投稿者 global-ai-media 
NTTドコモがデジタル屋外広告（DOOH）の広告主審査プロセスにAIとLLMを導入し、業務効率化を図る事例が発表されました。生成AIの活用というと「コンテンツ生成」に目が向きがちですが、本事例は法規制やガイドラインへの適合性をチェックする「監査・審査」の領域における有用性を示唆しています。日本の商習慣や法的リスクを踏まえた、実務的なAI活用のヒントを解説します。
広告審査という「人間依存」のボトルネック
デジタル屋外広告（DOOH：Digital Out-of-Home）は、駅や街頭のサイネージを通じて多くの人の目に触れるため、公共性が極めて高いメディアです。特に日本では、景品表示法や薬機法（旧薬事法）といった法的規制に加え、各媒体社が定める独自の掲載基準、さらには公序良俗といった社会通念上のチェックが必要とされます。
これまで、これらの審査業務はベテラン担当者の経験と知識に依存した目視確認が中心でした。しかし、広告枠のプログラマティック取引（自動取引）が進み、入稿数が増加する中で、人手による審査は速度と精度の両面で限界を迎えつつあります。NTTドコモの事例は、こうした「業務のボトルネック」に対し、大規模言語モデル（LLM）を用いて一次スクリーニングや判断支援を行うものであり、日本企業が抱える「労働力不足」と「コンプライアンス強化」のジレンマを解消する一つの解と言えます。
「生成」ではなく「照合」：LLMの実務的活用法
多くの企業がAI活用において「何を作り出すか（Generative）」に焦点を当てがちですが、実務において即効性が高いのは「何が正しいかを照合する（Discriminative/Audit）」プロセスへの適用です。
本事例におけるLLMの役割は、広告主から提出されたテキストや画像データと、事前に定義された膨大な審査ガイドラインを照らし合わせることにあると考えられます。LLMは、単なるキーワードマッチングでは対応できない文脈（コンテキスト）の理解に優れているため、「表現としては柔らかいが、実質的には誇大広告にあたる」といった微妙なニュアンスのリスクを検知するのに適しています。
ただし、ここには技術的な課題も存在します。LLM特有の「ハルシネーション（もっともらしい嘘）」のリスクです。審査業務において、AIが存在しないルールをでっち上げたり、明らかな違反を見逃したりすることは許されません。そのため、RAG（検索拡張生成）などの技術を用い、参照すべき社内規定や過去の審査事例を正確にAIに参照させるアーキテクチャが必須となります。
完全自動化ではなく「Human-in-the-Loop」の重要性
日本企業がこの種のシステムを導入する際、最も留意すべきは「AIに最終決定権を持たせない」という原則です。これを「Human-in-the-Loop（人間がループの中に入る）」と呼びます。
日本の商習慣において、万が一不適切な広告が配信された場合のレピュテーションリスク（評判リスク）は甚大です。AIの役割はあくまで「審査員の疲労を軽減し、見落としを防ぐための副操縦士」に留めるべきです。AIが「承認推奨」「却下推奨」「要確認」といったフラグを立て、最終的な掲載判断は必ず人間が行う。このフローを確立することで、AIのリスクを制御しつつ、業務効率を大幅に改善することが可能になります。
日本企業のAI活用への示唆
NTTドコモの事例は、派手なサービス開発だけでなく、堅実なバックオフィス業務へのAI適用が大きなROI（投資対効果）を生むことを示しています。以下に、日本企業が押さえるべきポイントを整理します。
- 「守りのAI」への投資：クリエイティブ生成だけでなく、法務チェック、契約書レビュー、コンプライアンス監査など、ルールベースでは完結しない「判断業務」へのLLM活用を検討すべきです。
- ドメイン特化知識の整備：AIの精度を高めるためには、汎用的なモデルを使うだけでなく、自社の業界ルールや過去のNG事例などをデータ化し、AIに学習・参照させる準備が必要です。
- 責任分界点の明確化：AIによるミスが発生した際の責任所在を明確にするためにも、プロセスの中に人間の承認フローを必ず組み込む「協働型」のワークフロー設計が求められます。
- 現場の心理的安全性：「AIに仕事が奪われる」という懸念ではなく、「AIが面倒な一次チェックを代行してくれる」というメリットを現場に浸透させ、組織文化としてAIを受け入れる土壌を作ることが成功の鍵です。