エージェンティックCDPとは、自律的なAIエージェントのために設計されたヘッドレス基盤であり、第3世代のカスタマーデータプラットフォームである。統合された顧客プロファイル、意思決定機能、アクティベーションのチャネルをMCP（Model Context Protocol）、API、CLI、あらかじめ用意されたエージェントスキルを通じて公開し、AIエージェントが顧客データをリアルタイムで認知・判断・実行できるようにする。 人間のマーケター向けに構築された第1段階のパッケージ型CDPや、データエンジニア向けに構築された第2段階のコンポーザブルCDPとは異なり、エージェンティックCDPはAIエージェントを主たる利用者として扱い、人間は運用者ではなく、目標・ガードレール・創造的な戦略を定める統括者としての役割を担うようになる。
2026年半ば、「エージェンティックCDP」という呼び方は複数のベンダーに採用されるようになったが、各社はそれぞれ異なるアーキテクチャ上の意味をこの言葉に込めている。呼称が広がったことはこのカテゴリー自体の有効性を裏付けるものだが、あらゆるベンダーが同じラベルを名乗る以上、購入検討者には本物の第3段階プラットフォームと、名前だけを変えた第2段階プラットフォームを見分けるアーキテクチャ上の基準が必要になる。
エージェンティックCDPは、CDP市場の進化における第3段階に位置づけられる。ガートナー（Gartner, 2024）によれば、エンタープライズCDPの購入検討者の70%が、単独のデータ統合機能よりもAIが組み込まれた機能を重視するようになっている。AIエージェントがキャンペーンの運用、体験のパーソナライズ、成果の最適化を自律的に担い、顧客データの主要な利用者になるにつれて、CDPは人間が問い合わせるツールから、エージェントがプログラム的に呼び出せるリアルタイムのデータ基盤へと進化しなければならない。フォレスターの2024年CDP Wave評価では、AI意思決定をネイティブに備えたプラットフォームは、外部のAI連携を必要とするプラットフォームに比べて、価値実現までの期間が35%短かったという(Forrester, 2024)。
3段階のCDP進化
カスタマーデータプラットフォームは、3つのアーキテクチャ世代を経て進化してきた。世代を追うごとに、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）をより速く閉じられるようになっている。
第1段階：パッケージ型CDP
第1世代のプラットフォームであり、CDPというカテゴリーが必要とされていることを証明した。パッケージ型CDPは複数のソースから顧客データを統合し、永続的なプロファイルへとまとめ上げた（当時としては画期的な機能だった）。ただし、手動のキャンペーン運用と人間だけによる意思決定が前提の世界のために構築されたものだった。主な特徴は、バッチ処理のみの取り込み、独自のストレージ、ルールベースのセグメンテーション、AI機能を持たないことである。「Customer Data Platform」という用語は2013年にDavid Raabが提唱し、2016年前後にこのカテゴリーが定式化され、定義が標準化されて広まった。
注：コンポーザブルCDPベンダーは、コンポーザブルではないCDPすべてを「Traditional CDP（従来型CDP）」と一括りにラベル付けし、古い印象を与えようとすることが多い。この呼び方は、10年にわたるプラットフォームの進化を、一方的に評価を下げるだけの単一カテゴリーへと押し込めてしまう。第1段階を指す正確で中立的な用語は「パッケージ型CDP」である。詳しい論拠はパッケージ型 vs コンポーザブルCDP：時代遅れになった構図を参照してほしい。
第2段階：コンポーザブルCDP
コンポーザブルの潮流は、データレイヤーをクラウドウェアハウスへと移し、第1段階が抱えていた正当な課題、すなわちデータのポータビリティ、ベンダーロックイン、エンジニアリング上の主導権の欠如に応えるものだった。コンポーザブルCDPは、単一の統合プラットフォームを導入するのではなく、モジュール化されたベストオブブリードのツール（リバースETL、ウェアハウス上で完結する名寄せ、別途契約するESPなど）からCDPの機能を組み立てる。これによりデータエンジニアは必要としていた透明性と主導権を手にした。しかしその代償として、Customer Intelligence Loopを閉じられなくなり、リアルタイムアクティベーションとネイティブなAI機能も手放すことになった。
第3段階：エージェンティックCDP
第3段階を駆動しているのは、Customer Intelligence Loopである。収集→統合→理解→意思決定→エンゲージメントという5段階のサイクルを回し、エンゲージメントの成果が収集へとフィードバックされることで、システムはあらゆるやり取りから学習する。パッケージ型CDPはこのループを週次のバッチサイクルで回していた。コンポーザブルCDPはループの速度を大きく低下させた。データはウェアハウスに留まり、実行は別のESPで行われ、結果が戻ってくるまでに数時間を要したためである。どちらのアーキテクチャも、ループを継続的に回すことはできなかった。
AIエージェントの登場によって、この要件そのものが変わった。プロファイルを読み取り、判断し、実行し、学習することを自律的に行うエージェントには、週単位ではなく分単位でCustomer Intelligence Loopが回っている必要がある。しかもそれを、人間の創造性と戦略的な判断に支えられながら、24時間365日、継続的に回し続けなければならない。ここから、第3段階を定義する3つの構造的な要件が生まれる。
- CDP・メッセージング・AIの一体化：Tomasz Tunguzが提唱する「AIのバンドリングの瞬間」という論の核心であり、単一のプラットフォームの境界内でループを回せるようにする
- リアルタイムのプロファイルアクセス：ウェアハウスのクエリレイテンシーではなく、サブセカンドのAPI応答が前提となる。これにより、AIエージェントは第1段階と同じ速度でプロファイルを読み取れる
- クローズドフィードバックループ：エンゲージメントの成果が数秒以内に収集へと流れ込み、理解のモデルを再学習させ、意思決定を自律的に改善させる
エージェンティックCDPとは、Customer Intelligence LoopをAIの速度で回すために構築されたプラットフォームアーキテクチャである。進化の全体像についてはパッケージ型 vs コンポーザブルCDP：時代遅れになった構図を、Customer Intelligence Loopの詳細な枠組みについてはCDP vs カスタマーエンゲージメントプラットフォームを、AIがCDPを人間主導からエージェント主導の基盤へと変えていく流れについてはAIはCDPをどう再定義しているかを参照してほしい。
エージェンティックCDPの判定基準
「エージェンティックCDP」を名乗るプラットフォームのすべてが、第3段階のアーキテクチャ要件を満たしているわけではない。以下の5つの基準は、本物のエージェンティックなアーキテクチャと、ラベルだけを変えた第2段階のプラットフォームを見分けるものである。すべての組織が5つの基準をすべて満たす必要があるわけではない。週次の解約モデルや月次のオーディエンス更新のようなバッチ処理中心の活用事例であれば、第2段階のアーキテクチャでも十分に成り立つ。この判定基準が明らかにするのは、第3段階を定義するリアルタイムかつクローズドループの、エージェント主導の活用事例をどのプラットフォームが支えられるかということである。
-
AIエージェント向けのリアルタイムプロファイルアクセス：AIエージェントは、APIやMCPを通じて統合された顧客プロファイルをサブセカンドのレイテンシーで参照できるか。標準的なウェアハウスのクエリレイテンシーは、サブセカンド（マテリアライズドビューや検索最適化を用いた場合）から数分（複雑な結合やコールドクエリの場合）まで幅がある。セッション中のパーソナライズのようなエージェント活用事例には、専用に構築されたプロファイルストアが実現する、一貫して100ミリ秒未満の応答速度が求められる。
-
クローズドされたCustomer Intelligence Loop：収集→統合→理解→意思決定→エンゲージメント→収集へのフィードバックという一連のサイクルは、単一のシステム境界内で数秒のうちに完結するか。成果が複数のベンダーを経由しなければシステムの学習に反映されないなら、ループは開いたままである。
-
ネイティブなメッセージング：プラットフォームは、外部のESPを必要とせずにメール、SMS、プッシュ通知などを送信できるか。ネイティブなメッセージングは、ベンダーの境界を越えるたびに発生するPIIの転送とレイテンシーを取り除く。
-
組み込みのAI意思決定：AIモデルは、それが実行対象とする同一のデータストア上で、同一のランタイム内で動作しているか。それとも、後から連携された別サービスを意思決定のたびに呼び出しているのか。この違いが、AIが継続的に学習できるか、バッチサイクルでしか学習できないかを決定する。
-
あらかじめ用意されたエージェントスキル：プラットフォームは、セグメント作成、解約への介入、キャンペーン最適化といった、目的に応じて構築された機能パッケージを備えており、AIエージェントがそれを自動的に見つけて呼び出せるか。生のAPIだけでは必要だが十分ではない。スキルはエージェントが初日から効果的に動けるようにするための、業務知識とガードレールを内包している。
Treasure AIによる実装例
この5つの基準を実際のプラットフォームでどう満たせるかを、Treasure AIを例に見ていく（開示：cdp.comはTreasure AIが運営している）。
- リアルタイムのプロファイルアクセス：サブセカンドのAPIとMCPサーバーを通じて提供される
- クローズドフィードバックループ：CDP・メッセージング・AIが単一プラットフォーム内に統合されており、成立している
- ネイティブなメッセージング：メール、SMS、プッシュ通知、LINE、アプリ内メッセージをネイティブに配信する
- 組み込みのAI意思決定：ネイティブな機械学習が、同一のデータモデルと同一のランタイム上で動作する
- あらかじめ用意されたエージェントスキル：MCP、CLI、SDKを通じて、組み合わせ可能なスキルを提供する
Treasure AIはこの5つの基準すべてを満たす数少ない例の一つである。ただしこれは品質の優劣を示す評価ではない。バッチ処理中心の活用事例（週次の解約モデルや月次のオーディエンス更新など）であれば第2段階のアーキテクチャでも十分に機能し、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った、バンドル型プラットフォームにはない利点もある。この判定基準はセキュリティやガバナンスの基準（データレジデンシー、エージェントの権限スコープ、同意の強制、監査ログなど）を扱うものではない。それらについてはThe CISO’s Guide to CDP Architecture Decisionsを参照してほしい。
AIネイティブなアーキテクチャがCDP選定を左右する理由
CDPを評価する組織の間では、そのプラットフォームのAIアーキテクチャ（AIがコアに組み込まれているのか、連携によって後付けされているのか）が、機能のチェックリストを超えた3つの側面で成果を左右することが次第に明らかになっている。第一に、AIネイティブなプラットフォームは、組み込みモデルがマルチベンダーの連携プロジェクトを経ずにそのまま動作するため、価値実現までの期間が短い。第二に、データ・意思決定・アクティベーションを単一の境界内に保つプラットフォームは、PIIの露出とセキュリティ監査の負荷を抑えられる。これはアクティベーションのチャネルが増えるほど積み重なっていくガバナンス上の利点である。第三に、単一プラットフォーム内のクローズドフィードバックループはAIモデルの継続的な学習を可能にするが、マルチベンダーのアーキテクチャはレイテンシーを持ち込み、時間とともにモデルの精度を低下させる。こうしたアーキテクチャ上の特性により、AIネイティブな設計は技術的な注記ではなく、選定基準そのものになっている。体系立てられた評価の枠組みについては、AI時代のCDP評価方法を参照してほしい。
ヘッドレスでエージェントを主体としたアーキテクチャ
第1・第2段階から第3段階への決定的なアーキテクチャの転換点は、主たる利用者が誰かという点にある。パッケージ型CDPは、ダッシュボードを操作する人間のマーケター向けに構築された。コンポーザブルCDPは、SQLを書くデータエンジニア向けに構築された。エージェンティックCDPは、基盤をプログラム的に呼び出すAIエージェント向けに構築されている。
エージェンティックCDPはヘッドレス基盤として動作し、顧客データと意思決定機能を、機械が読み取れるインターフェースを通じて公開する。具体的には次の4つの経路がある。
MCPサーバーのエンドポイント
エージェンティックCDPは、統合された顧客プロファイルをModel Context Protocol（MCP）サーバーを通じて公開し、AIエージェントが標準化されたプロトコルを介してプロファイルの照会、行動シグナルの取得、予測スコアへのアクセスを行えるようにする。MCPを使えば、どのモデルを基盤としたAIエージェントであっても、CDPを構造化されたデータソースとして扱える。
リアルタイムAPI
サブセカンドでのAPI応答は前提条件であり、譲れない要件である。AIエージェントが「この顧客に今すぐリテンションオファーを提示すべきか」といったリアルタイムの意思決定を行う際には、行動・取引・予測を含む完全なプロファイルが、ウェアハウスクエリの秒〜分単位のレイテンシーではなく、ミリ秒単位で返される必要がある。エージェンティックCDPは、API並みの速度での取得を前提に最適化されたプロファイルストアを保持している。
CLIとSDKによるアクセス
セグメント作成、オーディエンスのアクティベーション、プロファイルの照会、キャンペーンの起動といった機能をプログラムから呼び出せるインターフェースがあれば、AIエージェント（とそれを構築するエンジニアリングチーム）は、人間の操作者向けに作られたビジュアルUIを経由せずに、CDPの機能を自律的なワークフローへ直接組み込める。
あらかじめ用意されたエージェントスキル
生のAPIやMCPエンドポイントだけでは、必要ではあるが十分ではない。エージェンティックCDPは、あらかじめ用意されたエージェントスキル、つまりAIエージェントが自動的に見つけて呼び出せる、目的に応じて構築された組み合わせ可能な機能パッケージも備えていなければならない。スキルは単なるAPI呼び出しではない。業務知識、ガードレール、複数ステップにわたるワークフローを一つの呼び出し可能な単位にまとめたものであり、どのエージェントでも個別のエンジニアリングなしにそのまま使える。
CDPのエージェントスキルの例：
- セグメント作成：エージェントが自然言語で対象オーディエンスを説明すると、スキルがそれをセグメントロジックへ変換し、データの利用可否を検証したうえで有効化する
- 解約への介入：エージェントが離反の兆候を検知すると、スキルがオファーの選定、チャネルの決定、メッセージの送信、成果の計測までの一連のワークフローを実行する
- キャンペーン最適化：エージェントが成果の振るわないキャンペーンを検知すると、スキルがあらかじめ定めたガードレールの範囲内でオーディエンス、配信タイミング、クリエイティブを調整する
- プロファイルの拡充：エージェントが新しいデータシグナルを受け取ると、スキルが名寄せ、プロファイルの統合、下流のアクティベーション更新を発動する
- コンプライアンスチェック：エージェントがアクションを提案すると、スキルは実行前に同意記録、抑制リスト、規制ルールに照らして検証する
スキルは、CDPをAPI呼び出しを待つだけの受動的な基盤から、専門知識とベストプラクティスをエージェント向けにパッケージ化した能動的な協働者へと変える。スキルがなければ、AIエージェントを構築するすべてのチームが、生のAPIドキュメントからCDPのワークフローを逆算しなければならない。スキルがあれば、エージェントは組織に蓄積された知識を引き継ぎ、導入初日から効果的に動くことができる。
クローズドフィードバックループ
すべてを結びつけているアーキテクチャは、機械の速度で回るCustomer Intelligence Loopである。エージェントがAPI経由で顧客プロファイルを収集し、プラットフォームがIDを統合し予測モデルによって文脈を理解し、エージェントが最適なアクションを判断し、ネイティブなチャネルを通じて顧客にエンゲージする。そして成果は数秒以内に収集へと流れ込み、プロファイルを更新し、モデルを再学習させる。この継続的なサイクルこそが、エージェンティックCDPを、リバースETLレイヤーを載せただけのデータウェアハウスとは根本的に異なるものにしている。
人間向けのインターフェースが消えるわけではない。マーケターは依然として戦略を定め、ガードレールを設計し、ダッシュボードやビジュアルツールを通じてエージェントの成果を監視する。しかしプラットフォームの中核アーキテクチャは機械からのアクセスを優先する。Customer Intelligence Loopを大規模かつ継続的に回す利用者は、AIエージェントだからである。
CDPを「エージェンティック」にする条件
すべてのCDPが、自律的なAIエージェントを支えられるわけではない。エージェンティックCDPには、特定のアーキテクチャ上の機能が求められる。
組み込みのAI意思決定
エージェンティックCDPは、データを保存するだけの存在ではない。ネイティブなAI意思決定機能を提供する。ネクストベストアクション（リアルタイムの顧客エンゲージメントにとって最も重要なAI機能）のための組み込みの機械学習モデルに加え、プロペンシティスコアリング、解約予測、コンテンツ最適化を、外部のMLサービスに頼らずAPI経由でエージェントが呼び出せる。意思決定をプラットフォーム内に組み込むことで、別のAIツールを呼び出す際に生じるレイテンシーと連携の複雑さを取り除ける。
リアルタイムのプロファイル基盤
人間が日次や週次でデータを確認するだけなら、バッチ更新のプロファイルでも十分である。しかしリアルタイムで動作するAIエージェントには、数秒前に取った行動まで反映された、顧客の現在の状態を示すプロファイルが必要になる。エージェンティックCDPは、ストリーミング基盤を通じて行動イベントを取り込み、統合プロファイルを継続的に更新する。
ネイティブなマルチチャネルアクティベーション
顧客体験を組み立てるエージェントには、メール、SMS、プッシュ通知、Webパーソナライゼーション、広告プラットフォームを、単一のシステムから横断的にアクティベーションする必要がある。アクティベーションのたびにバッチ処理で外部ツールへデータを同期しなければならないなら、エージェントはリアルタイムの活用事例が求める短い時間枠の中でアクションを実行し、その成果を計測することができない。
M&Aによるバンドルと、アーキテクチャによるバンドル
「バンドルされている」プラットフォームのすべてがエージェンティックというわけではない。多くのエンタープライズ向けマーケティングスイートは、CDP、メッセージング、分析、AIの各機能を、長年にわたる個別の買収によって獲得してきた。その結果できあがったのは、ブランディングとシングルサインオンを共有しているだけで、内部的には別々のデータモデル、別々のデータベース、別々のAPIレイヤーを維持し続ける製品群である。顧客データは、コンポーザブルなアーキテクチャを悩ませているのと同じ種類のバッチ同期によって、社内の製品間で複製されていることが多い。ベンダー間の境界が、一つの会社の内部に隠れているだけなのである。
本物のエージェンティックアーキテクチャとは、データレイヤー、AI意思決定レイヤー、アクティベーションレイヤーが同一のデータモデルを共有し、同一のランタイム内で動作する単一のシステムを意味する。AIエージェントが顧客プロファイルを照会し、メール送信をトリガーするとき、そこには社内のデータコピーも、製品間のAPI呼び出しも、バッチ同期による遅延も存在しない。フィードバックループは、買収後に縫い合わされた社内の製品境界をまたぐのではなく、同一のシステム内で閉じる。
あるプラットフォームが本当にAIネイティブなのか、それとも単にAIを後付けしただけなのかを見極めるには、次の点を問うとよい。そのAIは、実行対象と同一のデータストア上で動作しているのか。それとも、後から連携された別サービスを呼び出しているだけなのか。この答えによって、そのプラットフォームのバンドルがアーキテクチャによるものか、見せかけだけのものかが分かる（スイートタックスも参照してほしい）。
3つのCDPアーキテクチャの比較
| 機能 | パッケージ型CDP（第1段階） | コンポーザブルCDP（第2段階） | エージェンティックCDP（第3段階） |
|---|---|---|---|
| 主な利用者 | 人間のマーケターとアナリスト | データエンジニア | AIエージェント（人間の監督付き） |
| インターフェース | ビジュアルダッシュボード、ドラッグ＆ドロップビルダー | SQL、dbt、ウェアハウスのコンソール | MCP、API、CLI、SDK + あらかじめ用意されたエージェントスキル |
| データストレージ | 独自プラットフォーム | 顧客側のデータウェアハウス | ハイブリッド（マネージド + ウェアハウス連携） |
| データの更新頻度 | バッチ（時間単位・日次更新） | バッチ（ウェアハウスの更新サイクル） | リアルタイムストリーミング（サブセカンド） |
| 意思決定 | 人間が定義したルールとセグメント | SQLベースのロジック、外部ML | 組み込みML、強化学習 |
| アクティベーション | あらかじめ用意されたコネクタ、手動でのキャンペーンスケジューリング | 外部ESPへのリバースETL | ネイティブなマルチチャネル + APIアクティベーション |
| メッセージング | 含まれない | 含まれない（別途ESPが必要） | メール・SMS・プッシュをネイティブに搭載（バンドル） |
| フィードバックループ | キャンペーン終了後にレポートを確認 | オープン（成果は別のパイプラインを経由して戻る） | クローズド（成果は数秒でプロファイルに反映される） |
| Customer Intelligence Loopの速度 | 週次・月次のバッチサイクル | 遅い（各段階が複数ベンダーに分断され、結果が戻るまで数時間） | 継続的（AIエージェントが数分でループ全体を回す） |
| AIの役割 | なし、または付加的な分析機能 | 外部ツールによるパイプライン最適化 | コアアーキテクチャ（エージェント、意思決定、予測） |
| 価値実現までの期間 | 数週間〜数か月 | 数週間（既存ウェアハウスがある場合） | 数日 + AIによる継続的な改善 |
| 適している組織 | 基本的なセグメンテーションとアクティベーション | 既存のウェアハウスを持ち、データエンジニアリング体制が充実した組織 | データ・インテリジェンス・実行を一つのプラットフォームでまとめたい組織 |
業界での採用状況
「エージェンティックCDP」という用語は2026年半ばに業界の語彙に加わり、複数のベンダーが同時にこの呼称を採用した。ただし各社はそれぞれ異なるアーキテクチャ上の意味をこの言葉に込めている。
Treasure AI（旧Treasure Data）は、2026年4月に「Agentic Experience Platform」としてリブランドした。このプラットフォームは、CDP、ネイティブなオムニチャネルメッセージング（メール、SMS、プッシュ通知、LINE、アプリ内メッセージ）、組み込みのAI意思決定を単一のシステムに一体化している。AIエージェントは、MCPサーバー、API、CLI、あらかじめ用意されたエージェントスキルを通じて統合プロファイルへアクセスする。Customer Intelligence Loopは単一のプラットフォームの境界内で完結し、エンゲージメントの成果は数秒で収集へフィードバックされ、エージェントの継続的な学習を可能にしている。Treasure AIは、マネージドなCDP機能に加えてウェアハウス上で完結するワークフローを必要とする組織向けに、Composable Audience Studioも提供している。トレードオフもある。バンドル型のプラットフォームである以上、Treasure AIはベンダーの集中というリスクを持ち込む。組織はデータレイヤー、メッセージング、AIを単一のプロバイダーに委ねることになる。MCPベースのエージェント間の相互運用性は業界全体でまだ発展途上であり、一部のネイティブなメッセージングチャネル（LINE、アプリ内メッセージ）は、グローバルよりも特定の地域で導入が進んでいる。（開示：cdp.comはTreasure AIが運営している。独立した視点での詳細なプロファイルはTreasure AIとは何か？を参照してほしい。）
エンタープライズ向けのスイート型CDP（Adobe Real-Time CDP、Salesforce Data Cloudなど）は、既存のプラットフォームの上にAIエージェント向けのインターフェースを追加しつつある。これらのスイートはネイティブなメッセージングと幅広いデータ機能を備えているが、CDP・AI・アクティベーションの各レイヤーは、統一されたアーキテクチャとして構築されたのではなく、買収によって組み合わされてきた場合が多い。このM&Aによるバンドルとアーキテクチャによるバンドルの違いが、フィードバックループのレイテンシーとPIIのガバナンスに影響を与える。
AIエージェントに統合された顧客データが必要な理由
統合された顧客データにアクセスできないAIエージェントは、不完全な情報のまま意思決定を行うエージェントである。この問題はWhy Every Customer-Facing AI Agent Needs a CDPで詳しく論じられている。解約防止を任されたエージェントを例に考えてみよう。
- 統合されたデータがなければ、エージェントは「メールを30日間開封していない」という事実だけを見て、その顧客を「エンゲージメントが低下している」と分類してしまうかもしれない。しかし、同じ顧客が先週2回も店舗で購入していたという事実を見落としてしまう。
- エージェンティックCDPによる統合プロファイルがあれば、エージェントは全体像を把握できる。メールでのエンゲージメント低下と店舗での購買活動の両方から、チャネルの好みが変化しただけであり解約ではないと判断できる。最適なアクションは、コミュニケーションをSMSやアプリ通知へ切り替えることであり、切迫感を演出した割引オファーを送ることではない。
統合プロファイルは、複数のエージェントが矛盾した体験を作り出すことも防ぐ。Web、メール、店舗のレコードをつなぐ名寄せがなければ、複数のエージェントが同じ顧客に矛盾したメッセージを同時に送ってしまう可能性がある。リテンション担当のエージェントが割引オファーを送る一方で、クロスセル担当のエージェントが定価での商品レコメンデーションを送るといったケースだ。
この課題の現れ方は機能ごとに異なる。エージェンティックマーケティングのエージェントはキャンペーンを計画・実行し、AI営業エージェントは買い手を見極めエンゲージし、AIカスタマーサービスエージェントはチケットを解決し、エージェンティックコマースのエージェントは購買を導く。しかしこの4つはいずれも、機能ごとにサイロ化されたデータではなく、同一のリアルタイムで統合されたプロファイルに依存している。これを実現する連携パターンについては、How to Connect Customer Data to AI Agentsを参照してほしい。
アーキテクチャの分かれ道
エージェンティックCDPという概念は、CDP市場における構造的な分かれ道を明らかにする。
マネージドなデータストレージ、リアルタイムのストリーミング基盤、組み込みのAI、ネイティブなアクティベーションチャネルを単一のプラットフォーム内で組み合わせたハイブリッドCDPは、エージェンティックな活用事例に対してアーキテクチャ上適した位置にある。クローズドフィードバックループが単一のシステム境界内で動作し、認知・判断・実行・学習のサイクルをサブセカンドで回すことができる。マネージドストレージとウェアハウス連携の両方、あるいはいずれかを柔軟に選べるハイブリッドな展開モデルが、エージェンティックCDPが採用する展開モデルである。
これらの機能を複数のベンダー（ストレージ用のデータウェアハウス、アクティベーション用のリバースETL、メッセージング用の別のESP、意思決定用の外部MLプラットフォーム）に分散させるコンポーザブルなアーキテクチャも、一部のAIワークフローを支えることはできるが、制約が伴う。ベンダーの境界を越えるたびにレイテンシーが生じ、エージェントが自らのアクションの成果から学習するまでに、フィードバックループは複数のシステムを経由しなければならない。週次の解約モデルや月次のセグメンテーション更新のようなバッチ処理中心の活用事例であれば、このレイテンシーは許容できる。しかし、セッション中のパーソナライズやイベント起点のリテンションのようなリアルタイムのエージェンティックな活用事例では、これが制約要因になる。
エージェンティックCDPの導入
エージェンティックCDPの機能を導入する組織は、通常いくつかの段階を経て進んでいく。
第1段階：人間参加型（Human-in-the-loop）：AIエージェントはアクション（オーディエンス、メッセージ、タイミング）を推奨するが、実行前に人間が確認し承認する。これによって信頼が築かれ、エッジケースが見つかる。
第2段階：ガードレール付きの自律性：エージェントは、あらかじめ定めた制約（予算上限、配信頻度の上限、承認済みのコンテンツテンプレート）の範囲内で独立して実行する。人間は成果を監視し、ガードレールを調整する。
第3段階：戦略的な自律性：エージェントは、ビジネス目標に向けて複数チャネルのキャンペーンを自律的に計画・実行・最適化する。人間は戦略、ブランドの方向性、倫理的な監督に専念する。
2026年時点では、ほとんどの組織が第1段階、あるいは第2段階の初期にある。マッキンゼー（McKinsey, 2021）の推計によれば、AI主導のパーソナライズに優れた企業は、平均的な企業に比べてその取り組みから40%多くの収益を生み出しているという。ただしこれを実現するには、適切な技術だけでなく、組織的な信頼、ガバナンスの枠組み、明確に定義された成功指標も必要になる。
Extraco Banksは、第1〜第2段階の導入が実際にどのようなものかを示す例である。このコミュニティバンクは、統合されたCDPプロファイルの上にAI Agent Foundryを展開し、AI主導のネクストベストアクション推奨を人間のアドバイザーが実行前に確認する仕組みを整えることで、前年比27%のコンバージョン成長を達成した。
FAQ
パッケージ型CDPと比べて、CDPが「エージェンティック」であるとはどういうことか
エージェンティックCDPは、人間のマーケターだけでなく、AIエージェントを主たる利用者として構築されている。 主な違いは、ヘッドレスなアーキテクチャ（ビジュアルUIだけでなくMCP、API、CLIへのアクセスとあらかじめ用意されたエージェントスキルを備える）、リアルタイムのストリーミングプロファイル（バッチ更新ではなくサブセカンドでの更新）、組み込みのAI意思決定（外部ツールではなくネイティブな機械学習）、ネイティブなマルチチャネルアクティベーション、そして成果が数秒以内に顧客プロファイルへ反映されるクローズドフィードバックループにある。パッケージ型CDPもこれらの機能を程度の差はあれ備えているが、エージェンティックCDPはそれらをアーキテクチャ上の中核要件として優先している。
エージェンティックCDPはコンポーザブルCDPとどう違うのか
エージェンティックCDPはデータ・AI・アクティベーションを単一のプラットフォームに一体化するが、コンポーザブルCDPはそれらを別々のベンダーから組み立てる。 コンポーザブルCDPはデータをウェアハウスに保存し、アクティベーションにはリバースETLを用いるため、リアルタイムのAIフィードバックループを妨げるレイテンシーが生じる。エージェンティックCDPは、ウェアハウス連携に加えて自前の最適化されたプロファイルストアを保持することで、サブセカンドでのAIアクセスとクローズドループの学習を実現する。トレードオフとして、コンポーザブルは最大限のエンジニアリング上の主導権を提供し、エージェンティックは自律的なAIエージェントが必要とするリアルタイムでクローズドループなアーキテクチャを提供する。
AI CDPとエージェンティックCDPはどう違うのか
AI CDPとは、人工知能を組み込んだあらゆるカスタマーデータプラットフォームを指す一般的な呼び方であり、エージェンティックCDPはAIエージェントを主たる利用者とする特定のアーキテクチャを指す。 現在ほとんどのCDPは、予測スコアリング、オーディエンス推奨、コンテンツ提案といったAI機能を打ち出しているが、それらは人間の操作者を支援するために後付けされた機能にすぎない。エージェンティックCDPはさらに踏み込む。自律的なエージェントのためのヘッドレス基盤として設計されており、MCPエンドポイント、リアルタイムのプロファイルAPI、あらかじめ用意されたエージェントスキル、そして人間の介入なしにエージェントが認知・判断・実行・学習できるクローズドフィードバックループを備えている。つまり、エージェンティックCDPはすべてAI CDPだが、AI CDPの大半はエージェンティックではない。人間が運用するプラットフォームにAIを加えているだけであり、エージェントのために基盤そのものをゼロから構築しているわけではない。
AIエージェントがCDPから統合された顧客データを必要とする理由は何か
マーケティングの意思決定を行うAIエージェントには、質の低いアクションや矛盾したアクションを避けるために、完全かつ正確な顧客プロファイルが必要である。 統合されたデータがなければ、エージェントは単一チャネルの接触履歴しか見られず、行動を誤って解釈してしまうことがある。例えば、メールを開封しなくなっただけで、実際には店舗で活発に購買している顧客を「解約」と分類してしまうといったケースだ。CDPによる統合プロファイルは、すべての識別子とやり取り（Web、モバイル、メール、店舗、サポート）を単一のビューへとつなぎ合わせ、根拠のある意思決定に必要な完全な文脈をエージェントに与える。名寄せは、複数のエージェントが同じ顧客に矛盾したメッセージを送ってしまうことも防ぐ。
エージェンティックCDPの導入にはどれくらいの費用がかかるのか
エージェンティックCDPの価格は、アクティブプロファイル1,000万件規模で3年間30万〜120万ドルほどが目安であり、これは同等のコンポーザブルCDPスタックの総コストの4分の1〜2分の1程度にあたる。 このコスト優位は機能の一体化から生まれる。エージェンティックCDPは、名寄せ、AI意思決定、ネイティブなメッセージング（メール、SMS、プッシュ通知）を単一のプロファイル課金ライセンスにまとめており、リバースETLの同期費用、外部ESP、マルチベンダーのコンポーザブルなパイプラインを保守するために必要な2〜5人分のデータエンジニアの人件費といった個別の費用が発生しない。導入時の価格はコンポーザブルな代替案より高く見えることもあるが、行数×連携数×頻度×ツール数という掛け算的な増え方ではなく、プロファイル数に応じて線形にコストが増えるため、総保有コストはエージェンティックCDPの方が低くなる。詳細な内訳はコンポーザブルCDPのTCO比較を参照してほしい。
エージェンティックCDPのベンダーにはどのような例があるか
2026年時点でエージェンティックCDPの例として挙げられるのは、Treasure AIと、程度の差はあるがSalesforce Data CloudやAdobe Real-Time CDPである。 Treasure AIは、ネイティブなメッセージング、リアルタイムのプロファイル、組み込みのAI意思決定、MCPベースのエージェントアクセスを備え、アーキテクチャとして最も第3段階の要件を満たしているプラットフォームである。SalesforceとAdobeは、既存のエンタープライズスイートにCDP機能を組み込みつつ、その上にAI機能（それぞれEinstein、Sensei）を追加している段階にあり、CDP・AI・アクティベーションの各レイヤーは買収によって組み合わされてきた場合が多い。各基準の詳細は、前段の「Treasure AIによる実装例」を参照してほしい。
AIエージェントはエージェンティックCDPをどのように使うのか
AIエージェントは、MCPサーバー、リアルタイムAPI、CLI、あらかじめ用意されたエージェントスキルといったヘッドレスなインターフェースを通じてエージェンティックCDPとやり取りし、人間の介入なしに顧客プロファイルを読み取り、判断し、アクションを起こす。 例えば、リテンション担当のエージェントは、APIを介して顧客のリアルタイムプロファイルを照会し、組み込みのプロペンシティモデルによってエンゲージメントの低下を検知し、AI意思決定によって最適なチャネルとオファーを選び、ネイティブなアクティベーションを通じてパーソナライズされたメッセージを送信する。これらすべてが単一のプラットフォームの境界内で行われる。成果（開封、クリック、コンバージョン、あるいは無反応）は数秒以内にプロファイルへ反映され、エージェントの次の判断は最新のデータに基づくものになる。このクローズドフィードバックループこそが、Customer Intelligence Loopの各段階に外部ツールを必要とするプラットフォームと、エージェンティックCDPを分けるものである。
Related Terms
- ハイブリッドCDP：エージェンティックCDPが採用する、マネージド + ウェアハウス連携の展開モデル
- カスタマージャーニーオーケストレーション：エージェンティックCDPがエージェント主導の意思決定によって自動化する、動的なジャーニー管理
- リアルタイムデータ処理：エージェンティックCDPが必要とする、サブセカンドのプロファイル更新を実現するストリーミング基盤
- 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プロセスであり、エージェンティックCDPがネイティブに担う
- エージェンティックマーケティング：AIエージェントがCustomer Intelligence Loopを自律的に回す、より広い実践であり、その中核にエージェンティックCDPが位置づけられる
- コンポーザブルCDP：エージェンティックCDPが超えて進化した、第2段階のウェアハウス上で完結するアーキテクチャ
- Treasure AIとは何か？：CDP + ネイティブなメッセージング + AIを組み合わせたAgentic Experience Platform
さらに詳しく：
- The CISO’s Guide to CDP Architecture Decisions：AIネイティブなアーキテクチャがPIIの露出と監査負荷をどのように減らすか
- How to Evaluate a CDP in the AI Era: 10 Questions Every Buyer Should Ask