Amazon 同社は過去1年間、AIエージェントが自社の広告システム内で直接動作できるようにするツールの開発に取り組んできた。今週開催された「unBoxed」では、その取り組みが具体的な成果として結実した。それは、AIツールがAmazonの広告データに連携する新たな方法と、Pacvue Agentですでに実装されている特定の新機能であり、これにより、ブランドや代理店がAmazon Marketing Cloudから回答を得るまでの時間が大幅に短縮される。
その取り組みは、unBoxedで開催されたセッションのテーマとなり、Amazon Adsのリズ・ジョイス氏と、Pacvue の最高製品責任者（CPO）であるスナヴァ・ダッタ氏が登壇しました。本記事では、そのセッションで取り上げられた内容、Amazon が発表した内容、それが皆さんのチームにとって実際にどのような意味を持つのか、そしてPacvue が現在、これをどのように活用しているかについてご紹介します。
Amazon が発表した内容
長年にわたり、Amazonの広告データを最大限に活用するには、ビジネス上の課題を適切な技術形式に変換し、レポートとして提供できる専門家に頼らざるを得ませんでした。2月にベータ版が公開されたAmazonの「Ads MCP Server」は、この変換工程を排除するために開発されました。これにより、各企業がその接続をゼロから一つずつ構築する必要がなくなり、AIツールがAmazonの広告システムに直接接続し、ユーザーに代わって処理を行うことが可能になります。
Amazon がunBoxedで発表したものは、MCP Serverを通じて利用可能な「Expert Tools」と呼ばれる一連のツールの第一弾である「AMC SQL Generator」でした。簡単に言えば、AMC SQL Generatorは、平易な言葉で表現されたビジネス上の質問を受け取り、それを実行可能なクエリに変換するものです。
これは、御社のチームにとって具体的にどのような意味を持つのでしょうか？ 簡単に言えば、同僚に尋ねるのと同じようにビジネス上の質問（例えば、「今四半期、当ブランドを初めて利用する顧客は、当社のストリーミング広告にどのような反応を示していますか？」など）を投げかけ、クエリの書き方を知らなくても、検証済みの回答を得ることができるということです。
Pacvue が、AmazonのMCPサーバーをどのように活用しているか
この機能の解禁は、企業ブランドや代理店にとって非常に大きな意味を持ちます。なぜなら、AMC には、フルファネルにわたる質問に対する有益な回答が常に用意されていたからです。しかし、そうした回答を得るには、通常、データチームを待ったり、既存のテンプレートを修正したり、外部の支援を仰いだりする必要がありました。Amazon このハードルが低くなったことで、ビジネス上の課題を抱える当事者自身が、自ら答えを見つけられるようになるのです。
Pacvue この機能のベータ版には早い段階から参加しており、すでにPacvue エージェント内で利用可能になっています。Pacvue エージェントは接続層として機能し、ユーザーが平易な言葉で入力した質問を受け取り、それをAmazonのExpert Toolsに転送し、分析結果と実行可能なクエリを返します。これらを組み合わせることで、「質問があります」という状態から「答えはこちらです」という状態へ、たった1ステップで移行させることができます。
この組み合わせによる成果は、その効果を如実に物語っています。かつては数時間から数日かかっていたAMC のクエリに対する回答が、最大で80倍の速さで返されるようになり、基礎となるクエリの収集にかかる時間も約90％短縮されました。実際には、これは「来週のレポートを待つ」ことと、「質問が出たその会議中に回答を得る」こととの違いに他なりません。
また、スピードを追求するあまり監視体制が犠牲になってはならないため、この機能によって変わらない点にも 注目すべきです。稼働中のキャンペーンに関わるあらゆる事項については、依然として人が管理しています。「AMC 」のSQLジェネレーターと「Pacvue 」エージェントは相乗的に機能し、インサイトを抽出したり、基盤となるクエリを作成したり、さらにはオーディエンスを構築したりします。しかし、そのオーディエンスが稼働中のキャンペーンに追加される前に、チーム内の誰かがそれを確認し、追加のタイミングを決定する必要があります。
unBoxedのステージにて
今年の「unBoxed」では、Pacvue の最高製品責任者（CPO）であるスナヴァ・ダッタ氏が、Amazon 広告部門のリズ・ジョイス氏と共に登壇し、ブランドの広告データにAIエージェントを活用するために実際に何が必要かについて語り合いました。二人の対談では、ブランドがAIエージェントを評価し、活用する際に留意すべき重要なポイントや、起こりうるミスについて次のように指摘されました：
- AIエージェントの多くは、知能の不足ではなく、データへのアクセス不足が原因で失敗しています。リズは まず、業界全体に見られるある傾向について言及しました。 AIエージェントの導入を試みる企業のほとんどは、そこから持続的な価値を引き出すことができません。その理由は、ほとんどの場合、エージェントが適切なデータや文脈にアクセスできないことにあり、基盤となるAIの知能が不十分だからではありません。 同じAIであっても、実際のアカウントデータにアクセスできるか否かによって、ユーザー体験は大きく異なります。これは、次に新しいAI広告ツールを評価する際の有用な判断基準となります。問うべき質問は「モデルがどれほど高度か」ではなく、「実際に何を見ることができるか」なのです。
- AMC から回答を得るのに、もはや完全に形作られた質問は必要ありません。 Amazonの 「AMC 」SQLジェネレーターと Pacvueを組み合わせることで 、以前は2つの方法（固定されたフィルターを順にクリックするか、SQLを記述するか）のいずれかしか選択肢がなかった作業が、今では会話形式で行えるようになりました。チームは、Sunava氏が「スパーリングパートナー」のような役割を果たすと表現したAIエージェントと協力して作業を進めるのです。 あらかじめ完全に形作られた質問を用意する代わりに、エージェントとやり取りを重ねながら、実際に解明しようとしていることを明確にし、そこから調査を進めていくことができるのです。
- チームが犯しがちな最も一般的なミスは、曖昧な依頼です。 最もよく目にするケースを尋ねられたスナヴァ氏は 、「このキャンペーンのROAS を向上させてほしい」といった、あまりにも単純すぎる依頼を挙げました。こうした依頼では、本当に重要な詳細（何が成功とみなされるか、何が禁止事項か、どのような前提を置くべきか）が省かれてしまうため、担当者は推測せざるを得なくなります。 その結果、明らかに的外れな回答が返ってくることもあります。しかし、一見正しいように見えて実は間違っている回答が返ってくることもあり、その違いに気づくのは後になってからという場合もあります。スナヴァ氏のアドバイスはシンプルです。依頼内容を具体的に伝え、すでに検証済みの指示や前提条件をまとめて保存しておき、リクエストのたびに一からやり直す必要がないようにすることです。
- エージェントの成果を評価するのは、たった一人の仕事ではありません。スナヴァ氏は 、これを「各決定事項に最も近い立場にある者が担当する」という役割分担だと説明しました。 つまり、技術プロバイダーはエージェント自体が正しく機能しているかを確認し、予算決定権を持つ者が支出に関わるすべての事項を担当し、キャンペーンの日常的な運営を担当する者がパフォーマンスに関する判断を下すという仕組みです。
- 各チームは、AIに「考えること」は任せるが、「支出すること」までは任せていない。スナ ヴァ氏が言うように 、「エージェントに思考を任せることには慣れてきたが、支出を任せることまではまだ至っていない」。彼はさらに、これは業界の現状を考えると当然の反応だと付け加えた。 リズは、この状況を完璧に言い表す例えを挙げた。エージェントは、新しいチームメンバーによく似ているのだ。入社初日にダッシュボードやレポートへのフルアクセス権を渡し、「100万ドル規模の決定を下してこい」と指示することはないだろう。広告費を管理するAIエージェントに対しても、同じ理屈が当てはまるのだ。
リズは、主体性のあるワークフローを構築するための4つのアドバイスを述べ、セッションを締めくくりました。これらのアドバイスを、そうしたワークフローを導入するブランドにとっての意味に置き換えてみると、チームに何かを展開する前に、手元に置いておくと便利な簡易チェックリストとして活用できるでしょう：
- まずは自社のデータを整理しておきましょう。 どんなに有能なエージェントであっても 、実際に把握できる範囲内でしか役には立ちません。的確な回答を得るためには、アカウント構造やキャンペーン履歴が整理されていることを確認してください。
- 着手する前に、「より良い」とは具体的にどのような状態かを明確にしておきましょう。 アナリストの作業時間を削減したいのか、問題をより迅速に発見したいのか、それとも現在完全に見落としている洞察を引き出したいのか、その目的を把握しておく必要があります 。
- 必要になる前に、独自のルールを決めておきましょう。 キャンペーンの最中にプレッシャーの中で判断することにならないよう、エージェントに自動で処理させるべきことと、必ず人の承認が必要なことを、チームで事前に決めておきましょう 。
- ブラックボックスは受け入れないでください。 Pacvueのツールであれ 、それ以外のツールであれ 、導入するツールは、単に結果を示すだけでなく、なぜその処理が行われたのかを説明できるものでなければなりません。
これがチームにとって何を意味するのか
AIツールを広告データに組み込んでみたものの、ありきたりな結果しか得られなかったり、初期のデモ後にパイロットプロジェクトが頓挫してしまった経験があるなら、それはあなただけではありません。これは現在、例外ではなくむしろ一般的な状況であり、その原因はたいてい、エージェントが貴社のビジネスに関する適切なデータや文脈にアクセスできていないことにあります。Amazonの「AMC SQL Generator」と「Pacvue Agent」が連携することで、このギャップを埋めます。 一方はAMC に関する深い専門知識を持ち、もう一方はそれを適用すべきアカウントの背景情報を提供します。その結果、御社のビジネスで実際に 何が起きているのか について、確かな答えが得られるのです。
Pacvue Agentでの実際の動作をご覧になりたい場合は、デモをご予約ください。
AMC のSQLジェネレーターや、今年のunBoxedでAmazon が発表したすべての情報について詳しく知りたい方は、10月7日に開催される「unBoxed unPacked: 基調講演の解説＆ライブAMA 」にご参加ください。こちらからご登録ください。
