2026年に入り、「ヴィンテージ」や「古着の探し方」といった検索が過去最高を記録している。この流れを受け、グーグルは検索とショッピングにAI機能を組み合わせ、スマホひとつで完結する新しい古着・ヴィンテージ探索体験を打ち出した。単なるキーワード検索から、カメラでモノを調べ、類似品を探し、試着までする流れが一気通貫で可能になる。

この記事を一言でいうと

グーグルが検索のAIモード、Google Lens、イメージ検索連携、仮想試着を組み合わせ、実店舗とネットの境界を取り払った「古着・ヴィンテージ探索」の新しい購買導線を提供し始めた。買い物の起点がテキストから画像・カメラ・音声問い合わせに広がる技術転換である。

なぜ話題なのか

2026年に「vintage」と「how to thrift」の検索需要が過去最高を記録する中、グーグルはAI技術を検索とショッピングに統合し、こうした関心を直接的な購買行動へつなげる仕組みを整えた。とくに中古・ヴィンテージ品は一点ものが多く、テキスト検索では探しにくい領域だった。そこへ、カメラで実物を写して調べるGoogle Lensや、画面に映ったものを指で囲んで検索する「かこって検索」を組み合わせたことで、在庫の文脈がない商品でも発見しやすくなった点が新しい。

一般読者や企業にどう関係するのか

消費者にとっては、古着屋で気になるジャケットをカメラで撮れば年代やデザイナーの情報を即座に調べられ、ネット上での相場も確認できる。買う前に画面上で「仮想試着」してスタイルを確かめ、そのままオンライン購入もできるため、衝動買いのハードルが下がる一方、失敗も減る。

日本のリユース・古着市場は約2兆円超とされ、個人経営の古着店や大手リサイクルチェーンがひしめく。グーグルのAI探索機能が日本語対応をどこまで進めるか次第で、店頭での接客体験やECサイトへの送客設計にも影響が出る可能性がある。たとえば実店舗の商品を撮影して即座に価格比較される時代に入れば、小売側は価格や希少性の説明をより明確に求められるようになる。

AI業界の構造で見ると何が変わるのか

この動きは、グーグルが「検索エンジン」としての枠を超え、カメラとAI推論を組み合わせた「リアルタイム商品認識＋購買アシスタント」へ移行していることを示す。重要なのは以下のレイヤーである。

  • AIモード（対話型検索） : ユーザーの曖昧な希望（「90年代のジャージがほしい、ついでにグルテンフリーのブランチも」）を地理情報や店舗データと組み合わせて旅程化する。単なる検索結果一覧から、行動プラン提案への転換。
  • Google Lensと「かこって検索」 : 画像認識とマルチモーダルAIにより、テキスト化しにくい一点物の探索を可能にする。これまでECプラットフォーム内でしかできなかった類似検索がOSレベルで動く点が大きい。
  • 仮想試着（Virtual Try-On） : 生成AIによる人物画像合成で、購入前に試着感覚を提供する。リセール品のような返品が難しい商材において、購買決定を後押しするインフラとなる。

これらはすべて、グーグルの大規模言語モデルと画像生成AI、クラウドインフラ上で動いており、検索広告やショッピング広告と連携する収益構造も見える。買い物行動データを検索から決済近くまで囲い込める強みがあり、視覚検索を起点としたコマース流入では、PinterestやAmazonとの競争が激化するレイヤーでもある。

一次情報から確認できる事実

  • 2026年、「vintage」「how to thrift」の検索需要が過去最高を記録しているとグーグルが明らかにしている。
  • AI Mode in Searchを使い、具体的で細かな質問（例：「サンフランシスコでヴィンテージジャージを探す場所、徒歩圏内にグルテンフリーのブランチがとれる店も」）から店舗提案を得られる。
  • Google Lensで実物を撮影し、デザイナーや年代の情報、ネット上の価格や希少性を調べられる。
  • 「かこって検索」で画面上の画像を囲むだけで類似アイテムの検索と価格比較が可能。さらに「90年代風の似たスタイルは？」といった追加質問もできる。
  • 仮想試着機能では、Lensで見つけた類似アイテムに対して「try it on」ボタンから試着画像を生成できる。

関連企業・関連技術

  • Google : 検索、Google Lens、AI Mode、かこって検索、仮想試着、ショッピング広告
  • 競合関連 : Amazon（画像検索とファッションAI）、Pinterest（ビジュアルサーチ）、メルカリ・ヤフオク（日本の中古C2C、画像検索対応状況が焦点）
  • 基盤技術 : マルチモーダルAI（画像＋テキスト推論）、画像生成AI（仮想試着）、位置情報連動AI提案、大規模言語モデル（対話プランニング）

今後の論点

  • 日本語や日本国内の地図・店舗情報とAIモードの統合がどの程度進むか。古着文化が強い原宿・下北沢・高円寺などで機能すれば利用が一気に広がる可能性がある。
  • 仮想試着の精度や衣服カテゴリの対応範囲が、購買転換率にどこまで影響するか。特に一点ものの古着はサイズやシルエットの個体差が大きく、AIの汎化性能が問われる。
  • 視覚検索と購買の融合が進むと、実店舗で商品をスキャンして最安値を探す行動が一般化し、小売側の価格戦略や顧客体験設計に変化を迫るかどうか。