広告AIの本命は「データ整備」にあった

世界最大級の広告グループWPPが、AI活用の壁にぶつかった原因は意外なものだった。高度なAIモデルが揃っていても、数百のグループ代理店に散らばったマーケティングデータを統合できておらず、そのままでは「モデルに食わせるデータが出揃わない」状態だった。

Googleのブログに掲載されたWPPの事例によると、彼らが最初に投資したのはAIモデルそのものではなく、データを「取り込む→クレンジングする→AIに渡す」という一連のパイプライン整備だった。Google Cloudとの連携でこのデータ基盤を構築した結果、キャンペーン展開にかかる期間が「数ヶ月」から「数日」に縮まったという。

注目したいのは、これが規模の問題ではないという点だ。「AIを使って広告の精度を上げたい」と思って各種ツールを繋いでも思ったほど結果が出ない、という現象は、個人・小規模チームでもまったく同じ構造で起きている。使うAIが賢くなっていても、そこに流し込むデータが散らかったままでは、アウトプットの質は頭打ちになる。

WPPのシステム「WPP Open」は、エージェント型のマーケティング基盤として設計されている。複数のAIが連携しながら広告の分析・予測・配信を担う仕組みだが、その前提として「クリーンなデータが一箇所に集まっていること」がある。

これを個人・小規模チームのスケールに落とし込むと、こういう順番になる。

①記録をひとつのスプレッドシートやNotionにまとめる——過去の広告費・クリック率・成約率・使ったクリエイティブの内容を、バラバラのツールに置いたままにしない。

②AIに食わせる前に「列を揃える」——日付、媒体、金額、成果指標の列が統一されていないと、ChatGPTやGeminiに貼り付けても的外れな分析が返ってくる。

③AIへの質問をデータと紐づける——「この3ヶ月で一番費用対効果が高かったクリエイティブのパターンを分析して」のように、実データを貼り付けた上で問いかけることで初めてAIは「使えるもの」になる。

ツールよりも先に、自分のデータの「型」を決めること。WPPが何億円もかけてやったことの本質は、実はこれだけだ。ShoplazzaのAIが広告・集客を自動で回すでも触れたように、AIが自動で動く仕組みの精度は、流し込むデータの質に直結している。

WPPの事例が示しているのは、広告AIの競争が「どのモデルを使うか」から「どれだけ良いデータを持っているか」に移行しているという流れだ。

GoogleはGoogle AdsとGoogle Analyticsにも新たなAI・エージェント機能を追加しており（Googleの公式ブログで発表）、近いうちに「AIが自動で入札・クリエイティブ・分析を回す」世界はより身近になる。ただし、これらのツールが参照するデータが貧弱であれば、自動化されるのは「精度の低い意思決定」だ。

使う側として知っておくべきは、AIツールの進化が速いほど、「何を食わせるか」の重要性が増すという逆説だ。自分のデータを整備した人ほど、新しいAIツールが出るたびに恩恵を受けやすくなる。そうでない人には、高機能なツールも「なんか結果が出ない」ものになる。

今の段階でデータ整備に手をつけておくのは、単なる準備ではなく、AI時代の「使う側」に留まるための投資だ。