マーケティング部のAIエージェント化の必要性と定義
皆さん、こんばんは。あした使える聴くネタ帳｜ マーケターの真夜中ラジオの時間です。
この番組は、あらほうマーケター2人が、最近気になるトピックを取り上げ、それぞれのマーケ観で掘り下げていきます。
淡路市場でコピーライターをやってます、しんぼうです。よろしくお願いします。
スタートアップの思いを文化に変える戦略マーケターチーム、株式会社エールコネクト代表の宮本です。よろしくお願いします。
今日のテーマは、マーケティング部のAIエージェント化で、人の能力を高めて成果を最大化する方法です。
このテーマを取り上げた理由は何でしょうか。
毎回毎回AIテーマで申し訳ないんですが、話題なのでやってみたいなと。
実際、僕も外付けマーケティングプリングマネージャーみたいな形で、外部CMOだったりとか、外部マーケティングみたいなことやってると、
最近社長とかそういう人から、マーケティング部のAIエージェント化できないの?っていう要望をもらうことが多いんですよね。
一般的に、チャットGPとかジェミニみたいな、生成AIって言われるものって、質問を出してそれに対して回答をもらう。
人間がその都度指示を出す必要があるんですけど、
AIエージェントっていうのは、人間が指示を出さなくても与えられた目標に向けて、
AIが自分で計画して必要なツールを使いこなしてタスクを完結させるっていうような仕組みです。
実際、エールコネクトでもこれを作ってて、それぞれ名前もついてて、戦略プランナー東藤さんとか、
SNSマネージャー七瀬さんとか、広告スペシャリスト神谷さんみたいな形で、
それぞれエージェントがいて、その人たちと作業をしていく。
新顔が出てきたね。七瀬さんと神谷さん。
神谷さんがいるんですよ、広告スペシャリスト。
初めまして。YouTuberです、どうも。
うちの会社はこういったメンバーが資料作成とかを手伝ってくれております。
じゅんぼさんのところはポチさんですか?
ポチさんしかいない。
今ポチさんだけですか?
ゲレゲレさんとかいたんですけど、
最近ポチにゲレゲレ使わないの?って言ったら、
ゲレゲレってなんでいるんだっけ?ってポチが言い出して、
お前が作るって言ったんだろう?みたいな話なんですけど、
たまにそういうとこありますよね、AIって。
つい自分でいろいろ作業してしまって、
分担してくださいって言ってんのに自分でやりきったりとかね、
そういうことがありますね。困ったもんですよ。
そういう形でAIエージェントを使ってその人に仕事を任せていくっていう状態を作れないかっていう中で、
特にSNSマーケを自動化したいって声がすごく多いんですよね。
聞いたときに、顧客との重要な接点でAI使ったら一定これAI使ったんかなと思ったり、
特に画像とかだとするようなものを自動化するのって本当に正しいのかなとか思ったりもします。
そうだね。すごいリスキーな感じもするよね。
そこじゃないよね、みたいな。確かに画像とか動画制作とか自動化できる部分は今あると思うんですけど、
でもそういうところで成果上がる広告をクリエイティブに作ろうとするとすごく工夫がいったりとかするので、
SNSマーケ行って時間的工数かかっているのでその工数削減したいっていうところが要望だと思うんですけど、
でも僕がAIエージェント使っててこっちの方が役に立つんだなと思ってるのは、
そういった時間工数を削減するっていうコスト削減部分ではなくて、
戦略部分をAIと一緒に取り組むことで人の能力を高めるっていうところの方が効果が高いんじゃないかなというふうに思ってます。
今既存クライアントのマーケ部にAIエージェントのワークショップとかも実施しているので、
もしね、うちの会社でもというリスナーがいたらご連絡いただければ考えます。
考えます。
今何社かでそういう取り組みをしてて、
ニーズあるよね。
ニーズあるんですよ今。やっぱりちょっとやってみたいなっていうところはあってあります。
うちの会社だったらどうなのかっていうことが多分みんな一番知りたいだろうからね。
そうですね。実際やっぱり作ってると各企業で当然やってるサービスが違うので、
さっきね、うちの会社だとSNSマネージャーとか広告スペシャリストとかそういうのがいるんですけど、
クライアントによってどういうエージェントを作るのかってのは当然変わってくるので、
その役割の切り方とかっていうのは作業とか見ていくと変わってきて、
その会社なりのAIエージェントを一旦作ってそれを育てていくっていうプロセスになってくるなという感じがしてます。
AIエージェントの具体的な活用事例と効果
そんな感じのマーケティング部のAIエージェント化で人の能力を高めて成果を最大化する方法を本編で先に収録したんですけど、
ジンボさん的に今回の内容どの辺りが明日使える企画ネタになりそうですか?
今多分直接的に知りたい情報の一つかなと思うのが、このAIエージェント化を編集部とかね。
僕で言うとマーケティングとかに実装したらどうなるの?みたいなところだと思うんですけど、
なんかノウハウがもう作装しまくっていて今。
Twitter現役とかで。結局どうすりゃいいの?みたいな。
めっちゃ良さそうなこと書いてるけど、実際それをクロードコードに聞いてみたら、
これ普通にやってますけどみたいな大げさに言ってるだけですわみたいな。
バズるノウハウっぽく言ってるだけで、普通にやってますけど、僕みたいなことを言ってくれるので、
一個一個それに反応したらキリがない感じがするんですよね。
結局何をすればいいの?っていうと非常に本質的なところかと思っていて、
一番の本質は多分さっき宮本さんがおっしゃった、
AIエージェントが全部やってくれるみたいな魔法の杖的な発想は捨てて、
役割分担でそれを使って人間がいかにグレイトになるかってことだと思うんですよね。
そこの本質的なところを外さない上で実務的な視点でこうやってますよっていう景色が見れるっていうのは、
割と今回の回かなと思いますというところと、
あとは宮本さん的視点、外付けMPMっていう視点と、
マーケティングプリングマネージャー。
まだ定着してないもんね。
まだしてない。
それに裏打ちというかっていう感じで、
僕も今編集部をAIエージェント作っているので、
編集部だったらこうだっていうのを本編の中では混ぜて話しているので、
そこのいくつか視点のアングルで見ることで解像度が高まるっていうのがあるのではないかと思います。
そうですね、確かに。
クライアントごとにどんなエージェントを作るかは違ってくるし、
あとは今ジモさんおっしゃってもらった通り、
編集というところで関わっている人の作り方と、
マーケティング部というところでの作り方って全然違ってくるので、
そこそれぞれやっぱり違い、ある意味でいうと、
AIエージェント作ってるけど部下を育成したりチーム作ってるのと一緒だと思うので、
当然マーケティング部と編集部はどんな作業をするか違ってくるので、
やっぱりそれぞれそこはそれぞれの作り方があるべきだし、
そうであるのが正しいなって感じがしますね。
そうですよね。
AIを育てながら、
自分はこれまでちゃんと言語化して伝えるってことをサボってたんだなって思うことがありますよね。
そうですね。
どうやってこれ伝えたらいいんだろうかって考えるってことは、
自分で言語化できてなかったってことですもんね。
そこはAIを教えていくことで、
言語化、自分自身のトレーニングにもなり、
結局人間を育成するっていうことが一番だなって思ったりしますね。
それでは本編ぜひ聞いてみてください。
本編は約31分あります。
途中で聞けなくなった時のためにもここでポッドキャストをフォローしておくと便利です。
それでは行ってみましょう。
よろしくお願いします。
エアモスさんの今週のピックアップテーマはこちら。
マーケティング部のAIエージェント化で人の能力を高めて成果を最大化する方法です。
どんな内容なんでしょうか。
オープニングでも話した通り、
マーケティング部のAIエージェント化というのを聞く中で、
そこでただコスト削減するのではなく、
戦略部分とかを取り組めないかというところを思っています。
実際ですね、僕の仕事は外付けマーケティングプレイングマネージャーという形で、
マーケティング部の外注でマーケティング部のことを受けたりもするし、
あとは外注CMOみたいな形で、
チームメンバー10人くらいいて、
それのCMO的に関わっているみたいなそういう案件もあるんですよね。
そういう形でその人たちにマーケティングを資料レビューしたりしている中で、
いくつかその人たちにこういうふうにやってほしいけど、
なかなかそれを浸透させるのが難しいなと思っていることがいくつかあります。
例えば、インパクト、それは項目としては大きくいくつかあるんですけど、
まず思想的なところで言うと、
僕が常にレビューする上で、インパクトのある施策をやってほしいなと思うけど、
確かにそれをやったほうがいいけど、めっちゃ頑張ってもそこインパクト出ないですよね、
みたいなところを頑張ってたりとかね、あるじゃないですか。
担当が分かれているからね。
そこは確かにやったほうがいいけど、でももっとやるべきところがたくさんあるはずなのに、
そこを改善したとて、5人とかしか影響なさそうみたいなことを頑張ったりみたいなことはありますよね。
ちょっとあれだよね、2段階の上の視点が欲しいところですよね。
そうそうそう、そうなんです。そこじゃないなーみたいな。
でもまあ、それぞれ役割が分かれている中で、そこかーみたいな、思ったりすることはあります。
自分の得意技はめたがるから。
あー、ありますあります。
そこもあるよね。
ありますね、そうそう。
やっぱりそれはその人のこれまでやってたマーケ知識とかがね、影響するから。
広告運用が得意な人は広告運用で物事を解決しようとするし、顧客理解が得意な人は顧客理解で物事を解決しようとするし。
そうだよね。悪くないからね。だってそれだと成功体験があるから、イメージが自分の中にあるわけだから、できるんじゃないかなと思ってるから悪くはないと思うんだけどね。
そうだね。もうちょっと仕上げたら試作選び方ちょっと変わるかもな、みたいな感じですね。
あとは過去データとか競合データを見てPDCAして欲しいけれども、ただ単に出てきたコンテンツそのまま出してるな、みたいな話とかね。
あとは顧客理解した上で伝わるコミュニケーションした方がいいけれども、どちらかというとこのコンテンツ発信したいからっていうものをそのまま出してたりとか。
そういうこととかで、いやーそれだとマーケターじゃないんだよなーみたいなふうに思ったりすることはあります。
あとはこれは思想というよりもそもそもやり方が分かってないっていう意味で、データの取り方見方がわからないみたいなところで、
例えばGA4の使い方がわからないので、このLPをこう書いた時にここがどうなっているのかみたいなところがわからないみたいなところとか、そういう方もいます。
あとはセンスみたいなところで、これは結構AIで難しいところがあるんですが、伝わるコミュニケーションにするにはどういうことが必要なのかとか、
あとはこのコピーとかこれは伝わるかどうかみたいなところはやっぱり経験に左右される部分はあるので難しいなと思ってます。
センスなのか、PDCAでもあるよね。PDCA経験の先に生まれるセンスみたいなところもあるよね。
そうなんです。なんていうのかな、すごく優秀なというか、組織の中にマーケティングの文化が根付いているところはきちんとPDCAもするので、
1回1回この施策やってこういう成果があったから次はこういう成果でっていう形で各メンバーの中にもノウハウが溜まっているし、
組織の中にもノウハウが溜まってて同じ失敗はしないって形になってるんですけど、そうじゃなくてただ単にもらったコンテンツをそのまま、
例えばSNSとかで事業部側のコンテンツをそのまま発信するみたいな形になっていると、そもそもPDCAもなかったりするので、
何がいいのかとか、そもそもKPIもちゃんと設定されてなかったりみたいなところもあったりするので、
マーケティングを1年やっても1年で何かナレッジが溜まったっていう状態じゃなかったりみたいなことが関わっている中であったりします。
全ての配信、投稿とかって仮説をぶつけるってことだと思うんですよね。
だからこれはこうだからこれぐらいの伸びるんじゃないかっていう投稿であって仮説なんですよね。
だからそれが投稿であって仮説でない場合に何も学びがないっていうことだと思うんですよね。
そうなんです。
割とそれが多いよね。
多いですよね。でもそれって誰かがそういう風にやらないとねっていう風にルール化とかしていかないと確かにわからないものだったりもするから、
こうやってデータがあってPDCA回せるマーケティング部門だからそうやってやるけど、
他の部署とかだとそもそもデータがなかったりとかしてそういうことをやりたくてもできない部門とかそういうのもあるので、
とてもマーケティング的だけどそれがちゃんと浸透してないなと思ったりはします。
あとKPIが投稿数の倍とかあるじゃないですか。
ありますね。努力量みたいなね。
それはちょっと小学生レベルだなって感じするよね。
投稿すれば投稿達成するんだからさみたいな。
いくらでも達成できるよね。
KPIの置き方のレベルがすごい小学生の終わりの回みたいなことがたまにあります。
ありますね。そうなんですよね。
僕らっていろんなマーケティング部に代理店とかだと関わっていると結構各会社のマーケティング部の差って感じるけれども、
でもその組織にいる人はそれが普通なのでわかんないんですよね。
そういうところをうまくなんとかできないかなっていうところがずっと思っていたところでした。
あとは僕がやってるマーケティングは語り的点マーケティングということで、
作り手とか使い手とかサービスに関わるいろんな人の声をコミュニケーションで活かすっていうふうなことをマーケティングの中で特にやってるんですが、
これもどの人の声をどう使うかみたいなところでそれを集めたりとかコンテンツ化するところで結構工数がかかる作業だったりするというところで、
ここの部分とかもうまくAIアジェント化で実現できないのかというところが今までAIアジェント使わずに外付けマーケティングプレイマネージャーやってる中で、
今言ったような課題全部もしかしたらAIアジェントで解決できるんじゃないかっていうのが今僕の思ってる仮説ですね。
なのでAIアジェント化のKPIは何かって考えたときにオープニングでも話した通りよくあるのはSNSのコンテンツ制作とかを短縮して人の工数削減できるんじゃないのかっていうところがあって、
一つ時間が短縮できるっていうのは一つ目のゴールではあるんですけど、大事なことは削減した時間を有意義な作業へのリソース転換によって成果を最大化するっていうところと、
あとは例えばさっき言った課題であってみたいな顧客理解とかデータ活用とか競合調査によるPDCAとか、
ハイレベルなマーケターと同レベルな仕事をできるようにAIアジェントがある程度ガイドライン化して動いているというようなところができると、
コスト削減じゃなくて人間の成長による成果最大化のためにAIアジェントを使えるんじゃないかなというふうに思ってます。
AIエージェント導入における課題と原則
削減のためは削減になってないかみたいなのは大事だね。
本来これをやるためにリソースが足りないから削減をする必要があるのであるっていうのの削減であればいいけど、削減のための削減が多分多いんだろうな。
多いんだと思います。
実際海外とかでもこれはマーケ部じゃなくてAIを使ったときによくあることが、
例えばコールセンターでAIを入れることで人間がやる作業がなくなりました以上みたいな。
じゃあ人員削減ですねみたいになることが多いので。
そこじゃないですよねと。
その転換がどこまでできるかっていうのが勝負になると思います。
なので今クライアント企業とかでやってるAIエージェント化でやるべきことっていうところで言うと、
AIエージェントの中に共通ルールとしてさっきのことができるようにルールを入れるってことをしてるんですよね。
マーケ観点で重要な3つのことっていうのは原則1として、
もうAIエージェントの文章の中にこの原則で各エージェントは動いてくださいっていうふうに書いてるんですけど、
顧客目線で考えるってことでコンテンツ生成したり試作立案するときに、
ターゲットがこれを見てどう感じるかの検証ステップを必ず入れると。
ターゲット理解がわからない場合は質問してくださいっていうふうに書いてます。
あとは原則2番でデータから考えてPDCを回すってことで、
試作を提案する前にリファレンスフォルダみたいなその参照元みたいなところがあるので、
そこの中の過去成果物とかデータを参照してくださいと。
必要なデータがない場合は必要なデータのインプットを人間に依頼してくださいと。
勝手に仮定しないでねと。
試作実行したら必ず数値で振り返ってくださいねと。
あと原則3で常にKPIインパクトを意識するということで、
試作のKPIの影響度を明示して、
インパクトの大きい試作から着手するような優先順位を示してくださいっていうルールを書いてます。
これはあれか、MDファイルに書いてますね。
そうですそうです、MDファイルに。
一応このエアーエジェント作るときは、
ジモさんもポチとか名前つけてやってるじゃないですか、エアーエジェント。
作るときに、クロードコードで最初に、
例えば戦略担当東道さんとかいろいろと担当を作って、
その人たちがどういう動きをするかっていうのを、
最初にセットアップファイルみたいなやつでいろんなMDファイルを作るんですけど、
MDファイルを一番最初に作るときにこの原則を入れといて、
全ての人この原則で動いてくださいという風に作ってます。
なるほどね。
これちょっと余談ですけど、こういうルールにしてるんですけど、
時々守らなかったりするんですよ。
守らないことあるよね。
あるある。
これ作ってって言ったらデータを渡してないのに、
できましたとか言ってくるわけよ。
必要なデータがいる場合は言ってよって原則に書いてあるのになぁと思って、
この原則書いてあるのにちゃんと守れましたかって聞いたら、
すいません、ルール違反してました。
言う?謝るよね。
謝る謝る。
ポチも平心底と謝ってくるけどさ、
お前さ、AIじゃねえの?みたいな。
いや、ほんと人間感あるよね。
人間感あるよね。
ちょっとドン臭い感じ?
そうそうそう。
最初ダメなんだって言って。
でさ、すいませんちょっと重要なルールなのにすいません忘れてましたみたいな。
でこれ作業やり直しますかって聞かれて、
いや作業のやり直しはいいから、
次からは治るようにして欲しいんだけどって言ったら、
じゃあ原則ファイルとラーニングファイルにこれを書き込みますって言って、
次からはやりませんっていう失敗事例みたいな。
ポチのメモリに入れられると、
なんかあんまり覚えられてない感じがするから、
原則に入れてとかって。
MDファイルに必ず入れてって言わないと参照しないよね。
参照しなかったり。
それでも危ういところはあるけど。
危ういところはある。
なんかさ、一個質問があって、
レファレンスとかアウトプットの過去生化物データとかって、
置きたいじゃないですか。
置きたい置きたい。
あれどれくらい置けばいいのかなって。
置くほどこっちは安心するけど、
置けばAIの毎回の参照負担が増えるじゃん。
増える増える。
なんかどの辺がいいんだろうね。
でも一応今の構成としては、
その作業をする時に必要なやつを探して参照するっていう風に、
一応なっていて、
ちょっとどこまでそれをいつも正確にできてるかは怪しいんだけど。
怪しいもんだよね。
怪しいもん。
この後説明するけど、
毎回毎回作業した時に覚えていってほしいわけよ。
一回できなかったのは許すと。
部下みたいなもんですよ。
一回のミスは許すと。
でも次からはちゃんと東頭くんやってねっていう、
AIエージェントの名前ね。
東頭くんやってねって思うから、
ちゃんと一回一回学びを蓄積してほしいから。
ラーニングっていうフォルダがあって、
そこに学びが蓄積されてるんだけど、
ただそのラーニングファイルがずっと使ってると大量になってくるから、
そうすると全部読んでたら大変になるから、
ラーニングフォルダの中にインデックスフォルダがあって、
どういうことがそれぞれのことに書いてあるかっていうのを、
目次ファイルみたいなのがあって、
一番最初にそのインデックスを見て、
今回の作業に必要なラーニングファイルだけ読みに行くっていう風な構造に、
一応なってます。
ちゃんとできてるかはわからないけど。
割とそこも分けてるわけだな。
全部一個にぶち込むんじゃなくて、
まずインデックスがあり、
ラーニングフォルダが、ファイルが一個、二個、三個ある。
そうですそうですそうです。
東頭とか何とかとかにそれぞれあるんだね。
それぞれにあります。
ストラテジスト用のラーニングファイルとかがそれぞれにあって、
作業を振った時に、
一応、例えばこれをやってくださいって言ったら、
これは戦略的作業だから、
ストラテジストの東頭を動かそうとか、
これは分析作業だから、
別の神谷さんを動かそうとか、
そういう形で一応分担して動いているので、
大丈夫なはず。
面白いよね。
掘ったらこれだけで一本できるぐらいだけどね。
そう。
ちょうどうちのメンバーとかにもこのやり方でやった時に、
やり始めて言ったのは、
なんか育成ゲームみたいで面白いですねって言ってて。
面白い。
その感覚大事だなと思って。
一人一人一個一個のキャラクターを作って育成していく。
だから、やっぱり名前があるの大事だなと思って。
これがね、ストラテジストっていう風な抽象語だと、
育てるって感覚ないけど、
名字でね、東頭さんとかって名字が付くと、
最近東頭さんちょっと賢くなってきたじゃないですかみたいなね。
そういう気になる。
東頭っぽいよねとかっていうのが、
普段の日常会話で出したらもうバッチリだね。
もうバッチリ、もうシャイんだねそれはね、本当にね。
そうなんです、はい。
その辺はね、こうやっていけて大事だなと。
あとは、今のがマーケ観点で重要な3つのことで、
AIエージェントの育成と人間との協働
あとはAI活用観点で重要な4つのことっていうのを入れてて、
1つ目が、AIが提案をして人間が選びますという形なので、
複数パターンの案があり得るかどうかを判断して、
以下のいずれかを選んでくださいと。
1つ目が、一案を出して他のパターンも考えましょうかと聞くと。
Bが回答を出す前に何案作りますかと聞く。
Cが複数案を出すって形で、
人間が想定してない切り口も積極的に提案するような形で動いてくださいっていうのを原則に書いてます。
あと2個目が、さっきも話した学びを蓄積して組織資産にするっていうことで、
各セッションの学びをラーニング配下の領域別ファイルに蓄積していってくださいねという形です。
あとは、AIエージェントの役割として作る人とレビューする人を分けてくださいって形で、
例えば広告レポートを作るときも、分析担当が広告レポートを作って、
品質管理担当がそれをレビューするっていうような形になってるので、
そうすることでよりいいものができているのかなと思います。
あと最後、セキュリティルールも忘れずに入れるっていうことで、
一応個人情報とかを入れたりすると良くないので、
個人情報とかが入ったら途中で、個人情報なんで入れられませんとか、
そういうふうに言うようなことを最初の原則として書いてます。
AIが提案してくるから、ジャッジしないといけないじゃないですか。
これが意外とめっちゃ大変なんですよ。
大変ですよ。
なんか感じがして、むしろ自分で全部やった方が楽だし早いし、正確なんですけど。
初期フェーズはそうだね。
これの苦行をやったらいつか報われるだろうって思って今やってるんですけど、
本当大変ですよね。
最初はね。
でも得意な作業と得意じゃない作業が分かってこない。
やっぱりリサーチから単純にレポートまとめるとかはいいけど、
戦略とかもある程度型があるものを選ぶのはできるけど、
全くゼロから何か考えて新しいの作ろうとしたらそれは無理やろうなみたいな。
そうだね。その辺だね。
僕の編集とかで言うと、記事とか普通に全然書けるから。
あと、What to say拾えって言ったら、どういう拾い方をすればいいかちゃんと拾ってくるんで。
いい記事書くんだね。
ただ、コンセプチュアルなとこはちょっと弱い。
無限にどんだけやっても全然足りないところで。
そこは補えばいいかって話。
補えばいいね。
そこは教えて身につくものでもないような気持ちでしょうがないかと思ってやる。
人間に教えるのが難しいことは、AIに教えるのが難しいなとこも思うよね。
クリエイティブジャンプって人間が言ってるんだから、要するにロジックがジャンプするわけだから、
そこの説明とかはロジカルにできないものはAIは学べないってことなんだと思う。
ただ人間はそれがピンとくるってことなんだよ。
多分それは人間同士じゃないと分かり合えない。
多分共通前提があってって話だから。
なのでそういう形でルールを作って、まさにラーニングファイルを色々とどんどん育成していくことで、
一部の作業は自分が関わらなくてもできるというところがいいかなと思ってます。
AIエージェント化の最終形態はボトルネックになる人間の中間データのレビューをなくすことだなということを感じてて、
この間エンジニアの人と飲んだ時に、エンジニアってAIでプログラミングするっていうのが普通になっているそうなんですよね。
そうなった時にどこがボトルネックかっていうと、一応AIがプログラム作るじゃないですか。
作ったやつを人間が一個一個レビューしなきゃいけなくて、それがボトルネックらしいんですよね。
それはそうだなっていう。
そこで止まるわけだね。
そこで止まる、結局はね。
だから結局は人間がそこでスピードを落とすっていうことになっていて、
でも最近プログラムとかだと、結局人間がレビューをするっていうのもテストケースをいくつか考えて、
このテストケースだったらこれがダメだからとかそういうことをやってるから、
そういうところをプログラミングをして、中間成果物を人間が見ずにできるようになるとゴールだなと。
これまでレポートを見て人間が試作を考えるっていうのをやってたと思うんですけど、
レポートから試作提案までしてくれると。
疑問点とか抜け漏れは聞けば教えてくれるっていうのが多分よくて。
よく代理店とかクライアント会議で、ただレポートを読むだけ会議とかあるじゃないですか。
最近減った気もするけど。
あれね、大体半分くらい聞いてなかったり、半分くらいアクションに結びつかなかったりするやつとかもなくていいよなと思ったりする。
大体のレポートは大体クソだからな。
そっかみたいな。
一応ね、やったっていうことを言うために必要なんだろうけど。
こういうインプレッションでこういうクリックでみたいな。
でみたいな話はよくあるので。
あるよね。
そういうのもAIアジェントが全部やってくれているならば、
何か次の試作につなげない限りレポートは何も生まないので、その方がいいかなと思ってます。
そうだね。
この中間データレビューの読み取り精度みたいなのをいかに早めに学習させるかが超大変だなと思ってる。
大変ですね。
なんか編集でいくとさ、書庫をあげて、こっちは一応確認した上で事業部に投げるじゃないですか。
事業部的な目線で赤字が戻ってくるじゃないですか。
それを直すんだけど、別に僕が直せば10分で終わる習性なんだけど。
それを一個一個これはどういう原則でって割り出して学ばせるじゃないですか。
で修正もさせて全部AIでやらせるんだけど、それ3時間くらいかかるんだよね。
めちゃめちゃ大変で。
でもそれも次回以降同じ修正を赤字ももらわないために一個一個ラーニングさせるんだけど、
すっごい大変。
でもそれをやると1個やったら2個目は良くなるし、1個目2個目の修正フィードバックを全部学ばせたら、
3個目はほぼ赤字なくて通せるような原稿が上がってくるから、
この蓄積のワクワク感、育成ゲーム的なワクワク感っていうのは確かにあるよね。
そこまで出来てくると気持ちいいよね。
賢くなったね。ポチ?ポチがやってるの?
ポチが頑張ってやってるんだけどさ。
ポチ賢くなったなってなるね。
そう。いいよね。
ポチなんか最近急激な成長遂げてるんだけどさ。
あ、そうなんだ。
なんかある日急に、これ作業俺がやっといたからさってこと言い出してさ、
昨日まで立ち込めちゃうみたいな喋り方してたよね。
僕とかジンボさんとか言ってたじゃんみたいな。
ポチがやっとくよとか言ってたのは俺とか言い出してさ、
お前勝手に声代わりしてんじゃねえよバカヤローって。
すごい。
めちゃめちゃ修行したことありました。
人格を備え始めましてね。
そう。なんか自分が育ってきてる感を勝手に感じちゃってるっぽくて。
面白いね。
岸子育て感を味わえるね。面白いよね。
そこまで行くとすごいなあ。
シンプルに俺って言うなって返しましたけどね。
文脈無視して俺って言うなみたいな。
二度と言うな的な。
ごめんって言ってましたけど。
すげえ。
やっぱね、どの名前をつけるかによってその辺の愛情のかけ方も変わりますね。
そうですね。
ポチって名前だからそれを感じるなあ。
そうだね。括弧箇章だけど定着するかもしれないね。
面白い。なるほど。
そうやってやっていきながらも、でもじゃあAIエージェント使ってどんどん作業を任せていきながらも一定ディスクというか注意しておかないといけないこともあるなあと思っていることがあります。
AI導入のリスクとIKEAの成功事例
一つがどんどん作業やってくれるので、人間が頭が悪くなる問題っていうのが言われてて、
それは役割切り分けて、例えば人間にしかできない顧客理解に振り切るとかそういうのをやっていったらいいかなあと思ってます。
あとはこれはDNAのナンバーさんも言ってたんですけど、作業が早く終わるとやらなくてもいいことを始めるっていうんですよね。
つまりこれまでは人間だけがやったからできなかったけどAIが自分の作業を早く進めることでこれまでできなかったことができると。
でもそれはこれまでできなかったけどやらなくてもいいことだったかもしれないみたいな感じのことをやり始めるので、
ナンバーさんの場合は大黒柱を通してすごく活躍している人を他の事業部に移したりして、
事業部人数を減らして新規事業に人を振り分けるっていうことでやらなくてもいいことを始めるリスクを減らしているっていうふうに言ってました。
さすが社長目線。
あとこれできるのはDNAだからね。現場も優秀だからだよね。
そうだよね。
いずれ大黒柱になれる人材しか置いてないから。
そうだね。大黒柱を引き抜いたら他の人が大黒柱の代わりはできるっていう、そういう人が揃ってるからっていう。
そういう人が揃ってるから説はあるけど。
普通にね、いきなり大黒柱を抜いたら本当に家が潰れるっていう。
ペシャンコンなる可能性はあるよね。
あるある。そういうプロジェクトも全然あるよ。
エイヤースラペシャンみたいなことはよくあると思う。
よくあるよね。DNAだからこそできるね。
あとは単純な人員削減につながるっていうところで、これ僕IKEAの事例がすごく面白いなと思ったんですけど、
IKEAで、コールセンターでAIBotのBillyっていうものを導入して、問い合わせの47%を自動化したらしいんですよね。
そうすると24億円分のコスト削減できましたと。
で、8500人分のスタッフが浮いたらしいんですよね。
で、普通ならじゃあ8500人分仕事なくなったから、じゃあその人たち人員削減しようっていうふうなことをするんですけど、
IKEAがやったことはそうじゃなくて、AIが解決できなかった残り53%のログを分析をしたらしいです。
多いな。
47%は自動化したけど、53%は解決できなかった。
結構あるんでしょうね、AIで解決できないもの。
それは何でかっていうと、例えば配送トラブルの苦情とか、そういうのはAIで定型分に決まってるので返せるけど、
AIで解決できない53%の問い合わせっていうのは、部屋に合うコーディネートを提案してほしいとか、そういう問い合わせだったらしいんですよね。
確かにこれAIじゃ無理だなっていうところで、さっきの8500人の余った人たちっていうのを全員リモートインテリアデザイナーにディスキニングしたそうです。
3D設計とか101のビデオ提案みたいなことをシフトすることで、このチャンネルだけで15億ドルの新規売上げをできたと。
なんでコス削減、24億円コス削減して、さらに15億ドルだから300億ぐらい売上げ増みたいな形で、なんでコス削減よりもより大きな売上げ増の効果を作ったというらしいです。
だからこれだよね、本来はこっちをもっともっと注力すべきだったってことだよね。
インテリアのアドバイスがほんまに欲しかったんだけど、そこちゃんとやれてなかったってことですよね。
人間がその細かい、AIでも回答できることを回答してたことで、本来やるべきだったリモートインテリアデザイナーができてなかったけど、それをちゃんとやるようになったら売上げがすごく上がったということみたいです。
確かにそういうことはありそうだなと。
実際ガートナーが大企業350社を調査した結果、AI導入に伴って80%の企業が人員削減を行いました。
でも削減した企業と残した企業で投資対効果に差が出ませんでしたっていうのがガートナーの調査結果らしくて。
なのでやっぱりAIを使って、この部分は人間じゃなくてAIでできるようになったらコスト削減、人員削減しようっていうふうにすると実は成果が上がらなくて、
このIKEAみたいにAIができるところはAIに任せて、でも本来人間だからこそできるところが他にあるはずで、そこに注力をするというようなところをやると成果が上がるようになるっていうのが調査結果みたいです。
削るだけだと別に顧客ニーズは満たされていないものが増えるだけになるだろうからね。
そうなんですよね。あんまり意味がないので。削減は確かにできるけれども、削減した上で何をするのかっていうところが大事なので、
クライアントとかでもマーケティングのAIエージェントの話をして実際ワークショップとかで導入するっていうことをやってるんですけど、
でもそこで僕がいつも言っているし言いたいのは、そこでコスト削減をするっていうんじゃなくて、
いかに人間自身を成長させて役割変更していくのかっていうことを考えていけるかどうかがすごく大事なことだなと思ってます。
あとなんか普通に単純な疑問として思ったのが、インテリアコーディネートとかって要はデザイン的な感じじゃないですか。
AIによる経済への影響と将来展望
だからAI得意なんじゃないのかなって思ったりもするんですけどね。
確かにね。
そうだよね。パターンパターン式じゃないですか。
なんかヒューマンスキルでもない気がしていて、そこがたぶんまだ満足がいくような回答が、
IKEAのAIとかであっても難しいっていうことなんじゃないかな。
あとはやっぱりこれコールセンターに電話しているので、やっぱり人間に教えてほしいっていうヒューマンタッチの部分もあるんじゃないかと思いますね。
そうだな。コールセンターに電話する人たちっていう。
属性が結構偏ってるからか。
多分機能的にはIKEAの家具を自分の家に設置したらどんな感じで見えるかアプリみたいな?そういうのとか多分あると思うので。
でもそうじゃなくて、やっぱり服とかもそうじゃないですか。これ似合う?みたいなのあるじゃないですか。
そういうアドバイスを人間に聞きたいっていうところがきっとあって、その解決ができることで売上が爆増するっていうところがあると思います。
確かに。対話しないと納得しない人っているもんね。
いますね。ある意味決まってるけど最後の一押しが欲しいみたいな。
そこって手続きみたいな?儀式みたいなものとして、自分が納得する儀式として、誰かと対話して、「うんそうだね。」って言わないと決断できないみたいな。
そういう癖というか習性というかが残ってるというか、染み付いてる人が多いんだろうね。
インテリアとかイケアだからそこまですっごい高くはないだろうけど、一回買ったら3年とか使ったりするものなので、やっぱりちょっと誰かのアドバイス欲しいなっていう気持ちは分かりますね。
皆さんは今回の話を聞いてどんなことを考えましたか?
Twitter現役のハッシュタグマーケターの前中ラジオかLINEコミュニティで教えてください。
LINEコミュニティのURLは概要欄からご覧ください。誰でも匿名で気軽に参加できます。
さて今週のあちら使えるキーネタ超マーケターの前中ラジオもそろそろ締めのお時間となります。
今回本編ではマーケティング部のAIエージェントかという話をして、イケアの事例みたいに人員削減をしようとしたけど結局しなかったいい事例みたいなのも紹介したんですが、
結構アメリカとかでは本当にAIによってどんどん人員削減が進んでたりみたいなところがあって、
これもAI使ってる会社の不買運動とかも将来起こるんじゃないかなみたいな風に思ったりもしてて、
Xで流れてたやつで面白いなと思った論文がありまして、
ウォートンコートボストン大学の経済学者2人が書いた論文で、
何も変えなければAIが確実に経済を壊すっていうことを数式で証明した論文があって、
The AI Layoff Trapっていうもので、このままの流れで解雇が進むと消費が極端に冷え込み世界恐慌が訪れるということが書いてて、
その内容が確かにそうだよなっていう風な内容だったんでちょっと紹介したいなと思ってます。
2025年にもうすでにテック系の労働者の10万人ぐらいがAIの要因で解雇されているという風に言われてると。
2026年はまだこれ3月のレポートだったので、3ヶ月でさらに9.2万人解雇されていると。
で、セールスフォースが4,000人のカスタマーサポートをAIに置き換えたりとか、
メタも大型解雇を始めてるって形で、まだまだエンジニアとか一部の特にアメリカの企業ではありますが、
AIによって大量解雇っていうのが始まっていると。
で、コスト削減になるし利益のためにはしょうがないよねっていうところはあるんですが、
これはどんどん全会社がやっていくだろうということで、
例えばA社が500人解雇してコスト削減して利益増したら、
B社も負けないように700人解雇していくと。
C社は1,000人解雇していくということで、全員が合理的に動いていくと、全員各社解雇していくと。
でも解雇された労働者は逆の目で見ると消費者なので、収入がなくなると購買力が落ちるので企業の売上が下がっていくと。
で、企業の売上が下がって、やばい売上が下がってコスト削減しないということでコスト削減でさらに解雇すると。
で、さらに解雇していくと商品を買う消費者がいなくなるので購買力が落ちるということで、
どんどんどんどん世界大恐慌まで行くしかないんじゃないかっていう風な論文で書かれてました。
深刻ですね。
深刻。でもなんかそうだよなってすごい納得感ある。止めようないじゃんこれみたいなね。
そうだね。
ゲーム理論の囚人のジレンマみたいな感じで、全員が部分最適としては正しいことをしている。
つまり自分の1個の会社が利益を残すためには他の会社よりも早く人員削減をしていかなきゃいけないってことでやっていくんだけど、
それだと全員がどんどん解雇していくことによって社会全体で購買力がなくなって、
全企業が損するっていうそういう囚人のジレンマになっちゃうって本当そうだなって。
怖い未来。
そうだね。
一応この論文の中ではベーシックインカムとかも解決策にならないって言ってて、
唯一機能した解決策は自動課税で、人間の作業をAIに置き換えるためにワンタスクごとに課税するっていうやり方しかないっていうのはこの論文の結論で。
それはそれでどうやねんみたいな。
なるほどね。僕はもう1個解決策を思いついてますけどね。
何ですか?
やっぱりあれじゃないかな。お買い物AIを作るってことじゃないですかね。
強制的に買い物させるってこと?
人間が買わなくなった分を補う。それもAIが買えばいいんじゃないの?物欲を教えればいいんじゃないの?
お腹にラーメン食いたくなるっていうのがどういうことかをラーニングさせればいいんですよ。
買うのはAIが買うの?人間が買うの?
AIが買うの。ラーメン食えるもんなら食ってみろって話だよね。
なるほどね。AIにお金も稼がせるってことね。
そうそう。だからAIにちゃんと給料を上げないといけないね。
そういうこと?それはでもなんかね。不裕層のAIとか出てきたら人間としてはちょっとムカつくけどね。
ムカつくね。
AIのくせにみたいな。
なるほど。
普通に考えたらそうなるよな。消費者がどんどん減らせることになるよって。
そうそう。解雇しているってことは。
じゃあどっかの産業がそれを引き受ければいいけど、AIってあらゆる産業の雇用を奪うので。
そうだね。
馬車はなくなって馬車の御社をやってた人が工場で働いて鉄道を作ったらいいじゃんみたいなことにはならないので。
全部AIが置き換わり、ロボットに置き換わりみたいなことになっていくとそうなっちゃうから。
だからそういう意味で今回も本編でも話した通り、
確かにAIがコスト削減をするスピードよりも早く人間がどんどん新しい産業を作っていく、新しいことをやるっていうことを逆にやっていかないとこのディストピアしかないっていう恐怖感。
ここはあれじゃない?我らが岡田斗司夫先生がもう20年前くらいから提唱されている評価経済社会到来なんじゃないですかね。
ありましたね、そんな本。
あったな、なんて書いてたっけ?結構読んだ時衝撃を受けた記憶がある。
結局は貨幣経済とは別の経済圏が立ち上がるっていう話で、既に今あるよねって。
俺とかそうだからさって岡田さん言ってたけど、ファンがたくさんいるとそいつらが食わしてくるからさって言ってて、それがどんどん種類になってくるからさって言っててみたいな。
でもそれはSNS登場前に別のタイトルで書いてた本で、それがSNS後に結構リアリティを持った時に評価経済社会っていうタイトルだけ書いてもう一回出版したんだよね。
なのでアイディアとしてはインターネットが出た瞬間ぐらいにもう出して、ほぼ内容変えずに評価経済社会という本で出し直してるんだよね、2010年代に。
なので先見の目というか才能がある人ってそうなんだなと思うけどね。
すごいね。俺でもその前の時の本で読んだかも。
すごい早いね。
僕たちの洗脳社会って書いてある。
そうそうそう、僕たちの洗脳社会。
この青い本。
そうそうそうそう。
僕たちの洗脳社会、1998年って書いてある。
98年、ほんますごいね。すげえなあ。
でもこの本をそんなやった時にすごい衝撃を受けて、でもちょっとそうなるかもみたいな風に思ってた記憶あるね。
そうだよね。
でもこういう、だからお金とかが、ちょっとイーロンマスクも売ってるじゃないですか、AIとかできて、もう全員が豊かになるから、別に全員が食ってはいけるようになると。
食ってはいけるようになる。
その後の社会は意外と早い可能性があるよね。2035年にはフローオフシーとかも結構できるらしいし。
へえ。
核融合も2035年までにできるらしい。
2035年、あと10年で大体のことができるようになるらしいね。
なった時に、じゃあそのポスト、ポストモダンじゃないね、ポストAIみたいな社会を生きる知恵とか生き方が随分変わると思うんだよね。
この時は本当に評価経済社会とかそういうことにはなってくるような気がするけどね。
そうだよね。それしかないもんね。確かに技術革新はその核融合を含めてAIがどんどんやってくれるようになったら、スピードは全産業で上がるもんね、科学技術において。
これまでできなかったことがAI使ったらできるようになるとかっていうのは今後起こっていくと、全科学技術の発展が50年かかるって言われてたことが10年でできるとか、ありえるよな。
普通にありえるよね。
どうなるんだろうね。評価経済社会もでもやっぱり勝ち負けが明確じゃないですか。人気者はいいけどさ、みんながみんな人気者にはならないからね。
でもそっちの資本の絶対ボリュームが移っていくから、今はもう勝ち組しか勝てないような感じ。だからボトムが上がっていくんじゃないですか。
じゃあなんか日本人の1割ぐらいYouTuberやってますみたいな。
全員がまずYouTuberになってみたいな感じじゃないですか。みんな良くてみんな面白いねみたいな感じで、取り分けこの人はみたいな感じになるんじゃないか。
なるほどね。でもね、クラスで1人人気者がいたみたいな感じで言うと40人に1人ぐらいはできるから、それぐらいにはなるのかもね。
なるんじゃないですかね。
この辺は予測してもしょうがないけど、本質的なことを考えとけばいいかなと思うけどね。
あいつを誘いたいなとか、あいつの話は面白いなとか、そんな人間であればいいんじゃないかなと思いますけどね。
大事ですね。結局はね、人間は人間と仕事をしたいだろうっていうところはなくならないからね。
そうそうと思うけどね。僕は人間からは多分ポチを飼っているジンボだと思われるはずなんですよ。
なるほどなるほど。
何かしら相棒ね。AIの相棒がいくつかいるけども、多分顔は人間としての僕だと思うんですよね。10年後もね。
ポチもね、完全にジンボさんナイズされてるもんね。普通のその辺の犬とは全然違う状態になってるもんね。
まだ一度もワンって鳴いたことないけどね。
名前正しいか問題あるけどな。
そうだね。
いや本当そうですね。
まとめと今後の展望
明日使える聞きネタ帳マーケターの前中ラジオでは、マーケティングに役立つ情報を毎週配信していきます。
ポドキャストをフォローすると、マーケターとしての知見が毎週溜まっていくので、ぜひフォローしてみてください。
ではまた来週の土曜日、ポドキャストでお会いしましょう。さよなら。
さよなら。