AIネイティブとAIの後付けの違いとは？見分け方を解説

Q: 後付けのアーキテクチャがAIネイティブに変わることはあるのか

理屈のうえでは変えられるが、機能の追加ではなくアーキテクチャの作り直しが必要になる。 AIネイティブになるとは、運用プラットフォームと同じデータストアの上でAIが動くようにデータモデルを組み直し、AIの層と実行の層のあいだにあるバッチの受け渡しをなくし、成果がリアルタイムでモデルを更新するクローズドフィードバックループを作ることである。この移行に取り組むベンダーの多くは、中核のアーキテクチャを後付けのまま残しながら、段階的な改善を出荷している。判断材料になるのは資料の書き換えではなく、レイテンシー、参照できる文脈、フィードバックループが計測できる形で改善しているかどうかである。

Q: ベンダーのAIがネイティブかどうかは何を聞けば分かるのか

三つ問えばよい。 第一に、AIモデルの学習は、リアルタイムのアクティベーションに使うデータストアの上で行われるのか、それとも別の書き出しやパイプラインを必要とするのか。第二に、AIの提案が実行されたあと、その成果がモデルに反映されるまでにかかるのは秒か、時間か、日か。第三に、AI機能は基本料金に含まれるのか、独自のライセンスを持つ別料金のSKUなのか。同じデータストア、サブセカンドのフィードバック、料金に含まれるという三つが揃えばネイティブであり、別のパイプライン、バッチのフィードバック、追加料金が揃えば後付けである。

Q: 「AIネイティブCDP」というCDPの分類はあるのか

ない。AIネイティブはアーキテクチャの性質を述べる形容であり、製品カテゴリーの名前ではない。 CDPの分類は、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）という段階で行う。AIがネイティブか後付けかは、どの段階の製品についても問える性質であり、段階の名前と入れ替えて使うと分類の軸が二重になる。

AIネイティブなプラットフォームとは、機械学習と自律的な意思決定をアーキテクチャの中核に組み込んで設計されたシステムであり、AIの後付けとは、AIを前提に設計されていない既存のシステムの上に、別モジュール、外部APIの呼び出し、上位プランの追加オプションとしてAI機能を足した構成である。両者を隔てているのは、モデルの種類でも精度でもなく、AIがCDP（カスタマーデータプラットフォーム）のどの層に置かれているかである。

AIがどこに置かれているかで、そのAIにできることが決まる。応答までの速さ、参照できる文脈の広さ、成果から学習するまでの時間、そしてかかる費用である。CDPが人間の操作するダッシュボードからAI意思決定のためのリアルタイムなデータ基盤へと移るにつれて、ネイティブと後付けの差は開いている。

AIがどの層に置かれているか

AIネイティブであるとは、プラットフォームのすべての層にAIが入っていることを意味する。

取り込み：過去のパターンを学習したモデルが、スキーマの対応付けとデータ品質の採点を自動で担う
名寄せ：確定的なルールだけに頼らず、新しいシグナルが届くたびに精度が上がる確率的マッチングを併用する
セグメンテーション：統合プロファイル全体にクラスタリングと類似オーディエンスモデルを適用し、手作業では見つからない価値の高い集団を提示する
意思決定：強化学習を用いて、事業目標に対して顧客一人ひとりをリアルタイムに評価する
アクティベーション：メッセージ、チャネル、タイミング、頻度をAIが選び、その成果をその場で学習に戻す

AIの後付けであるとは、既存のプラットフォームが外部のAIサービスを呼び出しているか、中核システムの隣に置かれた別モジュールを動かしていることを意味する。そのAIコンポーネントは、中核システムのデータモデルも実行時の文脈も共有しない。買収で獲得したもの、他社からライセンスしたもの、APIとバッチのデータ受け渡しで本体とやり取りする別サービスとして作られたもののいずれかである。エージェンティックCDPでは、AIの層とデータの層が同一のシステムである。後付けのプラットフォームでは、二つのシステムが一つであるかのように振る舞っている。

差が現れる四つの観点

ネイティブか後付けかの違いは、設計思想の話にとどまらない。次の四つの観点で、計測できる差として現れる。

レイテンシー

ネイティブなAIは、作用させる対象と同じデータストアを照会する。顧客がアプリを開いたりサイトを訪れたりしたその瞬間に、プロファイル全体を評価し、パーソナライズされた判断をサブセカンドで返せる。後付けのAIは、データをシリアライズして外部サービスや別モジュールへ送り、推論を待ち、応答を受け取り、既存プラットフォーム側のアクティベーションを通じて作用させる。この往復で数秒から数分のレイテンシーが加わる。リアルタイムの接客では、この数秒が施策として成り立つかどうかを分ける。

参照できる文脈

ネイティブなAIは統合データストアの上で直接動くため、顧客プロファイルの全体と行動履歴のすべてを参照できる。後付けのAIが受け取るのは、連携の設定で送ることに決めた項目だけに切り詰められたデータである。顧客が200の属性を持っていても連携が20しか渡していなければ、AIは使えるはずの文脈の1割で判断している。後付けのAIによる提案が一般的な内容にとどまりやすいのは、モデルの出来が悪いからではなく、提案を具体的にするはずのデータがモデルから見えていないからである。

フィードバックループ

ネイティブなAIでは、アクション、成果、モデルの更新が同一のシステム境界内で起きる。メッセージを送り、顧客がコンバージョンしたかどうかを観測し、モデルを調整するまでが数秒で済む。これがクローズドフィードバックループである。後付けのAIの成果は、既存システムのバッチ処理を経由して戻るため、月曜の結果が水曜のデータ同期までモデルに届かないということが起こる。ループが開いたままでは学習が遅れ、リアルタイムに最適化できる範囲も狭まる。

コスト

ネイティブなAIは、それ自体がプラットフォームであるため、別途ライセンスするシステムがない。後付けのAIには、AIモジュールの別料金、規模に応じて増える推論APIの費用、連携を構築し保守するための専門サービス、AIモジュールを中核プラットフォームと同期させ続けるためのデータエンジニアリングが伴うことが多い。これらは年を追って積み上がり、プラットフォーム本体のライセンス費用に並ぶ規模になることもある。アナリストがスイートタックスと呼ぶ構図と同じ性質の費用である。

後付けのアーキテクチャを見分ける五つの兆候

ベンダーの資料に書かれた「AI」という言葉からは、AIがどの層に置かれているかは分からない。実装として確かめられるのは、次の五点である。

別料金のSKU：AI機能が基本プラットフォームに含まれず、独自の価格を持つ追加モジュールとして並んでいる。AI意思決定を月額いくらで追加するという売り方ができるのは、そのAIが本体と切り離せる別のシステムだからである。
別の画面：AI機能を設定し監視するために、本体とは別のコンソール、ダッシュボード、APIが必要になる。二つの画面を行き来しなければ運用できないなら、システムは二つある。
買収の履歴：AI機能を自社開発ではなく買収で獲得している。買収後の統合には年単位の時間がかかり、統一されたブランドの裏側では元のアーキテクチャが別々のまま残っていることが多い。
別のデータパイプライン：AIモデルの学習が、プラットフォームの運用データとは別のパイプラインで行われる。ライブのプロファイルストアではなく夜間の書き出しで学習しているなら、アーキテクチャ上は後付けである。
手作業の受け渡し：AIの提案を人が書き出し、同期し、アクティベーションのツールへ渡さなければならない。AIが作ったオーディエンスを人が別のシステムへコピーしている時点で、ループは閉じていない。

一つ当てはまるだけで後付けと断定できるものではない。買収した製品を数年かけて同一のデータモデルへ作り直したベンダーもあるし、ネイティブに開発したAIをあえて別料金のオプションとして売っているベンダーもある。ただし三つ以上が同時に当てはまるなら、そのAIは中核アーキテクチャの外側にあると考えてよい。

買収で集めたバンドルとアーキテクチャとして一体のバンドルの違いはエージェンティックCDPで扱っており、ここで挙げた見分け方を選定プロセスと採点シートに組み込む手順はAI時代のCDP評価で扱っている。

FAQ

後付けのアーキテクチャがAIネイティブに変わることはあるのか

理屈のうえでは変えられるが、機能の追加ではなくアーキテクチャの作り直しが必要になる。 AIネイティブになるとは、運用プラットフォームと同じデータストアの上でAIが動くようにデータモデルを組み直し、AIの層と実行の層のあいだにあるバッチの受け渡しをなくし、成果がリアルタイムでモデルを更新するクローズドフィードバックループを作ることである。この移行に取り組むベンダーの多くは、中核のアーキテクチャを後付けのまま残しながら、段階的な改善を出荷している。判断材料になるのは資料の書き換えではなく、レイテンシー、参照できる文脈、フィードバックループが計測できる形で改善しているかどうかである。

AIネイティブとは生成AIやLLMを使っていることなのか

違う。AIネイティブが指すのは、AIがアーキテクチャにどう組み込まれているかであり、どの種類のモデルを使っているかではない。 外部のLLMのAPIを呼び出してメールの件名を生成させながら、そのモデルは顧客プロファイル全体を参照できず配信結果からも学習しないという構成は、生成AIを使った後付けのアーキテクチャである。逆に、AIネイティブなプラットフォームがAI意思決定には勾配ブースティングや強化学習といった従来の機械学習モデルを使い、コンテンツ生成にLLMを併用することもある。

ベンダーのAIがネイティブかどうかは何を聞けば分かるのか

三つ問えばよい。 第一に、AIモデルの学習は、リアルタイムのアクティベーションに使うデータストアの上で行われるのか、それとも別の書き出しやパイプラインを必要とするのか。第二に、AIの提案が実行されたあと、その成果がモデルに反映されるまでにかかるのは秒か、時間か、日か。第三に、AI機能は基本料金に含まれるのか、独自のライセンスを持つ別料金のSKUなのか。同じデータストア、サブセカンドのフィードバック、料金に含まれるという三つが揃えばネイティブであり、別のパイプライン、バッチのフィードバック、追加料金が揃えば後付けである。

「AIネイティブCDP」というCDPの分類はあるのか

ない。AIネイティブはアーキテクチャの性質を述べる形容であり、製品カテゴリーの名前ではない。 CDPの分類は、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）という段階で行う。AIがネイティブか後付けかは、どの段階の製品についても問える性質であり、段階の名前と入れ替えて使うと分類の軸が二重になる。