エージェンティックAIとは、自ら環境を認知し、目標の達成に向けて判断し、人間の介入を最小限に抑えたまま実行までを担うAIシステムである。 あらかじめ書かれたルールをそのまま辿る従来の自動化とは異なり、エージェンティックAIはリアルタイムのデータにもとづいて振る舞いを変え、結果から学習し、与えられたパラメータの範囲内で自律的に動く。日本語では「エージェント型AI」と呼ばれることもあるが、指している対象は同じである。
マーケティングと顧客データの文脈では、この語は主たる利用者が人間からAIエージェントへ移ることを意味する。人間が問い合わせて操作するプラットフォームから、AIエージェントが自ら顧客データを参照し、判断し、チャネルを横断して顧客体験を組み立てるシステムへの転換である。CDP（カスタマーデータプラットフォーム）の位置づけも、人間の分析のために作られた道具から、AIエージェントがプログラムから呼び出すリアルタイムのデータ基盤へと変わる。
ルールベースの自動化から自律的なエージェントへ
マーケティングテクノロジーの自動化は、3つの波を経てきた。第1の波（2005年から2015年ごろ）はif/thenルールだった。メール内のリンクがクリックされたらフォローアップを送る、という具合である。第2の波（2015年から2023年ごろ）は予測AIで、機械学習モデルがリードをスコアリングし、商品を推奨し、配信時刻を最適化した。ただし、最終的にどのアクションを取るかを決めるのは人間のままだった。
エージェンティックAIは第3の波にあたる。取るべきアクションを推奨するところで止まらず、複数のチャネルと接点にまたがってそのアクションを自ら起こす。たとえば次のように動く。
- 行動パターンから、解約の初期兆候を示している優良顧客を検知する
- 最適なチャネル（メール、SMS、アプリのプッシュ通知）を選び、引き止めのオファーをパーソナライズして自律的に送る
- 反応をリアルタイムで監視し、最初の打ち手が効かなければメッセージを変える
- 結果から学習し、次の解約対策の精度を上げる
エージェントが動く範囲は、マーケターが敷いたガードレール（予算の上限、ブランドボイスの要件、コンプライアンス上の制約）の内側である。戦術は自ら決めるが、その枠は人間が決める。キャンペーン実行の側面はエージェンティックマーケティング、購買をエージェントが担う側面はエージェンティックコマースとして、それぞれ別に扱っている。
エージェンティックAIの仕組み
認知とデータへのアクセス
エージェンティックAIは、CDPに蓄積された顧客データ、行動シグナル、取引システム、外部の状況（天候、在庫、ニュース）へ直接アクセスし、環境を継続的に監視する。定時のバッチ更新を待つ仕組みとは違い、顧客が動いたその瞬間のストリーミングデータの上で判断する。
エージェンティックCDPのアーキテクチャでは、AIエージェントは統合プロファイルをリアルタイムで照会し、ジャーニーの履歴を辿り、予測属性（プロペンシティスコア、生涯価値の予測値、解約リスク）を人間を介さずに取得できる。
判断と自律性
「エージェンティック」が指しているのは、目標に向けて自ら判断する主体性である。ルールベースの自動化では人間があらゆる場面を書き出しておく必要があったが、エージェンティックなシステムは大規模言語モデル（LLM）、強化学習、マルチアームドバンディットのアルゴリズムを使って、その場で最善の一手を決める。
たとえばメール配信を担うエージェントは、過去の開封率に合わせて件名を差し替えるだけではない。次の判断を自ら下す。
- メールが適切なチャネルなのか、それともSMSやプッシュ通知の方がよいのか、あるいは接触しない方がよいのか
- 現在の顧客の関心に合うオファーやメッセージはどれか
- 反応が得られる可能性が最も高いのはいつか
- 最初の接触が空振りだったとき、別のメッセージで試し直すべきか
これらの判断の材料は、あらかじめ書かれたルールではなく、数百万件の過去のやり取りから学習したパターンである。
実行とオーケストレーション
エージェンティックAIは推奨で止まらない。キャンペーンの起動、オーディエンスの更新、広告入札の調整、Webサイトのパーソナライズ、複数ステップのジャーニーの調整までを自ら進め、結果を見ながら軌道を修正する。
自律性には枠がある。マーケターが定めるのは次の4点である。
- 目標：再購入率を15%引き上げる
- チャネル予算：月間の広告費は750万円まで
- ブランドのガードレール：主力商品の値引きは20%を超えない
- コンプライアンスの境界：オプトアウトの意向を尊重し、同意の記録に従う
この枠の内側で、エージェントは試し、学び、最適化する。
CDPがエージェンティックAIの前提になる理由
CDPは当初、人間の利用者のために設計された。画面を操作してセグメントを作るマーケター、ダッシュボードを照会するアナリスト、オーディエンスを手でアクティベーション先へ送るキャンペーン担当者である。画面は視覚的で、作業は手作業で、更新の周期はバッチだった。
エージェンティックAIはこの関係を反転させる。人間がCDPを見て判断するのではなく、AIエージェントがCDPをリアルタイムのデータサービスとして参照し、プロファイル、行動シグナル、予測属性を継続的に照会して自律的な行動の材料にする。CDPは人間のための道具であることをやめ、AIのための基盤になる。
この転換は、アーキテクチャに4つの要求を持ち込む。
- API起点の設計：エージェントが必要とするのはダッシュボードではなく、プログラムから呼び出せる顧客データそのものである
- リアルタイムの基盤：バッチ更新では遅すぎる。ストリーミングで更新されるプロファイルと、サブセカンドのクエリ応答が前提になる
- 組み込みのAI意思決定：AI意思決定とネクストベストアクションのエンジンをプラットフォーム内に持つなら、エージェントは外部の機械学習サービスを呼び出さずに判断できる
- アクティベーションの一体化：チャネル横断のジャーニーを組むエージェントには、メール、SMS、プッシュ通知、広告、Webを単一のプラットフォームから動かせるCDPが必要になる
コンポーザブルCDPのように複数のベンダーとリバースETLでアクティベーションを組む構成では、境界ごとにレイテンシーと連携の継ぎ目が生まれ、エージェントが動ける範囲が狭まる。取り込みから名寄せ、セグメント、アクティベーションまで機械学習を織り込んだエージェンティックCDPは、この前提に合わせて設計されている。ただし、バッチ処理中心の活用事例（週次の解約モデル、月次のオーディエンス更新）であれば、コンポーザブルな構成でも問題なく成り立つ。差が出るのはリアルタイムの判断と、キャンペーン途中の学習に限られる。
マーケティングでの活用事例
ジャーニーの自律的なオーケストレーション
従来のジャーニービルダーでは、マーケターが分岐と判断点をすべて書き切る必要があった。エージェンティックなカスタマージャーニーオーケストレーションは、経路そのものを動的に学習する。最初のオンボーディングメールに反応がなければSMSを試す。それも空振りなら行動のきっかけ（料金ページの閲覧など）を待ち、その文脈に合ったオファーで接触し直す。固定のフローチャートを辿るのではなく、ジャーニーがリアルタイムで組み替わる。
オーディエンスの自動発見
セグメントは通常、人間が定義する。「直近30日に購入したがメールを開封していない顧客」といった条件である。エージェンティックAIは、人間が気づかない行動パターンから価値の高いマイクロセグメントを自ら見つけ、そのオーディエンスを作ってアクティベーションまで手作業を介さずに進められる。
大規模なリアルタイムのパーソナライズ
数百万SKUを扱うECサイトでは、訪問者一人ひとりの商品レコメンデーションを人が選ぶことはできない。エージェンティックなシステムは閲覧行動、購買履歴、その時点の在庫をミリ秒単位で評価し、トップページ、検索結果、メールの中身を個人ごとに組み立てる。
解約の予兆に先回りする施策
解約が起きるのを待つのではなく、早い段階の兆候（エンゲージメントの低下、競合サイトの閲覧、問い合わせの傾向）を検知し、引き止めの施策を自律的に始める。パーソナライズしたウィンバックのオファー、カスタマーサクセスからの先回りの連絡、関心を取り戻すためのコンテンツ提示などである。
自律性を支えるガードレール
透明性と説明可能性
AIエージェントが自ら判断するようになると、マーケターは「なぜそのアクションが選ばれたのか」を確認できる必要がある。「アルゴリズムがこのメールを送ると決めた」では、ブランドとしての説明責任を果たせない。AIマーケティングオートメーションのプラットフォームには、監査ログ、判断の記録、人間が読める形の説明が求められる。
ブランドとコンプライアンスのリスク
コンテンツやオファーを自ら生成するエージェントは、制約が緩いと、ブランドを傷つける判断に至ることがある。コンバージョンだけを最適化するエージェントは、利益を削る値引きを提案したり、同意の意向に反するメッセージを送ったりする可能性がある。新しいメッセージテンプレートの承認フロー、予算の上限、同意管理と連動したルールエンジンといった制約が要る。国内で運用するなら、個人情報保護法上の利用目的の範囲と、アクティベーション先の扱いをエージェントの設定として固定しておく必要がある。
戦略的な判断に人間が残る理由
エージェンティックAIが得意なのは、定められたパラメータの内側での戦術の実行と最適化である。キャンペーンのポジショニング、ブランドメッセージ、参入する市場の選択といった戦略的な判断には、人間の創造性と判断が要る。速度と規模はAIが担い、戦略、目標設定、倫理的な監督は人間が担う。エージェントの挙動と説明責任をどう統治するかは、AIガバナンスの主題である。
エージェンティックAIとプラットフォームの境界
ベンチャーキャピタリストのTomasz Tunguzは「AIのバンドリングの瞬間」で、AIがSaaS時代のアンバンドリングの流れを逆転させていると論じている。「SaaSの流儀は専門特化に報酬を与えたが、AIの流儀は総合力に報酬を与える」という主張である。
エージェンティックAIが力を発揮するのは、業務の一工程ではなく、流れ全体を観測して行動できるときである。CDPの文脈では、これは次の3つを意味する。
- 解約対策を回すエージェントには、認知から検討、購入、サポート、更新に至るジャーニー全体が見えている必要がある
- チャネル横断の実行には、4社のツールを都度つなぎ合わせるのではなく、メール、SMS、プッシュ通知、広告を一つの制御点から動かせる必要がある
- アクティベーションの結果がそのままモデルの再学習に入る状態、つまりCustomer Intelligence Loop（顧客データの収集・統合・活用を継続的に回す仕組み）が閉じている状態には、端から端までを同じプラットフォームで押さえている必要がある
エージェンティックCDPがこの継ぎ目を減らす一方で、コンポーザブルな構成にはベンダーのポータビリティ、エンジニアリング上の主導権、既存のウェアハウス投資の活用という利点がある。どちらを選ぶかは、リアルタイムの判断をどこまで必要とするかで決まる。判断の軸はAI時代のCDP評価方法で扱っている。
FAQ
エージェンティックAIと従来のマーケティングオートメーションはどう違うのか
違いは自律性の範囲である。従来のマーケティングオートメーションは人間が設計した固定のワークフローを実行し、エージェンティックAIはどのアクションを、いつ、どのチャネルで取るかを自ら決める。 「メールが開封されたら2日待ってフォローアップ」のような分岐は、設計の時点ですべて書き切られている。エージェンティックAIはリアルタイムのデータと学習したパターンにもとづいて振る舞いを変え、人間が定めるのは目標とガードレールだけになる。
エージェンティックAIはCDPをどのように利用するのか
AIエージェントはCDPを、画面ではなくリアルタイムのデータサービスとして利用する。 APIを通じて統合プロファイル、行動シグナル、予測属性を継続的に照会し、その結果を自律的な判断と実行に使う。前提になるのはAPI起点のアーキテクチャ、ストリーミングで更新されるプロファイル、そしてネクストベストアクションのような組み込みの意思決定機能である。人間向けの画面を中心に設計されたCDPは、この使い方には向かない。
エージェンティックAIに有害な判断をさせないためのガードレールは何か
必要なのは、ブランド、コンプライアンス、予算、承認、監督の5つの制約である。 値引きの下限と承認済みのメッセージの枠組み、同意の記録とオプトアウトの反映、チャネルごとの予算上限、新しいコンテンツや影響の大きい判断に対する承認フロー、そして戦略的な選択に対する人間の監督である。判断の理由を後から辿れる監査ログがあって初めて、エージェントの挙動を検証し直せる。
エージェンティックAIは個人情報保護法のもとでどこまで自律的に動かせるのか
自律的な実行そのものが制限されるわけではないが、データの流れは人間が設計しておく必要がある。 エージェントが顧客データをアクティベーション先へ送るとき、提供先が自社の指示の範囲でしか処理しないなら委託にあたり、委託先の監督義務（法第25条）が要件になる。提供先が自らの目的でも利用するなら第三者提供で、原則として本人の同意が必要である（法第27条第1項）。エージェントに任せられるのは、この切り分けを設定として固定した後の範囲である。
Related Terms
- リアルタイムCDP：エージェントが必要とするサブセカンドのプロファイル参照を支えるCDPの性質
- データアクティベーション：統合プロファイルを実行チャネルへ届ける工程であり、エージェントの実行はここに乗る
- パーソナライズ：エージェンティックAIが個人単位で動かす、顧客体験の調整
- 予測分析：解約リスクや生涯価値の予測など、エージェントの判断材料になる分析
- リバースETL：コンポーザブル構成でアクティベーションを担い、エージェントのレイテンシーを左右する仕組み
- AIマーケティング：エージェンティックAIを第3の波として含む、マーケティングでのAI活用の全体像
この記事は他の言語でも読めます： Agentic AI