Adobe AI を使用したジャーニーは、予測インテリジェンスから生成作成、現在は意図を持って対応するエージェント型システムへと移行してきました。この過程で、パーソナライゼーションの拡大、生産性の向上、イノベーションの推進方法が変わりました。ここでは、学んだこと、ここまで到達するまでに行ったこと、今後の展望について説明します。
概要
AI はもはやデジタルエクスペリエンスでの未来的なバズワードではなく、現代のパーソナライゼーション、生産性、規模拡大を推進するエンジンとなっています。精度と規模は重要となる旅行、ホスピタリティ、エンターテイメント業界では、多くの組織が Adobe Analytics や Adobe Target の予測 AI 機能から使用を開始しました。そこから、Adobe Experience Platform AI アシスタントなどのツールを通じた生成 AI へと導入が拡大し、現在は Adobe Experience Platform 内外でのエージェント型 AI 機能へと進化しています。この過程で、導入、ガバナンス、イノベーションに関する重要な教訓が得られました。これらのインサイトは、AI を活用したデジタルエクスペリエンス戦略を策定するあらゆる組織にとって、ますます関連性を増しています。
AI の基本
Adobe Analytics と Adobe Target は、AI 駆動型マーケティングへのエントリポイントでした。Analytics は異常値検出、貢献度分析、予測を通じて予測的なインサイトを提供し、Target は自動ターゲティング、パーソナライゼーション、レコメンデーションによりパーソナライゼーションを実用化しました。
これらの機能は AI への信頼の基本を築き、次の複数の方法で ROI を実証しました。
- 効率性の向上：インサイトの発見やコンテンツ最適化に必要な手作業を削減します。
- 収益の向上：パーソナライズされたエクスペリエンスを通じて、コンバージョン率と平均注文額の測定可能な改善を推進します。
- カスタマーエクスペリエンスへの影響：より迅速で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。
これらの成果は、予測 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展開に向けた関係者の信頼構築に貢献しました。
ハウツー：Adobe Analytics と Adobe Target で AI の活用を開始する 3 つのステップ
- 最初に Adobe Analytics で異常値検出と貢献度分析を行い、AI 駆動型のインサイトを検証します。
- Adobe Target の Automated Personalization を活用して、予測 AI により動的に最適化された、各訪問者に最適なコンテンツバリエーションを配信します。
- 自動ターゲットとレコメンデーションをまたいで上昇率と ROI を追跡し、早期に具体的なビジネスへの影響を示します。
Adobe Experience Platform AI アシスタントを使用した生成 AI への飛躍
真の転換点は、Adobe Experience Platform（AEP）を導入し、生成 AI を活用した Adobe AI アシスタントを使い始めた時でした。アシスタントはすぐに目新しいツール以上の存在となり、チーム全体で日常的な生産性向上に欠かせないツールとなりました。
AI アシスタントを導入した理由
AI アシスタントの使用を決定した理由は、次の 3 つのニーズに基づいています。
- インサイト獲得の迅速化：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クエリを手動で記述することなく、迅速な回答を得る必要がありました。
- アクセシビリティ：Adobe Experience Platform には優れた機能が備わっていますが、技術的な知識のないユーザーにとっては使いづらいと感じる場合があります。対話型のクエリを通じてデータやインサイトとより自然な形でやり取りできるようになったことで、その障壁が軽減されました。
- オンボーディング：新入社員の入社や役割のローテーションに伴い、Adobe Experience Platform でチームが生産性を向上させるには時間がかかりました。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」として機能します。
初期のユースケースとその進化
- オンボーディングとイネーブルメント：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、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、Adobe Journey Optimizer）の機能の実践的な習得を行います。ドキュメントを受動的に読むのではなく、「キャンペーンのパフォーマンスで使用できる指標は何ですか？」や「オーディエンスエンゲージメントのトレンドを分析するにはどうすればよいですか？」という質問をすることができます。このインタラクティブなアプローチにより、オンボーディング期間は数か月から数週間へと短縮されました。
- トラブルシューティングとデータ探索：初期段階では、AI アシスタントはユーザーが欠落しているフィールドや矛盾したデータ定義を理解するのに役立ちました。現在では、クエリの検証、異常値検出、より正確なインサイトを得るためのレコメンデーションの提供も行っています。
自然言語クエリで AI アシスタントを使用する際のベストプラクティスヒント
- 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、インタラクティブにデータ探索やプラットフォーム機能の学習を進めるよう促します。
- 一般的なクエリとベストプラクティスを示す一連のスタータープロンプトを準備します。
- AI アシスタントの利用を構造化されたイネーブルメントセッションと組み合わせます。この組み合わせにより、導入を高速化し、ユーザーの信頼を構築できます。
主な成果
- アナリストとビジネスユーザーは、実用的なインサイトをより迅速に取得して、クエリとレポーティングにかかる時間が数日から数分に短縮されます。
- 技術者でないユーザーは、アナリストに大きく依存することなく、Adobe Experience Platform を直接操作することに自信を持てるようになりました。
- 新入社員のオンボーディングが 2 ～ 3 倍高速化され、シニアチームメンバーへの負担が軽減されました。
チームの効率性が向上し、Adobe Experience Platform はより使いやすくなり、自然言語クエリにより、あらゆる部門のユーザーが最小限のフリクションでデータを探索し、インサイトを取得できるようになり、メリットは明らかでした。
ただし、導入には次の 課題 がありました。
- 懸念と誤解：法務およびコンプライアンスチームは当初、ゲストデータが AI モデルで使用される場合、外部に漏洩したり、他社に再利用されたりする可能性があると心配していました。これらの懸念に対処するには、データ使用に関する明確な文書化、アーキテクチャの透明性、継続的な教育が必要でした。
- 信頼と導入の障壁：組織内では、AI が人間の判断を代替したり、自分たちのコントロールを低下させたりするのではないかと多くの人が懸念していました。AI は代替ではなく、イネーブラーであることを強調する必要がありました。AI を代替としてではなく、アシスタントとして導入したのです。
- データ準備の課題：技術チームは、生成 AI の性能は、処理するデータの質に左右されるという現実に直面しました。正確な出力と信頼できるインサイトを取得するには、クリーンで適切に調整された 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一元的なデータプラットフォームは、この課題の克服に役立ちました。
これらの障壁が認識および対処されると、そのメリットは否定できないものとなりました。
エージェント型 AI の新たな時代
生成 AI は強力ですが、エージェント型 AI は次のフロンティアです。エージェント型 AI は、プロンプトに応答するだけでなく、戦略策定からセグメント作成、パーソナライゼーション実行、データ品質チェックに至るまで、複数ステップのワークフローの自律的な実行とオーケストレーションを実現します。これは「支援型」から「共同作業の自動処理」へのシフトです。生成 AI は質問に応答し、コンテンツを生成しますが、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、定義された目標に従って複雑なワークフローを実行します。
現在、以下を探索しています。
- Adobe Experience Platform Agent Orchestrator - エージェントが連携して複数ステップ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。
- 目的別に構築された Adobe Experience Platform Agent - セグメント化、アクティベーション、インサイトの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。
アドビのプラットフォーム以外でも、データ品質、ID 解決、パーソナライゼーション戦略のエージェント型 AI の評価を進めており、AI がカスタマージャーニーをまたいで機能することを目指しています。
現在、キャンペーンの作成には、多くの場合、データエンジニアリング部門がオーディエンスを準備し、マーケティング部門がコンテンツをデザインし、運営部門がアクティベーションを管理するなど、複数の部門間のハンドオフが含まれます。近い将来、調整した一連のエージェント型 AI プロセスにより、これらのステップがシームレスに実行され、手作業によるやり取りを削減できます。このシフトにより、チームは戦略策定やクリエイティブな意思決定に焦点を当てることができるようになり、市場投入までの時間が数か月からわずか数日へと大幅に短縮されます。
ハウツー：エージェント型 AI を準備する 3 つのステップ
- 法務とセキュリティに早期に関与：アーキテクチャ、ワークフロー、データの使用状況を文書化し、コンプライアンス、プライバシー、セキュリティに関するガードレールが講じられていることを示します。
- エージェントの役割と責任を定義：各エージェントが管理するプロセスやワークフロー（例：セグメント化、コンテンツ生成、最適化、検証）を指定し、ビジネス目標との整合性を確保します。
- 最初に制限されたワークフローでプロトタイプ：企業全体のオーケストレーションに拡張する前に、小規模で制御された実験から開始し、初期結果を共有して、信頼と理解を深めます。
生成 AI とエージェント型 AI：その違いは？
機能／特徴
生成 AI（GenAI）
エージェント型 AI
重要ポイント：GenAI は、より迅速に物事を進めるのに役立ちます。エージェント型 AI は、これまでできなかったことを実現するのに役立ちます。
学んだ教訓と次の手順
ジャーニーでは、次のいくつかの重要な教訓が強調されます。
- 小規模でリスクの低いパイロットプロジェクトから開始：AI はアシスタントとして活用し、代替ではなく、人間が常に関与し、制御を維持します。
- 信頼を構築する AI の基本から開始し、エンタープライズグレードの AI がデータセキュリティとプライバシー保護を維持する方法を実証した上で、生成 AI やエージェント型 AI へと展開します。規模を拡大する前に、測定可能な成果で信頼を確立します。
- Adobe Target の Automated Personalization は、最も強力な ROI を実現したドライバーの 1 つで、手作業を削減しながら、常に測定可能な成果をもたらします。また、具体的な成果を迅速に示すことで、ビジネス関係者との信頼関係構築にも役立ちます。
- アーキテクチャ、データ使用状況、データ共有に関するプラクティスを明確に文書化し、法務チームとセキュリティチームからの承認を確保します。機密性の高いユースケースに拡大する前に、プライバシー、IP、データガバナンスを含むコンプライアンスのガードレールを確立します。
- ROI を幅広く測定：金額だけでなく、生産性の向上、市場投入までのスピード、AI ツールにより実現されるクリエイティブな成果など。
AI 機能の進化について
- GenAI は、コンテンツ作成、セグメント化、分析などのタスクを高速化します。
- エージェント型 AI は、高速化を超えて、自律的なオーケストレーションに移行し、複数ステップのワークフローを処理し、エージェントを調整して、キャンペーンを継続的に最適化します。このシフトにより、チームは戦略立案、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わずか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、エクスペリエンスのデザイン、オーケストレーション、配信方法も変革していくことが予測されます。調整され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することで、マーケティングチームは戦略立案とクリエイティブなイノベーションにより多くの時間を費やすことができます。
同業者や実務担当者へのアドバイスはシンプルです。AI を単なるツールとしてではなく、パートナーとして活用します。小規模から開始し、成果を共有し、エージェント駆動型の今後に準備します。