Google検索の「AI Mode」が進化、会話しながら画像探索や買い物が可能に

頭の中に具体的なイメージがあるのに、検索窓の前で言葉に詰まってしまう経験は誰にでもあるはずです。部屋の模様替えの雰囲気や、秋物のコートの絶妙なシルエットなど、文字だけではうまく伝えきれない検索意図は少なくありません。

Googleは検索機能「AI Mode」を大幅にアップデートし、言葉にしづらい曖昧なイメージを対話と視覚情報で深掘りできる新機能を発表しました。

フィルター設定をやめ、会話でビジュアルを絞り込む

今週から米国の英語ユーザー向けに提供が始まったこの機能では、友達に話しかけるような自然な言葉で、豊富な画像結果を引き出すことができます。

例えばベッドルームの模様替えで「マキシマリスト（装飾的）なインテリア」を探している場合、表示された結果を見ながら「暗めのトーンで、大胆な柄のパターンをもっと見せて」と追加で指示を出すだけで、好みの方向にビジュアルを更新できます。スマートフォン上なら、表示された特定の画像の一部分を指定して会話形式で質問を重ねることも可能です。

この体験はショッピングにもそのまま活用できます。ブランドや股上、カラーといった面倒な絞り込みフィルターを何重にも設定する代わりに、「だぼっとしすぎないバレルジーンズ」と入力し、後から「アンクル丈のものがいい」と好みを伝えるだけで、購入可能な商品がリストアップされます。

裏側では500億件以上の商品情報を蓄積した「Shopping Graph」が連携しており、そのうち20億件以上が1時間ごとにリアルタイム更新され、在庫や最新価格を反映しています。

技術面では、Google Lensの画像認識とGemini 2.5のマルチモーダル能力を融合させています。さらに「ビジュアル検索ファンアウト」と呼ばれる手法を導入し、画像の主役だけでなく背景にある細かなオブジェクトまで同時に認識して裏側で複数のクエリを実行することで、文脈に沿った検索結果を提示します。

なぜ重要か

私たちは、GoogleがAI検索の戦場を「テキストの要約」から「ビジュアルと購買体験」へとシフトさせた点は非常に巧みだと考えます。インテリアやファッションといった分野は言葉で説明するのが最も難しく、マルチモーダル対話の恩恵を日常で最も実感しやすい領域だからです。

一般ユーザーにとっては、ECサイトの複雑なフィルター操作から解放され、直感的な言葉や写真1枚から理想のアイテムへ辿り着ける実用的なアップデートと言えます。

業界全体で見れば、検索特化型のAIスタートアップに対する強烈な牽制になります。モデル自体の性能差が縮まるなかで、毎時20億回更新される500億件のショッピングデータと長年培った画像インデックスは、新興企業が容易に模倣できない巨大な参入障壁として機能するはずです。