AI時代のマーケティング組織において、差を生むのはツールの数でも個々のマーケターの職人技でもありません。チームが共有する文脈をどれだけ育てられるか。この問いが、組織の競争力を決める軸になりつつあります。
マーケ組織の価値は職能の有無から文脈を育てる力へ
従来のキャンペーン運用は、専門職がそれぞれの持ち場を所有し、直列につないでいく構造でした。リサーチ、プランニング、コピーライティング、デザイン、オーケストレーション、承認。工程ごとに人が替わり、その間に待ち時間が挟まります。

従来のキャンペーン運用が重い理由
あるFortune 50企業が自社のプロセスを数えたところ、新規キャンペーン一本に約350ものステップがあり、公開までに4〜6週間かかることも珍しくなかったといいます。これは極端な例ですが、分断された直列構造が生む重さは多くの組織に心当たりがあるはずです。
この重さの本当の原因はステップ数ではなく、知見が個々人の頭の中に分散していることにあります。良いコピーとは何か、競合は何をしているか、過去に効いた(あるいは効かなかった)キャンペーンは何か。こうした判断基準が担当者ごとに暗黙知として抱えられている限り、作業は毎回ゼロから組み直しになります。
ここを変えるのが、暗黙知を共有のコンテキストレイヤーに移すことです。判断基準が土台として整えば、ジェネラリストのマーケターが目的を指示し、文脈を持ったAIが戦略ブリーフやクリエイティブ、オーディエンス設計の大半を担い、人間は精緻化と承認、最終判断に集中できます。数百のステップが、実質的に数工程へと畳まれていきます。
強調しておきたいのは、専門職が不要になるわけではないという点です。役割が、個別のキャンペーンを一つずつ手で作ることから、AIに良いとは何かを教え込み、文脈という土台を設計することへと移ります。データエンジニアリング、アナリティクス、ブランドデザイン、法務・コンプライアンス、Martech/ITといった専門性は、表に出る工程から組織の基盤へと配置換えされると捉えるのが近いでしょう。
AI時代のマーケティング組織の新しい構造
では、その新しい構造とは具体的にどのような形なのでしょうか。一言で表すなら、「ジェネラリストが回すループと、それを支える専門職の土台」という二層構造です。

AI時代のマーケティング組織の新しい構造
上の層では、インサイト、コンテンツ、オーケストレーション、フィードバックという四つの工程が一つの輪になっています。輪の中心にいるジェネラリストのマーケターが目的を指示し、文脈を持ったAIが戦略ブリーフの作成やクリエイティブの生成、オーディエンスと配信設計の提案といった重い作業を引き受けます。人間が受け持つのは、精緻化と承認、そして最終判断です。
下の層が、専門職の土台です。データエンジニアリング、アナリティクス、ブランドデザイン、法務・コンプライアンス、Martech/ITといった専門性がここに並び、ブランドのトーン、使ってよいオファー、頻度の上限、法務上の制約、計測の定義といった判断基準を、AIが参照できる形で整えていきます。上の層でジェネラリストが安心してループを回せるのは、下の層がこの文脈を用意しているからです。
重要なのはこの輪が一方向に閉じていない点です。フィードバックが次のインサイトに戻り、配信した結果が土台に書き戻され、次の判断がその分だけ賢くなっていきます。この循環が組織の設計そのものに組み込まれているかどうかが、従来の運用との決定的な違いです。
日本のマーケティング組織でも、まず問うべきは、どのツールを入れるかではなく、自社の判断基準はどこに置かれていて、学びはどこに戻っていくのかという点になりそうです。
作り込むべきは、分岐ではなくゴールとガードレール
一人ひとりに合わせたコミュニケーションを届けたいという思いから、マーケティングの現場が積み重ねてきたのは、誰に何を送るかを人間が先に決め、ルールと条件分岐でジャーニーを組み上げる作業でした。セグメントを切り、トリガーを置き、例外に分岐を足していく。作り込むほどパーソナライズの精度は上がるはずでした。ところが実際には、積み上げ型の設計は作り込むほど運用が重くなり、かえって悪い顧客体験につながってしまうこともしばしばです。
米フィンテックのMoneyLion社は、ルールとトリガーと分岐を増やし続けましたが、ジャーニーを一本作るだけで数カ月かかり、公開後は保守もテストも改善も難しくなったといいます。同時に数百本のジャーニーが走っていたため、ガバナンスとオーケストレーションは破綻寸前に陥っていました。データ基盤を統合して土台を整えた後でさえ、データが同じジャーニーとルールを通る限り、中核の問題は解けなかったのです。
AI時代の今、マーケティングで本当に作り込むべきものは、ジャーニーの分岐ではなく、ゴールとガードレール、そして学習を回す仕組みかもしれません。
具体的には、達成したいゴールと、守るべきガードレール(オーディエンスの範囲や頻度上限、使ってよいオファーなど)、そしてクリエイティブの素材群だけを定義します。そのうえで、時間帯やオファー、メッセージの組み合わせを大規模に試し、どれが効くのかを顧客の反応から学習させていきます。従来は送る相手とメッセージを先に固定していたのに対し、ゴールを与えてオーディエンスとメッセージはAIに探らせる、という順序への転換です。人間は承認した範囲の内側でしかAIが動かないようガードレールを引き、その内側での実験の速度と規模を委ねる形になります。
MoneyLion社ではオンボーディング、リテンション、クロスセルの目的ごとに三つのエージェントを稼働させ、従来型のジャーニーと比べてローンや金融オファーの成約で4.9%、Credit Builder Plusの登録で5.6%、主力商品のInstacashで8.2%の改善が見られたと報告されています。コンテンツ制作は従来の6〜8週間から短ければ一日未満にまで縮まったといいます。
もっとも、これが効果的なのはデータの土台が整っている場合に限られます。信頼できる単一の土台があって初めて、AIが学んだことが同じ土台に書き戻され、送るたびにシステムが賢くなる複利が働きます。
私たちが問うべきは、ジャーニーをいくつ作り込んだかではなく、どのゴールを定義し、どんなガードレールと素材を与え、学習をどう回すかへと移っているのかもしれません。

