あらゆるAI戦略において、データ基盤のモダナイゼーションが極めて重要な第一歩となる理由
によって アリー・マギュー による投稿
「プラットフォームを構築してから、ユースケースを考える」というAI近代化のストーリーがあります。しかし、AcxiomのAnkur Jain（アンカー・ジェイン）氏に言わせれば、それは本末転倒であり、ほとんどの組織が身をもってその教訓を学んでいる最中だといいます。
Ankur氏は、グローバルブランドがチャネルをまたいで顧客アイデンティティを解決し、10,000以上の属性で顧客プロファイルを強化し、顧客獲得、維持、パーソナライゼーションにわたる成果を達成できるよう支援する、コネクテッドデータとテクノロジーの基盤であるAcxiomのChief Cloud and Data Modernization Officerを務めています。
Ankur氏はプロダクトエンジニアリングとクライアント向けソリューションエンジニアリングの両方を率いています。つまり、Acxiomが何を構築するかだけでなく、それらの機能がクライアントの実際の運用環境にどのように組み込まれるかについても責任を負っています。
入社して2年足らずで、Ankur氏はAcxiomのコアインフラストラクチャ、データパイプライン、レガシーアーキテクチャ、および基盤となる技術スタックの近代化を主導しました。現在、Acxiomはマーケティングのバリューチェーン全体を自動化するエージェンティック（自律エージェント型）ワークフローの構築に積極的に取り組んでいます。
Aly McGue: 多くの組織がエージェンティックAIへの移行を望んでいますが、依然としてレガシーなインフラストラクチャ上でコアワークロードを実行しています。そのような設計になっていない基盤の上にインテリジェンスを構築しようとすることには、どのようなリスクがありますか？
Ankur Jain: リスクは、ほぼ瞬時に限界に達してしまうことです。私がAcxiomに入社した当時、プロダクトとクライアントソリューションの大部分はオンプレミスでホストされていました。プロダクトやソリューションがデータセンターに制限されていると、スケーラビリティが限られてしまいます。パフォーマンスは、クライアントが求めていたリアルタイムのユースケースに対して追いついていませんでした 。さらに、多くのレガシー技術が存在しており、スタックの刷新や、クラウドネイティブなアーキテクチャがどうあるべきかを再考する必要がありました。
また、手動のパイプラインが多く、データの重複も目立ち、同じデータのコピーが複数の場所に存在していました。プロセス自体があまり効率的ではなかったのです。断片化された、あるいはレガシーな基盤の上でエージェンティックな機能を構築しようとする組織は、プロダクトの開発よりもインフラの管理に多くの時間を費やすことになります。
私たちにとって、戦略的なビジョンは「データの近代化」と「エージェンティックマーケティング」という2つの北極星（指針）に集約されます。これらは並行して進めるものではなく、順序があります。レガシーな基盤の上にエージェンティックなマーケティングエコシステムを構築することはできません。
Aly: オンプレミスのHadoopからDatabricksに移行されましたね。この移行によって、以前は不可能だった何が可能になりましたか？
Ankur: パフォーマンスの面では、さまざまな種類のワークロードやパイプライン全体で全面的に改善が見られ、実行時間がほぼ80〜90%高速化されました。以前は50時間以上、時には90時間以上（文字通り数日から最大1週間）かかっていたワークロードが、今では2〜3時間で完了しています。まったく同じワークロードが、わずか2〜3時間です。
また、人材の解放にもつながりました。場合によっては、複数のフルタ イムの役割をインフラ管理から解放し、より付加価値の高い成果に集中させることができました。最大の効果は、エンジニアリングチームが足元のインフラを心配することなく、ビジネス成果に集中できるようになったことです。これは目に見えにくい成果のように思えるかもしれませんが、エンジニアが現状維持の運用ではなく、プロダクトの構築やクライアントソリューションの提供に時間を使えるようになると、挑戦できることの次元が変わります。
Aly: 現在、エージェンティックAIが実際のマーケティングワークフローをどのように再構築しているとお考えですか？また、そのビジョンはどこまで広がっていますか？
Ankur: Acxiomのコア業務は非常にデータ中心です。私たちはCRM、eコマース、Adobe Analytics、Google Analyticsなど、複数のプラットフォームからマーケティングデータを取り込み、ブランドが包括的な顧客ビューを構築し、それを強化して成果を出せるよう支援しています。従来、これにはデータエンジニアやデータアーキテクトのチームがすべてをモデリングし、手動でパイプラインを構築する必要がありました。ETLは常に最も時間がかかるプロセスであり、数ヶ月を要していました。
AIによって、そのサイクル全体が圧縮されます。プロンプトによるコード生成、出力の自動テスト、CI/CDパイプラインの高速化などです。マーケティング側では、広告のさまざまなバリエーションを制作するのに、以前はクリエイティブエージェンシーが何ヶ月もかけていました。現在では、機械学習を 通じて大規模に広告を分析し、その結果をAIエンジンに投入して、高度にカスタマイズされたバリエーションを数分で生成できます。
最も大きな変化が見られるのは「実行」のフェーズです。たとえばオーディエンスプランニングでは、マーケターがキャンペーンの目的とターゲットプロファイルを説明するプロンプトを入力すると、エージェントがAcxiomのデータを使用してサンプルペルソナを含むオーディエンスセグメントを構築し、さまざまなデモグラフィックや行動特性を提示して、マーケターがそこから微調整できるようにします。かつては多様なスキルを持つ複数の人員と長いリードタイムを要していた作業が、今ではエージェントによって数分で完了します。メディアバイイングでも同様のパターンを実証しています。エージェントが利用可能なインベントリを照会・評価し、購入を決定して、各チャネルでオーディエンスをアクティブ化します。
目標は、オーディエンス設計からメディアバイイング、アクティベーション、パフォーマンス分析に至るパイプライン全体を、エージェンティックなフレームワークに接続することです。DatabricksがGenieやエージェンティックエコシステムを通じて構築している「AI for BI」機能全体は、まさに私たちのマーケティングワークロードが向かっている方向そのものです。これらすべてをエンドツーエンドで稼働させることができます。
Aly: Acxiomは厳しく規制された業界で事業を展開しており、エージェントの導入には高い信頼性が必要です。このことは、 エージェンティックワークフローにガバナンスを設計するアプローチにどのように影響していますか？
Ankur: 私たちが扱うデータにはPIIが含まれるため、構築するすべてのエージェンティックワークフローは、アーキテクチャの原則としてプライバシーを最優先に設計されています。
実際には、AIが生成したコンテンツが直接ライブキャンペーンに投入されることはありません。顧客に届く前に、法務がクリエイティブやメッセージングをレビューする承認ワークフローを経由します。エージェントは定義された境界内で動作し、セキュリティとプライバシーの制御がパイプラインに組み込まれています。また、規制やブランドリスクを伴うすべての意思決定ポイントには、必ず人間が関与します。目的はプロセスを遅らせることではありません。スピードのために、顧客、ブランド、あるいはAcxiomに対する「信頼」が犠牲にならないようにすることです。
Aly: Acxiomのプロダクトが「AIネイティブ」であるとはどういう意味ですか？また、それによってクライアントの実際の体験はどのように変わりますか？
Ankur: AIネイティブとは、ファーストパーティデータの取り込み、顧客アイデンティティの解決、Acxiomのデータ資産によるプロファイルの強化、オーディエンスセグメントの構築、メディアバイイングの計画、チャネルをまたいだキャンペーンのアクティベーション、そしてパフォーマンス分析の次のサイクルへのフィードバックに至るまで、マーケティングのバリューチェーン全体にイ ンテリジェンスが組み込まれていることを意味します。これらの各ステップは、手動で調整するのではなく、AI駆動で行うことができます。
クライアントにとって最大の変化は「透明性」です。従来、私たちが提供していたものの多くはブラックボックスとして機能していました。ブランドがデータを送り、成果が戻ってくるものの、その間のロジックは不透明でした。現在では、これらと同じ機能を、クライアントがすでに使用しているプラットフォーム内で、意思決定がどのように行われているかを完全に可視化した状態で、コラボレーティブに提供できます。それこそがクライアントの求めていることです。クライアントのいる場所（既存の環境）で稼働し、プロセスを透明にすることです。
そして、これは組織の内部からだけでなく、クライアントから直接もたらされる強力な推進力でもあります。クライアントからは、「どうすればもっとコスト効率を上げられるか？」「どうすればパフォーマンスを向上させられるか？」「どうすればスピードアップできるか？」といった質問が寄せられます。これらの質問に誠実に答えるためには、AIを導入せざるを得ません。
Aly: データ資産はAcxiomが提供する価値の核心です。クライアントへのデータ提供方法はどのように進化しており、それによって何が可能になりますか？
Ankur: Acxiomは、クライアントが顧客データを最大限に活用できるよう支援しています。データを活用し、収益化する手助けをしています。自動車、小売、ヘルスケア、製薬など、ブランドが自社で は保有できないデータ資産を提供しています。歴史的に、そのデータの提供はSFTPなどの従来の方法で行われていました。ブランドがデータ強化をリクエストし、契約を結び、ファイルを送信する。それが古いやり方でした。
現在では、自社プラットフォームまたはクライアントの環境に直接、エージェンティックな方法でデータを組み込んでいます。私たちは、当社のデータ資産がネイティブに利用可能な主要なマーケティングテクノロジープラットフォームと提携しています。クライアントが独自のAIプラットフォームを構築している場合は、エージェンティックに統合して当社の資産を呼び出し、直接提供できるようにします。また、Databricksとのパートナーシップによりクリーンルームソリューションも開発しており、クライアントは自社のエコシステム内でプライバシーが保護された安全な方法でAcxiomデータと統合できます。
私たちが協業しているブランドは、ファーストパーティデータが最も価値のある資産であることを理解しています。このデータを処理・管理する際、データプライバシーは非常に重要な役割を果たします。ブランドはより強力なコントロールを望んでおり、マーケティング機能を継続的にインハウス（内製）化しています。エージェンシーに対しては、ブランドのプラットフォームやガバナンスフレームワークの内部で機能することが期待されるようになっています。その環境にネイティブに対応し、成果を提供できるエージェンシーこそが、不可欠な存在となるでしょう。
Aly：AIの取り組みをスケールさ せ始めたばかりのC-suiteの同僚に話をするとしたら、最も伝えたいことは何ですか？
Ankur：土台を強固にすることです。AIに関するバズは数多くありますが、それはもはや単なるバズではなく、現実となっています。しかし、AIイニシアチブ全体の成否を分けるのは、その基盤となる土台です。私たちの場合、オンプレミスからクラウドへの移行は単なる野心ではありませんでした。将来を見据えると、AIのジャーニーにおいて真のプレイヤーとなるためには、それは不可欠なことだったのです。強固なデータ基盤、クラウドネイティブなアーキテクチャ、データガバナンス、そしてセキュリティ。これらが重要な要素です。このステップをスキップする組織は、それが任意ではなかったことにいずれ気づくことになるでしょう。
Acxiomにおけるこのパターンは、どこに注力すべきかを検討しているエグゼクティブにとって有用なフレームワークとなります。基盤の近代化とエージェンティックAIの追求は、予算や注目を競い合う2つの別個のプログラムではありません。これらは、順序立てて行われる同一の投資なのです。データレイヤーを適切に構築し、焦点を絞ったパイロットプロジェクトを通じて価値を証明し、その上で、クライアントが実際に必要としている場所に差別化された機能を組み込みます。
Ankurが説明する移行（ファイル転送によるデータ提供から、クライアント環境へのインテリジェンスのネイティブな組み込みへ）は、単なるアーキテクチャのアップグレードではありません。それは、Acxiomがどのような企業であるかを根本から変えるものです。このようなリポジショニ ングは、オンプレミスのスタックにAIを後付けするだけでは実現しません。まず基盤を構築することが不可欠です。
Databricksとの提携により作成されたEconomist Enterpriseのレポート「Making AI Deliver」に アクセスし、25人以上の業界エキスパートと1,200人以上のリーダーシップレベルの調査回答者が、どのようにしてAI導入の成功への道を切り拓いているかをご覧ください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。