マーケティングにおけるAIエージェント

実際、現在生成AIを使用している企業の50%が2025年にエージェント型AIのパイロット・プログラムを開始する予定です。¹

これまでのツールとは異なり、AIエージェントは人間の介入をあまり必要とせずに複雑なタスクを実行することができます。顧客エンゲージメント、コンテンツ作成、キャンペーン管理、パフォーマンス分析など、幅広いマーケティング機能をサポートします。

マーケティング担当者がAIエージェントをどのように使用しているかを理解するには、まずAIエージェント自体を理解することが助けになります。これは、生成AIとエージェント型AIという2つの主要なタイプのAIの違いを理解することから始まります。生成AIは、ユーザーのプロンプトに基づいて独自のコンテンツを作成します。エージェント型AIは、自ら決定して行動し、ほとんど監督を受けずに複雑な目標を追求できます。

AIアシスタントは連続的に存在します。まず、事前定義されたスクリプトに従うルールベースのチャットボットがあります。その後、より高度なバーチャル・アシスタントが登場し、その次に、シングルステップのタスクを処理できる生成AIと大規模言語モデル（LLM）を搭載したアシスタントが登場します。この進歩の最上位にあるのが、自律的に動作するAI搭載のエージェントです。これらのエージェントは、意思決定を行い、ワークフローを設計し、関数呼び出しを使用して外部ツールと接続し、知識のギャップを埋めます。

AIエージェントは単純なマーケティング・オートメーション以上のことを行います。基本的なチャットボットなどのAIツールはスクリプト化された応答を提供する場合がありますが、AIエージェントはインプットを解釈し、オプションを介して推論し、複数のプラットフォームにわたって文脈に応じた意思決定を行うことができます。時間の経過とともに行動を適応させ、大きな目標を小さなステップに分割して、最小限の監視で複雑なマーケティング戦略をサポートすることができます。

たとえば、IBM自身のトランスフォーメーション・チームは、IBMの人事部門と協力して、簡素化され、パーソナライズされ、データ駆動型の従業員セルフサービス・エクスペリエンスを実現しました。現在、IBM全社の人事に関する下位レベルの問い合わせの94%は、AskHRデジタル・エージェントが回答しているため、人事担当者はより複雑な問題に集中できるようになりました。 ²

このような成果を達成するために、AIエージェントはテクノロジーの組み合わせに依存しています。機械学習はパターンを認識し、予測を行うのに役立ちます。自然言語処理（NLP）により人間の言語を理解して生成するようになり、生成AIにより独自のコンテンツを作成する能力が得られます。

これらのエージェントは通常、推論とパーソナライゼーションをサポートするために、大規模なデータセットでトレーニングされたAIモデルを活用します。同様に重要なのは顧客関係管理（CRM）やアプリケーション・プログラミング・インターフェース （API）などの外部システムとの接続です。これにより、関連データを取得し、インタラクションをパーソナライズし、現実世界の環境で行動できるようになります。

たとえば、AIエージェントは、製品に関する質問に答えるだけでなく、質問内容や収集した顧客データに基づいて顧客の購入意図を認識することができます。エージェントは主要な機能を要約したり、割引を提示したり、パーソナライズされた製品のおすすめをフォローアップしたりできます。エージェントは、明示的なプロンプトを受信せずにこれらの手順を実行します。

単一のAIエージェントは、CRM記録の更新や顧客の問い合わせへの回答など、比較的単純な反復的なタスクを処理することができます。より高度なアプリケーションでは、マルチエージェント・システムはインテリジェントなチームのように機能します。これらのエージェントは、サブタスクを委任し、情報を共有し、ツール間の調整を行うことで、キャンペーンの計画、コンテンツのバリエーションの生成、資料の配布、パフォーマンスの分析といった複雑なワークフローを完了できます。

このコラボレーション機能により、AIエージェントは従来のアシスタントとは一線を画しています。洞察を共有し、責任を分担することで、エージェントは相互に依存するタスクを処理し、あるプロセスから別のプロセスに文脈を伝えることができるため、よりインテリジェントで、適応性があり、効率的なマーケティング業務になります。

エージェント型AIシステムは素晴らしいです。しかし、自律的で不透明な意思決定やバイアス、サイバーセキュリティーの脅威、規制のギャップに対する脆弱性により、複雑なガバナンスの課題をもたらしています。機械学習と外部APIに依存しているため、公平性、説明責任、プライバシーを確保することが困難になっています。

組織は、これらのリスクを管理するために、従来のガバナンスの実践を拡張する必要があります。AIサンドボックス、ストレス・テスト、エージェント間の監視、緊急シャットダウン・メカニズム、人間による監視、IBM® watsonx.governance®ツールキットのようなガバナンス・システムなどの安全対策を採用する必要があります。AIシステムが拡大するほど、その安全で倫理的で効果的な使用を確保するために、責任あるガバナンスが不可欠になります。 ³

IBMが委託した調査によると、AIエージェントがパフォーマンス向上とROIに最初に大きな効果をもたらすと予想されるユースケースは、カスタマー・ケアとセールス・サポートの2つです。⁴Gartner社のレポートによると、2028年までに日常業務の意思決定の少なくとも15％がエージェント型AIを通じて自律的に行われると予測されており、これは2024年の0％から増加しています。⁵

AIエージェントはマーケティング担当者に強力な新しいツールを提供します。マーケティング担当者は、大規模に学習、推論、実行するシステムに、実際の意思決定と実行を委任できるようになりました。AIマーケティング・エージェントは顧客データを分析できます。パーソナライズされたメッセージを書いて送信できます。広告キャンペーンを管理し、戦略を見直すことができます。エージェントは、継続的な人間によるガイドを必要とせずに、これらすべての作業を行います。

これらのユースケースは、主要なマーケティング機能にまたがっています。たとえば、Eメール・マーケティング、ソーシャル・メディア、SEO、料金体系戦略などが含まれます。これらの機能により、AIは現代のマーケティング・パフォーマンスを推進する上で大きな力を発揮しています。²

たとえば、単純なチャットボットの場合、「返品ポリシーを教えてください」と入力すると、スクリプト化された回答で応答する可能性があります。AIエージェントは、さらに多くのことができます。顧客が購入する可能性が高いことを認識し、積極的にサポートを提供することができます。また、製品の詳細を要約し、フォローアップをパーソナライズして、時間の経過とともに学習した内容に基づいて動作を調整することもできます。

AIエージェントは、古いワークフローを高速化するだけでなく、マーケティング・チームが達成できることを再定義しているのです。これらは、クリエイティブおよび顧客エンゲージメント戦略をサポートし、積極的な協力パートナーとして複雑なデータ分析と実行に取り組むことができる、新世代のインテリジェントなデジタル・マーケティング・ツールを表しています。

AIエージェントは、意思決定と行動の方法を根本的に再構築するため、マーケティングの取り組みにおいて重要です。従来のマーケティング・システムは、自動化されていても、あらかじめ定義されたルールと人間主導のキャンペーン計画に大きく依存しています。このようなアプローチでは、現代の消費者行動のスピード、量、多様さに追いつくのが大変です。

AIエージェントは、自律的に推論し、学習し、行動するように設計されています。これにより、マーケティング担当者は個々の顧客のニーズにリアルタイムかつ大規模に対応できるようになります。

その重要性は、自動化だけでなく、ブランドと消費者の間の適応型の仲介者として機能する可能性にもあります。ユーザーがプラットフォーム、チャネル、デバイス間を行き来してマーケティング・プロセスが細分化されていくと、AIエージェントは文脈を解釈し、カスタマー・ジャーニーにユーザーを引きつけ、導くことができるインテリジェントな存在として機能します。

新しい情報に基づいて戦略を継続的に見直し、ブランド・ボイスとの一貫性を維持しながら、ランキングやコンバージョン率といった主要なメトリクスのパフォーマンスを高めることができます。

AIエージェントは、人間の注意力と組織の能力の限界という、増え続ける戦略的課題にも対処しています。チャネル、ツール、データ・ソースの数が増えるにつれて、マーケティング・チームがこれらすべての情報をリアルタイムで統合することは現実的でなくなりました。AIエージェントは継続的かつ自律的に動作するため、マーケティング・システムのアジャイル性が向上します。

これにより、人間のチームが実行のすべての要素を細かく管理する必要性が減り、より高度な計画、ブランド戦略、クリエイティブな方向に集中できるようになります。

AIエージェントは、マーケティング業務モデルを、定期的で静的なキャンペーンに基づくモデルから、動的で継続的なインテリジェント・システムに移行します。この変化により、組織は顧客へのサービス提供とビジネス目標の達成において、適応力、即応性、効率性を高めることができます。このようなエンドツーエンドの変革は、SaaSプロバイダー、eコマース・プラットフォーム、金融サービス企業など、複雑でマルチタッチなカスタマー・ジャーニーを伴う企業にとって特に価値があります。

マーケティング担当者は、AIエージェントをインテリジェントなコパイロットとして使用し、手作業、継続的な監視、大規模な調整が必要となるタスクを管理します。AI駆動型のマーケティング活動に導入した例をいくつかご紹介します。

AIエージェントは、インテリジェントなチャット・インターフェースを通じてブランドが顧客とやりとりする方法を改善します。従来のルールベースのチャットボットとは異なり、これらのエージェントは自然言語を理解し、進行中の会話の文脈を追跡し、より人間に近い方法で対応します。

製品の選択やサービスの問題のトラブルシューティングなどの複雑なタスクでユーザーをガイドし、その多くが、ChatGPTなどのLLMツールとの統合によって強化され、会話機能がさらに拡張されます。

特殊な例としては、知識ベース・エージェントが挙げられます。これは、セルフサービスの知識リソースを動的に更新し、顧客が自主的に問題を解決できるようにします。 ⁶

AIエージェントは、たとえば、さまざまセグメントのオーディエンスに向けたeメール・キャンペーンの何十もの広告バリエーションを手動で設計するのではなく、ユーザーの行動、好み、履歴を分析して、すべての人に合わせたメッセージを生成することができます。このようなエージェントは、自然言語生成を使用して独自のコピーを作成し、機械学習を使用して、クリック、コンバージョン、より深いエンゲージメントにつながる可能性の高いコンテンツを判断します。

さらに一歩進んだ取り組みとして、パーソナライズド動画スポークスパーソン・エージェントは、ユーザーの名前を呼びかけ、特定の興味を反映するようにカスタマイズされた動画を生成します。これにより、動的なコンテンツに人間味が加わわります。⁶

AIエージェントは、マーケティング・キャンペーンを自律的に実行して調整し、これまで大規模なチームが行っていたタスクを引き受けることができます。検索エンジン、ディスプレイ・ネットワーク、LinkedInのようなソーシャル・ネットワークなどのプラットフォームにわたるメディア購入を自動的に管理できます。インプレッション、クリックスルー率、キャンペーンのパフォーマンスといったリアルタイムのパフォーマンス・データを監視し、キャンペーンの目標を達成するために入札、ターゲティング基準、予算配分を調整します。

エージェント型AIは、疲労することなく継続的に動作します。たとえば、一晩のうちに大企業の広告キャンペーンを調整することも可能になります。広告費の決定やコンテンツの作成や投稿などを行う場合もあります。ここでは戦略エージェントが重要な役割を果たし、予測分析と過去のパフォーマンス・データに基づいてキャンペーン構造を最適化します。⁶

AIエージェントは、大量の市場データ、顧客からのフィードバック、キャンペーンの成果を処理して、洞察を生成したり、推奨事項を作成したりできます。一部のエージェントは相互に連携することもできます。1人はコンテンツ作成を管理し、もう1人は配信を処理し、もう1人はパフォーマンスを評価します。この連携により、時間の経過に応じて学習して調整できる、よりスマートで接続性の高いマーケティング システムが作成され、戦略的フレームワークやお客様事例で成果が示されます。

たとえば、トレンドや洞察のエージェントは、行動データやセンチメント分析をマイニングして、新興市場のトレンドを明らかにすることができます。同時に、ソーシャル・リスニング・エージェントは、オンラインでの会話を積極的に監視し、リアルタイムでオーディエンスと連携して、ブランド認識の変化を検知して対応します。⁶

内部的には、AIエージェントがコンテンツ生成、レポート、パフォーマンス追跡などの内部タスクを自動化することで、マーケティング業務を合理化します。ツールやプラットフォーム間で調整しながら、コピーのバリエーションを下書きし、エンゲージメント・パターンを分析し、次のアクションを推奨することができます。

進化するにつれて、ツールとシステムの間の橋渡しとしての役割が強化され、マーケティング担当者が複雑で部門横断的なプロセスをより効率的に管理できるように支援します。これには、FAQ、顧客ワークフロー、アウトリーチ・キャンペーンの統合が含まれます。

たとえば、コンテンツ生成エージェントは、テキスト、画像、動画にわたって、パーソナライズされ文脈に即した素材を生成できます。マルチモーダル・クリエイティブ・ブリーフ・エージェントは、再利用可能なテンプレートを使用して一貫性とスピードをサポートすることで、キャンペーンの目標を、サンプル・メッセージング、デザインの方向性、オーディエンスの洞察を備えた包括的なクリエイティブ・ブリーフに変換できます。⁶

AIエージェントは主に以下の方法で、マーケティング・チームの働き方を改善し、変革します。

継続的な改善：AIエージェントはパフォーマンス・データをリアルタイムで監視して分析するため、人間によるインプットを待つことなく自律的にキャンペーンをテスト、学習、調整できるようになります。これにより、メッセージング、クリエイティブ、予算の継続的な微調整が可能になり、結果としてより良い成果につながります。

顧客エンゲージメントの向上：AIエージェントは、従来のチャットボットのようなスクリプト化された応答を提供するのではなく、文脈を理解し、顧客のニーズを通じて推論し、セッションやチャネル全体で会話を遂行することができるため、より有用で関連性の高い顧客との対話を生み出すことができます。

システム全体の複雑さの削減：マーケティング・システムは通常、相互に連携していないため、調整が困難になります。AIエージェントはインテリジェントな中間層として機能し、ツール、データ、ワークフローをつなぎ合わせて、複数のチームやプラットフォームの調整が必要となるプロセスを自動化します。

より少ないオーバーヘッドでのスケーラブルな実行：AIエージェントは、人員を増やすことなく、メッセージのテストやターゲットの調整など、何千もの細かい意思決定やタスクを同時に管理できます。また、HubSpot、Salesforce、その他のCRMソリューションなどのプラットフォームと統合して、エンドツーエンドのキャンペーン管理をサポートし、小規模なチームが高度なマーケティング戦略を効率的に実行できるようにすることもできます。

意思決定サポートの強化：一部のAIエージェントは、タスクの実行に加えて、戦略的な推奨事項を提供し、問題にフラグを立て、提案を行うことで、人間の判断を代替するのではなく、補完します。

常時稼働型マーケティング： AIエージェントを活用する企業は、アクティブなキャンペーンを維持し、顧客とのやり取りを一日中継続しやすくなります。AIエージェントは休憩を取らないので、顧客体験、更新、分析は、人間のチームがオフラインのときでも稼働し続けます。

AIとAIエージェントは人間のマーケティング担当者に完全に取って代わることはできず、近い将来もそうならない可能性が高いでしょう。むしろ、マーケティング・チームが何に重点を置いているか、そしてその働き方を変革しているのです。ここでは、マーケティングや他の業種に影響を与える、10年以内に見られるだろうAIの進歩をいくつか紹介します。 ⁷

マルチモーダルの現状維持 ：テキスト、音声、画像、動画などの複数形式のインプットを処理し、統合するマルチモーダルAIは、はるかに洗練されたものになるでしょう。この進歩により、AIは人間のコミュニケーションをよりよく模倣できるようになり、コンテキストが豊富で複雑な問い合わせを理解し、図、音声指示、ビデオ・デモなどのパーソナライズされたマルチモーダル・アウトプットで応答できるインテリジェントなバーチャル・アシスタントを強化できるようになります。

AIの民主化とモデル作成の簡素化：AI開発は、ノーコードおよびローコード・プラットフォーム、自動化された機械学習ツール、プラグアンドプレイAPIを通じて、ますますアクセスしやすくなっていくでしょう。起業家、愛好家、企業は、より迅速なイノベーション・サイクル、AI支援のワークフロー、クラウドベースのカスタマイズ可能なモデルのメリットを受けることができます。このような進歩により、専門家でなくてもカスタムAIソリューションを開発して導入できるようになり、創造性が育まれます。

ハルシネーション（幻覚）保険：AIが極めて重要な分野に不可欠なものとなるにつれて、組織は誤ったアウトプットによる財務的、法的、または風評的な損害を防ぐために「AIハルシネーション保険」を導入する可能性があります。こうしたポリシーは、誤情報や誤った推奨事項、偏った決定など、生成AIのミスによるリスクをカバーし、モデルの信頼性に関する保護手段の制度化に役立ちます。

経営幹部のためのAI：AIは経営幹部の戦略アドバイザーとして機能し、リアルタイムのデータ駆動型知見とシナリオ・シミュレーションを提供して、ビジネス上の意思決定をサポートします。高度なシステムは、部門間の調整を効率化し、予測的な計画を提供し、従来は大企業のみが利用できたツールを中小企業にも提供します。AIは基本的にリーダーシップにとって信頼できるパートナーになります。

AI倫理と規制 ：グローバルなAI規制は、テクノロジーの急速なペースに合わせて進化していくでしょう。これらの規制では、特に高リスクの用途における透明性、堅牢性、人間による監視が重視されます。偏見、プライバシー、説明責任などの倫理的懸念により、AIをリスク・レベル別に分類し、安全基準を施行し、大量監視やソーシャル・スコアリングなどの有害なユースケースを禁止するポリシーが推進されます。

データの使用とガバナンス：実世界のデータを倫理的に大規模に取得することが困難になる中、合成データがAIトレーニングの標準となるでしょう。組織は、独自のデータセットと厳格な品質保証を優先して、カスタマイズされたモデルを作成します。「シャドーAI」を制御し、承認されたシステムが機密情報を責任を持って扱うことを保証するために、より厳格なガバナンスが実装されます。