エージェンシーにはどんなAIツールが必要でしょうか。多くの人が思うより少なく、ただし、より緊密につながっていることが条件です。ボトルネックは、足りないツールではなく、足りない統合であることがほとんどです。データは五つのシステムに散らばり、チームごとにお気に入りのチャットボットがあり、最後には誰かがスクリーンショットをスライドに貼り付けています。
一方、大手エージェンシーグループは、種類の多さよりもつながりに賭けています。Digidayによると、Dentsuのメディアエージェンシー、Caratは、NBCUniversal、FreeWheel、AI企業のNewtonと共同で、アップフロント（米国のテレビ広告の事前商談）におけるプランニング、バイイング、最適化のためのエージェントを開発しています。Tinuitiは、計測ソリューション「Bliss Point」向けのMCPサーバーを公開し、計測レイヤーをAIエージェントに開放するとともに、オーディエンス、クリエイティブ、メディア、計測のデータを一か所に集約しました。そしてWPP Mediaは、「エージェント型メディアバイイングでは、ガバナンスと人による説明責任が中核を成す」と強調しています。
AIツールが増えるほど、成果が下がることが多いのはなぜ？
新しいツールを入れるたびに、新しい孤島が生まれるからです。ソーシャルリスニングツールは会話を知っていても、メディアデータを知りません。チャットボットは見事な文章を書きますが、クライアントのことは何も知りません。レポーティングツールには数字があっても、文脈がありません。これらをつなぐのは人間で、その手段はコピー＆ペーストです。
そこに隠れたコストが加わります。重複するライセンス。ダッシュボードごとのオンボーディング。シャドーAI、つまり誰の承認もないまま、クライアントデータが通り抜けていく個人アカウント。そして、どのツールでどのプロンプトが効くかを知る一人に依存したナレッジ。
クライアントがデータ保護とデータ主権を厳しく見ているドイツのエージェンシーにとって、この乱立は非効率なだけではありません。次のピッチのアンケートで露呈するリスクです。
全体がツールの総和以上になる理由
システム理論には、シンプルな説明があります。システムは部分の総和以上のものです。性能は、部分同士の関係から生まれるからです。共通の楽譜を持たない名ソリストたちのオーケストラは、交響曲ではなくチューニングの音に聞こえます。
エージェンシーのテックスタックに当てはめると、個々のAIツールの質は、全体の性能についてほとんど何も語りません。大切なのは、データ、ツール、人が互いに対話できているかどうかです。ツールだけでは傑作は作れません。ハーモニーは、ツールが息を合わせてこそ生まれます。
だから問題は、多くの場合テクノロジーではなくアーキテクチャにあります。楽器は買ったのに、楽譜を忘れているのです。
MCPとは何か。エージェンシーにとってなぜ重要なのか？
MCPはModel Context Protocolの略です。ClaudeのようなAIアシスタントが外部のデータソースやツールにアクセスできるようにするオープン標準です。万能のコンセントのようなものだと考えてください。データソースごとに個別の連携やダッシュボードを作る代わりに、アシスタントが一つのインターフェースを通じてすべてと対話します。
エージェンシーにとって、これは前提を変えます。これまでの統合とは、データをエクスポートしてツールに読み込み、結果をまたコピーして取り出すことでした。MCPならデータはその場所にとどまり、チームは普段の作業場所で質問を投げかけます。「競合は10月初めから、どんなメッセージを打ち出しているか」は、インサイトチームへのチケットではなく、チャットでの質問になります。
Defy MCPの仕組みはまさにこれです。チームはClaudeの中で競合、オーディエンス、会話のデータに直接問い合わせます。同僚に聞くような感覚で、新しいダッシュボードを覚える必要はありません。Tinuitiが計測データを同じ方法でAIエージェントに開放していることは、今後の方向性を示しています。データはもうダッシュボードに閉じ込めておくものではなく、問い合わせられるものになるのです。
ツール乱立と統合スタックの比較
| 観点 | ツールの乱立 | MCPによる統合スタック |
|---|---|---|
| データアクセス | エクスポート、コピー＆ペースト、スクリーンショット | アシスタントがデータソースに直接問い合わせる |
| 学習コスト | ツールごとに一つのダッシュボード | 一つのインターフェースで、自然言語で質問 |
| トレーサビリティ | 出どころが見えない結果 | 回答を情報源までたどれる |
| ガバナンス | 個人アカウント、あいまいな承認 | 一元的な権限管理と明確な承認ルール |
| チームの知見 | 個人の頭の中にある | 再利用できるプロンプトとワークフロー |
| コスト | 重複するライセンス | 少ないツールを、より深く使う |
AIツールを6ステップで統合するには？
- 棚卸しをする。誰が、どのAIツールを、何のために、どのデータで使っているか。個人アカウントについても、はっきり尋ねましょう。責めない姿勢で聞かなければ、正直な答えは返ってきません。
- 時間を食う業務を三つ選ぶ。典型的な候補は、競合監査、月次レポート、ピッチのリサーチです。現在どれくらい時間がかかっているかを記録します。
- インターフェースを一つに絞る。チームがAIを使って作業する場所を決めます。インターフェースを増やすなら、それ相応の理由が必要です。
- データはコピーせず、つなぐ。MCPなどのインターフェースで直接問い合わせられるデータソースを確認します。エクスポートでしか使えないものは、後回しのリストに入れます。
- 導入前にルールを決める。クライアントに出す前に人がチェックするアウトプットは何か、誰が支出を承認するか、どのクライアントデータをどのシステムに入れてよいかを決めます。その場には、データ保護責任者も加えましょう。
- 試行し、測定し、整理する。1社のクライアントで6週間テストし、ステップ2で記録した時間と比較して、なくても誰も困らないツールは解約します。
独立系エージェンシーは、ホールディングカンパニーから何を学べるか？
Digidayの報道で目を引くのは、技術そのものよりもトーンです。エージェンシーグループは、統制を軸にエージェントを売り込んでいます。Digidayによると、WPP Mediaは、財務やアクティベーションに関する判断について、明確な統制、承認のしきい値、責任を負う人による監督を求めています。Dentsuでは、あらゆることに今も人による監督が必要だという方針です。
独立系にとって、これは一つの教訓です。クライアントがためらう理由は、技術そのものよりも、コントロールを失うことへの不安にあります。誰がどのアウトプットをチェックするのか、主張の根拠はどこにあるのか、データはどこにあるのかを説明できれば、規模を問わず信頼を得られます。
違いは、ホールディングカンパニーが潤沢な開発予算でスタックを構築するのに対し、独立系エージェンシーはより賢く組み合わせる必要があることです。データ、問い合わせ、自動化をまとめるDefyプラットフォームのようなプラットフォームは、社内にデータサイエンスチームがなくても同等のレベルに近づくための一つの方法です。
あらゆるAIベンダーに何を尋ねるべきか？
- データはMCPなどのオープンなインターフェースで問い合わせられますか。それとも、自社のダッシュボードの中だけですか。
- システムが示すあらゆる主張を、情報源までたどれますか。
- データはどこに保存され、誰がアクセスでき、私たちのプロンプトはどう扱われますか。
- そのツールは実際にどのワークフローを置き換え、その結果、どの既存ツールを解約できますか。
最後の質問に答えが返ってこないなら、買っているのはツールではありません。楽譜のない楽器が、また一つ増えるだけです。
