Machine-to-Machine広告とは？AI同士が取引する時代の広告を考える

「生成AIを広告クリエイティブの制作には使っているが、その先に何が起きるのか分からない」「AIエージェントが商品を比較・購入するようになった場合、広告は誰に向けて出せばよいのか」「人が広告を見なくなったら、クリックやCookieを前提とした計測はどう変わるのか」。

AI活用が広告制作や分析から、検索、比較、媒体選定、広告取引、購買へ広がるにつれて、このような問いを考える必要が出てきています。

そこで注目したいのが、Machine-to-Machine広告（M2M Advertising）です。

本記事でいうMachine-to-Machine広告とは、AIエージェントなどのソフトウェアが、人や企業に代わって情報を収集・評価し、別のAIや広告システムとやり取りしながら、広告の発見、選定、交渉、配信、場合によっては購買まで進める広告の考え方です。

ただし、Machine-to-Machine広告という言葉に現時点で一つの統一された業界標準定義があるわけではありません。本記事では、海外AdTech企業ID5による問題提起と、IAB Tech Labなどが進めているAgentic Advertisingの動向をもとに、日本企業のマーケティング実務で何を考える必要があるのか整理します。

結論｜Machine-to-Machine広告では「広告を見る主体」そのものが変わる可能性がある
Machine-to-Machine広告とは？
ID5が問題提起する「人から機械への広告」の変化
2026年はAgentic Advertisingの標準化も始まっている
Agentic Commerceの進展で「AIが買う」は現実の機能になり始めている
Cookieが残ってもMachine-to-Machine広告を考える必要がある理由
日本企業への影響｜広告は「見せる情報」から「判断される情報」へ広がる
1. 商品・サービス情報をAIが理解できる状態にする
2. 広告計測をクリックだけで考えない
IM視点｜Identityだけでは顧客理解は完成しない
1. Identity＋行動＋Intent＋CRM＋AIで考える
AIエージェント時代に広告計測は何を見るべきか
日本ではプライバシーとデータ利用設計も同時に確認する
Machine-to-Machine広告に備える実務チェックリスト
このテーマをより実務に落とし込みたい方へ
まとめ｜広告の対象が「人だけ」ではない前提でデータ基盤を考える
FAQ

結論｜Machine-to-Machine広告では「広告を見る主体」そのものが変わる可能性がある

Machine-to-Machine広告を考えるうえで重要なのは、広告運用をAIで自動化することだけではありません。

これまで多くの広告は、最終的には人に見てもらい、人がクリックし、人が商品やサービスを比較することを前提としていました。

しかしAIエージェントがユーザーに代わって商品を検索し、条件を比較し、候補を絞り込み、購入まで支援する場合、広告や商品情報を最初に評価する主体が「人」ではなく「AI」になる場面が増える可能性があります。

一方、広告取引側でも、広告主側のAIエージェントと媒体側のAIエージェントが、条件に合う広告枠を探索し、評価し、交渉するといった仕組みの標準化が始まっています。

つまり、Machine-to-Machine広告では、少なくとも次の2方向を分けて考える必要があります。

購買側のM2M：消費者や企業を代理するAIが、商品・サービス・オファーを探索して比較する
広告取引側のM2M：広告主、代理店、媒体、広告プラットフォームなどを代理するAI同士が媒体計画や広告取引を進める

この変化によって、広告クリエイティブだけではなく、商品情報、価格、条件、Identity、インテントデータ、計測設計、プライバシーまで含めた広告データ基盤が重要になります。

Machine-to-Machine広告とは？

Machine-to-Machineは直訳すると「機械対機械」です。

ただし、広告業界では以前からプログラマティック広告によって、広告枠のリクエスト、入札、配信など多くの処理がシステム間で自動的に行われています。その意味では、広告取引の一部は以前から機械同士で動いていました。

2026年に議論が進んでいるMachine-to-Machine広告の特徴は、その自動処理にAgentic AIが加わる点です。

Agentic AIとは、単に質問へ回答したり文章を生成したりするだけではなく、与えられた目的に沿って情報を収集し、計画し、判断し、必要な操作を実行するAIを指します。

たとえば広告主が「この商品を、一定の予算とブランドセーフティ条件のもとで適切な顧客へ届けたい」という目的を設定した場合、AIエージェントが候補となる媒体やオーディエンスを調査し、別のエージェントと条件を確認しながら広告計画を作成するといった使い方が想定されます。

項目	従来のデジタル広告	AgenticなM2M広告
主な判断主体	人が設計し、システムが実行	人が目的・制約を設定し、AIが判断・実行を支援
媒体探索	担当者や既存プラットフォーム中心	AIエージェントによる探索・比較が加わる
広告取引	自動入札・プログラマティック取引	AIエージェント間の発見・交渉・取引まで拡張する可能性
商品・広告情報	人が読むクリエイティブやLPが中心	人に加え、AIが解釈できるデータや条件も重要になる
Identity	ユーザーやデバイスの識別が中心	ユーザーに加え、代理するAIや取引主体との関係も論点になる
計測	表示、クリック、訪問、CVなど	AIによる比較・推薦・実行を含む経路の評価が課題になる
人の役割	設定・運用・分析	目的、予算、ルール、ブランド方針、最終判断、監督

ID5が問題提起する「人から機械への広告」の変化

海外AdTech企業のID5は、2026年3月18日に公開した「The 2026 Identity Gap: Is Your Strategy Built for Machines?」で、AI検索やShopping Agentが普及することで、従来のIdentityと購買行動の間に新たなギャップが生じる可能性を問題提起しています。

ID5が注目しているのは、ユーザーがAIへ商品の推薦を求めると、Webサイトを一つずつ訪問する前にAI側で情報収集や比較が進む点です。

従来であれば、ユーザーが検索結果からWebサイトを訪問することで、サイト訪問、ページ閲覧、広告接触、Cookieやその他の識別シグナルなど、企業側から観測できる接点が生まれる可能性がありました。

一方、AIが複数の情報源を読み取り、ユーザーの代わりに候補を比較すると、企業のWebサイトへ訪問する前に検討が進みます。

ID5はこの変化の先に、広告そのものを人ではなくAIエージェントが読み、別のAIやシステムとやり取りするMachine-to-Machine Advertisingの可能性を挙げています。

また、同社のホワイトペーパー「Identity in an Agentic World」では、LLM、Shopping Agent、Agentic IDと現在のIdentity基盤の関係を扱っています。

ただし、ここで注意したいのは、ID5がDigital Identity関連サービスを提供する企業であることです。

そのため、「AIエージェント時代にはID5が提示するIdentity方式が標準になる」と考えるのではなく、AIが人の代理として行動するようになった場合、既存のユーザー識別や計測だけでは説明しにくい接点が増えるという問題提起として捉えるのが適切です。

2026年はAgentic Advertisingの標準化も始まっている

Machine-to-Machine広告は、ID5だけが描いている未来像ではありません。

IAB Tech Labは2026年、広告業界でAIエージェントを利用するための取り組みとして、AAMP（Agentic Advertising Management Protocols）を進めています。

AAMPでは、広告のBuyer AgentとSeller Agentなどが、共通の広告業界標準を利用しながら、媒体や広告枠を発見し、条件を理解し、交渉し、取引へ進むための仕組みが検討・実装されています。

ここで重要なのは、「AIを使ってレポートを書く」といった業務効率化とはレイヤーが異なることです。

AIが広告取引そのものの参加者になり、別のAIや広告システムとコミュニケーションすることが前提になり始めています。

さらにAAMPでは、AIエージェントのIdentity、Verification、Disclosureといった信頼性の仕組みも重要な構成要素として扱われています。

つまり、Machine-to-Machine広告では「どのユーザーへ広告を届けるか」だけではなく、「この取引を実行しようとしているAIは何者なのか」「誰の代理として、どの権限で動いているのか」というIdentityも新しい論点になります。

Agentic Commerceの進展で「AIが買う」は現実の機能になり始めている

広告の先にある購買でも、AIエージェントを前提とした仕組みが登場しています。

Googleは2026年5月、複数のサービスや販売者を横断して買い物を支援するUniversal Cartを発表しました。

同社は、AIエージェントと事業者が購買プロセスで情報をやり取りするためのUniversal Commerce Protocolや、エージェントによる決済に権限や制約を設定するAgent Payments Protocolなども開発しています。

この動きを見ると、「AIが商品を推薦する」という段階だけではなく、「AIが条件を確認し、選択し、購入の実行まで支援する」というAgentic Commerceが具体的なプロダクトへ入り始めていることが分かります。

ただし、これがそのまま日本のすべての広告・購買行動へ短期間で普及するとは限りません。

対応サービス、決済環境、ユーザーの利用意向、企業のシステム連携、規制などによって普及速度は変わります。

Cookieが残ってもMachine-to-Machine広告を考える必要がある理由

Machine-to-Machine広告を「Cookieレス広告の次の話」とだけ理解するのも適切ではありません。

Chromeでは、サードパーティCookieを全面廃止する従来計画が変更され、2025年に現在のユーザー選択型の取り扱いを維持する方針が示されました。

つまり2026年時点では、「ChromeからCookieが完全になくなったからIdentityを考える」という単純な状況ではありません。

それでもIdentityが論点になるのは、利用環境がWebブラウザだけではないからです。

Web
アプリ
CTV
複数デバイス
AI検索
AIエージェント
広告プラットフォーム
CRM／SFA

顧客接点が複数環境へ分散すると、一つのCookieや一つのIDだけで購買プロセス全体を説明することは難しくなります。

さらにAIエージェントがユーザーの代わりにWebを調べる場合、「ブラウザを操作している主体」と「最終的な購買者」が必ずしも同じとは限らなくなります。

Machine-to-Machine広告でIdentityが重要になる理由は、Cookieの有無だけではなく、人・企業・デバイス・チャネル・AIエージェントの関係をどのように整理するかという問題へ広がるためです。

日本企業への影響｜広告は「見せる情報」から「判断される情報」へ広がる

日本企業にとって、Machine-to-Machine広告をすぐに導入する必要があるという話ではありません。

現時点では、AIエージェントによる広告取引や購買は発展途上であり、標準化や実装も進行中です。

一方、今後の変化を考えるうえでは、「人が広告を見ること」だけを前提とした情報設計を見直す視点があります。

商品・サービス情報をAIが理解できる状態にする

人はキャッチコピーやデザインから商品の魅力を理解できます。

一方、AIが複数の商品・サービスを比較する場合には、価格、対象者、機能、利用条件、対応範囲、事例、FAQなど、比較に必要な情報が明確であることが重要になります。

BtoB企業でも同様です。

「何を提供している会社なのか」「誰向けなのか」「どの課題を解決するのか」「何ができて何ができないのか」といった情報を、Webサイトや記事、FAQ、サービスページなどで一貫して説明できているかを確認する必要があります。

これはLLMOやAEOの情報設計ともつながります。

広告計測をクリックだけで考えない

AIが情報収集や比較を代行すると、ユーザーがWebサイトを訪問する前の検討行動は企業側から観測しにくくなります。

そのため、Machine-to-Machine広告の時代に備えるうえでは、最後の広告クリックだけではなく、複数の観測点を組み合わせることが重要です。

AI検索や生成AI上で自社情報が参照されているか
AIからWebサイトへ流入しているか
指名検索や直接流入に変化があるか
訪問後にどのテーマを閲覧しているか
資料請求やウェビナーへ進んでいるか
CRM／SFAで商談・受注へつながっているか

「AI内部で何が起きたか」をすべて追跡するのではなく、取得可能なデータを組み合わせて顧客の検討プロセスを推定する設計が現実的です。

IM視点｜Identityだけでは顧客理解は完成しない

Machine-to-Machine広告をIdentityだけの問題として考えると、顧客理解に必要な情報が不足します。

Identityが主に答えるのは、「誰なのか」「どのユーザー・デバイス・企業・接点なのか」という問いです。

一方、マーケティングや営業では、それだけでは次のアクションを判断できません。

必要なのは、「今何に関心を持っているのか」「検討度は高まっているのか」「何を比較しているのか」「いつアプローチするべきなのか」という情報です。

そこで区別したいのがIdentityとインテントデータです。

項目	Identity	インテントデータ
主に分かること	誰・どのユーザー、デバイス、企業、接点なのか	何に関心があり、どの程度検討している可能性があるか
主なデータ	ID、ログイン情報、デバイス情報、企業情報など	検索、閲覧、資料DL、コンテンツ接触、関心変化など
主な用途	識別、接点統合、広告配信、計測	関心把握、検討度推定、営業優先順位、情報提供
答えにくい問い	なぜ今その商品を探しているのか	本人・端末を識別することそのもの
注意点	Identityだけでは購買意図は分からない	インテントは購入確定情報ではない

Identity＋行動＋Intent＋CRM＋AIで考える

IM視点で考えると、Machine-to-Machine広告の顧客理解は次のように整理できます。

Identity：誰・どの企業・どのデバイス・どの接点なのかを整理する
Web行動：何を閲覧・検索・比較しているかを見る
インテントデータ：どのテーマへの関心が高まっているかを捉える
CRM／SFA：過去の問い合わせ、商談、営業接点を確認する
企業属性：業種、規模、役割などを確認する
AI：複数のシグナルを整理し、次に確認すべき対象や行動候補を提示する
マーケティング／営業：広告、記事、ウェビナー、メール、営業接触などを選択する

AIエージェント時代には、この流れにさらに「どのAIが、誰の代理として、どの目的と権限で動いているのか」というレイヤーが加わる可能性があります。

つまり、Identityの役割がなくなるのではなく、扱う関係性が複雑になると考えた方が分かりやすいでしょう。

AIエージェント時代に広告計測は何を見るべきか

従来の広告計測では、広告表示からクリック、サイト訪問、コンバージョンまでを追う設計が中心でした。

AIエージェントが介在すると、その間に新しい段階が入る可能性があります。

情報源・広告・商品データ
↓
AIエージェントが取得
↓
AIが比較・評価
↓
候補をユーザーへ提示
↓
人またはAIが追加検討
↓
Web訪問・問い合わせ・購入

企業側から見ると、AI内部で行われたすべての比較を直接観測できるとは限りません。

そのため、「AIエージェント経由のすべての行動を追跡する」ことより、次のような観測点を整理する方が現実的です。

段階	確認したいこと	データ例
AIから理解される	自社情報をAIが正しく扱えるか	FAQ、商品情報、一次情報、構造化された説明
AI上で露出する	AI検索・回答で自社が参照されるか	AI検索上の可視性、Search Console等
AIから訪問する	AI経由の流入があるか	GA4、Referral、AI Assistant等
関心が深まる	訪問後に何を調べているか	Web行動、インテントデータ
成果につながる	問い合わせ・商談・購入につながったか	CV、CRM、SFA

Machine-to-Machine広告が広がるほど、アトリビューションは「最後に何をクリックしたか」だけでなく、AIによる推薦や比較を含む意思決定プロセス全体をどのように評価するかという課題へ広がります。

日本ではプライバシーとデータ利用設計も同時に確認する

IdentityやWeb行動、インテントデータを統合する場合は、技術的に接続できるかだけで判断すべきではありません。

日本の個人情報保護委員会は、Cookieなどの端末識別子やWebサイトの閲覧履歴、興味・関心を示す情報などについて、条件によって個人関連情報や個人情報として扱われる場合があることを示しています。

そのためAIやIdentity基盤へデータを連携する場合も、どの情報を、どの目的で、どの主体が利用するのかを整理し、個人情報保護法や自社のプライバシーポリシー、同意取得・第三者提供等のルールとの整合を確認することが重要です。

「AIエージェントだから別扱い」と考えるのではなく、利用するデータと処理の流れを基準に確認する必要があります。

Machine-to-Machine広告に備える実務チェックリスト

現時点でM2M広告専用システムを導入する必要がなくても、既存のデータ・広告・コンテンツ環境から確認できることがあります。

自社の商品・サービスについて、対象顧客、機能、価格・条件、対応範囲をWeb上で明確に説明できていますか？
広告クリエイティブだけでなく、AIが比較に使える商品・サービス情報を整理していますか？
Web、アプリ、広告、CRM／SFAなどに分散した顧客接点を把握していますか？
Identityとインテントデータの役割を区別していますか？
顧客の関心や検討度を判断するためのWeb行動・インテントデータがありますか？
AI検索や生成AIからの流入を計測していますか？
広告クリック以外に、指名検索、資料DL、ウェビナー、問い合わせ、商談まで確認していますか？
AIへ連携する顧客データの利用目的、権限、確認者を決めていますか？
AIが自動で広告・営業アクションを実行する場合の予算・ブランド・プライバシー上の制約を設定できますか？
将来AIエージェントが顧客の代理としてアクセスした場合、どのデータを成果評価に利用するか検討していますか？

このテーマをより実務に落とし込みたい方へ

AIエージェント、インテントデータ、顧客理解、広告・マーケティングデータ活用については、IMデジタルマーケティングニュースのセミナー・ウェビナーでも継続的に取り上げています。

自社のマーケティングや営業で、AIとデータをどこから活用するべきか整理したい方は、最新の開催情報・アーカイブをご確認ください。

セミナー・ウェビナー情報を見る

まとめ｜広告の対象が「人だけ」ではない前提でデータ基盤を考える

Machine-to-Machine広告とは、AIエージェントなどのソフトウェア同士が、広告や商品情報を読み取り、探索、比較、交渉、取引へ関与する広告の考え方です。

現時点では発展途上の領域であり、ID5が示すAgentic IDなどの構想を、そのまま将来の業界標準として捉えるべきではありません。

一方、IAB Tech LabではAgentic Advertisingの標準化が進み、購買領域でもAgentic Commerceの実装が始まっています。

日本企業が今考えるべきなのは、すぐに「AI向け広告」を始めることではありません。

まずは、自社の商品・サービス情報を人とAIの双方が理解できる状態にし、Identity、Web行動、インテントデータ、CRM／SFAを分断させず、AIを使って次のマーケティング・営業判断へつなげられるデータ環境を整えることです。

Identityで「誰なのか」を整理し、行動・インテントで「何に関心があるのか」を捉え、AIで「次に何を確認するか」を支援し、人が最終的なマーケティング・営業判断を行う。

Machine-to-Machine広告は、その延長線上で「顧客と企業の間にAIエージェントが加わった場合、広告と顧客理解をどう再設計するか」を考えるテーマだと整理できます。

FAQ

Machine-to-Machine広告とは何ですか？

Machine-to-Machine広告とは、AIエージェントなどのソフトウェアが人や企業の代理として情報を収集・評価し、別のAIや広告システムとやり取りしながら、広告の探索、選定、交渉、配信などへ関与する考え方です。現時点では統一された業界標準用語というより、Agentic Advertisingの進展を説明する概念として使われています。