多くのメディアバイヤーにとって、AIはブラックボックスのように感じられるかもしれません。強力ではあっても、その仕組みを理解するのが難しく、信頼するのはさらに難しく感じられるでしょう。そうした躊躇も当然でしょう。広告業界がインプレッション単位の取引から移行している先はエージェントを活用する意思決定であり、そこではエージェンティックシステムがリアルタイムでメディアを計画、実行、最適化します。これらのシステムが実際の予算、ブランド、成果に関わり始めると、信頼はもはや単なる認識の問題ではなく、インフラの一部となるのです。
実際のところ、AI広告の現実は、誇張された印象が示すよりもはるかに実践的です。広告におけるAIは、現時点においても、立案、最適化、実行を支える、明確に定義された複数の機能で構成されています。人間が目標とガイドラインを設定し、これらのシステムを慎重に適用することで、手作業を削減し、チームが単純な運用ではなく戦略的な業務に集中できるようになります。
この技術の初期段階では、明確さが重要です。エージェンティックシステムが実験段階から実際の市場展開段階へと移行するなか、広告主は強力なアルゴリズム以上のものを必要としています。広告主は自らが理解でき、統括でき、信頼できるシステムを求めているのです。
広告におけるAI：多様な機能の集合体
AIに関する議論における最大の課題の一つは、AIという用語が、さまざまなテクノロジーをまとめた略語として使われてしまっていることです。実際には、広告プラットフォームは複数のAIシステムを基盤としており、それぞれが特定の種類の課題を解決するように設計されています：
- 大規模言語モデル（LLM）は、自然言語の理解と翻訳（変換）に特化し、概要、目標、制約、質問などから得られる自然言語のプロンプトを、機械が処理できる構造化された入力に変換するために用いられます。その価値はアクセシビリティとスピードにあり、バイヤーが平易な言葉で意図を表現できることで、人間と複雑なシステム間の摩擦を軽減します。
- 生成AIは、LLMから変換された意図に基づいてコンテンツやシナリオを生成します。アドテクにおいて生成されるのは、クリエイティブのバリエーション、メッセージの案、メディアプラン、予測などが含まれます。こうしたシステムは、チームが検討できる可能性の範囲を広げ、すべてのバリエーションを手作業で作成することなく、作業のサイクルとテストを加速します。
- 機械学習（ML）は、パフォーマンスをモデル化し、定義された目標に向けて最適化を行う技術で、長年にわたりプログラマティック広告の基盤となってきました。MLモデルは、実際に成果を上げているものに基づいて入札、予測、配信を調整することで、パフォーマンスの一貫性を向上させます。
- エージェンティックシステムは、これらすべての基盤の上に構築され、複雑なワークフロー全体にわたる意思決定を調整します。「エージェント」はアクションを計画・実行し、フィードバックループを通じて継続的に学習することで、個別に最適化するのではなく、適切なタイミングで複数の意思決定を調整します。
まとめると、LLMは意図を解釈し、生成AIは可能性を探求し、機械学習は意思決定を予測・最適化し、エージェンティックシステムは実行を調整するという、それぞれの機能がそれぞれ異なる役割を担います。真の課題と機会は、これらを確実に調整することから生まれます。
「エージェンティック」とは何か
ありがちな誤解は、エージェンティック広告が「人間が関与しない」、または「完全に自律的である」というものです。しかし実際には、エージェンティック広告を一つの運用モデルとして捉える方が適切です。
実際の広告運用環境では、自律性は人間によって許可されることが必須です。人間が目標、ガイドライン、リスク許容度を定義し、エージェンティックシステムはその範囲内で継続的に計画、実行、最適化を行います。
広告主は、どの程度の権限を委譲するか、どのコントロールを固定したままにするか、どのようにリスクを管理するかを決定します。最初は厳密に範囲を定めたユースケースと明示的な承認制から始め、パフォーマンスを通じて信頼が構築されるにつれて自律の範囲を拡大していく広告主もいれば、目標と制約が明確に定義されていれば、より迅速に自動化運用へと移行する広告主もいます。
こうした点は、テクノロジーの限界ではなく、信頼がどう構築されるかということに関わっています。
その結果として実現するのは、意思決定の迅速化と、一貫性の向上。そして、バイヤーがコントロールを失うことなく、手作業で管理するのが困難なレベルの運用規模なのです。
実際にはどう機能するか
これらの区別は、決して理論上のものではありません。
PubMaticがButler/Tillと初の完全なエージェンティックキャンペーンを展開した際、主要な広告主だったGeloso Beverage Groupの状況においては、販売すべき製品、明確なパフォーマンス目標、現実的な制約がありました。
限られたカテゴリーで事業を展開する地域ブランドのGelosoは、高度なエージェンティック機能をほとんど利用できませんでした。従来、そうしたツールは業界最大手企業によって独占されていたからです。
目標としたのは、斬新さをアピールすることや、プロセスから人間を排除したりすることではありませんでした。真の価値を創造できる領域でエージェンティックシステムを実行することにより、時間を節約し、自動化されたワークフローで手作業を削減し、測定可能な効率性の向上に向けて最適化することに主眼が置かれました。
その責任は極めて重く受け止められました。
人間が目標と範囲を定義し、エージェンティックシステムが実行と最適化を担いました。このシステムは、存在感を声高に主張するようなことはなく、よりスマートかつ迅速に動作するよう設計されたのです。
人間は消えるのではなく、上流へと移動する
運用上の意思決定がソフトウェアに移行するにつれ、人間の役割はより戦略的になるのであって、重要性が弱まることはありません。
依然として人間が不可欠な仕事は、目標設定、戦略策定、判断、差別化などです。エージェンティックシステムが実行上の複雑さを担うことで、チームは計画、創造性、シナリオ検討に集中できるようになります。
最も効果的な成果は、人間か機械のどちらか一方を排除することからではなく、両者の明確な連携から生まれるのです。
実用的で楽観的な前途
エージェンティック広告はまだ初期段階にありますが、それが強みでもあります。
業界には、これらの機能がどのように連携するかを定義する機会があります。つまり、実際のインフラを基盤とし、アプリケーションレベルで慎重に適用され、取引が行われる場所で責任を持って実行されるような連携です。
進化の程度は、自動化がどの程度進んだかによって測られるものではありません。そのシステムがパフォーマンスをどれだけ効果的に向上させ、高度な機能をどれだけ多くの事業者が利用可能になり、実際の市場で真の価値を提供できるかによって測られるのです。
AgenticOSは、これらすべてを安全かつ大規模に機能させるオペレーティングシステムを提供します。詳細については、https://pubmatic.co.jp/solutions/agents-jp/をご覧ください。