YouTubeがAIで「自分だけのアルゴリズム」構築機能を発表、レコメンドの主導権はユーザーへ

YouTubeがユーザー自身の言葉で好みの動画フィードを作成できる新機能「Custom Feeds」を発表しました。GoogleのGeminiを活用し、プラットフォームの巨大なレコメンド構造にパラダイムシフトを起こすこの試みの技術的本質と業界への影響を読み解きます。

【インパクト分析】ブラックボックス化されたレコメンドからの脱却とAIによるフィードの民主化

これまでYouTubeのレコメンドアルゴリズムは、プラットフォーム側の最適化ロジックに依存するブラックボックスであった。しかし、今回発表されたカスタムフィード機能は、その主導権をユーザーのプロンプト入力によって直接手元に取り戻す試みである。200億本を超える動画資産を抱えるYouTubeにおいて、ユーザーが自身の言葉でコンテキストを指定し、AIにキュレーションを指示できる点は、コンテンツ消費のあり方を根本から変える可能性がある。他社でもBlueskyやSpotifyなどが同様のアプローチを進めており、アルゴリズムのパーソナライゼーションは「自動最適化」から「意図的構築」の時代へと突入したと言える。

「アルゴリズムは選ばされるものから、自ら創るものへと変貌を遂げた」

※Agentic Workflow（エージェント的ワークフロー）：LLMなどのAIが自律的にタスクを分解・実行し、ユーザーの意図に沿った結果を継続的に生成・最適化する仕組み。

【技術の深掘り】Geminiを中核としたプロンプト駆動型キュレーションの仕組み

この新機能の裏側では、GoogleのGeminiモデルがユーザーの自然言語による長文プロンプトを解析し、動的なフィルタリング条件とメタデータの関連付けを行っている。従来のキーワード検索とは異なり、文脈や除外条件、優先順位を複雑に指定できるのが最大の特徴である。以下の比較表にその違いを整理する。

• メリット: ユーザーの細かな気分や目的（通勤中の30分間など）に合わせた高精度なコンテンツ抽出が可能になる。
• デメリット: プロンプトの記述精度に依存するため、ユーザーが自身の意図を言語化できない場合は効果が薄れる可能性がある。

「自然言語は、あらゆる複雑なデータベースを操作する究極のインターフェースとなった」

※Multimodal Embedding（マルチモーダル埋め込み）：テキスト、画像、動画などの異なるデータ形式を共通のベクトル空間に配置し、AIが横断的に理解・検索できるようにする技術。

【日本の視点】国内のレガシーメディアや企業プラットフォームへの応用と明日へのNext Step

日本市場においては、YouTubeはすでに国民的なインフラとして定着しているが、企業による動画マーケティングや社内ナレッジ共有プラットフォームへの応用という観点で大きな示唆を含んでいる。膨大なアーカイブを持つ国内の社内動画マニュアルやアーカイブシステムにおいて、画一的な検索UIではなく、ユーザーが自然言語で「今必要な文脈」のフィードを即座に生成できる仕組みの導入が求められるようになる。エンジニアやプロダクトマネージャーは、明日から自社プロダクトの検索・レコメンド機能を見直し、プロンプトベースでの動的フィルタリングをいかに組み込むかの検証を始めるべきである。

「組織内の膨大な動画資産は、ユーザーの言葉によって初めて価値ある知識へと変換される」

※Vector Search（ベクトル検索）：データの意味や文脈を数値化（ベクトル化）し、キーワードの一致にとどまらず、概念的に近い情報を高速に探し出す検索技術。

【編集部の予測】アルゴリズムのデザイナーと化したエンジニアが創る未来

これからの未来、私たちはもはや「AIに使われる側」ではなく、「AIにアルゴリズムをオーダーする側」の人間になっていくのだと思います。エンジニアの価値は、複雑なレコメンドロジックをコードでゼロから書き上げることから、ユーザー一人ひとりの「文脈」を解釈するAIエージェントの振る舞いを設計し、心地よい情報の生態系をデザインすることへとシフトしていくでしょう。画一的なタイムラインが消滅し、世界に数十億通りのアルゴリズムが存在するパーソナライズされた世界で、技術者は人間の「意図」とAIの「実行力」を繋ぐ翻訳者として、よりクリエイティブな役割を担うようになると確信しています。