Gunosyのレコメンドエンジンは、何を間違えたのか──「あのサービスは、いま」第5回

2012年11月、東京大学大学院の学生3人が立ち上げたサービスがあった。

名前は「Gunosy（グノシー）」。メールを登録すると、毎朝、自分向けにパーソナライズされたニュース記事の一覧が届く。それだけのサービスだった。

それだけだったのに、当時のテック業界は大きくどよめいた。ユーザーのWebアクセスログやソーシャル上の行動を学習して「あなたが読みたいニュース」を選ぶ仕組みは、日本語メディアの業界ではほぼ前例がなかった。

福島良典氏、関喜史氏、吉田宏司氏。創業者3人の肩書きには「東大大学院、機械学習」と並ぶ。メディアは彼らを「AI時代のニュースのつくり手」として扱った。2015年4月には東証マザーズ上場、時価総額は一時1,000億円を超えた。

それから10年以上が経つ。2026年現在、Gunosyは「国内ニュースアプリの主要プレイヤーの一角」として存在している。ただし、黎明期に背負っていた「AI×パーソナライズの未来」という象徴的な役回りは、もう別のプレイヤーへと移っている。

連載「あのサービスは、いま」の第5回は、このGunosyを取り上げたい。AIとメディアの関係が激変した2026年、10年以上前のニュースアプリの軌跡から、意外なほど多くのヒントが拾える。

Gunosyが提示していた「パーソナライズ」の設計

先に前提を整理する。

時期	出来事
2012年11月	Gunosy、東大大学院生3名が立ち上げ（当初はWeb+メール配信）
2013年	スマホアプリ版リリース、テレビCM投下開始
2015年4月	東証マザーズ上場、一時時価総額1,000億円超え
2016年	SmartNewsとの国内ニュースアプリ二強時代
2018年以降	LINE NEWS、Yahoo!ニュースへの関心が拡大、成長の鈍化
2022年	社長交代、祖業からの事業多角化を本格化
2026年	複数事業を束ねる持株会社体制、ニュースアプリは主力の一つに

初期のGunosyが提示していた機能の本質は、わずか2つだった。

機能	内容
情報の機械選別	ユーザーごとに、関心が高そうな記事を自動で選ぶ
1日2回のバンドル	ダラダラ読み続けず、朝と夕の2回にパッケージ配信

この2つを組み合わせた設計は、当時の感覚で言うと非常に新しかった。

Twitterはタイムラインを時系列で無限に流す。RSSリーダーは、ユーザーが自分でソースを選ぶ。テレビや新聞は、編集者がパッケージ化する。このどれとも違う、「機械が選んで、機械がバンドルする」という折衷形を、Gunosyは定着させにきた。

2つの壁──「精度」と「文脈」

ここから、段階的に本題に入る。

Gunosyのパーソナライズは、発想としては優れていた。けれど、現実のサービス運営の中で、大きく2つの壁にぶつかることになる。

第1の壁：精度が上がるほど、読後感が痩せる

ユーザーの行動ログを学習して、読みそうな記事を選ぶ。シンプルに聞こえるが、実運用では難しい挙動をする。

観測される挙動	理由
一度芸能ニュースを読むと、芸能ばかり並ぶ	クリック率で最適化すると、反射的な消費が優先される
政治ニュースを避けると、政治が消える	ユーザーの「知るべき情報」と「読みたい情報」が乖離する
見出しの強い記事に寄る	CTR目的のレコメンドが、センセーショナルな見出しを押し出す

これは、Gunosyというサービスの欠陥というより、クリックベースでパーソナライズを最適化する設計に必然的に現れる現象だ。

英語圏でも、Facebookのニュースフィードや、YouTubeのレコメンドで同じ構図の問題が指摘されてきた。「エコーチェンバー」「フィルターバブル」という単語は、このあたりから一般語になった。

Gunosyは精度を上げれば上げるほど、ユーザー個人の読後感が徐々に狭くなるというパラドックスに直面した。

第2の壁：メディアとしての文脈が作れない

もう1つの壁は、もう少し深刻だった。

Gunosyは、初期の段階で「編集部を持たない」ことを意図的な強みにしていた。機械が選ぶことで、人間編集者のバイアスから自由になれる、という建てつけだった。

ところが、これが逆に、サービスの記憶できる文脈を薄くした。

人間の編集部は、1日だけの切り取りではなく、3日前や1週間前の流れを踏まえて、今日の記事の扱いを決める。Gunosyの初期アルゴリズムは、基本的に1回の配信の「ここ数時間のホットな記事」を優先するつくりだった。

観点	編集部モデル	初期Gunosyモデル
扱う時間軸	数日〜数週間の流れを踏まえる	直近数時間の反応を優先
記憶の担い手	編集者・デスク	ユーザーの過去クリック履歴のみ
配信の責任	編集部の判断として社外に説明可能	アルゴリズム次第で社外に説明困難

結果として、Gunosyは「ニュース速報を効率よく受け取るツール」としては強力だったが、「時事の文脈を育ててくれるメディア」にはなりにくかった。

これは、後に述べるLLM時代のAI検索が抱える問題と、ほぼ同じ形で再発している。

SmartNewsとLINE NEWSが「別の解」を示した

Gunosyが上場した2015年前後、国内のニュースアプリには強力な対抗馬が存在した。

サービス	運営	設計上の特徴
SmartNews	株式会社スマートニュース	ホットニュースのグローバルランキングを中心に据え、パーソナライズを抑制
LINE NEWS	LINEヤフー	LINE本体との統合、編集部による強めのキュレーション
Yahoo!ニュース	LINEヤフー	長年の編集部体制、PV規模でニュース流通の中心

Gunosyが「個人最適化」に振ったのに対し、SmartNewsはむしろ逆張りで「グローバル最適化」に振った。誰に対しても、ある程度共通のトップニュースを配信する設計だ。LINE NEWSとYahoo!ニュースは、人間編集部の色を残したまま、テクノロジーで配信効率を磨いた。

いまから振り返ると、2015年前後のニュースアプリ戦争は、「どこまでパーソナライズを信じるか」のスペクトルに各社が自分の旗を立てる勝負だった。Gunosyは最も個別最適化寄りに、SmartNewsは最もグローバル側に、LINEとYahoo!はその中間に位置した。

結果だけで言えば、最も極端にパーソナライズを信じた設計は、ユーザー数でも収益モデルでも、中間寄りの設計に追いつかれていく。

この結末は、2026年のAI検索を考えるうえで、かなり重要な参照点になる。

LLM時代のAI検索は、Gunosyの地層を踏んでいる

2023年以降、PerplexityやChatGPTの検索機能、Googleの AI Overviews などが、ニュースと知識の接点として存在感を増している。2026年現在、日本でもAI検索を一次情報源にする若年層が急増している。

構造を比べてみる。

観点	2012年のGunosy	2024年〜のAI検索
情報選別の主体	機械学習アルゴリズム	大規模言語モデル
入力	ユーザーの過去の行動ログ	質問文＋文脈＋検索結果
出力	ニュース記事一覧	要約＋引用＋リンク
依存する要素	CTR最適化	ハルシネーション抑制＋引用精度

表面の技術は違う。けれど、「機械がユーザーのために情報を選ぶ」という根っこの構造は、驚くほど似ている。

そして、抱えている問題の形も、相当に似ている。

• ユーザーの関心に最適化すると、視野が狭まる
• 「読むべきだが読みたくない」情報を、どう差し込むかが解けていない
• 引用元の媒体側のビジネスモデルを壊すリスクがある
• 情報の「文脈」や「積み重なり」が表現しづらい

2026年のAI検索事業者のうち、この問題をうまく捌いている事例は、正直まだ少ない。

ここで段階的に定義を修正したい。

「Gunosyはパーソナライズに失敗した」と整理するのは、浅い。より正確には、「ユーザー個人への最適化と、メディアとしての文脈育成が両立しなかった」。さらに言えば、この両立困難は、現在のAI検索にも持ち越されたままになっている。

関喜史氏の研究と、Gunosyの「次」

創業者の一人である関喜史氏は、Gunosy上場後も機械学習・情報推薦の研究を続けている。博士号を取得し、近年は情報推薦分野の国際会議で論文を公表してきた。

その研究テーマの一つが、「ユーザーの短期的満足と、長期的な多様性のバランス」だ。

論文の技術的な中身はここでは置くとして、テーマだけ読めば、Gunosyが運用の中でぶつかった壁が、学術的な問いとしてそのまま引き継がれているのが分かる。

ひとつのサービスの運営から得られた知見が、会社の枠を超えて、分野全体の問いに吸収されていく。これはこれで、AIスタートアップが社会に残す遺産の一つのあり方だと思う。

残したもの	内容
国内ニュースアプリの標準的UXの礎	スワイプでカード閲覧、朝夕配信、機械選別の一般化
「上場できるAIスタートアップ」の実例	学生発、機械学習主軸で東証上場という経路を示した
情報推薦研究への運用知見の還元	エコーチェンバーや多様性確保に関する実証研究の材料

会社としてのGunosyの現在

2026年現在、株式会社Gunosyは、ニュースアプリ単体のプレイヤーではなくなっている。持株会社体制を経て、ニュース、広告プラットフォーム、KOL（インフルエンサー）マーケティング、金融比較などに事業を広げている。

ニュースアプリそのものは、創業時の革新性で勝負するフェーズを過ぎ、広告収益と安定ユーザーを維持するポートフォリオ事業の一つとして位置付けられている、と言って近いだろう。

初期Gunosyに熱狂した人の一部は、この現状を「丸くなった」と表現する。

だが、スタートアップが10年以上生き残ること自体、相当に難しい。上場して、社長が交代して、事業が広がって、それでもプロダクトが継続しているという事実のほうが、スタートアップの歴史としてはむしろ示唆に富む。

「とがった起業」と「続くビジネス」は、ときに相反する。Gunosyの現在は、その相反をどうにかしてバランスさせた結果、ここにある。

次の問い──あなたのAIは、ユーザーの「読みたくないもの」を、どう扱うか

まとめる。

• Gunosyは、AI×ニュース配信の国内草分けとして、2010年代のUX標準を作った
• 個人最適化に寄りきった設計は、エコーチェンバー問題に直面した
• SmartNewsやLINEは別の設計で応じ、Gunosyは段階的に多事業化した
• 初期に浮上した「個人最適化と文脈育成の両立困難」は、現在のAI検索でも未解決

最後に、読んでくれているエンジニア・PMのあなたに、一つ問いを渡して終わりたい。

あなたが設計しているAI機能は、ユーザーが「読みたい」と言っているコンテンツを、効率よく出すものだろうか。それとも、ユーザーが「読みたくないが読んでおいたほうがいい」情報を、どう差し込むかまで設計されているだろうか。

答えは、技術の問題ではない。思想の問題だ。

そしてその思想の置き場所を、Gunosyの10年は、一足先に見せてくれている。

第6回は、2016年にメディア業界を揺るがしたDeNAのキュレーションメディア問題（WELQ問題）を取り上げる。AI生成記事が一般化した2026年の目で、あの出来事をもう一度読み直したい。