Adobe AIとの歩みは、予測インテリジェンスから生成 AIによるクリエイティブな創造、そして意図を持って行動するエージェント型AIシステムへと進化してきました。その過程で、パーソナライゼーションの規模拡大や生産性の向上、イノベーションの推進方法が大きく変わりました。ここで得られた知見や、到達までの道のり、そして今後の展望をご紹介します。
はじめに
AIは、もはやデジタルエクスペリエンスの未来的な流行語ではなく、現代のパーソナライゼーションや生産性、規模の拡大を支える原動力となっています。精度とスケールが重要なトラベル、ホスピタリティ、エンターテインメント業界では、多くの組織がAdobe AnalyticsやAdobe Targetの予測AI機能から導入を始めました。その後、Adobe Experience Platform AI Assistantなどのツールを活用した生成 AIへと展開し、現在はAdobe Experience Platform内外でエージェント型AIの機能へと進化しています。この過程で、導入やガバナンス、イノベーションに関する重要な学びが得られました。これらの知見は、AIを活用したデジタルエクスペリエンス戦略を構築するすべての組織にとって、ますます重要になっています。
AIの基盤
Adobe AnalyticsとAdobe Targetは、AIを活用したマーケティングの導入ポイントとなりました。Adobe Analyticsは、異常値検出や貢献度分析、予測によって、将来を見据えたインサイトを提供し、Adobe Targetは自動ターゲット、パーソナライゼーション、レコメンデーションによって、実用的なパーソナライズを実現しました。
これらの機能はAIへの信頼の基盤を築き、さまざまな形でROIを証明しました。
- 効率向上: インサイトの抽出やコンテンツ最適化に必要な手作業を削減します。
- 収益向上: パーソナライズされた体験によって、コンバージョンや平均注文額の明確な改善を促進します。
- 顧客体験への影響: より迅速かつ関連性の高いインタラクションを可能にし、エンゲージメントと満足度を向上させます。
これらの成果が、予測型AIの具体的なビジネス価値を示し、より高度なユースケースへの拡大に向けてステークホルダーの信頼醸成につながりました。
実践ガイド:Adobe AnalyticsとAdobe TargetでAIを活用する3つのステップ&
- Adobe Analyticsで異常値検出や貢献度分析から始めて、AIによるインサイトを検証しましょう。
- Adobe TargetのAutomated Personalizationを活用し、予測型AIによって最適化されたコンテンツバリエーションを各訪問者に提供します。
- 自動ターゲットやレコメンデーションを通じて、収益向上やROIを早期に可視化し、ビジネスへの具体的な効果を示しましょう。
Adobe Experience Platform AI アシスタントによる生成 AI への飛躍
本当の転機は、Adobe Experience Platform(AEP)を導入し、生成 AI を搭載した Adobe AI アシスタントの利用を開始したときでした。AI アシスタントはすぐに単なる新しい機能以上の存在となり、チーム全体の日々の生産性向上ツールとして定着しました。
AI アシスタントを導入した理由
AI アシスタントを利用する決断には、3つのニーズがありました。
- インサイトの迅速な取得:アナリストやビジネスユーザーは、複雑なデータセットから手動でクエリを書くことなく、素早く回答を得る必要がありました。
- アクセシビリティ:Adobe Experience Platform は高機能ですが、非技術系ユーザーには難しく感じられることがあります。会話型のクエリによって、より自然にデータやインサイトにアクセスできることで、その障壁を下げることができます。
- オンボーディング:新入社員や役割の入れ替え時に、Adobe Experience Platform でチームが生産的になるまで多くの時間がかかっていました。AI アシスタントは、探索をガイドするインタラクティブな「コーチ」として活用できます。
初期のユースケースとその進化
- オンボーディング& 有効化:新規ユーザーは、AI アシスタントを「ガイド付きコーチ」として活用し、データセットの探索や XDM スキーマの理解、プラットフォームアプリケーション(Real-Time CDP、Customer Journey Analytics、Journey Optimizer)の機能を実践的に学ぶことができます。ドキュメントを受動的に読むのではなく、「キャンペーンパフォーマンスで利用可能な指標は何ですか?」や「オーディエンスのエンゲージメント傾向をどのように分析できますか?」などと質問することで、対話型のアプローチによりオンボーディング期間が数か月から数週間へと大幅に短縮されました。
- トラブルシューティング& データ探索:初期段階では、AI アシスタントが欠損フィールドや不整合なデータ定義の理解を支援していました。現在は、クエリの検証や異常値の検出、より正確な洞察を得るための推奨事項も提供しています。
AI アシスタントで自然言語クエリを活用するためのベストプラクティス
- 新規ユーザーには、AI アシスタントを最初のガイドとして活用し、データの探索やプラットフォーム機能の習得を対話的に進めることを推奨します。
- 代表的なクエリやベストプラクティスを紹介するスタータープロンプトを用意してください。
- AI アシスタントの利用と体系的な有効化セッションを組み合わせることで、最も早く定着し、自信を持って活用できるようになります。
主な成果
- アナリストやビジネスユーザーは、アクション可能なインサイトをより迅速に得られるため、クエリやレポート作成にかかる時間が数日から数分に短縮されます。
- 非技術系ユーザーも、アナリストへの大きな依存なく、Adobe Experience Platform 上で直接作業する自信を持てるようになりました。
- 新規メンバーのオンボーディングも 2~3 倍速くなり、シニアメンバーの負担が軽減されました。
その効果は明らかで、チームの効率が向上し、Adobe Experience Platform の利用ハードルが下がり、自然言語クエリによって各部門のユーザーがデータ探索やインサイト獲得をスムーズに行えるようになりました。
しかし、導入には さまざまな課題がありました。
- 不安と誤解:法務およびコンプライアンス部門では、ゲストのデータをAIモデルで利用すると、外部に情報が漏れる、または他社で再利用されるのではないかという懸念が当初ありました。これらの懸念に対応するためには、データ利用の明確なドキュメント化、アーキテクチャの透明性、継続的な教育が必要でした。
- 信頼と導入のハードル:組織内でも、多くの人がAIによって人間の判断が置き換えられたり、自分たちのコントロールが減るのではないかと懸念していました。AIは代替ではなく支援ツールであることを強調し、「AIはアシスタントとして活用する」という立場から導入を進めました。
- データの準備状況に関する課題:技術チームは、生成AIの性能は扱うデータの質によって大きく左右される現実に直面しました。正確なアウトプットや信頼できるインサイトを得るためには、クリーンで統合された360° データが不可欠です。AEPの統合プロファイルレイヤーと中央集約型データプラットフォームが、この課題の克服に役立ちました。
これらの課題を認識し、対策を講じたことで、そのメリットは明白になりました。
エージェント型AIの新しい時代
生成 AIは高い能力を持っていますが、エージェント型AIは次の革新領域です。エージェント型AIはプロンプトへの応答だけでなく、戦略策定からセグメント作成、パーソナライゼーションの実行、データ品質のチェックまで、多段階のワークフローを自律的に実行・統合できます。 「支援型」から「協働型自動化」への転換です。生成 AIは質問への回答やコンテンツ生成を行いますが、エージェント型AIは複数のタスクを調整し、依存関係を管理し、定義された目的に沿って複雑なワークフローを実行します。
現在、次の取り組みを進めています。
- Adobe Experience Platform Agent Orchestrator - 複数のエージェントが連携して、多段階のマーケティングワークフローを実行できるようにします。
- Purpose-Built Adobe Experience Platform Agents - セグメンテーション、アクティベーション、インサイトに特化した専用エージェントです。
- Adobe GenStudio と Firefly - パーソナライズされたブランドセーフなコンテンツを大規模に生成します。
Adobe のプラットフォーム外でも、データ品質、ID解決、パーソナライゼーション戦略のためにエージェント型AIの活用を検討しており、AIが顧客ジャーニー全体で機能することを確保しています。
現在、キャンペーンの構築には複数の手順が必要です。データエンジニアリングがオーディエンスを準備し、マーケティングがコンテンツを設計し、オペレーションがアクティベーションを管理します。今後は、連携したエージェント型AIプロセスがこれらの手順をシームレスに実行し、手作業によるやり取りを大幅に削減できます。この変革により、チームは戦略やクリエイティブな意思決定により多くの時間を割くことができ、市場投入までの期間も数か月から数日に劇的に短縮されます。
エージェント型AIの導入準備:3つのステップ
- 法務・セキュリティ部門への早期相談:アーキテクチャやワークフロー、データ利用を文書化し、コンプライアンスやプライバシー、セキュリティの保護策が整っていることを示してください。
- エージェントの役割と責任の明確化:各エージェントが管理するプロセスやワークフロー(例:セグメンテーション、コンテンツ生成、最適化、検証)を具体的に定め、ビジネス目標と整合させます。
- 限定的なワークフローのプロトタイプ作成:まずは小規模かつ管理された実験から始め、全社規模のオーケストレーションへ拡大する前に、初期成果を共有して理解と信頼を高めましょう。
生成AIとエージェント型AIの違い
機能/特長
生成 AI(GenAI)
エージェント型AI
重要ポイント:生成 AI は作業のスピードを向上させ、エージェント型AIはこれまでできなかったことを可能にします。
得られた教訓& 次のステップ
私たちの取り組みから、いくつかの重要な教訓が明らかになりました。
- まずは小規模かつ低リスクのパイロットから始めましょう。AIは代替ではなくアシスタントとして活用し、人間が常に関与し、管理できる状態を維持します。
- AIの基盤から始めて信頼を構築し、エンタープライズレベルのAIがデータセキュリティとデータプライバシーを確保し、保護が維持されることを示しましょう。 その後、生成 AIやエージェント型AIへと拡大します。スケールする前に、測定可能な成果で信頼を確立してください。
- Adobe Target の自動パーソナライゼーションは、最も高い ROI を生み出す要素のひとつです。継続的に測定可能な成果をもたらし、手作業の負担を軽減しています。また、迅速に具体的な成果を示すことで、ビジネス関係者との信頼構築にも役立っています。
- アーキテクチャ、データの利用・共有方法を明確に文書化し、法務やセキュリティチームから承認を得てください。スケールする前に、プライバシーやIP、データガバナンスなどのコンプライアンス体制を整備しましょう。
- ROIは幅広く測定しましょう。金銭的な成果だけでなく、生産性向上、市場投入までのスピード、AIツールによる創造性の向上なども評価してください。
AIの進化した機能を理解する
- GenAIは、コンテンツ制作やセグメンテーション、分析といったタスクを加速します。
- エージェント型AIは、こうした加速を超えて自律的なオーケストレーションを実現し、複数ステップのワークフローを処理し、エージェント同士を連携させ、キャンペーンを継続的に最適化します。この変革により、チームは戦略や創造性、イノベーションに集中でき、市場投入までの時間を数か月から数日に短縮できます。
今後、エージェント型AIは生産性だけでなく、体験の設計・オーケストレーション・提供方法そのものも変革していくと考えています。連携したエージェントがオーディエンス、コンテンツ、アクティベーションをシームレスに管理し、マーケティングチームはより多くの時間を戦略立案やクリエイティブなイノベーションに充てられます。
同じ立場の方や実務者の皆様へのアドバイスはシンプルです。AIを単なるツールではなく、パートナーとして受け入れてください。小さく始めて成功体験を共有し、エージェント主導の未来に備えましょう。