AIネイティブ広告コンテンツの音量調節

人気のAIをめぐる「ハネムーン」期間は、まだ完全には終わっていない。Netflixの黄金時代から、現在のストリーミング事業者の分断化と商業化への移行になぞらえるなら、今は2019年ごろに当たる。既存大手のOpenAIは今や、資金力のある競合各社から強く挑まれている。いずれの競合も、気まぐれなユーザー層に広告を押しつけるリスクを冒せるほど、決定的な優位を確立してはいない。

同様に、ChatGPTは現在、チャット内広告の対象を無料ユーザーとGoユーザーに限定している。Geminiの広告は、AIによる概要とAIモードにのみ表示される。Perplexityは昨冬、広告計画を撤回した。xAIは、いずれ広告を導入する予定だ。Microsoft Copilotにはすでに広告がある。一方、Claudeはその可能性を明確に否定している。

しかし、こうした状況が続かないことは分かっている。推論の真のコストが明らかになり、目前に迫るAI企業のIPOによって株主の要求が経営課題となれば、歴史が示唆するように、いずれはLLMの出力を精査し、広告ベースのコンテンツと非商業的なコンテンツを見分ける必要が出てくると予想できる。

音量を11まで上げる

広告をどれほどパーソナライズするか、あるいはどのように属性別のターゲティングを行うかという問題に加え、事業者は商業コンテンツの統合の程度と種類も検討する必要がある。

簡単なことではない。広告が控えめすぎれば、ユーザーはより多く維持できても、価値の高い広告主を失う。一方、開示に関する規制をかいくぐる可能性のある、より深く統合された広告コンテンツは、より有利な広告契約につながり得るが、論争を招き、その他の悪影響を引き起こすおそれもある。

さらに、利用プランに応じた広告プラットフォームでは、「音量」や統合の度合いを段階的に変える必要があるかもしれない。とはいえ、LLMのパラメーターを定量化するのはかなり難しい。たとえば、LLMの出力に含まれる広告の「音量」を調整する仕組みとして以前提案された方式の一つでは、定量化のための用語が実際にチャット内に出力されてしまった。

新しい論文からの引用。以前の「音量調整」方式のラベルが、生成テキストに漏れ出している例。 出典

上の例は、LLMを使った広告に関する2つの重要課題に取り組む新しい論文*から引用したものだ。課題とは、チャットボットの回答で広告をどれほど目立たせるかを制御することと、回答のどの部分が有料広告に当たるかを特定することである。

新しいAdKnob方式の概略図。左側では、選択した広告レベルに応じて、Subwayが複数あるおすすめの一つとして表示されるか、回答の主な焦点となる。右側では、生成された回答内の広告コンテンツが緑色で強調表示されている。

AdKnobと名付けられたこの方式では、4段階の尺度を用いて、チャットボットがどの程度積極的に商品を宣伝するかを調整すると同時に、広告を含む文を特定する。これにより、補助モデルを実行したり、処理を遅らせたりすることなく、広告コンテンツを容易に特定できるようにすることを目指す。処理速度が重視されるこの分野は、従来、最も進歩の速い業界の一つである。

新しい研究の付録資料から。広告が挿入されたテキストの例が赤色で強調表示されている。

AdKnob方式は、Alibaba、Microsoft、Metaの6つのAIモデルで検証された。いずれの場合も、広告の量は4段階で調整でき、さりげない商品への言及から、ブランドの宣伝にほぼ全面を割く回答まで設定できた。

AdKnobの最も強い「音量」設定では（ここでは、伝説の「11」ではなく「4」だ）、ブランドのメッセージが出力の大半を占める傾向がある。

学習中に内部パラメーターを変更し、生成された回答の中から広告を特定するために注意パターンを調べる必要があったことから、オープンウェイトモデルが必要だった。そのため、API経由でしか利用できない最先端モデルは検証対象から除外された。

結果は、Amazon Mechanical Turkを通じて集めた913人を対象に検証された。AdKnobの回答を競合する4つの手法による回答と比較したところ、AdKnobの回答が選ばれた割合は75％から90％近くに達した。

信じがたいかもしれないが、有用性と明確な広告表示が、主な理由として挙げられた。広告設定を最も高くしても、回答の平均品質評価は4点満点中3.1点で、最低設定時の3.6点と比べて低かった。

著者らによると、AdKnobは広告を含む文を特定する精度でも優れていた。また、テストしたモデルの一つでは、この判定処理にかかる時間は回答1件あたりわずか3ミリ秒だった。許容できるほど小さなオーバーヘッドであり、従来の複数の手法とは異なり、専用のトークン生成も必要としない。

新システムを支えるため、以前のWebis Generated Native Ads 2024 データセットを拡張し、チャットボットの回答における広告の強度をさまざまに変えたデータを含むMI-KnobSetデータセットが開発された。訓練例は3,946件、テストケースは913件で構成されている。

著者らは次のように述べている。

「[AdKnob]により、単一のLLMで広告強度を幅広く変えた回答を生成できる。広告帰属損失は、広告に関連する入力トークンと生成された広告コンテンツとの結び付きをさらに強化し、推論時に正確な広告ラベル付けを可能にする。」

「6種類の基盤モデルを用いた実験とユーザー調査の結果、AdKnobは広告の品質と広告ラベル付けの両方で、既存のベースラインを一貫して上回ることが示された。本研究は、実サービスで透明性と制御性を備えたLLMネイティブ広告を実現するための実践的な基盤となる。」

手法

前述の従来手法では、強度の段階を数値化するために使われた語句が出力に漏れ出していた。これに対し、新しい手法では、広告強度の違いをそれぞれ表す専用の制御トークンを4つ使用する。

q̂ = q ⊕ [AD_LV_n]

もちろん、上記のnトークンは任意の数を表す可能性があるが、この場合、AdKnobが範囲を1〜4に限定している（この特定の変数、つまり広告コンテンツの「分かりやすさ」と「目立ちやすさ」については、これが実現可能な細かさの上限に近いだろう）。

こうした抽象的なトークンには既存の意味がないため、モデルは通常の言語と混同することなく、それぞれの意図された役割を学習できる。

著者らによると、次にモデルを直接選好最適化（DPO）で訓練し、制御トークンを望ましい強度に合わせる。

「[We]は、2つの指標に基づいて選好データを構成する。広告[score]は、ブランドや広告コピーが回答にどの程度目立つ形で、かつ肯定的に取り入れられているかを測定し、回答の質[score]は、回答がユーザー[query]の要望にどの程度応えているかを測定する。」

ペアデータセットを作成するため、候補となる回答を広告強度、関連性、流暢さ、そして広告なしの回答から保持された情報に基づいて採点し、そのスコアを使って各広告レベルの訓練例を選んだ。

各広告シナリオについて、商品を異なる強さで宣伝するよう促すプロンプトを用い、GPT-4oで25件の回答候補を生成した。各目標レベルで最も高いスコアを得た回答を選び、さらに、品質の低さ、広告強度の誤り、またはその両方を示す、意図的に劣った回答を3件ずつ用意した。

5種類の異なるプロンプトを使って生成した25件の回答候補の広告スコア。5本の曲線が大きく重なっていることから、プロンプトだけでは広告強度を明確に区別して生成できない理由が分かる。

こうした比較結果を用い、前述のDPO手法でモデルを訓練した。これにより、求められた広告レベルに合致しながらも、有用で自然な回答を生成できるようにした。

テスト

AdKnobは、次の6種類のモデルを用いて、広告強度を4段階に分けて評価された。Qwen3-4B-Instruct、Phi-4-Mini-Instruct (3.8B)、LLaMA-3.2-3B-Instruct、Qwen2.5-14B-Instruct、Phi-4 (14B)、およびLLaMA-3.1-8B-Instruct。

広告強度と回答の質はそれぞれ別々に採点し、広告ラベル付けの精度はROC-AUC、適合率と再現率、およびF1を用いて測定した。

モデルの微調整には低ランク適応（LoRA）を使用し、生成する回答は500トークンまで、広告ラベル付けのしきい値は0.005とした。すべての実験は、HBM3e VRAMを141GB搭載した、思わず息をのむほどのNVIDIA H200 GPU 1基で実施した。

ベンチマークには4つの手法を使用した。2段階方式では、先に生成した回答に広告を挿入し、プロンプトベース方式では、システムプロンプトを通じて広告を組み込んだ。

残る2つの手法のうち、JU-NLPは、目立ちにくい広告を優先するよう微調整を行った。一方、NL-promptは、追加の訓練を行わず、広告強度を指定する一般的なシステムプロンプトを使用する手法で、自然言語の指示によって広告強度を4段階で指定した。すなわち、控えめ（L1）、中程度（L2）、強め（L3）、最大（L4）である。

広告をラベル付けする3つの手法を比較した。Markerは、モデルが文章を生成しながら広告にタグを付けるよう促す手法、BERTScoreは、与えられた広告コピーに似た文を検出する手法、そしてAttnLRPは、モデル内部の処理を通じて広告の影響をたどるために使われる手法である。

4つのAIモデルにおける広告の強度と回答品質を比較したテスト結果。AdKnob（青）は、競合手法よりも広告レベル（L1～L4）の幅が広く、間隔も均等であり、同程度の広告強度では全般的に高い回答品質を維持した。

AdKnobは、競合手法よりも幅広く、より一貫した広告強度の範囲を実現し、同程度の強度では全般的に質の高い回答を生成した。これは、新たな制御トークンと、学習時に質の低い回答を棄却したことによるものとされた。

ここで著者らは次のように述べている。

「JU-NLPは広告の強度を明示的に制御せず、広告を目立たなくするようファインチューニングするため、強度が一定の回答を生成する。一方、NL-promptは複数の強度に対応するものの、その範囲は狭く、広告スコアにも一貫性がない。このことから、自然言語のプロンプトでは強度を十分に制御できないと分かる。」

「これに対し、AdKnobは幅広く均一な広告強度の範囲に対応する。」

「これは、広告強度の制御条件として機能する広告制御トークンによるものだ。これらのトークンには事前学習済みの意味がなく、DPOによって各トークンと目標とする強度との明確な対応関係を確立できる。」

論文によると、著者らの手法は、同程度の広告強度において競合手法よりも質の高い回答も生成した。この改善は、質の低い回答を明示的に棄却する学習例によるものとされた。

次に、システムの広告ラベル付け機能が評価された。

4つのAIモデルにおける広告検出結果。スコアが高いほど精度が高く、最高の結果は太字で示している。

AdKnobは4つすべてのモデルで総合的に最も高い検出精度を達成し、応答ごとに2.5～7.3ミリ秒で広告を検出した。これに対し、BERTScoreでは約1,800ミリ秒を要したため、テストした中で最小のモデルではAdKnobの処理速度は500倍を超えた。

著者らはさらに次のように述べている。

「AdKnobは、アブレーションに基づく明示的なガイダンスを通じて、入力に含まれる広告関連トークンと広告セグメントとの強い対応関係をモデルに学習させ、すべてのモデルで最高のAUCとF1スコアを達成する。」

「さらに、AdKnobでは推論コストを追加することなく、リアルタイムでラベル付けできます。[Qwen3-4B.]では応答あたり約3ms

定性的なテストでは、Nintendo Switchの広告がレベル1で複数の推薦のうちの1つとして含まれた。レベル4ではブランドが回答の大部分を占め、どちらの強度でも宣伝文がAdKnobによって特定された。

Walmartのブラックフライデーに関する質問への回答例（広告レベル2段階）。ハイライトされた箇所の[AD]は、宣伝内容を示す。

最後に**、著者らは913人の参加者を対象にユーザー調査を実施した。参加者は広告の強度と回答品質を評価し、AdKnobと競合手法を比較するとともに、宣伝内容がどれほど正確に特定されているかを評価した。

AdKnobの人間による評価結果。表には、広告の強度と回答品質の評価、競合手法に対する選好率、広告検出の精度を示している。緑色のセルは選好率が50%を超えることを表す。

著者らは次のように結論づけている。

「AdKnobは最高のAUCとF1スコアを達成する。特筆すべきは、偽陰性が少ない一方で再現率が高い点だ。広告セグメントの開示を怠ることは、法的リスクと信頼を損なうリスクを大きく伴うため、規制の観点から極めて重要である。」

結論

LLM内広告について興味深い論点の1つであり、私が知る限りこれまで注目されていないように思われるのは、広告を含まない出力と広告に基づく出力が同じ場合に何が起こるのか、ということだ。

たとえば、地元の飲食店を推薦してほしいと尋ねたとき、選択肢がマクドナルドと、評判が非常に悪いカフェしかなく、しかもマクドナルドが掲載料を支払っていたとします。その場合、ホスト側の枠組みの目的にかなうため、おそらくマクドナルドは広告として提示されるでしょう……たとえ、もともと自然な選択肢だったとしても？

このサイトで比較的頻繁に取り上げているこうした話を読むと、オーブンのカタログを眺める七面鳥になったような気分になります。覚えておきたいのは、一部の地域で求められる最低限の表示があったとしても、私たちの出力に含まれる「不誠実な」コンテンツが明示されるわけではないということです。本稿や類似の論文で示されている、ごく限られた事例のいくつかは、商業コンテンツが本来のコンテンツに著しく侵入している様子を描いています。

そしてもちろん、これらは都合よく選ばれた事例です。うまく機能し、幻覚を起こさず、非常識または不快な連想をしたり、その他の形で論争を引き起こしたりしなかった事例です。大規模に運用する場合、世間の批判を招く事態にこれほど陥りやすいアーキテクチャにとって、これもまた、主要なフロンティアサービスの大半が広告の導入に慎重な姿勢をとっている理由の一つなのかもしれません。

* KAISTコンピューティング学部の6人の著者による論文で、「AdKnob：LLMネイティブ広告の広告強度制御とラベリング」と題されています。

** いつものように、アブレーション研究は省略しています（スポットチェックではなく、研究の中核的な価値を構成する場合を除きます）。

初出：2026年11月5日（木）