広告審査AIの活用ガイド ― 景表法・薬機法のNG表現をAIで自動検出する方法

景表法・薬機法のNG表現をAIで自動検出する仕組みの作り方を解説。ルールベース×LLMのハイブリッドチェック設計、NG表現パターンの学習方法、導入事例を紹介します。

「この広告表現、薬機法的にアウトでしょうか？」――広告審査の現場で、この問いに即答できる担当者はどのくらいいるでしょうか。 景品表示法（景表法）と薬機法の規制は年々強化されており、2025年にはステルスマーケティング規制の本格運用が始まり、消費者庁の措置命令件数も増加傾向にあります。

広告審査の難しさは、「明らかなNG」だけでなく「グレーゾーン」の表現が多いことにあります。「個人の感想です」と注記すれば体験談は許されるのか、「No.1」表記にはどんな根拠が必要か、「〜をサポート」という表現は効能効果の暗示に当たるか――こうした判断を、件数が増えるほど正確かつ迅速に行う必要があります。

この記事では、景表法・薬機法のNG表現をAIで自動検出する仕組みの作り方と、ルールベース×LLMのハイブリッドチェック設計について解説します。

広告規制の最新動向 ― 2025-2026年に何が変わったか

AIによる広告審査を設計するには、まず現在の規制環境を正確に理解する必要があります。2025年から2026年にかけて、広告規制の動きが加速しています。

景表法: 確約手続きの導入と執行強化

2024年10月に施行された改正景表法では、「確約手続制度」が新たに導入されました。これは、違反の疑いがある事業者が自ら是正措置を申し出て消費者庁が認定する仕組みです。この制度により、従来の措置命令に至る前に問題を解決できる一方、「疑い」の段階でも行政対応が必要になるため、事前の広告チェックの重要性がさらに高まりました。

消費者庁は2025年に入ってからも積極的な執行を続けており、特にEC（電子商取引）サイトの広告や、SNS上のインフルエンサー広告に対する監視を強化しています。「打消し表示」（注意書きや免責事項）が不十分な広告への措置命令も相次いでいます。

薬機法: 課徴金制度の定着と監視範囲の拡大

2021年8月に施行された薬機法の課徴金制度が定着し、違反に対する金銭的ペナルティが現実的なリスクとなっています。課徴金の額は、違反期間の売上額の4.5%です。薬機法チェックをAIで効率化する方法でも解説していますが、化粧品・健康食品の広告で特に注意が必要です。

2025年以降は、生成AIで作成された広告コンテンツに対する規制の議論も進んでいます。AIが生成した広告表現であっても、法的責任は広告主にあるという原則は変わりません。むしろ、AIが生成した表現に薬機法上のNG表現が含まれるリスクがあるため、AI生成コンテンツのチェック体制も必要になっています。

ステルスマーケティング規制

2023年10月に施行されたステマ規制（不当景品類及び不当表示防止法第5条第3号の指定告示）が本格運用されています。広告であることを隠した投稿やレビューは、企業が関与している場合に景表法違反となります。インフルエンサーマーケティングやアフィリエイト広告の審査でも、「PR表記の有無」「広告主との関係の明示」をチェック項目に含める必要があります。

図2: 広告規制の3つの最新動向

NG表現をAIに教える: ルールベース×LLMの二層設計

広告審査AIの設計で最も重要なのは、「ルールベースのパターンマッチング」と「LLMによる文脈判断」を組み合わせる二層構造です。どちらか一方だけでは、検出精度と柔軟性の両立ができません。

Layer 1: ルールベース ― NGワード辞書と法令パターン

第一層では、明確にNGと判定できる表現をパターンマッチングで検出します。処理速度が速く、検出漏れがない（辞書に登録されている表現に限る）のが特徴です。

景表法向けNGパターンの例:

• 最上級表現: 「日本一」「業界初」「世界最高」（合理的な根拠なし）
• 二重価格表示: 「通常価格○○円のところ」（比較対象が不適切）
• 有利誤認表現: 「今だけ」「期間限定」（常時使用している場合）
• 打消し表示の不備: 重要な条件を小さい文字で記載

薬機法向けNGパターンの例:

• 効能効果の暗示: 「シミが消える」「痩せる」「若返る」
• 医薬品的な表現: 「治る」「改善」「予防」（化粧品・健康食品の場合）
• 身体機能の変化: 「代謝がアップ」「免疫力を高める」
• 化粧品の56効能逸脱: 認められた効能効果の範囲外の表現

これらのNGパターンを辞書として登録し、正規表現やパターンマッチングで広告原稿をスキャンします。辞書は消費者庁の「不当表示ガイドライン」や厚生労働省の通達をもとに作成し、最低でも四半期ごとに更新します。

Layer 2: LLM ― 文脈を踏まえた暗示表現の検出

第一層のルールベースでは検出できない「暗示的な表現」を、LLM（大規模言語モデル）で検出するのが第二層の役割です。

たとえば、「毎朝スッキリ目覚める生活をサポート」という表現は、個々の単語にはNGワードが含まれていません。しかし、文脈として「睡眠の質の改善」という効能効果を暗示していると解釈される可能性があります。LLMは、こうした文脈上の暗示を検出するのに適しています。

LLMへのプロンプト設計では、以下の4つの観点で判断を求めます。

• 効能効果の暗示チェック: 文脈から医薬品的な効能効果を連想させないか
• 消費者の印象テスト: 一般消費者がこの広告を見て、どのような印象を受けるか
• 打消し表示の妥当性チェック: 広告本文と打消し表示の内容に矛盾はないか
• 体験談・口コミの適正チェック: 個人の感想が効能効果の証明として機能していないか

広告種別ごとのAIチェック設計

広告審査AIは、広告の種類によってチェック項目と重み付けを変える必要があります。ここでは主要な3つの広告種別ごとの設計ポイントを解説します。

テキスト広告（LP・バナー・メルマガ）

テキスト広告は、AIチェックとの相性が最も良い領域です。テキストデータをそのままLLMに入力できるため、前処理がほぼ不要です。

チェック項目の優先度は以下の通りです。

• 最優先: 薬機法NG表現、景表法の優良誤認・有利誤認
• 高: 二重価格表示の適正性、打消し表示の有無と妥当性
• 中: 最上級表現の根拠確認、体験談の取り扱い

SNS広告・インフルエンサー投稿

SNS広告では、テキストの審査に加えて「広告であることの明示」のチェックが必須です。「PR」「広告」「プロモーション」等の表記が、投稿の冒頭で明確に表示されているかをAIで自動チェックできます。

また、インフルエンサーの投稿は、企業が事前に用意した原稿と異なる表現がアドリブで追加されるケースがあるため、投稿後の事後チェックも重要です。広告代理店向けクリエイティブ審査の半自動化で紹介しているワークフローが参考になります。

動画広告

動画広告は、音声のテキスト化（文字起こし）を前処理として行った上でテキストチェックを適用します。2026年現在のLLMはマルチモーダル対応が進んでおり、動画のフレーム画像とテキストを同時に入力して判断させることも技術的に可能です。

ただし、動画広告では「テロップと音声の組み合わせで生まれる印象」や「映像による暗示」（例: 白衣を着た人物の登場による医療イメージの付与）といった複合的な判断が必要なため、LLMだけでは十分とは言えません。こうした判断は、マルチモーダルAIで審査はどう変わるかで解説しているように、今後の技術発展に期待がかかる領域です。

図3: 広告種別ごとのAIチェック適合度

導入のロードマップ: 3段階で始める広告審査AI

広告審査AIは、一度に完璧な仕組みを作ろうとせず、3段階で段階的に構築することを推奨します。

Stage 1: NGワード辞書の整備（1〜2週間）

まず、自社の広告で過去に指摘された表現や、業界で問題になった事例をもとにNGワード辞書を作成します。消費者庁の公表事例や、JARO（日本広告審査機構）の審査事例も参考になります。

辞書のフォーマットは、「NGワード/表現」「該当法令」「NGの理由」「OK言い換え例」の4列で整理します。最初は50〜100件程度で十分です。

Stage 2: LLMチェックの導入（2〜4週間）

NGワード辞書によるルールベースチェックに加え、LLMによる文脈チェックを追加します。ChatGPTやClaudeのAPIを使い、プロンプトにNGパターンの判断基準とFew-shotの事例を含めます。

この段階では、LLMの出力結果を「参考情報」として表示し、最終判断は人間が行うフローにします。LLMの検出精度を2〜4週間のパイロットで検証し、精度が安定したらStage 3に進みます。

Stage 3: ワークフロー統合（2〜4週間）

チェック結果を広告制作・承認のワークフローに統合します。広告原稿が提出されると自動でAIチェックが走り、結果がレポートとして審査担当者に表示される仕組みです。

AIがNG判定した原稿は自動で差し戻し（修正理由と言い換え案を添付）、OK判定の原稿は審査担当者の承認キューに回すという自動ルーティングを実装します。AIコンプライアンス体制の構築ガイドで解説している体制設計も合わせて検討してください。

図4: 3段階導入ロードマップ

よくある質問（FAQ）

AIだけで広告審査を完結できますか？

現時点では完結は難しいです。AIは明確なNG表現の検出に強い一方、比較広告の妥当性や消費者の受け取り方の判断は人間の専門知識が必要です。AIで一次スクリーニングを行い、人間が最終判断する体制が推奨されます。特にグレーゾーンの表現（「〜をサポート」「実感」など）は、業界慣行や過去の行政指導事例を踏まえた判断が必要です。

景表法と薬機法の違いは何ですか？

景表法（景品表示法）は全業種の広告における不当表示（優良誤認・有利誤認）を規制する法律です。薬機法（医薬品、医療機器等の品質、有効性及び安全性の確保等に関する法律）は医薬品・化粧品・健康食品の広告に特化し、効能効果の表現を厳しく制限する法律です。化粧品や健康食品の広告では両方が同時に適用されるため、両法令を横断したチェックが必要です。

AIの広告チェックツールにはどんなものがありますか？

薬機法チェックに特化した薬事チェッカーや、表記ゆれ・NG表現を自動検出するクラウドサービスが複数あります。汎用LLM（Claude、GPT-4o）をプロンプト設計でカスタマイズして利用する企業も増えており、自社の審査基準に合わせた柔軟なチェックが可能です。まずはフリートライアルで複数のツールを比較してから選定することをおすすめします。

広告審査AIの導入コストはどのくらいですか？

クラウド型の広告審査ツールは月額数万円から利用可能です。自社でLLM APIを使ったカスタムソリューションを構築する場合は、初期開発費用として数十万〜数百万円が必要です。ただし、月間の広告審査件数が100件を超える組織では、審査工数の削減効果（1件あたり30分 × 100件 = 月50時間）を考慮すると、ROIは数ヶ月で回収可能です。

まとめ

広告審査AIは、規制強化の流れの中で「守り」のツールとしてだけでなく、「審査スピードの向上による広告展開の加速」という攻めの効果ももたらします。

• 規制環境の変化: 景表法の確約手続き導入、薬機法の課徴金制度定着、ステマ規制の本格運用により、事前審査の重要性が増大
• 二層チェック設計: ルールベース（NGワード辞書 + 法令パターン）× LLM（文脈分析 + 暗示表現検出）の組み合わせが効果的
• 広告種別への対応: テキスト広告はAI相性が高く、SNS広告はステマ規制チェックが必須、動画広告はマルチモーダル対応が課題
• 3段階導入: NGワード辞書整備 → LLMチェック導入 → ワークフロー統合の順に段階的に構築

次のアクションとして、まず自社の過去の広告審査で指摘された表現を50件ほど収集し、NGワード辞書の第一版を作成するところから始めてみてください。

この記事の著者

Naosy 編集部

レビュー・校正・審査プロセスの最適化に関する実践的なナレッジを発信しています。