「広告運用はAIで自動化されて、もうやることがない」は本当かオートパイロットの誤解と、意思決定に責任を持つという仕事

なぜこの誤解が生まれるのか

この誤解が生まれる理由ははっきりしています。広告の管理画面が、表面上は「ボタンひとつで賢く回る」ように見えるからです。キャンペーンを作り、予算を入れ、目標CPAを設定すれば、あとはAIが自動で配信を最適化してくれる——画面の見た目だけを追えば、確かにそう見えます。しかしそれは、コックピットの計器盤が整然と並んでいるのを見て「パイロットは座っているだけ」と思うのと同じ錯覚です。

本記事は、その錯覚を一枚ずつ剥がしていく構成になっています。まず比喩としてのパイロットの話をし、次に「では具体的に、AIに任せきると何が起こるのか」を7つの落とし穴に分解します。そして最後に、「その膨大な意思決定を、誰が担うべきか」という経営判断——正社員という固定費か、責任を持つ手数料パートナーか——にまで踏み込みます。

「自動化された割合」を錯覚する心理

人は、目に見える派手な部分が自動化されると、「全体の大半が自動化された」と錯覚します。オートパイロットで飛行機がまっすぐ飛んでいる、その絵が強烈だから、「7割は機械がやっている」と感じてしまう。しかし実際は逆で、まっすぐ飛ばす部分こそが最も単純で、自動化しやすい。難しいのは、いつ・どこで・何を判断するか、という前後の文脈です。

広告運用もまったく同じです。「入札額を自動で決める」というのは、計器が示す高度や速度を一定に保つのと同じで、最も自動化しやすい部分です。難しいのは、そもそも誰に・どんな順番で・いくら賭けて・何を訴え、成果が崩れたらどこに舵を切るか——という、無数の前後判断のほうです。

自動化された領域（AIが得意なこと）

• 入札額の調整：1クリックいくらで入札するか、を目標CPA・目標ROASに沿って自動で最適化する。手動入札の時代の中心作業だった部分。
• 配信の最適化：どのユーザー・時間帯・デバイス・面に配信を寄せるか、を機械学習が自動で調整する。
• クリエイティブの組み合わせ：レスポンシブ広告やP-MAXで、見出し・説明文・画像の組み合わせを自動でテスト・配分する。
• パターン検出：膨大なデータから「このセグメントは反応が良い」といった相関を高速で検出する。

これらはどれも、人間がやれば膨大な時間がかかり、しかもAIのほうが速く正確な領域です。ここを機械に任せられるようになったのは、純粋に進歩です。私たちもフル活用します。

自動化されていない領域（人間に残されたこと）

• 誰に売るのか（ペルソナ設計）：事業の文脈を理解し、どの顧客に、どんな順番で届けるかを決める。AIには事業の意思がない。
• 何を訴えるのか（訴求仮説）：そのお客様が動く「理由」を言語化し、訴求軸として設計する。数字には表れない心理の話。
• いくら賭けるのか（予算配分の意思決定）：限られた予算を、どの媒体・どの段階に張るか。事業戦略からの逆算。
• 自動化の"制御"：AIが暴走しないよう、除外・上限・シグナルを設計して手綱を握る。後述する「自動拡張」の制御もここ。
• 成果が崩れたときの判断：悪化の兆候を読み、どこに舵を切るか。責任を持って決める。
• 事業への翻訳：広告の結果を、経営の意思決定材料に翻訳して伝える。

「消化の最大化」と「成果の最大化」は同じではない

媒体側の最適化が向く方向は、しばしば「予算をきれいに使い切る」ことです。日予算を余らせずに消化し、入札を上げてでも配信を回す。これは広告主の「成果を最大化したい」という意図と、一見同じように見えて、決定的にズレています。予算を100%消化することと、その予算で最大の成果を出すことは、まったく別の話だからです。

「賢いから任せれば安心」という油断が一番危ない

AIは賢い。だからこそ、賢く予算を使い切ってきます。目標CPAを少し緩めるだけで配信は一気に広がり、数字上のコンバージョンは増える。けれどその中身を見ると、もともと指名検索で取れていたはずの安いコンバージョンや、買う気のなかった層への配信が混ざっている——ということが頻繁に起こります。「数字は伸びているのに、事業の利益は増えていない」という状態の多くは、ここに原因があります。

だから運用者の仕事は、媒体の最適化を全面的に信じることではなく、「媒体のインセンティブと、広告主の利益がズレる地点」を見抜き、そこに手綱をかけ続けることです。これは自動化では絶対に代替されません。なぜなら、ズレを正す動機を持っているのは、広告主の側に立つ人間だけだからです。

推奨設定は「一般解」であって「最適解」ではない

媒体の推奨は、無数の広告主の平均的な傾向から導かれた一般解です。一般解は、平均的な広告主にとって平均的に正しい。けれど、あなたの事業のゴール——利益率、LTV、在庫、季節性、ブランドの方針、避けたい顧客層——までは考慮していません。推奨どおりにすることと、あなたの事業のゴールに一致することは、別問題です。

例えば「最適化スコアを上げるために自動拡張をオンに」という推奨は、スコア（=媒体が定義した健全性の指標）は上げますが、それがあなたの利益を上げるとは限りません。最適化スコアは媒体の物差しであって、あなたの損益計算書の物差しではないのです。

「推奨を採用すべき時」と「無視すべき時」を切り分けるのが仕事

もちろん、推奨が正しいことも多くあります。だから運用者の仕事は「推奨を全部断る」ことでも「全部受ける」ことでもなく、一つひとつの推奨が、この事業のこの局面で本当に効くのかを判断して取捨選択することです。これは設定の意味を深く理解していないとできません。意味を理解せず「とりあえず推奨どおり」にした瞬間、運用は媒体の都合に乗っ取られます。

マッチタイプと自動拡張の「善意の暴走」

例えば、ある商品名のキーワードを登録したとします。媒体は「関連性が高い」と判断した周辺の検索語にも配信を広げてくれます。これは便利な機能ですが、「関連性が高い」の基準は媒体が決めている。結果、まったく購買意図のない検索や、競合の商品名、情報収集だけの検索にまで配信が広がり、気づけば予算がそちらに流れている——ということが日常的に起こります。

怖いのは、これが悪意ではなく善意で起こることです。媒体は「機会損失を防ぐため」に良かれと思って広げる。けれどその「良かれ」は、前述のとおり「予算を消化させたい」インセンティブと同じ方向を向いています。1語の登録が、放置すれば無駄打ちの山を生みます。

「足す」と同じだけ「閉じる」設計がいる

だから熟練した運用者は、キーワードを1つ足すとき、必ず同時に「どこには出したくないか」を設計します。除外キーワード、除外プレースメント、検索語句レポートの定期的な刈り込み——。広告運用は「足す」作業と同じくらい、「意図しない拡張を閉じる」作業でできているのです。この"閉じる"作業は、自動化が最も苦手とする領域です。なぜなら、何を閉じるべきかは、事業の意図を知る人間にしか判断できないからです。

「ボタンひとつでキーワードを足せる」のは事実です。しかしその裏で、足した1語が生む拡張を制御するために、人間が何時間も検索語句レポートと向き合っている。この見えない労力こそが、運用の質を分けます。

数字は「結果」であって、「人」ではない

CVRが2%という数字は、「100人のうち2人が買った」という結果を表します。けれど、なぜその2人が買い、なぜ残り98人が買わなかったのか——その理由は数字には書かれていません。理由は、人の頭の中にあります。「価格で不安になった」「他社と比較して決めきれなかった」「自分向けの商品だと思えなかった」。この"なぜ"を想像し、言語化し、訴求に落とすのは、意思を持つ人間にしかできません。

私たちが「ペルソナを軸に運用する」と言い続けているのは、まさにここに理由があります。人は、年齢が5つ違えば、まるで違う世界を生きています。その違いを解像度高く描き、「この人は、この瞬間、何に不安を感じるか」を想像する。AIはこの想像をしません。できないのではなく、そもそも「想像しよう」という意思を持っていないのです。

「お客さんが見える」運用と、「数字しか見ない」運用

AI任せの運用は、過去に反応が良かったものをなぞるのは得意ですが、まだ世に出ていない「刺さる訴求」をゼロから想像することはできません。なぜなら、それはデータの外側、人の心の中にあるからです。

「相関」は出せても「仮説」は出せない

AIが得意なのは「AとBに相関がある」ことの発見です。しかし運用で本当に必要なのは、「なぜそうなったのか」という因果の仮説と、「だから次に何を賭けるべきか」という戦略です。ここはAIの管轄外です。

• AIが出せること：「このセグメントはCVRが高い」（相関の発見）
• AIが出せないこと：「なぜなら、この層は購入前に"失敗したくない"という不安が強く、保証の訴求が効いたから。だから次は同じ不安を持つ別の層へ、保証訴求を横展開しよう」（因果の仮説と次の一手）

前者は分析の入り口にすぎません。後者こそが、成果を動かす意思決定です。そして後者は、事業・顧客・市場の文脈を統合して初めて立てられる仮説であり、数字の相関だけからは絶対に出てきません。

「浅い提案」を量産すると、運用は表層を漂う

数字ベースの浅い提案だけで運用を回すと、「CPAの高いものを止め、低いものに寄せる」という調整を延々と繰り返すことになります。短期的には数字が整って見えますが、新しい勝ちパターンは一向に生まれません。なぜなら、それは既存のデータの中で椅子取りゲームをしているだけで、データの外にある未開拓の訴求や顧客層に踏み込んでいないからです。深い仮説を立てられる人間がいて初めて、運用は表層を抜けて前に進みます。

「賢い道具」ほど、正しく使うのに知識がいる

自動入札ひとつ取っても、目標CPA・目標ROAS・コンバージョン値の設定・拡張コンバージョン・データ除外・シグナルの与え方——理解すべき設定は山ほどあります。これらを正しく理解せずにスイッチを入れると、AIは間違った方向に全力で最適化を始めます。賢い道具ほど、間違った使い方をしたときの被害が大きいのです。包丁がよく切れるほど、扱いには技術がいるのと同じです。

つまり「手作業は減ったが、理解すべきことは増えた」。トータルの工数は昔より減ったかもしれませんが、それは「単純作業の工数が、理解と判断の工数に置き換わった」だけで、ゼロになったわけではありません。そして理解と判断の工数のほうが、はるかに難易度が高いのです。

情報のキャッチアップは、永遠に終わらない

もうひとつ、見落とされがちな手間が情報の追従です。広告媒体は、毎月のように仕様を変え、新機能を出し、推奨を更新します。昨日まで有効だった設定が、アップデートで意味を変えることもある。確かに昔より日々の運用工数は減りました。それでも、新しい情報を常にキャッチアップし続けなければ、すぐに最適でない運用に陥ります。

これは、片手間で広告を見ている人にとって最も重い負担です。本業を回しながら、各媒体の最新仕様を追い、機能の意味を理解し、自社にとっての是非を判断し続ける——。これを止めた瞬間、運用は静かに陳腐化していきます。「自動化されたから放っておいていい」のではなく、「自動化されたからこそ、その挙動を理解し続けるための学習が必要」なのです。

「責任を持つ」とは、舵を切れるということ

結果が崩れ始めたとき、必要なのは「誰かが舵を切ること」です。原因を読み、立て直しの仮説を立て、予算を動かし、止めるべきものを止め、賭けるべきものに賭ける。この一連の意思決定を、責任を持って、自分の判断として下せる存在がいなければ、成果は崩れたまま放置されます。AIは判断材料は出しますが、最終的に「これでいく」と決め、その結果を引き受けることはしません。

広告運用の代理店、あるいは運用パートナーの本質的な価値は、まさにここにあります。「成果に責任を持つ」という、AIには構造的に不可能なことを引き受けること。手数料とは、操作の代行費ではなく、この責任の対価なのです。

意思決定が膨大に必要なのは「絶好調の間」ではない

問題は、広告運用で意思決定が膨大に必要になるのは、絶好調の"間"ではなく、その前後だということです。具体的には、次の2つの局面に意思決定が集中します。

1. その成果を「出す前」：誰に・何を・いくら・どの順番で賭けるか。仮説を立て、検証し、外し、組み替える。絶好調にたどり着くまでの、無数の試行錯誤の意思決定。
2. 成果が「崩れ始めた瞬間」：競合の出稿、季節の変わり目、市場の変化、媒体の仕様変更。微かな悪化の兆候を読み取り、手遅れになる前に手を打つ意思決定。

絶好調のときだけを切り取って「やることがない」と判断するのは、晴天で安定飛行している数分間だけを見て「パイロットは暇だ」と言うのと同じです。その安定は、離陸前の膨大な準備と、乱気流を想定し続ける緊張の上に成り立っています。

「崩れ始め」を捉えられるかが、最大の分かれ目

特に重要なのが2つ目です。成果はある日突然ゼロになるのではなく、たいていじわじわと崩れ始めます。CPAがわずかに上がり始める、CVRがゆっくり下がる、特定セグメントの反応が鈍る。この微細な兆候を、絶好調の数字の裏で読み取り、「まだ大丈夫」ではなく「ここで動く」と判断できるかどうか。これは、画面を常に見て、事業の文脈を理解し、責任を持って判断する人間にしかできない仕事です。

AIに任せきっていると、この「崩れ始め」を見逃します。なぜなら、AIは与えられた目標に対して最適化を続けるだけで、「そろそろ前提そのものが変わったのではないか」という、一段上のメタな問いを立てないからです。前提を疑い、舵を切るのは、いつも人間の役割です。

仕事は大きく二つ：今を捌くことと、未来の分岐を読むこと

パイロットの仕事は、大きく二つに分けられます。一つは、目の前に突然現れた問題に対処すること。もう一つは、「ここへ行ったら、こういう問題が起きるかもしれない」と予測し、未来の条件分岐を考え続けることです。この二つは、そのまま広告運用の仕事でもあります。

• 今を捌く（広告運用）：急なCPA高騰、競合の参入、配信の急減速。突然現れた問題に、その場で最善手を打つ。
• 未来を読む（広告運用）：「来月この商戦に入ると、CPCはこう上がるはず」「この訴求はそろそろ飽きられる」。先回りして条件分岐を用意しておく。

「万が一」を、すべて「想定内」にする

パイロットの仕事の多くは、実は地上で行われます。フライト前に天気や航空状況を調べ、「こういうトラブルが起きる可能性がある」とすべてリストアップする。そして、それぞれのケースを事前に想定しておく。

例えば、福岡空港に着陸できない事態が起きそうなら、大分空港への着陸を考える。そのために大分の未来の天気予報を調べ、最短ルートも、その時点で残っている燃料も、すべて計算しておく。万が一が起きないようにする。「万が一」を、すべて「想定内」にしておく。これがパイロットの仕事の本質です。

私たちの広告運用も、まったく同じ思想で動いています。自動入札やAIが裏側で配信を回している、その間に、私たちは「成果が崩れ始めたら、どの媒体に予算を逃すか」「この訴求がダメだったら、次にどのペルソナのどの不安を突くか」「競合がこう出てきたら、どう構造を組み替えるか」——という条件分岐を、常に先回りして想定し続けています。

選択肢A：正社員として自前で抱える

ひとつの選択肢は、広告運用人材を正社員として採用し、社内で育てることです。これには明確なコストがあります。正社員を雇えば、毎月数十万円の固定費が発生し続け、しかもその水準を維持し続けなければなりません。採用・教育・定着にも時間とコストがかかり、その人が辞めればノウハウはゼロに戻る。前述の「情報のキャッチアップ」や「設定理解」の負担も、すべて社内で抱えることになります。

ここで経営者が問うべきは、こうです。「ビジネス戦略上、本当にそこへ固定費をかけ、社長である自分がコミットメントを持つべきなのか？」広告・プロモーションが事業の生命線で、社内に運用機能を持つこと自体が競争力になる——そう判断するなら、内製は正しい。けれど、すべての事業がそうとは限りません。

選択肢B：手数料を払い、責任を持つパートナーを入れる

もし「そこに固定費とコミットメントを割く必要はない」と判断するなら、合理的な手数料を払い、広告に責任を持ってくれるプロのパートナーを入れるほうが、はるかに合理的です。膨大な意思決定を、固定費としてではなく、成果へのパートナーシップとして外部に持つ。これが、私たち「でもやるんだよ」の立ち位置です。

「手数料」は操作代行費ではなく、意思決定と責任の対価

ここで誤解してはいけないのは、手数料の中身です。AIで操作が自動化された今、手数料は「ボタンを押す代行費」ではありません。本記事で見てきた——媒体のインセンティブに手綱をかけ、推奨を取捨選択し、自動拡張を制御し、お客さんを想像し、深い仮説を立て、情報を追い続け、崩れ始めを捉え、そして結果に責任を持つ——その膨大な意思決定の総量に対する対価です。操作が自動化されたからこそ、手数料の意味は「作業」から「判断と責任」へと、はっきり移りました。

本記事の論点

• 1. 自動化されたのは、広告運用の100の仕事のうち1〜2だけ。残り98は人間の意思決定。
• 2. 「オートパイロット＝暇」は誤解。操縦が自動化されてもパイロットは死ぬほど忙しい。
• 3. 自動化されたのは「実行（How）」の一部で、「誰に・何を・いくら・なぜ」は人間に残る。
• 4. Googleの自動最適化には「予算を使い切らせたい」意図が構造的に入る。消化の最大化≠成果の最大化。
• 5. AIの推奨は一般解であって最適解ではない。言うとおりにしても効果は最大化しない。
• 6. キーワード1つで意図しない自動拡張が起こる。「足す」と同じだけ「閉じる」設計がいる。
• 7. AIには意思がない。だからお客さんが見えず、刺さる訴求をゼロから想像できない。
• 8. AIの改善提案は数字の相関どまり。因果の仮説と次の一手は人間にしか立てられない。
• 9. 使いこなすほど設定理解の手間は増え、情報のキャッチアップは永遠に終わらない。
• 10. 成果が悪化してもAIは責任を取らない。責任を持って舵を切れる人間の価値が上がった。
• 11. 意思決定が膨大に必要なのは「成果を出す前」と「崩れ始めた瞬間」に集中する。
• 12. パイロットはCEOに近い。仕事の本質は「万が一」を「想定内」に変え続けること。
• 13. 正社員の固定費か、責任を持つ手数料パートナーか。どちらが合理的かは経営判断。