なぜメディアプランニングへのAI導入は難しいのか？

MZ：サントリー様の課題をどう受け止め、どのような戦略を立てたのでしょうか。

窪谷：担当してまず伺ったのが、「キャンペーンの数が多く、個別や四半期ごとのレビューが大変だ」ということでした。それなら、その作業で積み上げたものを資産に変え、新しい進化につなげられないかと考えました。

　ただ、メディアプランニングでAIを使うには注意が必要です。キャッチコピーやコンセプトなら、AIが出した案を人が判断するフローで良いと思います。一方でメディアは「どの媒体にいくら配分するか」の理由や論拠を数字で説明しなければならない領域です。感覚でメディアを選ぶことはできず、リーチ数などのパフォーマンスや実績による裏付けがあってこそ意思決定が可能な領域です。一方でAIは、機能的にこの裏付けに依存せずとも答えを出すことができてしまう点を意識する必要があります。だからこそ、数値の根拠を示せる形にすることが前提でした。

　そこで、3社で培ってきたプランニングの考え方とデータをすべてAIに学習させ、その経験をもとにゼロからプランを考えられる「脳みそ」を作ろうと提案しました。その構想を実現するために、すでに優れたAIソリューションを開発していた電通デジタル・櫻井のチームに合流してもらったという流れです。

MZ：電通デジタルとしては、どのようなアプローチでこの提案を形にしていったのでしょうか。

櫻井：私たちが企業の内製化を支援する際、外注していた業務をそのまま社内に引き取るだけでは現場が手一杯になってしまいます。そのため私たちは、データを整備しつつ、AIを活用することで「人がやるべき業務」を絞り込み、無理なく回る新しい業務プロセスへ組み替えることを重視しています。内製化は、外部パートナーの支援をすべてなくすことではありません。社内に残すべき判断や知見を明確にし、AIと外部の専門性を組み合わせながら、持続的に業務を高度化できる状態を作ることだと考えています。

　今回はその基盤に電通とサントリーさんの知見を細部まで載せ、「サントリー専用の環境」としてお渡ししました。セキュアな環境でデータを扱えることに加え、参照するデータだけでなく、プランニングの判断基準や処理の順番まで、サントリーさんの業務に合わせてカスタマイズできる点を重視しています。

　環境はクライアントごとに切り出し、利用できる関係者を限定して適切にアクセス権限を管理しています。AIがたたき台を高速で出し、それをもとにサントリーさんや私たちが「この商品を伝えるにはどうするのが一番良いか」を共創できる仕組みになっています。

自由演技（ビュッフェ）か、標準化（定食）か。議論を経て導いたAIと人の役割

MZ：実装に向けて、どのように進めていったのでしょうか。

窪谷：最初は国内電通グループの基盤「AI For Growth Canvas」を使わず、手作りのエージェントでサントリーさんと議論しました。分かれ道は、AIにどこまで自由演技をさせるかです。

　カテゴリーごとに使える基本のプランをAIが出す形を「定食」、ブランドごとに毎回1媒体ずつAIが考えて提案する形を「ビュッフェ」に例えて、どちらでいくかを1〜2ヵ月ほど議論し、まずは安定したプランをミスなく出す定食型から始めることとしました。

　方針決定後に、やりたいことに即していたAI For Growth Canvasを基盤とした開発にシフトし、ロジックの変更点や加える独自データの扱い方などについて要件定義を進めました。サントリーさんと電通で作成した、プランニングの秘伝のたれとも言える「虎の巻（マニュアル）」を脳みその中枢に据え、過去2〜3年分の配信実績も学習させています。

MZ：サントリー様としても、定食型から始めることに納得感はありましたか。

藤原：「ビュッフェ」のように自由度が高いほどブレが出やすく、なぜその媒体を選んだのか人が読み解けなくなります。AIの推測の幅が広がるほど、毎回の理由やロジックを追いにくくなるからです。そこで、まずはAIにベースとなる標準的なプラン（＝定食）を出してもらい、そこからブランドや目的に合わせてメニューを組み替えていく作業は人間が担うという役割分担にしました。

MZ：提供までの期間はどれくらいだったのでしょうか。また、こだわった点を教えてください。

櫻井：最初の1〜2ヵ月間は「定食かビュッフェか」という思想や方針をすり合わせる議論にしっかり時間をかけました。その方針が決まってからは、母体となる基盤のカスタマイズから提供までは1ヵ月強というスピード感でした。

　こだわった点としては、これまでの支援水準にAIがいきなり到達できるわけではないため、「どこまでをAIに任せ、どこから人が担うのか」という役割の線引きです。加えて、サントリーさんから「AIの結果を鵜呑みにせず、なぜこうなったのかを人が振り返れるようにしたい」というご要望をいただき、結果とあわせてその根拠を出す仕様にしました。言葉選びや表示の順番も、実際に使っていただきながら手触りよくブラッシュアップしていきました。

MZ：サントリー様として、AIの「算出根拠」を出す点にこだわられたのはなぜでしょうか。

藤原：私自身、何百ものプランを手がけてきたからこそ、今の判断力が身についています。AIが最短で答えだけを出すとその試行錯誤の過程が失われ、次の世代が「その答えが本当に正しいのか」を見極める力を養えません。それでは本末転倒です。工数削減だけでなく、AIが結論に至った理由を人間が学び、成長のための経験値として積み上げられる仕組みは外せないとお伝えし、実装していただきました。

櫻井：提供後もその思想のもとで改善を続けています。現場から「過去の配信結果はどうだったか」という質問が多く寄せられたため、蓄積されたデータをもとに効果をシミュレーションする機能を追加しました。AIはそれっぽい数字を作り出してしまうリスクもあるため、計算ロジックがブレない仕組みを開発側で綿密に詰めています。