OpenAI、ChatGPTの広告配信基盤を公開 会話履歴を保持しLLMが選定を統括

発表されたこと

OpenAIは技術ブログで、ChatGPT向けに新たに構築した広告配信システムの設計を説明しました。執筆者は同社のRitendra Datta氏とKarthik Gopalratnam氏で、いずれもMembers of Technical Staffとされています。記事では、従来の広告システムが検索クエリやページ閲覧といった離散的なイベントに反応するのに対し、ChatGPTでは会話の中で意図が形成され、変化していくと指摘しています。

同社は、ChatGPT Adsがローンチから200日足らずで年換算10億ドル相当の売上ラン・レート（年間換算の収益規模）に達し、ローンチ以降10万社以上の広告主がChatGPTで広告を出稿したと述べています。自ら改善を続ける広告システムの立ち上げは従来であれば数年かかるとされていましたが、それを短期間で実現したという位置づけです。

なぜ従来型では難しいのか

従来型の広告リクエストは、ユーザーが検索語を送信する、Webページを開くといった明確なイベントから始まります。システムは候補となる広告を取得し、ランキングし、オークションで価格を決めて表示するという比較的単純な流れです。

一方、ChatGPTの会話では、ユーザーは単一の答えを求める検索語ではなく目標を持って訪れます。旅行の計画、業務用ソフトウェアの選定、住まいの家具揃え、新しい趣味の学習など、やり取りは一度では完結しません。記事では、レースに向けたトレーニング方法を尋ねた会話が数ターン後にシューズの相談へ移る例が挙げられ、最初のメッセージだけに反応すると意図を取り違える可能性があると説明されています。

3つの設計判断

1点目はステートフルな広告セッションです。広告システムは対象となるターンの間、会話の情報を記憶し、更新しながら追従します。リクエストごとに独立して処理する方式では、意図の単純化による誤読、ニーズが固まる前の早すぎる配信、そして毎回のフロー再実行によるコスト増といったリスクがあると同社は整理しています。

2点目は、会話の文脈と背後にある意図を解釈し、広告の選択・ランキング・配信までを担う専用のポストトレーニング済みLLMです。同社はこれを「オーケストレーター」と呼んでいます。3点目は、広告の選択処理をChatGPTの回答生成とは別のサービスとして動かすことです。別モデル・別コードで構成することで、広告が回答に影響しないようにしていると説明されています。

この分離には実務上の利点もあります。ChatGPTは広告システムに依存していないため、広告配信が遅延したり停止したりしても回答生成は影響を受けません。また「広告を出さない」ことが通常の成功結果と位置づけられ、ユーザーと広告主の双方に明確な価値がある場合に限って配信される仕組みだとしています。

オーケストレーターの処理の流れ

オーケストレーターはまず会話を短いテキスト要約に変換し、それをセマンティックな埋め込み（意味を数値で表したもの）に変えます。その埋め込みを使って広告候補を取得し、予算やユーザー設定などの条件で適格性を絞り込み、品質と関連性を評価したうえで、最終ランキングを行います。配置先はチャット応答の末尾で、各広告は適格性と関連性の高い基準を満たす必要があるとされています。

検索クエリの準備では、会話全体を1本の文字列に圧縮するのではなく、意図の異なる側面を複数のクエリとして保持します。記事では、Yosemiteへの2日間の旅行に関する質問と、あるブランドの新製品ラインに関する質問が続く会話を例に、両者が直接つながっていなくても「ハイキング旅行に適した靴」といった形で意図を表現し得ると説明しています。候補取得には近似最近傍探索（ANN）を用いた複数のインデックスが使われ、高速に候補を集める設計です。

現時点で不透明な点

公開された記事は、適格性フィルタを通過した候補のスコアリング段階の説明に入ったところで途切れています。スコアリングの詳細やオークションの設計、効果測定の方法については、この記事だけでは判断できません。

また、配信対象の地域や言語、出稿の窓口、課金や入札の具体的な条件についても、本文からは読み取れません。記事にはキャンペーンのロケール指定に触れた記述はありますが、日本での提供可否は明示されていません。