AIエージェントによる革命：広告の未来はこう変わる

AIエージェントは、キャンペーンの開発やターゲティングの方法から、パフォーマンスの測定や最適化の方法に至るまで、広告業界のほぼあらゆる部分に影響を与え始めています。クリエイティブアセットの制作方法を変えるだけでなく、オーディエンスリサーチからメディアプランニング、リアルタイムターゲティング&パーソナライゼーションに至るまで、ワークフロー全体を時間とともにシフトさせています。

広告において、タイミングと関連性は最適化すべき最も重要な要素であり、これこそがまさに生成AIが価値を付加する点です。行動、コンテキスト、好みに基づいて、個々のユーザーに合わせてメッセージを調整するのに役立ちます。コピーやビジュアルの複数のバリエーションを生成し、カスタマージャーニーにおけるさまざまなタッチポイントに合わせてキャンペーンに影響を与えることができます。これが、ユーザーの意図やエンゲージメントを予測する機械学習モデルと組み合わさることで、より適応性が高く、レスポンシブな広告が可能になります。

生成AIツールが日常的な広告ワークフローに浸透するにつれ、エコシステムは効率性、規模、関連性のあり方を再考せざるを得なくなっています。効率化とは、マーケティングにおける意思決定を自動化し、イテレーションサイクルを高速化し、人間のタスクを拡張することです。スケールには、コストを直線的に増加させることなく、さまざまなオーディエンス、地域、コンテキストに合わせて調整された、数千ものパーソナライズされたコンテンツのバリエーションを生成する能力が含まれます。関連性とは、より多くのデータを用いて、個人の現在の意図や行動に沿ったメッセージを作成することです。

とは言え、広告業界で生成AIを大規模に展開することは、単にLLMやクリエイティブツールを導入するだけでは実現できません。それには慎重な計画、インフラ、そして運用上の連携が求められます。これには以下が含まれます:

1. 組織にとって明確で価値の高いインパクトをもたらす戦略的ユースケースを定義する。

2. 適切なインフラストラクチャの確立 – この安全な基盤は、実験と本番の両方のフローをサポートできるようにするための鍵です。

3. データ基盤の確立。データが GenAI を有用で根拠のあるものにするからです。

4. 広告/コンテンツのライフサイクル全体で GenAI を再利用可能で構成可能な機能に分解するために、モジュール式の機能を構築または接続すること。

5. タスクを自動化するためのエージェントのデプロイ。特に、マルチステップのワークフローやコンテキスト適応のための組み込みロジックが対象となります。

6. 出力の精度を測定し、エージェントの応答を改善する方法を組み込んだ評価の設定。

7. ガバナンスとガードレールの設定：チーム横断でGenAIをいつ、どのように使用するかを定義する。

しかし、適切なフレームワークを整備し、反復的なプロセスを導入することで、よりスマートでデータ主導の意思決定を目指す組織に多くのメリットをもたらすことができます。特に、適切なメッセージを適切な人に適切なタイミングで届けるという点においてです。クリエイティブ制作から、キャンペーンワークフローの自動化、ハイパーパーソナライズされたメッセージング、コンテキストに応じたコンテンツ配置、キーワードとクリエイティブのマッチング、堅牢なオーディエンスセグメンテーション、さらにはキャンペーン実施中の効果測定や動的な予算最適化まで、多くのユースケースを効率化できます。組織が導入と学習を続けるにつれて、ユースケースは拡大する一方です。

Databricks は広告分野で GenAI をどのように実現しますか?

• 統合データプラットフォーム（レイクハウスアーキテクチャ） - 広告主はファーストパーティデータ（例：CRM、行動、キャンペーンパフォーマンス）、サードパーティデータ、コンテンツメタデータなどを、クリーンで統制の取れた方法で扱い、その同じデータを使用してLLMのトレーニング、ファインチューニング、あるいはクエリを行います。
• 広告エコシステムパートナーシップ - Databricksは、幅広いテクノロジーパートナーやソリューションパートナーと連携しています。ファーストパーティデータに加えて、広告主はDatabricksクリーンルームを通じてセカンドパーティおよびサードパーティのデータを共同利用したり、DatabricksマーケットプレイスまたはダイレクトDelta Shareを通じて追加のデータソースを重ね合わせたりすることが可能です。
• AIエコシステムの接続性 - DatabricksはLangChainのようなツールとも統合し、商用AIモデルとオープンAIモデルの両方を使用したハイブリッドワークフローを可能にします。Databricks AI Gatewayは、お客様のDatabricksアプリケーションと、呼び出したい外部LLM APIとの間に位置するプロキシレイヤーとして機能します。Databricks はまた、OpenAI、Anthropic、Google、Meta などとパートナーシップを結んでおり、これにより、これらの企業のモデルを Databricks でネイティブに利用できるようになります。
• LLM へのアクセスとカスタマイズ - 広告チームは、多くの場合、特定のニーズに合わせてチューニングされたモデルを必要とします。Databricksでは、既存のAIモデルから始め、独自のデータでファインチューニングすることができます。これが「Data Intelligence」の基盤です。
• 検索拡張生成（RAG）&ベクトル検索 - Databricksは、AIモデルが関連性の高い最新のコンテンツやデータにアクセスできるよう、ベクトル検索と検索ツールをサポートしています。
• モデルサービングと運用化 (LLMOps、モニタリング、ガバナンス) - Databricks は、モデルサービングエンドポイント、組み込みのモニタリング、実験とモデルのパフォーマンスを追跡するための MLflow のようなツールを提供し、厳格な規制やガイドラインを遵守した安全な出力を確保できるようにします。
• エージェントフレームワークとツール - エージェントフレームワークを使用すると、データの取得、モデルの呼び出し、ツールの適用、ロジックの注入、ポリシーの適用を連携させるエージェントを構築できます。これにより、広告チームはエンドツーエンドのプロセスのさらなる自動化が可能になります。
• ビジネスユーザー向けのSQL + AI関数 - AI関数のサポートにより、SQLユーザーはモデルの呼び出しや生成タスクをSQLワークフローに直接埋め込むことができます—たとえば、SQL内でのテキストの要約、感情分析、類似性マッチングなどです。これにより、マーケティングアナリストやキャンペーン運用担当者にとってのハードルが下がります。

今後のブログでは、これを実践するために、Databricksのフィールドエンジニアリングチームが構築した2つの主要なソリューションを紹介します。1つはAIエージェントを活用してコンテキストに応じたコンテンツ&広告配置を強化するソリューション、もう1つはAIエージェントとマルチモーダルRAGを活用して高度な広告パーソナライゼーション&高品質なクリエイティブを大規模に実現するソリューションです。どちらも顧客体験に直接結びつくため、業界にとって非常に関連性の高いユースケースです。