要点から書く習慣を持ち込みます。図書館司書や研究者は、情報がどう整理され、どう見つけられるかの感覚を持ち込みます。データ分析の担当者は、この分野にいちばん欠けがちな測定の規律を持ち込みます。教師は、確かな答えを望んでいた相手に不確かな結果を説明する力を持ち込みます。どの経歴も仕事の一つか二つの部分はよく覆い、別のところに穴を残します。だからこそ、移るべきかを決めるときには、職種名より興味とワークスタイルのプロフィールのほうが役に立ちます。

どちらの反応も失敗ではありません。どちらも役に立つ情報で、興味とワークスタイルのプロフィールが前もって引き出そうとしているのと同じ情報です。仕事とアイデンティティについての解説は、それがなぜ大事なのかを扱っています。人が長く続ける仕事は、たいてい、その人がもともと注意を向けたい方向に合った仕事です。

Sources

• O*NET OnLine (2026). Summary report for 13-1161.01 Search Marketing Strategists. U.S. Department of Labor, Employment and Training Administration.
• 労働政策研究・研修機構. VPI職業興味検査.
• 厚生労働省. 職業情報提供サイト 日本版O-NET job tag.
• 宣伝会議 AdverTimes (2026). 15〜19歳のAI利用経験9割超 企業利用86.4%でも3割弱は「組織的な取り組みなし」.
• Pew Research Center (2025). Google users are less likely to click on links when an AI summary appears in the results.
• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A. (2024). GEO: generative engine optimization. Proceedings of KDD 2024.
• Nye, C. D., Su, R., Rounds, J., Drasgow, F. (2012). Vocational interests and performance: a quantitative summary of over 60 years of research. Perspectives on Psychological Science, 7(4).