AI時代の広告はどう変わった？Google広告の最新機能と課題

トレンド

生成AIの登場からわずか数年で、広告の世界は原型をとどめないほど変わりました。

かつて「AIをどう使うか」を議論していた段階は過ぎ、いまや広告配信の中核をAIが担うことが前提になっています。キーワードを選び、入札単価を調整し、広告文を書く——そうした従来の運用作業は、その多くがAIの領域へ移りました。

一方で、AIに任せれば成果が出るという単純な話でもありません。AIは与えられたデータをもとに学習するため、そのデータが不完全であれば、どれだけ高性能なAIでも誤った方向に最適化を続けます。

皮肉なことに、自動化が進むほど「人間が何を準備するか」の重要性が増しているのです。

本記事では、2026年時点のAI広告の到達点をGoogle広告の最新機能から整理し、AI時代に何が変わったのか、どんな課題があるのか、そしてマーケターに何が求められるのかを解説します。

AI時代の広告：この数年で何が起きたのか

AI広告の現在地を把握するには、まず前提となる環境の変化を押さえておく必要があります。広告の手法が変わったというより、その手前にあるユーザーの行動と、検索という仕組みそのものが変わりました。

検索行動そのものが変わった

最も大きな変化は、ユーザーの検索行動です。従来のようにキーワードを断片的に入力するのではなく、AIに対して長く複雑な文章で条件を伝えるスタイルが広がりました。

Googleが2026年5月に開催したGoogle Marketing Live（GML）2026では、AI Modeを利用する消費者の75%が「より迅速に、確信を持って意思決定できるようになった」と回答したことが示されています。

ユーザーは複数のサイトを巡って情報を継ぎ合わせる代わりに、AIとの対話で答えにたどり着くようになっています。

この変化は広告のあり方を根本から変えます。検索結果が「リンクの一覧」から「答えの提示」に変わるなら、広告もまた、ユーザーにとっての最良の答えでなければならないという発想が出てくるからです。

「SGE」という呼び名はもうない

日本で試験提供が始まった当時、この生成AI検索は「SGE（Search Generative Experience）」と呼ばれていました。しかしその後、正式機能としてAI Overviews（AIによる概要）に置き換わり、さらに対話に特化したAI Mode（AIモード）が登場しています。

現在は、検索結果の上部にAIが生成した要約が表示されるのが標準的な状態になり、より深く対話したいユーザーはAI Modeへ移行する、という2層構造になっています。

【2026年】Google広告のAI機能はここまで来た

Googleの広告プロダクトは、この数年で「AIを活用できる機能」から「AIが前提の設計」へと移行しました。主な変化を整理します。

AI Max for Search：検索広告の新しい標準

AI Max（日本語の公式名称は「検索キャンペーン向けAI最大化設定」）は、検索キャンペーンでGoogleのAIを最大限に活用するための設定群です。2025年に導入され、Googleによれば最も成長の速いAI搭載の検索広告プロダクトになっています。

キーワードの完全一致・部分一致といった従来の枠組みを超えて、AIがユーザーの検索意図を解釈し、関連する検索に広告を届けます。さらに、検索語句やLPの内容に応じて広告文を動的に生成する「テキストカスタマイズ」、最適な遷移先をAIが判断する「最終URL拡張」といった機能も含まれます。

重要なのは、これが任意のオプションではなくなりつつあるという点です。従来の動的検索広告（DSA）はAI Maxへの統合が決まっており、自主的な移行ツールがすでに提供されています。

未移行のキャンペーンは段階的に自動アップグレードされる予定で、Googleは自動移行を待たずに先行して移行することを推奨しています。

なお、移行のスケジュールは対象機能によって異なり、変更されることもあります。自社のアカウントに関わる期日は、管理画面の通知や公式ヘルプで最新の情報を確認してください。

また、規制業種向けに必須の記載を確実に表示させる「テキストディスクレーマー」も導入され、AIによる自動化とコンプライアンスの両立が図られています。

AI Brief：AIに「言葉で」指示を出す

2026年4月に発表され、GML 2026でも中心的に扱われたのがAI Briefです。実務への影響という点では、この機能が最も大きいかもしれません。

これは、広告主が自分の言葉でAI Maxに方針を伝える機能です。Googleの公式発表では、指示の種類が次の3つに整理されています。

メッセージのガイドライン：広告で何を言うべきか、何を言うべきでないかを指定します（例：「価格には決して触れない」）
マッチングのガイドライン：獲得したい検索、避けたい検索の範囲を伝えます（例：「健康的な保存食品に関する検索を優先する」）
オーディエンスのガイドライン：狙いたい層と、その層に向けた訴求を指定します（例：「健康志向の人には、無添加であることを強調する」）

さらに、実際に配信を始める前に、生成されるアセットや対象となる検索のサンプルをプレビューできます。AIに任せきりにせず、確認と修正を挟みながら進められる設計です。

注目すべきは、この機能が示す思想です。AIに丸投げするのでも、細かい設定で縛るのでもなく、ブランドの意図をAIに理解させたうえで最適化を任せるという中間的なアプローチが提示されました。

後述しますが、これはマーケターに求められるスキルの変化とも直結しています。

なお、提供はまず英語のAI Max for Searchから始まり、その後P-MAXとAI Max for Shoppingへ順次展開される予定です。既存のテキストガイドラインを使っている場合、その設定はAI Brief内のメッセージのガイドラインへ自動的に引き継がれます。

Ask Advisor：ツールを横断するAIアシスタント

Google広告、Googleアナリティクス、Merchant Center、Google Marketing Platformをまたいで機能するAIアシスタントです。Merchant Centerの商品情報をもとにキャンペーン作成へ進んだり、広告とアナリティクスのデータから成果の要因を説明したりできます。

現時点では英語アカウント向けのベータ提供で、日本語対応は今後の展開待ちです。

AIモード内の新しい広告：Conversational Discovery adsとHighlighted Answers

GoogleはAIモードの中で、Geminiを使った2種類の広告フォーマットのテストを進めています。

Conversational Discovery ads：ユーザーの具体的な質問に対する「答え」として広告が表示されます。たとえば「家を高級スパのような香りで満たしたい。手間をかけずに済む方法はないか」といった検索に対し、Geminiが検索意図に合わせてクリエイティブを生成し、関連する機能を強調して見せます
Highlighted Answers：AIモードがおすすめのリストを提示する際、関連性と品質が高い広告がそのリスト上に表示されます

いずれのフォーマットにも、広告とは独立したAIによる客観的な説明が併記されます。

Geminiが製品情報を評価・統合して解説を加える仕組みで、これが透明性につながるとGoogleは説明しています。広告であることは従来どおり「スポンサー」表記で区別されます。

検索画面に導入される次世代フォーマット

AIモード以外の通常の検索でも、新しい広告が導入されます。

AI搭載ショッピング広告：たとえばエスプレッソマシンを検索した際、Geminiが広告主の商品データから最も関連性の高い商品を選び、なぜそれが適しているのかを説明する文章をその場で生成します。
Business Agent for Leads：広告の中にAIエージェントを組み込む仕組みです。ユーザーが広告内の「チャット」ボタンを押すと、企業のサイトから情報を引き出して質問にその場で回答します。従来は静的なフォームに入力してもらうしかなかった問い合わせを、対話をしたまま見込み客へ転換できます。

とくにBusiness Agent for Leadsは、問い合わせ獲得を目的とする事業にとって見逃せない動きです。広告と問い合わせの境界が曖昧になり、広告の内側でリードの獲得が完結する方向へ進んでいます。

Direct Offersの拡大

購入検討の直前に特典を提示する「Direct Offers」は、2026年1月にパイロットが始まりました。Chewy、Gap、L’Orealといったブランドが導入し、成果を上げているとされています。

今後は提示できる特典の種類が拡大され、次のような機能が追加される予定です。

Promotion bundling：対象商品と許容ラインを設定すると、Geminiが関連性の高い複数商品を組み合わせたオファーを自動生成します
Native checkout：Universal Commerce Protocol（UCP）を導入している事業者向けに、広告や検索画面内で決済まで完了できる仕組みです
Travel expansion：Booking.comやExpediaなどの旅行パートナーで、ユーザーがAIと相談しながら計画を立てている画面内に特典を提示できるようになります

日本での提供状況には注意

ここまで紹介した機能について、重要な前提があります。Googleはこれらの発表に際して「本発表は米国向けのものであり、日本国内における導入時期および展開詳細については現時点で未定」と明記しています。

実際、AI Briefはまず英語から提供が始まり、Ask Advisorも英語アカウント向けのベータです。AIモード内の広告フォーマットも、テスト段階のものが含まれます。

海外の事例として語られている内容と、日本の管理画面でいま実行できることの間には差があります。この点を混同しないことが、情報収集における最初の注意点です。

AI時代、広告運用の「仕事」はどう変わったか

機能の進化は、そのまま運用担当者の仕事の変化として跳ね返ってきます。かつて成果を左右していた作業の価値が下がり、別の領域に重心が移りました。ここでは、実務の現場で起きている3つの変化を見ていきます。

「運用しない」ことが成果につながる場面が増えた

P-MAXやAI Maxのような自動化キャンペーンでは、人が頻繁に設定を触ることが、かえってAIの学習を妨げる場合があります。入札調整やキーワードの追加削除といった、かつて運用の中心だった作業の価値は相対的に下がりました。

代わりに重要になったのが、AIが学習する前の準備です。コンバージョンの定義は適切か、計測は正しく機能しているか、クリエイティブの素材は揃っているか——こうした準備の質が成果を左右します。

「指示待ち」から「自律型」へ

もう一段先の変化として、AIエージェントの台頭があります。従来の自動化がルールにもとづく処理だったのに対し、エージェント型AIは目的を与えられると自ら手順を判断し、実行まで完結させます。

広告運用の領域でも、レポート作成や異常値の検知にとどまらず、施策の立案から実行までを担う方向へ進みつつあります。

クリエイティブは「一球入魂」から「総力戦」へ

配信面の選定や入札をAIが担うようになった結果、成果を分ける変数がクリエイティブに集中しました。

そして求められるクリエイティブの性質も変わりました。時間をかけて一つの完成品を作るより、多様なパターンを大量に用意してAIに検証させるアプローチが有効になっています。

AIは膨大な組み合わせのなかから最適解を見つけ出せるため、そもそも選択肢が少なければ実力を発揮できないからです。

生成AIによって制作コストが下がったことが、この戦略を現実的なものにしました。

AI時代の広告が抱える課題

利便性の裏側で、対処すべき課題も複雑化しています。

プライバシーと倫理への配慮

ユーザーデータを活用してパーソナライズを行う以上、プライバシーへの配慮は不可欠です。データの収集・利用に関する法規制は年々厳しくなっており、広告主には慎重な取り扱いが求められます。

日本国内でも、改正電気通信事業法の外部送信規律により、ユーザー端末からの情報送信について通知・公表や同意取得が必要になっています。技術の進歩とは別に、法令対応という土台の整備が欠かせません。

ハルシネーションと品質の担保

生成AIは、事実と異なる内容をもっともらしく出力することがあります。広告文やLPで誤った情報を伝えれば、信用の失墜に直結します。

AIが生成したコンテンツを人間が確認する工程を、運用フローに組み込んでおく必要があります。前述のテキストガイドラインのような制御機能も、この課題への対応策の一つです。

著作権をめぐる不確実性

生成AIが作ったコンテンツに著作権が発生するのか、それは誰に帰属するのか。生成物が既存の著作物と酷似していた場合はどう判断されるのか。こうした論点は、いまだ明確な結論が出ていない領域を含みます。

広告に使用するクリエイティブについては、権利侵害のリスクがないかを確認する体制が必要です。

ブラックボックス化への向き合い方

AIが判断の中心になると、「なぜこの結果になったのか」を運用者が完全に把握することは難しくなります。近年は透明性を高める機能が追加されつつありますが、完全な可視化には至っていません。

AIの判断をある程度信頼したうえで、結果を評価するための指標と計測基盤を整える——この姿勢が現実的な対応になります。

そして最大の課題は「計測」

ここまでの課題は、いずれも対処法が見えてきているものです。しかし、より根深く、多くの企業が見落としているのが計測の問題です。

次章で詳しく述べますが、AI時代において計測の不備は、単に「分析ができない」という以上の意味を持ちます。

AIの成果は「何を学習させるか」で決まる

前章で挙げた課題のうち、最も対処が遅れているのが計測です。そしてこれは、単なる分析上の問題ではありません。AI時代の広告において、計測の不備は成果そのものを押し下げる要因になります。その理由を、順を追って説明します。

AIの精度は、渡すデータの質を超えられない

AI広告の成果を左右する最大の要因は、実は機能の使いこなしではありません。AIに与えるデータの質です。

どれだけ高性能なアルゴリズムでも、学習するデータが偏っていたり欠けていたりすれば、導き出す答えも歪みます。AIは与えられた情報のなかでしか判断できないためです。

自動入札は、コンバージョンデータをもとに「どんなユーザーが成果につながりやすいか」を学習します。つまり、コンバージョンとして計測されていない成果は、AIにとって存在しないのと同じです。

Cookie規制で、学習に使えるデータは減っている

同時に、AIに渡せるデータは減少傾向にあります。

サードパーティCookieをめぐるGoogleの方針は二転三転しましたが、SafariのITPやFirefoxのETPによるブロックは継続しており、ブラウザ経由でユーザーを追跡できる範囲は確実に狭まりました。

AIの性能が上がる一方で、その燃料となるデータが減っていく——この構図が、AI時代の広告運用における根本的な緊張関係です。だからこそ、自社で確実に取得できるファーストパーティデータの価値が高まっています。

見落とされがちな最大の欠落：電話コンバージョン

そして、多くの企業で最も大きく欠落しているファーストパーティデータが電話での問い合わせです。

不動産、工務店、医療、士業、修理業、BtoB商材——こうした検討期間の長い商材では、Webフォームと並んで電話での問い合わせが一定の割合を占めます。

「まず話を聞いてから判断したい」「自分のケースに当てはまるのか確認したい」という段階では、フォームに記入して返信を待つより、電話で直接尋ねるほうが早いためです。

ところが、この電話経由の接点はWeb解析の標準的な仕組みでは捉えられません。そこから、次のような連鎖が起きます。

成果が記録されない：Webフォームからのコンバージョンだけが数字に残り、電話でどれだけ問い合わせが来ていても計測されません
AIが偏った顧客像を学習する：残されたデータしか見られないため、「Webフォームで送信する層」こそが成果につながる顧客だとAIは判断します
成果を生んでいた広告が止まる：電話での問い合わせを生んでいたキャンペーンやキーワードが「成果なし」と評価され、予算を削られたり停止されたりします

AIによる自動化が進むほど、この連鎖の影響は大きくなります。 人が運用していた時代であれば、「この広告は電話が多いから残そう」という経験則で補正できました。

しかしAIは、渡されたデータがすべてです。電話成果を学習していないAIは、電話につながりやすい顧客層への配信を、自ら細らせていきかねません。

コールトラッキングでデータの欠落を埋める

この問題を解決するのがコールトラッキングです。流入経路ごとに異なる電話番号を出し分けることで、「どの広告・どのキーワード経由でかかってきた電話なのか」を判別できる仕組みです。

AI時代の広告において、これは次の意味を持ちます。

AIに正しい教師データを与えられる：電話で成約した顧客のデータをオフラインコンバージョンとして広告側に戻すことで、Web上では追えない優良顧客の特徴をAIが学習します。自動入札の精度そのものが変わります
Cookieに依存しない計測ができる：「通話が発生した」という事実ベースの記録は、ブラウザの制限に左右されにくいファーストパーティデータです
AI運用の成果を正しく評価できる：P-MAXやAI Maxのような自動化キャンペーンは、成果の内訳が見えにくいという弱点があります。電話成果まで含めて評価することで、判断の精度が上がります
クリエイティブの評価軸が増える：どのクリエイティブが電話を生んでいるかがわかれば、多様なパターンを検証する際の判断材料になります

AI Briefのように「AIに何を伝えるか」が問われる時代において、AIに何を学習させるかを設計することは、その前提となる作業です。