
【GeoAI】第9回:AIは「場所」を知らない—GeoAIにオープンデータが不可欠な理由
2026年5月、Overture Maps Foundationのブログにこんな数字が載りました。
ChatGPTが推薦するローカルビジネスは、実在する全店舗のわずか1.2%。レストランにいたっては83%が、AIの回答の世界に存在していない
AIが地図を読んでいる、地名を知っている、場所の話ができる——そう感じることは多いはずです。でも実態はまったく違います。AIが答えているのは「テキストから学んだ場所の記憶」であって、現実の地図ではない。この根本的なズレが、GeoAIという分野の最大の課題であり続けています。
そして今、その課題を解決するために業界が一斉に動き始めています。合言葉は「グラウンディング(grounding)」。そしてその鍵を握るのが、オープンデータです。
なぜAIは「場所に弱い」のか
大規模言語モデル(LLM)は、インターネット上の膨大なテキストを学習して作られています。ウィキペディアの記事、ニュース記事、ブログ、SNSの投稿——人類が文章に書き残してきたものを丸ごと吸収することで、自然な文章を生成できるようになりました。
しかしここに構造的な問題があります。文章で記録されてきた世界と、実際の物理的な世界は、かなりズレているのです。
Overtureはこのズレを4つに整理しています。
①知識の鮮度切れ(Stale knowledge):LLMには学習データの締め切り(カットオフ)があります。モデルの訓練が終わった瞬間から、現実世界との乖離が始まる。お店は開店し、閉店し、移転する。でもAIは知らない。
②空間推論ができない(No spatial reasoning):「このビルの中にあるテナント一覧」「この道路と隣の道路がつながっているか」——こうした問いに答えるには、構造化された空間データが必要です。文章を読んで育ったLLMには、そもそもそういう計算ができる仕組みが備わっていません。
③グラウンドトゥルースの欠如(Lack of ground truth):「正解の地図」がなければ、AIは推測するしかない。存在しない住所を自信満々に答える「空間的なハルシネーション(もっともらしい嘘)」は、この欠如から生まれます。
④同一エンティティの不一致(Inconsistent identities):たとえば「スターバックス渋谷店」は、GoogleマップにもYelpにも食べログにもデータがありますが、それぞれ微妙に名前や座標が違う。あるレポートによれば、AIが大手ブランドのウェブサイトとして案内するURLのうち34%は、実際にはそのブランドと無関係の偽サイトだといいます。
これらは個別の技術的なバグではなく、LLMというアーキテクチャに由来する構造的な限界です。プロンプトを工夫しても、モデルを大きくしても、根本的には解決しない。
グラウンディングとはなにか?
こうした限界を補う考え方が、グラウンディング(grounding)です。
電気における「アース」を想像してもらうとわかりやすい。電気機器が誤作動しないよう、地面(アース)と接続して安定させる仕組みです。それと同じように、AIの回答を「現実の地図データ」に接続して安定させる—それがグラウンディングの発想です。
具体的には、AIが質問に答えようとするときに、事前に信頼できる地図データベースを参照させます。「渋谷のおすすめカフェは?」と聞かれたAIが、自分の記憶だけで答えるのではなく、リアルタイムで更新されている地点情報のデータベースを引いてから答える—そういう仕組みです。
これはいまGeoAI業界が最も力を入れている領域のひとつです。Googleは2026年4月のGoogle Cloud Next '26で、Maps Grounding Liteを正式公開しました。これは、世界3億か所以上のGoogleマップの地点データを、Claude・ChatGPT・GeminiなどどのようなLLMにも接続できる仕組みです。MCP(Model Context Protocol)という標準規格を使うため、特定のAIプラットフォームに縛られず使えます。
現実の地図に「接続された」AIは、存在しない店を案内しなくなる。最新の営業時間を答えられる。ルートの所要時間を実際の道路状況をもとに計算できる。グラウンディングは、「AIが場所について嘘をつかなくなる」ための仕組みです。
なぜ「オープン」でなければいけないのか?
では、GoogleマップやApple Mapsのような既存の大規模な地図データをAIに接続すれば、それで解決するのでしょうか。
残念ながら、それだけでは不十分です。理由はデータの分散と重複にあります。
現実には、同じ場所が何十ものデータベースに、微妙に違う形で登録されています。レストランひとつをとっても、Googleマップでは「渋谷珈琲店」、食べログでは「渋谷珈琲店(本店)」、自治体の商業データでは「渋谷珈琲」—名前も、座標も、電話番号も、微妙にバラバラ。AI開発チームが「現実世界にグラウンディングしたい」と思うたびに、このクレンジングと名寄せの作業を一から繰り返さなければならない。
Overtureはこれを「コンフレーション税(conflation tax)」と呼んでいます。世界中の無数の開発チームが、同じ問題を独立して解いている。それはとてつもない時間とコストの無駄です。
この問題を根本から解決するには、「この場所は世界中のどのデータベースで見ても、同じものを指している」という共通の識別子が必要です。それがなければ、グラウンディングは永遠にパッチワークにとどまります。
そしてその識別子は、特定の企業が独占するものであってはならない。GoogleマップのIDで統一しようとすれば、Googleのプラットフォームへのロックインになってしまいます。業界全体で使える「ニュートラルな共通ID」—それがオープンデータである必要性の核心です。
GERSという「世界の住所録」
Overture Maps Foundationが取り組んでいるのが、GERS(Global Entity Reference System)です。地球上のすべての場所・道路・行政境界に固有のIDを割り当て、どのデータベースから参照しても同じ地物を同じIDで識別できるようにする仕組みです。これがあることで、AI開発者は名寄せ作業から解放され、複数ソースのデータを信頼性高く結合できます。
Overture MapsとGERSの詳細は、以前の記事で解説しています。
【GIS】Overture Mapsは何が凄いのか?
業界が「オープン」に向かっている理由
2026年7月、Overture Maps Foundationの加盟企業が50社を超えました。2024年時点の約2倍のペースで増えています。MetaやTomTom、Tripadvisor、Uberといった企業が、それぞれが持つ「場所のシグナル」—店舗の営業状況、口コミ、訪問者数のパターン、交通量—をOvertureに提供し、共通のデータ基盤を育てています。
競合関係にある企業同士が、なぜ一つのプロジェクトに協力するのか。答えは「コンフレーション税の問題は、誰かが独力で解決できるものではないから」です。地図データの名寄せという非競争領域で消耗するより、共通基盤を整えてその上で競争した方が、業界全体にとって合理的です。
Googleが自社のグラウンディング製品をMCPという「オープンな規格」で提供しているのも、同じ論理です。自社のLLMだけに閉じたグラウンディングより、どのAIにも使える形で提供した方が、地図データの価値が最大化される。CARTOやFeltがそれぞれのワークフローにOvertureのデータ連携を組み込んでいるのも、この流れの一部です。
まとめ
GeoAIが「本当に使えるもの」になるためには、AIモデルの賢さだけでは足りません。AIが根拠を持って「場所」について答えられるようになるには、信頼できる地図データへの接続——グラウンディング——が不可欠です。
そしてグラウンディングを業界規模で機能させるには、特定企業が囲い込まない、共通の識別子と構造を持つオープンデータの基盤が必要です。GERSはその中核を担う試みであり、世界中の企業がそこに向かって動いていることは、偶然ではありません。
「AIがどれだけ賢くなっても、地に足のついた場所の理解には地に足のついたデータが要る」——GeoAIのこの根本的な課題を整理してみました。
連載「GeoAI」
第9回:AIは「場所」を知らない—GeoAIにオープンデータが不可欠な理由(本記事)
お問い合わせ
CARTO・FME・Feltなど地理空間AIプラットフォームの活用にご関心のある方は、Pacific Spatial Solutions までお気軽にご相談ください。