Web検索対応のAIチャット：WhiziがどのモデルにもLive情報源を与える仕組み

短い答え

Web検索はデフォルトでオンです。選択したモデルは学習データだけでなく最新の情報源から回答し、クレジットは消費せず、トグルはモデル単位ではなくリクエスト単位なので、選んだどのモデルにも適用されます。

コンポーザーのトグルは命令ではなく許可です。オンにしておくと、Whiziは検索を使う前に、その特定の質問に本当にWebが必要かをモデルに判断させます。詩を頼む質問では検索は発動せず、今週の出来事についての質問では発動します。オフにすると、モデルには何かを調べる手段がないことになり、会話だけから導かれた回答が欲しいときに有効です。

リクエスト単位というのがここでのポイントです。自前の検索機能を持たないモデルは通常、今月についての質問に対して、何カ月も前に終わった学習データから答えます。このトグルは選んだモデルの前段に検索レイヤーを置くので、Claudeでも、Llamaモデルでも、小型の高速モデルでも、今日についての質問をして情報源つきの回答を得られます。

トグルがオンなのに回答に情報源が付かなかったり、メッセージがエラーになったりした場合の障害の切り分けはWeb検索が機能しないにまとめています。

回答が変わる場面

検索オンとオフの差がはっきり出る3つのカテゴリーがあります。

日付が関わるものすべて。 価格、モデルのリリース、製品の発売、企業ニュース、バージョン番号。検索なしでは、モデルは学習時点で正しかった内容を自信ありげに答え、それが古い情報だという合図は一切ありません。これはAIの回答が静かに間違える最も一般的な原因です。

マイナーで固有性の高いものすべて。 小さな企業、ニッチなツール、地域の規制、特定のエラーメッセージ。学習データにはこうした内容がほとんど、あるいはまったく含まれておらず、情報が薄い状態こそ、モデルがもっともらしい詳細をでっち上げる条件そのものです。

行動に移す予定のことすべて。 検索は開いて確認できる情報源を出します。開けるリンク付きの主張は、たとえ両方とも正しい場合でも、リンクなしの主張とは別物です。

オフにしておくべき場面

検索は回答の質にコストがかからないわけではありません。だからこそこのトグルが存在します。

自分が渡した内容についての推論、文章作成、分析には、検索は何も加えず、むしろ気を散らす原因になります。ドキュメントをアップロードして、そのドキュメントについてモデルに考えてほしい場合、Web検索の結果を持ち込むと、自分のものではなく、頼んでもいない情報が入り込みます。創作的な文章、自分自身のコードのレビュー、順を追った問題解決も同様です。

おおまかなルールはこうです。回答が世界についての事実に左右されるならオンにし、回答がすでに会話の中にある内容についての思考に左右されるならオフにします。

何について聞いているか	検索をオンにするか	理由
価格、リリース、発売、企業ニュース、バージョン番号	オン	オフだとモデルは学習データから答え、情報が古いという合図がない
小さな企業、ニッチなツール、地域の規制、特定のエラーメッセージ	オン	学習データにはこれらが薄くしか含まれず、情報が薄いとモデルはもっともらしい詳細をでっち上げる
行動に移す予定のこと	オン	開いて確認できる情報源が得られ、リンクなしの主張とは別物になる
アップロードしたドキュメントについての推論	オフ	取得したページが自分のものではなく、頼んでもいない情報を持ち込む
創作的な文章、自分自身のコードのレビュー	オフ	回答はすでに会話の中にある内容についての思考に左右される

情報源を正しく読む

情報源つきの回答は確認しやすくなるだけで、自動的に正しくなるわけではありません。検索を経ても残る2つの失敗パターンに注意する価値があります。

1つ目は、情報源自体は実在するのに、その主張を裏付けていないケースです。モデルはページを取得し、そのページ自体は実在しますが、そこに帰属させた特定の数字や記述はページ内に存在しません。頼りにしようとしている回答の引用リンクを1つか2つ開くだけで、これはすぐに見抜けます。

2つ目は、情報源自体が誤っている、あるいは古いケースです。検索は信頼性を評価しないので、古びたブログ記事も権威あるページと同じように上位に表示されます。特に価格や仕様については、ベンダー自身のページがまとめ記事に勝り、その両方がフォーラムのコメントに勝ります。

ある主張が重要なら、最も速い検証方法は同じ会話の中で、別のモデルに検索オンで同じ質問をすることです。2つの独立した検索結果が特定の数字と情報源で一致すれば、信頼できると考えて妥当です。食い違えば、それこそが発見です。