CMO（最高マーケティング責任者）はすでに予算の平均15%を新たなAI施策に割り当てている。年次CMO調査によれば、企業はAIが今後3年以内にマーケティング活動の半分以上を担うと見込んでいる。
その理由は明らかだ。AIはマーケターに対し、コンテンツの増加、迅速なレポート作成、ワークフローの自動化、効率の向上といった、真のメリットをもたらす。しかし、自律型AI（エージェンティックAI）の登場により状況は一変した。AIエージェントは予算を移行し、チャネルを一時停止し、入札額を自律的かつリアルタイムに調整できる。そのため、金銭的な損失が発生する前に、人間が誤った判断を察知する余地はほとんど残されていない。
これまで、あらゆるマーケティングの意思決定には人間が関与し、広告費の配分、クリエイティブ、戦略を導き、分散したダッシュボードや矛盾する測定結果のバランスを取ってきた。それは十分に機能していた。各チャネルのダッシュボードにはわずかな欠陥があり、自らが生み出したと見なすコンバージョンを過大評価しているかもしれないが、明らかな盲点に気づき、前提を疑う人間が常にそこにいた。今、その同じ欠陥のある測定インフラが、自らの仕事を立ち止まって検証することのないAIエージェントに委ねられようとしている。
自律型AIが実際の予算を動かす（あるいは失う）前に、マーケティングリーダーは、エージェントが実行を許されるアクションにブレーキをかけるべきだ。私が自社でこれらのシステムを扱う中で学んだのは、自律型マーケティングには、エージェントとCMOの双方が信頼できる「単一の因果関係測定モデル」が必要だということである。
「確信に満ちた間違い」がもたらす重大な結果
企業の4分の1以上にとって、データの質の低さはすでに問題となっており、その年間の損失額は500万ドル（約7億8800万円）を超えている。質の悪いデータインフラの上にAIを導入すれば、企業はさらに多くの損失を被るリスクがある。
自律型ツール（エージェントツール）の性能は、入力されるデータや情報の質に依存する。Facebookが最も効果的なチャネルであることを示すプラットフォーム報告のアトリビューションデータを入力すれば、AIは予算の大部分をFacebookに配分することを推奨するだろう。昨年のブラックフライデーキャンペーンの断片的な測定データを提供すれば、全体像の半分しか把握できない。ゴミを入力すれば、ゴミしか出てこない（Garbage In, Garbage Out）のだ。
それにもかかわらず、多くのマーケティングリーダーは、自律型AIのアウトプットをすぐに信頼できるものとして受け入れている。
このような状況が引き起こすシナリオを考えてみよう。ある全米展開のレストランチェーンが、年間約5000万ドル（約78億8000万円）のマーケティング予算を投じているとする。あるAIエージェントが、3つのプラットフォームダッシュボードにまたがる相関的アトリビューションデータから導き出した迅速なインサイトをチームに提示する。エージェントが全体像を把握していると信頼したチームは、確信を持って行動を起こし、広告費の大部分をTikTokに移行する。しかし、元データは全体像のごく一部にすぎず、実際にはInstagramやGoogleにより多くの予算を配分していれば、はるかに高いリターンを得られたはずだったのだ。
そもそも測定方法に欠陥がある場合、自律型ツールを使ってより迅速にインサイトを得ることは、単に間違った判断を下すだけに留まらない。チームに誤った安心感を与え、欠陥のある測定結果をスピードと規模を伴って増幅させてしまう。その代償は、実際の収益損失、非効率な広告費、そして最終的な予算の削減という形で現れる。
因果関係に基づく「意思決定レベルの測定」で自律型マーケティングを制御する
私の経験上、信頼できる自律的な測定を行い、支出を保護するための第一歩は、エージェントが参照する対象を修正することだ。これを行うための有効なアプローチの1つが、断片化したデータと測定システムを、統一された「因果関係測定」に置き換えることである。
• 大きな予算決定に関する疑問への答えを得て、どのチャネルにより多くの予算を配分すべきかを評価するために、マーケティングミックスモデリング（MMM）を導入する。MMMは、広告費や売上に加え、季節性や価格設定などの要因を含む過去のデータを分析し、各チャネルが収益にどの程度貢献しているかを推定する。データサイエンスチームを擁する企業であれば、これを自社内で構築できるはずだ。そうでない場合は通常、独立系のコンサルティング会社やソフトウェアプラットフォームを利用することになる（全面開示：筆者の会社も他社と同様にこのサービスを提供している）。
• 何が実際にビジネスの成果を牽引しているかを検証し、意思決定の根拠を因果的な証拠に置くために、インクリメンタリティテスト（増分テスト）を活用する。この手法では、キャンペーンに接触したテストグループと、接触していない同様のコントロールグループ（対照群）を比較し、結果の差を測定する。その差異によって、単に売上と相関していただけのものではなく、マーケティング活動が実際に引き起こした成果が明らかになる。
• また、全体像の一部しか捉えられない指標である、アトリビューションモデルやプラットフォーム報告のROAS（広告費用対効果）の利用を廃止することを推奨する。
その上で、エージェントに対するガードレールを構築する。
• AIが単独で行動できる領域と、人間の承認が必要な領域を明確にする。これは、AIエージェントがアクションを実行する前に必要な信頼度（コンフィデンスレベル）を設定することや、予算の移行や戦略的決定といった、より大きな意思決定に人間が関与し続けることで実現できる。
• 各推奨事項がどのような測定や実験的証拠に裏付けられているかを追跡できるよう、監査証跡（オーディットトレイル）を設定する。
自律型測定に「ブレーキ」を取り付ける
財政的な制約の厳しい環境下で舵取りを行うCMOにとって、欠陥のあるAIの推奨に基づく「確信に満ちた間違い」から回復するための猶予（次の予算サイクル）は与えられない。壊れた測定システムのまま性急に事を進めれば、ただでさえ限られた予算がさらに縮小することになりかねない。統合されたマーケティング測定を導入することで、エージェントにブレーキを取り付け、信頼できる土台に基づいてエージェントが稼働しているという確信を持ちながら、スピードを加速させることができるのだ。
