llms.txtとは、サイトの概要とAIに読ませたい重要ページへのリンクを1枚のテキストファイルにまとめ、生成AIがサイト内容を把握しやすくするために提案された規格です。 設置場所はサイトのルート（example.com/llms.txt）が想定されています。ただし2026年時点で、主要な生成AIがこれを実際に参照しているという確証はありません。「効果がある」とも「ない」とも、まだ断定できる段階ではない、というのが正直なところです。
TL;DR（要点）
- llms.txtは、AI向けにサイトの要約とリンクを示すMarkdown形式の提案規格。
- GoogleのJohn Mueller氏は「llms.txtは、AIが参照先サイトを選ぶ決め手にはなりにくい」という趣旨を述べている。
- したがって置くだけで引用が増えるわけではない。過度な期待は禁物。
- 一方でコストが低く害も小さいため、将来に備える布石として置く判断は合理的。
- 優先順位は本文の質・構造化データ・信頼性が先、llms.txtは後。
「llms.txtを置けばChatGPTやGoogle AI Overviewに引用されやすくなる」。こうした話を耳にして設置を検討している方は、おそらく少なくありません。本記事は、その期待を煽ることも頭ごなしに否定することもせず、Googleの公式発言と現状の仕様を起点に、llms.txtという一点だけに絞って中立に整理します。LLMO対策の全体像や実装手順までは踏み込みません。必要に応じて関連記事へご案内します。
llms.txtとは何か（仕様の基本）
llms.txtは、「このサイトはどんな内容で、AIにはどのページを読んでほしいか」を、人にもAIにも読みやすい形で1枚にまとめたテキストファイルです。書式はMarkdown。サイトの概要、重要ページへのリンク、補足を箇条書きで並べていきます。
狙いはシンプルです。生成AIが大量のHTMLやナビゲーションをかき分けなくても、サイトの要点と一次情報の在り処にすぐたどり着けるようにする。検索エンジン向けの sitemap.xml を、AIの読解向けに「要約つきの案内図」へ置き換えたもの——そうイメージすると掴みやすいはずです。
設置場所
サイトのルート（example.com/llms.txt）に置くことが提案されている。
記述形式
Markdown。見出し・要約・リンクの箇条書きで構成する。
性質
標準化団体が定めた正式規格ではなく、有志発の提案規格である。
外してはいけない前提が一つあります。llms.txtは「AIに必ず読ませる」仕組みではなく、「読んでもらえたら助かる案内」にすぎないということです。AI側に参照する義務はなく、読むか読まないかは各AIサービスの実装しだい。ここを取り違えると、効果の見積もりが根本から狂います。
robots.txt・sitemap.xmlとの違い
名前が似ているせいで robots.txt と混同されがちですが、役割も普及度もまるで別物です。違いを表で整理します。
| ファイル | 主な役割 | 参照する主体 | 普及・実効性 |
|---|---|---|---|
| robots.txt | クローラのアクセス可否を制御 | 検索エンジンの多くが参照 | 確立された仕組み。実際に効く |
| sitemap.xml | URL一覧をクローラに伝える | 検索エンジンの多くが参照 | 確立された仕組み。実際に効く |
| llms.txt | AIにサイト要約と重要ページを案内 | 主要AIは現状広く参照していない | 提案段階。実効性は未確定 |
robots.txt と sitemap.xml は、主要な検索エンジンが実際に読むことが確立しています。対して llms.txt は、案内したい内容を書くことはできても、それを読みに来る主要AIがまだ揃っていない。要するに「仕組みは存在するが、受け手がまだ普及していない」段階だと捉えるのが正確です。ついでに言えば、llms.txt は検索順位を直接動かすものではありません。SEO効果を狙って設置するファイルでもない、という点も覚えておいてください。
効果はあるのか：Googleの見解
はっきり言うと、「llms.txtを置けば引用が増える」とは今の段階では言えません。 一番の根拠が、Google検索のJohn Mueller氏の発言です。同氏は、llms.txtはAIがどのサイトを参照先に選ぶかの決め手にはなりにくい、という趣旨を公の場で述べています。書き手がせっかく案内を用意しても、それが選定の決定打になるわけではない。これが2026年時点の見立てです。
よくある誤解
llms.txtを置けば、ChatGPTやAI OverviewがそれをガイドにしてくれてAI回答に引用されやすくなる。
現状の事実
llms.txtは参照先サイトを選ぶ決め手にはなりにくい（Google・Mueller氏の見解）。引用の有無は本文の中身・構造・信頼性で決まる部分が大きい。
とはいえ「将来も使われない」と決めつけることもできません。AIサービスの仕様は短期間で変わることがあります。大事なのは、効果を断定も誇張もせず、現状を正しく押さえたうえで判断すること。一部で語られる「置くだけで引用が激増する」という話は、少なくとも今の事実とは噛み合いません。
東京大学AI工学博士の見解
llms.txtは、やってはいけない施策ではない。けれど「これさえ置けば引用される魔法のファイル」でもありません。受け手のAIが参照して初めて意味を持つ規格である以上、いまの評価は中立に留めておくのが誠実だと考えます。投資の順番としては、引用されやすさの土台になる本文・構造・信頼性の整備が先。llms.txtはその後です。
llms.txt単体ではなく、本文・構造化・信頼性まで含めて「どこから手をつければ引用に近づくか」を整理します。何から始めればいいか分からない段階でも構いません。事前調査レポートを無料でご提供しています。
無料で相談する正しい位置づけ：布石として扱う
では、効果が読めないなら放っておいていいのか。そうとも言い切れないのが難しいところです。実務での扱い方は、見ておくべき点がだいたい3つあります。
- ① 期待値は低めに。 置いたから引用が増える、とは考えない。あくまで案内図を用意しておくだけ、と割り切る。
- ② コストと害の小ささを見る。 作成の手間は軽く、正しく書けば実害もほぼない。低リスクの追加施策、という位置づけ。
- ③ 将来の参照に備える布石として置く。 主要AIが参照を始めたそのとき、すでに整備済みなら即座に効く可能性がある。
つまりllms.txtは、最優先で取り組む施策ではなく、余力で打っておく布石。これが現場感覚に近い位置づけです。順番を取り違えないよう、取り組む優先度を表にしておきます。
| 優先度 | 取り組み | 理由 |
|---|---|---|
| 最優先 | 本文の結論ファースト化・1段落1論点 | AIが断片を抜き出しやすく、引用の前提になる |
| 高 | 構造化データ（著者・監修・FAQ等） | 「誰が・何を」を機械可読にし、信頼性を伝える |
| 高 | E-E-A-T（一次情報・監修・出典） | 媒体を問わず引用されやすさの土台になる |
| 余力で | llms.txtの設置 | 低コスト・低リスクの将来への布石 |
本文の構造化や著者・監修の明示——いわば引用されやすさの土台になる要素は、LLMOとは何か（基礎・全体像）と構造化データの実装ガイドで詳しく掘り下げています。llms.txt単体をいくら論じても全体は動きません。先に土台を固めたほうが、回り道に見えて結局は早く効きます。
書き方と設置の手順
布石として置くなら、最小限でかまいません。構えるほどのものではなく、サイトの概要と、AIに読んでほしい重要ページを要約つきで並べる。それだけです。
設置の作業はごく軽く、やることは次の3つだけです。
要約とリンクを書く
サイトの概要と、AIに読ませたい重要ページを要約つきで列挙する。
ルートに設置する
example.com/llms.txt でアクセスできる場所にアップロードする。
本文と整合させる
案内先のページ自体を結論ファースト・構造化済みにしておく。
一番気をつけたいのは、llms.txtを置いただけで「やった気」になり、本文改善の手が止まること。よくある落とし穴です。案内図がどれだけ立派でも、案内先のページが読みにくければAIは引用しません。設置は仕上げの一手であって、効果の本体はあくまで案内先ページの質にあります。本文設計から計測までのLLMO対策の全体プロセスは、LLMO対策のやり方を解説した記事でまとめています。本記事はllms.txt一点に絞っているので、実装全体はそちらをどうぞ。
もう一点。本記事の「効果は未確定」という評価は、AI Overviewを含む主要AI全般を指しています。当社の観測範囲ではAI Overviewで成果が出やすく、ChatGPT・Gemini系では外部メディアでの権威性が前提になりやすい。llms.txtの有無だけで、この媒体ごとの差が埋まるわけではありません。いずれにせよ、これらの施策が成果を保証するものではない点はご承知おきください。
よくある質問
llms.txtの読み方・書き方は？
llms.txtを置けばAIに引用されますか？
llms.txtとrobots.txtの違いは？
llms.txtに害はありませんか？
llms.txtはSEOに効果がありますか？
今すぐ作るべきですか？
関連記事
LLMOとは？基礎から全体像まで用語の違いから生成AIに引用される考え方まで。まずはここから LLMO対策のやり方｜実装プロセス全体本文設計から計測まで、引用に近づける手順をまとめて解説 構造化データでAIに引用される実装ガイド著者・監修・FAQをschema.orgで機械可読にする方法東京大学AI工学博士の見解
llms.txtを巡る議論の本質は、どのファイルを置くかではありません。人にもAIにも根拠として引用できるサイトに作り変えられているか——そこに尽きます。案内図は、中身が整って初めて意味を持つ。流行の一手に飛びつく前に本文と一次情報の質を上げる。遠回りに見えて、これが結局いちばんの近道です。
※本記事は、東京大学大学院 工学系研究科（博士課程）でAIを研究し、内閣府ムーンショット等の開発経験を持つ、株式会社sai X aid 代表取締役 甲斐 凜太郎の監修のもと制作しています。本記事の内容は2026年6月時点の情報に基づくものであり、各AIサービスの仕様は今後変更される可能性があります。記載の施策は成果を保証するものではありません。
「どこから手をつければいいか分からない」段階でも大丈夫です。本文・構造化・信頼性まで含めて現状を整理し、優先順位をご提案します。事前調査レポートは無料。完全成果報酬プラン（AI回答に表示された月から課金）の詳細もあわせてご案内します。詳しくはお問い合わせフォームよりご相談ください。
無料で相談する