アドテック業界のベテランであるジェフロイ・マーティン氏は、パーソナライズド広告のグローバルリーダーであるOguryのCEOを務めています。
他の業界がAI統合への第一歩を踏み出している一方で、アドテックは数十年にわたって自動化のマラソンを走り続けてきました。
この業界はデータ、スピード、スケールを基盤としており、アルゴリズム進化の完璧な培地となっています。アドテックにおけるAIイノベーションの意外に長い歴史と、自動化が私たちをどこへ導くのかを振り返ってみましょう。
アルゴリズムの技でクリックを予測する
クリック課金型広告は、グーグル、ヤフー、Askが検索広告の覇権を競った現代インターネットの初期に、数十億ドル規模の市場へと成長しました。
成功の中心となったのは、クリック率の確率を予測する能力でした。これは、プラットフォームが2000年代半ばから2010年代初頭にかけて機械学習を研究し導入したことで可能になりました。
検索インプレッションから得られるテラバイト規模のデータを分析することで、機械学習モデルはユーザーの反応や検索クエリのパターンを特定し、クリックやコンバージョンの可能性を高める要因を分離できるようになりました。
同様のモデルはFacebookの急成長する広告プラットフォームにも導入され、そこではモデルが学習できる実用的なデータ量がさらに多くありました。Google Ads、Outbrain、Criteo（私が以前勤務していた会社）などの企業は、最終的に機械学習を活用したクリック予測をディスプレイ広告にも導入しました。これは単一のプラットフォームではなく、さまざまな領域やコンテキストに適用されるため、検索やソーシャルよりも難しい課題でした。
小さなシードから巨大なオーディエンスを育てる
2015年までに、機械学習はオーディエンスインテリジェンスの分野にも進出していました。スマートフォンとアプリの普及により、オンライン体験は断片化し、デバイスやプラットフォーム間で一貫したユーザープロファイルを構築するためにIDグラフの開発が促進されました。機械学習モデルはIPアドレス、メール、デバイスIDなどを単一の識別子にまとめることができました—これには、すぐにこの慣行に制限を設けることになる関連するプライバシー懸念も伴っていました。
オーディエンス拡張も機械学習の能力のおかげで登場しました。「シード」となる小さなオーディエンスサンプルを確率的に拡張して、はるかに大きなグループを表現し、ターゲットキャンペーンのリーチを拡大することができるようになりました。これは、プライバシー規制が強化された後（一般データ保護規則（GDPR）が2018年に施行された）、特に役立つようになりました。同意を得たデータのプールを、レッドラインを越えることなく、より広範なつながりのあるオーディエンスに一致するようにモデル化できるようになったのです。
機械が自己認識を持つ
2020年までに、コンピュータビジョンと大規模言語モデル（LLM）により、AIは人間に近い能力を持ちながらも、スピードとスケールを兼ね備えるようになりました。コンピュータビジョンにより、モデルは（一部はCaptchaフォームを通じて訓練され）視覚メディアのコンテンツを認識できるようになり、LLMは同様の能力をテキストに適用し、単純なキーワードカテゴリではなく意味的理解を通じて解釈されるようになりました。
当然ながら、この深い理解はコンテキスト広告にとって大きなブレークスルーでした。これらの能力を予測モデルと組み合わせることで、視覚的およびテキスト要素に基づいて広告の効果を予測することが可能になりました。
ChatGPTがAIを主流へ
生成AIはコンピュータビジョンとLLMからの学習を活用し、それらを反転させます。メディアを解釈するために学習モデルを使用する代わりに、それらを生成するために使用するのです。この頃、Midjourneyのようなツールはテキストプロンプトから高精細な画像を生成することで注目を集めましたが、2022年11月にChatGPTが登場するまで、AIが本当にヘッドラインを席巻することはありませんでした。
その利点は明らかです：膨大な量のクリエイティブ資産を生産する業界において、そのプロセスを加速できるものは、特に自然言語コマンドでインターフェースを操作できるソフトウェアを使用する場合、即座に魅力的です。
残念ながら、誇大宣伝とともに一部のヒステリーも生まれました。突然、以前はエコシステムの隠れた「配管」だった機械学習機能が、「AI搭載」の変革として前面に出てきました。この用語の平坦化により、誰が真のイノベーションを展開しているのか、誰が時代の流れを捉えるために数十年前の技術をリブランディングしているのかを見分けることが難しくなったと感じています。
前進：AIエージェントは準備ができているが、私たちは？
AIがアドテックを推進してきた様子が明らかになったはずですが、着実な進歩を量子的飛躍に変える可能性を持つイノベーションが一つあります：エージェント型AI。
タスク自動化を超えて
AIエージェントは、それぞれが特定の成果のために設計された専門コンポーネントを通じてタスクを実行します。広告では、オーディエンスを特定し、それらに対応するインベントリを見つけ、クリエイティブとパフォーマンスをリアルタイムで動的に最適化できます。
エージェント型AIはさらに進化します。事前に定義されたシーケンスに従うのではなく、独自にソリューションを概念化し、複数のアプローチをテストできます。
最初に倒れるドミノ
エージェント型AIはまず、キャンペーン設定、トラブルシューティング、測定などの定型的で構造化されたタスクを引き継ぐと予測しています。今後2〜3年以内に、これらの機能は大部分が自動化されるでしょう。メディア購入と最適化も、特にエージェントがプラットフォーム間でコミュニケーションを学習すれば、おそらく続くでしょう。
予算と入札戦略はまだデューデリジェンスのために「人間の介在」が必要ですが、エージェントはすでにパフォーマンスデータとオーディエンスシグナルに基づいて調整を提案しています。5年以内に、相互運用性の標準が進歩することを前提に、クリエイティブテスト、クロスプラットフォームアクティベーション、キャンペーン設計が半自律的になると予測しています。
今後のパワープレイ
エージェントはますます自律的なマーケティングパートナーとして機能し、機会を浮き彫りにし、人間が設定した目標を中心に戦略を形作っています。この継続的な自律性はエコシステムを再形成する見込みです。
独自のクロスプラットフォームエージェントを展開する広告主は、ウォールドガーデンに挑戦できるようになります。その反応として、代理店はAIが実行を担当するにつれて、その価値を再定義する必要があるでしょう。一方、パブリッシャーは、広告主と直接交渉するためにエージェントを展開することで、レバレッジを獲得する可能性があります。
協力か崩壊か
エージェント型AIが孤立したツール（または自然言語インターフェースでラップされたAPI）を超えて進化するためには、アドテックベンダー、代理店、パブリッシャー、プラットフォームが協力する必要があります。AnthropicのModel Context Protocol（MCP）のような共有標準や、システム間の安全な相互作用を可能にする共同所有エコシステムが、この協力には不可欠だと考えています。最低限、企業は相互運用性のためにオープンインターフェースと機械可読プロトコルを統合する必要があるでしょう。
最終的に、アドテックのAIタイムラインの次の章がどのように書かれるかは、技術よりもマインドセットに依存します。20年間、AIは業界の配管を動かしてきました。エージェント型AIは単にこの基盤を再定義するだけです。
