広告の勝ちパターンをAIが分析し、会社ごとの改善を提案する機能を「広告運用AIエージェント」に追加

検証を通った勝ちパターンだけを、広告提案の根拠にします。

株式会社renue（本社：東京都港区、代表取締役：山本悠介、以下 renue）は、「広告運用AIエージェント」を機能アップデートし、日々の広告改善の提案に、検証を通った勝ちパターンだけを根拠として添えるようにしました。勝ちパターンとは、実際の配信結果を人が検証し、確からしいと認めた学びです。未検証の推測は、提案の根拠になりません。

広告運用AIエージェント強化の概要

renueは、広告改善の提案に、検証を通った勝ちパターンだけを根拠として添える仕組みを追加しました。AIは判定を提示しますが、検証済みとして確定させるのは人です。

広告運用AIエージェントは、2026年2月に提供を開始しました。キャンペーンの設計から、クリエイティブの制作、各媒体への入稿、配信後の分析までを一つの基盤で扱います。

今回のアップデートでは、提案に「根拠」を構造として持たせました。日々生成される提案には対象のキャンペーンと根拠が添えられ、あわせて期待できる効果、成否を測る判定基準、根拠となった勝ちパターンが並びます。

提案は人の承認を経てから実行され、確認の画面で実行を依頼しても、広告がその場で変更されることはありません。依頼を受けた担当者が操作し、変更前後の値とともに記録を残します。予算に関わる変更は、AIや自動処理からは実行されない設計です。

あわせて、確認の一覧には判断が必要な提案だけが残るように整理しました。様子見の情報は分けて表示され、判断を待つ件数と対応の目安がひと目で分かります。

蓄積する学びはその広告主のアカウントに閉じ、お客様の広告アカウントや配信データを当社のAIモデルの学習に利用することはありません。renueのAIを鍛えるのではなく、お客様の手元に根拠がたまります。

運用を重ねるほど判断の根拠は濃くなり、担当者が異動しても、委託先が替わっても、根拠はアカウントの中に残ります。

開発の背景と目的

インターネット広告の運用は媒体ごとに管理画面が分かれ、入札、予算、クリエイティブの調整が日々発生します。獲得単価も配信面も動くため、一度の設定で終わることはありません。

生成AIの普及にともない、広告運用にAIを組み込む動きが広がっています。クリエイティブの案出しからレポートの作成、改善案の提示までをAIが担う事例が増え、運用にかかる作業時間は着実に短くなっています。

一方で、AIが出した改善案をそのまま実行することへの警戒も強まっています。広告費は決裁者が説明責任を負う支出であり、なぜその予算配分にしたのかを後から説明できる状態が求められます。作業が速くなるほど、判断の根拠は追いにくくなります。

さらに、運用のノウハウは担当者個人や委託先に残りやすい構造があります。どの訴求が効いたか、どの配信面が合っていたかという知見は多くの場合、経験として個人に蓄積し、異動や委託先の変更が起きるとそれまでの勝ち筋は失われます。広告費を払い続けても、発注元の企業に運用力は育ちません。

renueは2026年2月、この課題に対して広告運用AIエージェントを提供しました。技術基盤にはAnthropic社のClaude Codeを採用し、複数の専門人材やツールが必要だった作業を一つの運用基盤へ集約しています。対応する媒体はInstagram、Facebook、Google検索、YouTube、X、TikTokで、このうち日々の改善提案はGoogle広告とMeta広告の配信実績をもとに生成します。

第1弾では、分析から仮説、制作、検証までを繰り返す運用を掲げました。提供開始後の運用で見えてきたのは、循環を速く回すことよりも、循環の結果をどう残すかが成果を左右するという点です。

検証を経ていない施策をいくら積み重ねても、改善の方向は定まりません。逆に、検証を通った学びであっても、次の提案に結びつかなければ資産になりません。同時に複数の変更を加えれば、どれが効いたのかを切り分けられなくなります。

今回の強化は、この循環を仕組みとして固定することを目的とします。何を根拠に提案したか、誰が承認したか、実際に何を変更したかの3点を、記録として残します。

renueは、広告運用を「外部に預ける費用」から「社内にたまる資産」へ組み替え、決裁者が根拠を確認したうえで判断できる状態をつくります。AIが判断を代行するのではなく、人の判断を根拠で支える形を選びました。

従来の課題

AIによる広告運用が広がる一方で、現場には大きく三つの課題が残っています。

提案の根拠が残らない

AIが出した改善案は結論だけが伝わりがちで、なぜその案なのか、何をもって効果があると見込むのかが残りません。

根拠が残らないため提案の当否を後から振り返れず、役員会や稟議での説明も担当者の記憶に頼ることになります。広告費の増額を判断する場面では、この不透明さが決裁の停滞につながります。

結果として、AIが提示した案を採用しない判断が積み重なります。作業は自動化されても意思決定の速度は変わらず、導入したAIが報告書の作成だけに使われる状態に陥ります。

判断が属人化し、引き継げない

どの訴求が効いたか、どのクリエイティブが伸びたかという学びは、担当者個人に蓄積します。同じ予算を投じても、担当者によって成果に差が出ます。

担当者の異動や退職、委託先の変更が起きると、後任は過去の検証結果を参照できず、似た試行を最初からやり直します。運用の再現性は低いままです。

検証を経ていない施策が、根拠のないまま定石として引き継がれることもあります。誰も理由を説明できない設定がそのまま残り続け、手数料を払い続けても運用力は発注元の企業に残りません。

AIに任せるほど、何が起きたかを追えなくなる

AIに操作まで任せると、実行の速さと引き換えに変更の履歴が追いにくくなります。広告費は日々消化されるため、想定を超えた配信が起きたときにどの変更が起点だったのかを特定できなければ、対処は遅れます。

予算の変更はとりわけ影響が大きく、上限の設定を一度誤ればその日のうちに損失が出ます。それでも多くの運用では、AIと人の権限の境界が明示されていません。

提案の件数が増えることも負担になります。判断を求める提案と様子を見るだけでよい情報が同じ一覧に並ぶと確認そのものに時間がかかり、停止済みのキャンペーン宛ての提案が残れば手間はさらに増えます。自動化の範囲を広げるほど、統制の設計が必要になります。

本ソリューションの特長

検証を通った勝ちパターンだけを、提案の根拠として引く

検証を通った学びだけが、次の提案の根拠になります。

広告運用の各サイクルの後に振り返りを記録し、立てた仮説、実行した施策、得られた結果、そこから得た学びと次のアクションを残します。A/Bテストの判定は、その時点の結果としてそのまま保存します。

仮説が確からしいかどうかは、実績の集計をもとに判定を提示します。ただし検証済みとして確定させるのは人の操作で、集計だけで自動的に確定することはありません。

次の提案を