「“顧客”コンテクストこそ競争優位性」　プレイドがそう断言するワケ

　AIの普及によって、誰もが“汎用的な正解”には容易にたどり着ける時代となった。プレイドが支援するマーケティング領域はもちろん、開発やバックオフィス業務など、多様な場面でAIの実装が着々と進んでいる。多くの人が、業務効率化のメリットを享受しているはずだ。

　しかし、それはまだスタートラインに立った段階といえるだろう。誰もが同じようにAIを使えるからこそ、自社独自の価値を生み出すハードルはむしろ高くなっているからだ。この状況に、倉橋氏は警鐘を鳴らす。

「AIによって効率化がなされた反面、似たようなプロダクトやサービスが溢れています。選択権や交渉力が顧客側に移行する『パワーシフト』が起きている中、顧客からすれば、選ぶことがますます難しい市場になっているのです」（倉橋氏）

　このような市場環境において、顧客に選ばれ続けるにはどうすれば良いのか。倉橋氏がその源泉として挙げたのが「文脈」、いわゆるコンテクストだ。まだAIが学習していない事実や独自の意思、これまでの歩みなど、いわば“眠れるデータ”を企業価値へとつなげる基盤の構築こそが、各社が向き合うべき最重要課題となっている。

　セッション冒頭で倉橋氏が提示したこの課題を、CTOの牧野氏がより詳しく解説した。

　現在、多くの企業が、データ基盤の整備をはじめ急速にAI投資を進めている。それにもかかわらず「AIに問いかけても、一般的な回答しか返ってこない」「経営の意思決定に活用できず、事業成長にもつながらない」といった状況が起こっているという。

　牧野氏は、その理由を二つ説明した。一つは部分最適にとどまっていること。個別タスクをAIで効率化しても、ボトルネックは消えたわけではなく、別の場所で新たに発生する。それでは、全社的に大きく生産性を向上させることが難しい。そしてもう一つが差別化の難しさだ。倉橋氏も指摘したように、AIを活用できる環境は競合他社も同じ。それだけで差別化ができないからこそ、何をAIに学習させるかが勝負の分かれ目となる。

「これは、過去の履歴をすべてAIに読み込ませればよいという単純な話ではありません。自社のビジネスや業務がどのような流れで成り立ってきたのか。過去の出来事をつなぎ合わせた、“線のデータ”が求められているのです」（牧野氏）

　牧野氏が挙げた線のデータが、AI活用において重要とされているコンテクストだ。

　一方で、社内のコンテクストと一言でいっても、その範囲は多岐にわたる。複数の事業を展開していればなおさらだ。牧野氏は、その中でも「顧客コンテクストが最も重要」と強調した。具体的には「顧客が自社の製品やサービスを求めている理由」「それによって何をしたいのか」「過去にどのような行動をしてきたのか」などのデータを指す。

　もちろん、自社固有のデータは、顧客コンテクストだけではない。たとえば、研究開発や製造のノウハウも、他社に模倣されにくい立派な差別化要素といえる。しかし、どれほど優れた技術やノウハウも、「顧客が自社を選ぶ理由」に結びつかなければ、売上やLTVには変えられない。プレイドが顧客コンテクストを最上位に位置づける理由は、あらゆる強みを顧客に選ばれる価値へと変えるデータだからだ。

　ただし、いくら顧客コンテクストが重要とはいえ、その整備は容易ではないだろう。そこで牧野氏は、実現に向けた方法論へと話を進めた。

目先の施策以上に経営インパクトを与えねば……データ分析の新手法

　企業の中には、顧客コンテクストの要素となるデータが散在している。会員データや行動データ、問い合わせ履歴、ときには画像や音声まで、種類も形式もバラバラだ。

　これらを統合・加工し、まとまった一つの「コンテクストレイヤー」として表現・可視化して、事業に活かす。さらに、活用して得られたデータを蓄積し、顧客コンテクストを継続的にアップデートしていく──プレイドは、こうしたサイクルを描いているのだという。そのサイクルを回す土台が、同社の顧客コンテクストデータ基盤「Context Lake」である。

　Context Lakeは、社内のあらゆるデータが蓄積されるデータウェアハウスの上にコンテクストレイヤーを構築し、AIエージェントなどのアプリケーションレイヤーへと、活用の流れを作ることができる。あらゆる種類の構造化データに加えて、テキスト、画像、音声、動画などの非構造化データも整理し、AIが活用するためのコンテクストデータの層を生み出す仕組みだ。その過程で大量のデータをリアルタイム処理する必要があるが、プレイドが内製した超高速処理基盤が特定の行動をしているユーザーを「1秒」で抽出するという。

　このContext Lakeを通じて顧客コンテクストを整備することで、何が可能となるのか。牧野氏は、顧客コンテクストが「経営の解像度」を上げる点にまで踏み込んだ。

　従来のデータ分析は、売上や利益を事業別・商品別・エリア別に見る実績値のレポーティングが中心だった。これを顧客データに基づいて分解すると、現状の売上を誰が支えているのかなど、重要顧客の内訳やLTVが見えてくる。さらに、コンテクスト軸で分析することで、顧客が自社を選び続けている理由や背景にまで、解像度を上げられるのだ。

　具体的なユースケースを挙げよう。たとえば、住宅ローン事業で「今四半期の融資実行額：前年同期比115％」という実績があったとする。従来型のデータ分析では、この数字は追えても「金利目当てですぐ離れる顧客なのか、長く付き合う優良顧客なのか」までは判断が難しかった。次に顧客軸で分解すると、上位20％の顧客が将来収益の約80％を占めるといった構造が見えてくる。その上でコンテクスト軸の視点を加えると、該当の顧客は「審査スピードを重視して自社を選んでいる」など、選択の理由が具体的に浮かび上がる。

　この“顧客軸×文脈軸”で事業環境を可視化し、経営の戦略策定へとつなげるプロダクトが、Context Lakeとともに活用できる「Context Cube」だ。

　そしてもう一つ、Context Lakeで捉えた顧客コンテクストを理解したAIエージェントを、接客や業務の現場に実装する役割を果たす「Context Agent」も用意されている。Context Lakeが顧客理解を生む源泉であり、Context Cubeがそれを経営判断へつなげる。そして、Context Agentが現場のアクションへつなげる。この3つによって、プレイドは顧客コンテクストを競争力へと変えようとしているのだ。

「顧客コンテクストは、従来のマーケティングだけでなく、戦略策定や商品開発、集客、接客、カスタマーサクセスまで、業務全体に使える重要なデータなのです」（牧野氏）

業務効率化止まりでよいのか？　プレイドが描く、AIとの本当の共創

　Context Lakeに加えて、本セッションでは2つの新しいAIプロダクトが発表された。「Agent Studio」と「Obel（オーベル）」だ。

　Agent Studioは、管理画面の操作をAIエージェントに集約し、ユーザーが自然言語で意図を伝えるだけで機能を横断してアクションできるインターフェイス。また、Obelは、AIが安全にデータを扱い、開発できるようにする統合開発およびデータ基盤である。それぞれの詳しい特徴を、CPOの竹村氏が紹介した。

「操作」はもはや人間の役割ではない　インターフェイスを変革する「Agent Studio」

　プレイドは、顧客の行動データをリアルタイムに分析し、マーケティング施策の実行を支援する「KARTE」を11年にわたって提供してきた。だが、アップデートを重ねるうちに、機能ごとに管理画面が分かれ、裏側のデータ構造も複雑化。ユーザーが画面を行き来する負担を強いられていたという。

　これを解決する手段がAgent Studioである。ユーザーとの接点をAIエージェントに集約し、各機能をAIから見てフラットな存在に再定義した。これにより、AIが自ら機能を横断して自由に呼び出せるようになる。

　この仕組みを支えているのが、各社に蓄積されたファーストパーティカスタマーデータと、プレイドが11年間磨き込んできたKARTEのアクション機能だ。両者が同じ基盤上で融合することで、AIが顧客コンテクストを正しく理解し、的確なアクションを導き出せる仕組みとなっている。また、実行ログは新しいデータとして基盤上に蓄積されるため、使えば使うほどにAIの精度が高まっていく。Remote MCPにも対応しており、外部の多様なAIエージェントを相互に呼び出すことも可能だ。

AIで作れる≠安全に運用できる　攻めの挑戦を支える“強固な守り”「Obel」

　Agent Studioによってユーザーの負荷が解消されるわけだが、その一方で竹村氏はこう問いかける。

「便利なAIエージェントさえ存在すれば、ユーザーの意図は実現できます。しかし、それだけで課題はすべてなくなるのでしょうか」（竹村氏）

　この疑問から生まれたのがObelだという。AIの進化によって、担当者は従来の役割や業務の壁を越えて動けるようになりつつある。この状況に対して「AIで必要な機能が容易に作れることと、それを安全に安定して運用し続けられることは、まったくの別物」と竹村氏は指摘した。

「統率がとれていない環境でAIを活用すれば、意図せぬデータの制御や誰もメンテナンスできないシステムの量産が発生してしまいます。結果的に、将来への負債を積み上げるだけです」（竹村氏）

　AIに適切な制約をかける基盤さえあれば、担当者は不安なくAIに多くを委ね、これまでの業務領域からはみ出した仕事にも踏み出せる。この思想に基づいて、ObelはデータレイヤーのObel Data Lakeと、アプリケーションレイヤーのObel Craft Studioという2層で構成されている。

　まずObel Data Lakeは、社内に散在する機密データを、テナント分離された専用クラウド環境にセキュアに取り込み、ファーストパーティカスタマーデータを安全に統合する。その上で、次のような機能を備えている。

　また、Obel Craft Studioは、人とAIが共創しながらアプリやWebサイトを形にするインターフェイスである。ノーコードで直感的に扱え、AIへの丸投げでも人力頼みでもない、双方向のものづくりを実現。具体的には、次のようなことが可能だ。

　なお、Agent Studioは2026年7月9日から招待制で提供が開始された。Obelは2026年秋に招待制で提供開始される予定だ。Context Lakeに、Agent StudioとObel。これらすべてが組み合わさることで、人の意思をダイレクトに形にする体制が実現できるという。

「この一連の流れこそが、AI活用を単なる業務効率化に終わらせず、独自の価値を築き上げる“攻め”の活動へとつなげるものです。プレイドは、コンテクストデータとAIネイティブなプロダクトを通じて、人が持つポテンシャルとデータの価値を最大化する支援を続けていきます」（竹村氏）

　セッションの終盤、再び登壇した倉橋氏は、データ活用の本質的な課題について言及した。どれほど優れたAIを導入して顧客中心の事業作りを目指しても、「企業文化や日々のオペレーションといった活動自体が、最終的な成果（出力）を決める」という。だからこそ、社内のあらゆる業務コンテクストをデータ化し、AIに渡せる基盤が不可欠となるのだ。同氏は、顧客コンテクストの活用をマーケティング部門だけにとどめず、あらゆる職種の新たな業務モデルへと昇華させること──それこそが、プレイドが提案する次世代の競争優位のあり方だと述べ、セッションを締め括った。