AIが人に代わって商品を探し、比べ、買う時代の広告は、誰に向けて何を作ればよいのか。この問いに、理論の側から答えようとした論文が、2026年9月にコロンビアの大学の研究者から出ました。
この記事は、その論文を原文から読み、何が論じられていて、何が確かめられていないのかを整理します。考え方の枠組みを提案する「概念論文」で、数字の結果の代わりに、分類と見通しが並びます。
合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。この論文を読むのは、AIに選ばれる話のどこまでが証拠に支えられ、どこからが論者の見通しなのかを、自分たちで切り分けておくためです。
結論:3行で言うと
- AIが消費者の代理として検索や購買を判断する場面では、広告の相手が人からAIへ移る、と論じている概念論文です
- 広告主の仕事は、人を説得するメッセージを作ることから、AIが自社を選び、薦め、優先できるように情報の環境を整えることへ移る、というのが論文の提案です
- 実測データはありません。「AIは物語に動かされず、情報の密度と確かさで選ぶ」という主張も、この論文の外の知見に頼っています
この論文の基本情報
| 項目 | 内容 |
|---|---|
| 原題 | Comunicación publicitaria agéntica: un modelo teórico para el entorno B2AI(スペイン語。英語版の題名は Agentic advertising communication: a theoretical model for the B2AI environment) |
| 著者 | Vallejo-Vélez、Giraldo-Aristizabal(2人。コロンビア、EAFIT大学の教員) |
| 公開日 | オンライン公開日は2026年9月29日(Crossrefの表記)。受付は2026年4月23日、採択は2026年6月26日(論文PDFの表記) |
| 掲載先・DOI | Cuadernos.info 65号、328〜348ページ。DOIは 10.7764/cdi.65.104064。Crossrefには同じ論文が 10.7764/ed26q465 という別のDOIでも登録されています |
| 掲載状況 | 論文誌に掲載済み。受付と採択の日付が付いており、査読を経た掲載と読めます。査読の方式は論文に書かれていません |
| 種類 | 概念論文(理論の提案)と、未来を考える演習。実験・調査のデータはありません |
| データ・コード | 該当なし(実験をしていないため) |
論文は、DOIのリンクから読めます。
この記事の和訳は、主に英語版から行い、用語と原語はスペイン語版(原典)で確かめました。モデルの名前は、スペイン語版ではMCPA、英語版ではAACMです。
この記事ではMCPAと書きます。
この論文が答えた問い
AIエージェントが人に代わって、商品を見つけ、比べ、買う判断をするとき、広告のコミュニケーションはどう変わるのか。
論文は、これまでの商取引の枠組み(消費者どうし、企業と消費者、企業どうし)が「少なくとも片方は人間」という前提に立っていたと指摘します。
この前提が崩れるとき、広告の理論を組み直す必要がある、というのが出発点です。
ここでAIエージェントとは、人間の代理人として動くAIのことです。
AIという受け手を、論文は「business-to-AI(B2AI)」と呼びます。企業が情報を発するとき、直接の受け手が、人間から、消費者に任されたAIへ移る関係です。
どうやって調べたのか
この論文は、既存の理論を組み合わせて新しい枠組みを作る方法(理論の統合)を取っています。実データの収集と分析の工程は、省かれています。
| 項目 | 内容 |
|---|---|
| 設計 | 概念論文。これまで別々だった理論をつなぐことが貢献で、仮説の実データでの検証は目的外だと、論文自身が述べています |
| 統合した3分野 | コミュニケーション論、マーケティング、商取引のデジタル変革 |
| 文献の選び方 | 「理論的な関連の深さ」を基準にした意図的な選択です。体系的な文献検索の手順は使っていません |
| 選定の条件 | 3分野との関連、主要な学術データベースに載っていること、直近5年を優先すること |
| 除外したもの | 企業の広報資料や白書など、宣伝が目的の資料。ただし新しい分野なので、コンサルティング会社の報告書は補助的に使っています |
| 課題と機会の部分 | 「未来を考える」手法(フューチャーズ・シンキング)で、現在の兆しから起こり得る場面を描く演習です。1つの未来を予測するものではないと、論文は述べています |
論文は、モデルの要素ごとの役割を次のように整理しています。各用語の定義は、結果の節の表にあります。
- デジタル意味空間は、ブランドがどこで競うかを決めます
- デジタルの足跡は、何を持って競うかを示します
- アルゴリズム的忠実度は、競争に成功したかを測ります
- AIエージェントは、誰に向けてコミュニケーションを設計するかを示します
結果:論文が提案したモデル
結果の節の中身は、モデルの提案です。論文は「このモデルは、この研究では実証的に確かめていない」と、本文中で明記しています(英語版・337ページ付近)。
3種類の「コミュニケーションの主体」
論文は、広告の受け手になり得る主体を、3つに分けます(論文の表1)。
| 種類 | 主体 | 動き方の特徴 |
|---|---|---|
| 意図的・主観的な主体 | 人間の消費者 | 欲求や文化的な背景から、メッセージを解釈する。受け入れる、交渉する、拒むことができる |
| 因果的・最適化する主体 | 現在のAIエージェント | 関連性、費用、制約の条件で評価する。論文は「美的な面から説得することはできない」と述べています |
| 自律的な記号の主体 | 高度なAI、AI同士のやり取り | 意味空間の見え方を組み替える言明を作り、ほかのAIと交渉する |
3つ目が、論文自身が「中心的な理論的貢献」と位置づけるものです。AIが記号を自分で作り、読み取り、その結果がブランドの見え方に影響する、という考え方です。
ただし論文は、この主体を理論上の分類として示しており、実際のAIがその段階にあるかの測定は行っていません。
B2AIの4つの形
- 企業から、消費者のAIへ(B2AI)
- 企業または消費者のAIから、企業へ(AI2B)
- 企業のAIから、人間の消費者へ(AI2C)
- 双方のAIが、人間を介さずに交渉して取引する(AI2AI)
論文は、最後のAI2AIを「まだ実装の途中」と書いています。論文が中心に据えているのは、最初のB2AIです。
モデルを支える用語の定義
| 用語 | 論文が採用している定義(要約) |
|---|---|
| デジタル意味空間 | 言語モデルが学習し、回答を作る元になる、文章と構造化データの集まり。学習には日付の区切りがあり、それより前に載っていないものは、AIにとって存在しないと論文は述べます |
| ブランドのデジタルの足跡 | 公開した内容、外部での言及、構造化データ、評価、権威の手がかりなど、企業が時間をかけてデジタル空間に残す痕跡の総体。AIが「引用・推薦・除外」を決める材料になる、という位置づけです |
| アルゴリズム的忠実度 | あるAIが、特定のブランドを一貫して選ぶ確率。人間の「ブランドへの愛着」に代わる概念として使われています。用語はCuiとvan Esch(2025)のもので、デジタルの足跡の定義はQuintonとWilson(2016)によります |
論文は、アルゴリズム的忠実度を測る方法も述べています。決めた質問群に対して、AIがそのブランドを薦める頻度と安定性で測れるはずだ、という書き方です。
実測の例は、論文の中に見つかりませんでした。
5つの課題と5つの機会
課題として挙げられているのは、次の5つです。
- 人間だけで続けるか、AIを道具にするか、全面的に任せるかという分かれ道
- 感情や物語で説得する語り口が、AIには通じにくくなること
- 市場調査の対象が、人間の行動からAIの振る舞いへ移ること(AIによる模擬調査)
- AIがなぜそのブランドを選んだかを、説明できる形で追えるようにする必要
- AIが参照する情報空間に、継続して発信し続ける必要
機会の側は、論文の表2に沿って、「できること」と「残る緊張」の組で整理できます。
| 機会 | できること | 残る緊張 |
|---|---|---|
| 制作の仲介者が減る | 制作費が下がる | 仕事が失われる |
| 会話に基づく個別対応 | 消費者への理解が深まる | 監視の危険が増す |
| 模擬調査 | 新しい取り組みが速くなる | 人間が研究対象から外れる |
| 先回りする販売の組み立て | 需要を先に見込める | 意思決定が不透明なシステムに集まる |
| 市場への参入の民主化 | 市場への入り口が公平になる可能性 | 不平等な技術基盤に左右される |
最後の「民主化」について、論文は次の例を挙げています。技術仕様やレビューを詳しく公開している手作りの自転車メーカーが、感情的な広告に予算をかける大手より、AIから選ばれやすくなる場合がある、という想定です。
この自転車の例は、思考実験として書かれた想定で、実測値とは別物です。
論文自身が書いている限界
- モデルは、この研究では実証的に確かめられていません。将来の検証のための分類を提案するものです
- エージェントの自律度と普及は、まだ初期の段階にあります。特に、AI同士が取引する形は、まだ実装の途中です
- 前提にしている意味空間は、英語圏に偏っています。イベロアメリカ(スペイン語・ポルトガル語圏)での解釈や適用に影響し得ると、論文は書いています
- モデルの適用範囲は、AIが検索・評価・実行を担う場面に限られます。人間が直接決める場面や、体験そのものを消費する場面では、関連性が下がると述べています
原文を読んで気づいた点
- 「すでに動いている条件」という書き方と、「まだ初期」という限界の記述が並んでいます。本文は、B2AIを「すでに動いている環境の条件」と書き、戦略上の選択肢とは位置づけていません。一方、論文が引く最近のレビューは、高い自律度での実行はまだ少なく、検証も乏しいと述べています
- 「AIは物語に動かされない」という主張の根拠は、論文内の実験とは別の、他の文献です。根拠として引かれているのは、GEOの原論文(Aggarwalほか、KDD 2024)などです。その論文では、引用・統計・出典を足す方法が大きく伸び、権威的な文体にする方法でも約10%伸びました。物語や感情に訴える書き方そのものは試験の対象外で、「物語に動かされない」の裏づけとしては間接的です。当サイトの解説記事でも、その結果を整理しています
- 市場規模の見通しは、他の報告書からの引用です。「2030年までに1兆ドル規模になり得る」という数字は、大手コンサルティング会社の報告を引いたものです。AIエージェントが介在する取引の市場を指すと読めますが、どの範囲の金額かは論文からは読み取れません。論文は、宣伝目的の資料を除外したと書きますが、この報告と業界の実務家のブログは使っています
- 具体例は、論文に仮定として書かれたものです。自転車メーカーの例は、別の文献(Accornero、2025年)を引いた想定で、測定値ではありません。コーヒー会社の例は、引用のない想定です
- 日本語での検証は、論文の範囲の外です。論文の議論は、スペイン語圏の広告業の文脈で書かれています
- 執筆にAIを使ったことが、論文末尾に明記されています。文献探索、出典の整理、内容の統合、表の作成、文体の確認にAIを使い、理論の判断と最終稿は著者が書いたと説明しています
この論文から、言えること・言えないこと
| 言えること(論文が論じている) | 言えないこと(論文では確かめられていない) |
|---|---|
| AIが購買の代理をする場面を、広告の理論に組み込む枠組みが提案された | 実際の消費者のうち何割が、買い物をAIに任せているか |
| AIが選ぶ材料は、情報の確かさ、一貫性、外部での言及だ、という見方が示された | それらを整えると、AIに薦められる確率が上がること |
| 中小企業が、情報の質で大手に並ぶ可能性が論じられた | 実際に中小企業が有利になること |
| AIが薦める頻度と安定性で、ブランドとの関係を測る考え方が示された | その測り方で実際に測れること |
| 課題と機会が、表裏の関係にあると整理された | 広告費や職業への影響の大きさ |
中小企業の視点で、どう受け取るか
ここからは論文の主張とは別の、私の読み取りです。
1. 論文は「予言」として読むのがよいと思います
論文の結論部は、AIエージェントに向けて設計しない者は「消費の視野に存在しなくなる」(英語版からの和訳)と述べています。この強い言い方は、危機感を示す側に有利に働きます。
弊社もSEOとLLMOを仕事にしているので、危機感を強める言い方は割り引いて読んでいます。
2. 「情報を整える」は、すでにある作業の延長です
論文が挙げる足跡の中身(公開した内容、外部での言及、構造化データ、評価)は、これまでのウェブ運用とほぼ重なります。新しい作業が突然増えるというより、手元の情報が正確で、最新で、外から確かめられる状態かを見直す話だと受け取りました。
3. 中小企業が有利になるという話は、まだ仮説です
GEOの原論文では、検索順位の低いページが大きく伸びたのは、全員が書き換えた条件でした。この論文の「民主化」も、同じように条件つきの見通しとして読むのが安全だと思います。
4. 日本に当てはめるときは、前提の違いを見ます
この論文はスペイン語圏、特にイベロアメリカの広告業を念頭に書かれています。論文自身が英語圏のデータの偏りを認めており、日本語の情報や日本の購買の習慣には、触れていません。
日本の消費者がどの程度AIに買い物を任せるかは、別に確かめる必要があります。
よくある質問
エージェント型広告コミュニケーションのモデル(MCPA)は、実験で確かめられたものですか
確かめられていない、というのが答えです。論文自身が、モデルは実証的に検証されておらず、将来の検証のための分類を提案するものだと書いています。
B2AIは、これまでのBtoBやBtoCと何が違うのですか
論文の整理では、直接の受け手が人間ではなく、消費者や企業から任されたAIになる点が違います。AIは、文化や感情の代わりに、情報源の信頼性、利用者の希望との一致、予算や期限などの制約で評価する、と論文は想定しています。
アルゴリズム的忠実度は、いまの技術で測れますか
論文は、決めた質問群に対してAIが薦める頻度と安定性で測れるはずだと書いていますが、実際に測った結果は、論文にありません。AIの選び方を説明できる技術(XAI)が必要だとも書いており、現状で十分に測れるかは、論文からは読み取れません。
まとめ:今日できる1つのこと
お客様が自社のサービスを探すときにAIへ聞きそうな質問を、5つ書き出してください。
その5つを、ChatGPTやGeminiに日を変えて2回ずつ聞き、自社名が出るか、出方が安定しているかを記録します。論文が示した「頻度と安定性」の考え方を、手元で小さく試す方法です。
結果が出なくても、まず現状の見え方を知ることが、情報を整える出発点になります。
この論文は、LLMO論文の一覧の一本です。ほかの論文の解説も、順次公開しています。
この記事に書いたことを、そのまま御社のページに
生成AIに引用されるページを、お話しいただくだけでお作りします。お時間をいただくのは初回15分のヒアリングだけです。まず1ページ、無料でお作りします。
OKが出るまで、何度でも直します。事実が違う、言い回しが硬い、この話は入れないでほしい。どれも遠慮なくおっしゃってください。何度お直ししても、追加の料金はいただきません。
これまでに127社にご利用いただきました。毎月ご依頼いただいている方の6割以上が、月10ページを選ばれています。料金はページに掲載しています。
ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。
自社のマーケティング課題を根本から解決しませんか?
ウェブサイトから要素を引き算し、訪れた人が迷わず次の一歩に進む形へ組み直す。初回60分のオンラインで御社のサイトを一緒に読み、どこから直すべきかをお伝えします。手順をまとめた無料の診断と解説動画もご用意しています。
初回は無料・60分・オンライン完結・その場で契約のお願いはいたしません


