デジタルの各時代は、その時代を形作ったデータレイヤーによって定義されてきました。次のデータレイヤーがもたらす影響は、これまでのレイヤーにはなかったものになります。
前回の記事で私は、コンテキストこそが応用AIにおける決定的な変数であり、芸術家たちが何世紀にもわたって同じ問題に向き合ってきたと論じました。本記事では、その議論を前提として、さらに難しい問いを投げかけます。もしコンテキストが制約であるならば、実際にそれを生み出すインフラのレイヤーとは何なのでしょうか。
その答えは、既存のプラットフォームに新機能を追加することではありません。それは新たなレイヤーです。そして、それを最も明確に理解するには、これまでのレイヤーを振り返るのが一番です。
当初、データレイヤーなど存在しませんでした。タグやトラッキングの呼び出しは、ページのコードから直接実行されていました。新しいツールを導入するたびに、新たな開発サイクルが必要でした。これは初期のウェブの規模では機能していましたが、本格的なデジタル計測の第一波に直面すると、その仕組みを維持することはできませんでした。
最初に登場した体系的な対応策が、アナリティクス・データレイヤーでした。これは、ページ上に配置され、あらゆるアナリティクスツールが読み取れる標準化されたオブジェクトです。Google Tag ManagerのdataLayerは、その直接的な後継にあたります。これは、起きていることに関するデータを、それを必要とするツールから分離すべきだと、初めて明確に示したものでした。今振り返れば、ささやかなアイデアですが、デジタル計測の規模拡大のあり方を根本から変えました。
次の転換点はユニバーサルデータレイヤー（UDL）であり、ここからTealiumの物語が始まります。UDLはアナリティクスレイヤーをベンダー中立的なものへと一般化しました。つまり、ページ上やセッション内で起きていることを単一の標準的な記述にまとめ、それを下流のあらゆるツールに供給できるようにしたのです。Tealiumがこの分野を切り拓き、W3Cは標準化を試みました。その原理は単純で、今振り返れば自明のことでした。データモデルは、それを利用するツールから独立しているべきだということです。
その後、対象範囲が拡大しました。顧客はもはやウェブページだけに留まらなくなりました。彼らは、デバイス、セッション、アプリ、コールセンター、店舗、そしてチャネルをまたいで行動するようになったのです。UDLは、その瞬間に起きたイベントを記述するものであり、時間をまたいだ顧客の行動を記述することはできませんでした。そこで登場したのが、カスタマーデータレイヤー、つまり現在業界でCDPと呼ばれているものです。Tealiumもこのレイヤーを構築しました。なぜオーケストレーションがストレージよりも重要なのか、そして、顧客データを単なるマーケティングツールではなく戦略的なインフラとして扱ってきた組織が、その後も優位性を積み重ねてきた理由については、別の記事で詳しく述べています。
CDPの時代は終わっていません。そのインフラは、その後に続くすべてのものを支えるプラットフォームです。しかし、そのインフラの主な利用者は変化しつつあります。あるレイヤーの主な利用者が変われば、そのレイヤー自体も利用者に合わせて変わらなければなりません。
次のレイヤーは、推論時のレイテンシーで動作し、現実に影響を及ぼすモデル、エージェント、自動意思決定などのAIシステムにデータを供給するレイヤーです。私は最近の記事の多くで、このレイヤーについて折に触れて述べてきました。それは、コンテキストレイヤー、セマンティックレイヤー、AI対応データストリームです。ここでは、このレイヤーに適切な名称を付与したいと思います。なぜなら、名称がないがゆえに、企業はAIが実際に必要とするインフラを、CDPにいくつかのコネクタを追加したもの、として扱い続け、それを前提に構築してしまうからです。これは、スマートフォンを電卓と呼ぶのとほぼ同じようなアーキテクチャ上の問題です。
AIデータレイヤーとは何か？
AIデータレイヤーは、CDPに取って代わるものではありません。CDPの主な利用者が、もはやマーケティングのアクティベーションプラットフォームではなく、モデルやエージェントになったときに、CDPが変容する姿そのものです。このレイヤーが必要とされる理由のほとんどについては、すでに別の記事で論じてきました。バッチ処理よりもリアルタイム処理、サードパーティデータよりもファーストパーティデータ、生データよりも同意を得たコンテキストを重視すべき理由を、ここで改めて論じるつもりはありません。それらの主張は依然として有効であり、長年にわたりその有効性は変わっていません。本記事で取り上げたいのは、AIシステムが主要な利用者となった際に、このレイヤーの構造がどのように変化するかという点です。
4つの変化
利用者は、もはや予測できません。CDPの時代では、プロファイルから読み取る対象が、キャンペーンツール、広告プラットフォーム、レコメンデーションエンジンといった既知のシステムであると想定していました。そのため、それらの利用者に合わせてプロファイルを調整することができました。一方、AIデータレイヤーの利用者は多様であり、その数は増え続けています。不正検知モデル、サポート用コパイロット、レコメンデーションシステム、顧客に代わって動作する自律型購買エージェントなどです。それぞれが顧客の異なる側面を、異なる構成で、異なる頻度で必要としています。このレイヤーは、誰が何を求めているかに応じて、提供する情報を構成しなければなりません。そして、事後には、何をなぜ送信したのか、その理由を正確に説明できなければなりません。静的なプロファイルモデリングでは、これを実現することはできません。レイヤー自体が単なるコンテナではなく、コンポーザーでなければなりません。
ガバナンスは、アクティベーションからコンポジションへ移行しなければなりません。私は以前、同意を得ていないデータでモデルを汚染すると何が起きるかについて書きました。モデルが保持するコンテキストが増え、エージェントがより多くのアクションを実行するようになるにつれて、この問題はさらに深刻になっています。重要なのは、アーキテクチャ上の対応です。ガバナンスはもはやアクティベーションの端に置くことはできません。それは、モデルに何かが届く前の、コンテキストが構成されるその瞬間に、レイヤーの内部で機能しなければなりません。なぜなら、いったんモデルがデータを取得してしまえば、強制措置を講じるには手遅れになってしまうからです。同意、利用目的の制限、データ最小化は、プロファイルの上に重ねられた単なるコンプライアンス要件ではなくなります。それらはプロファイル自体の特性となり、シグナルごと、利用者ごと、意思決定ごとに適用されるようになります。
IDは、これまで存在しなかった接点をまたいで解決されなければなりません。業界がウェブやアプリのために構築してきたIDグラフは、1年前の時点ですでに不十分でした。音声アシスタント、チャットインターフェース、顧客に代わって行動する自律型エージェント、モデルによって支援・拡張された人間の担当者。これらはそれぞれ新しい接点であり、CDP時代のIDグラフが設計された際の前提を打ち破るものです。AIデータレイヤーは、CDPの時代には想定されていなかった接点をまたいで、一人の人間を識別・統合しなければなりません。その解決は正確でなければならず、同時に高速でなければなりません。なぜなら、誤った識別による影響は、マーケティングファネルを通して生じた場合とは異なり、エージェントの一連の行動全体に連鎖的に影響を及ぼすからです。
アーキテクチャのパターンが逆転します。この10年間、主流だったパターンは「消費者向けシステム → データ検索 → アクション」でした。AI時代においては、そのパターンは「顧客 → コンテキストレイヤー → AI → アクション」となります。このレイヤーはクエリではなく、入力として機能するようになります。コンテキストを必要に応じて取得するものとして扱うアーキテクチャは、コンテキストを「モデルが必要とする瞬間に、すでに構成・管理され、準備が整ったインフラ」として扱うアーキテクチャに敗れるでしょう。
これがTealiumの位置づけであり、私がこの論点が当社の枠を超えて重要だと考える理由です。私たちはユニバーサルデータレイヤーを構築しました。カスタマーデータレイヤーも構築しました。そして現在取り組んでいるのが、その次のレイヤー、つまり実際の顧客と、その顧客に代わって推論を行うAIシステムとの間に位置するレイヤーです。これはCDPというカテゴリーが間違っていたからではなく、単に時代を先取りしていたからです。あの時代に私たちがID、同意、リアルタイムのデータ統合、ファーストパーティシグナルの品質に関するあらゆることについて学んだことは、まさにAIの時代に必要とされるものであり、その重要性は格段に高まっています。
最後に、この議論が次にどこへ向かうのかを示しておきたいと思います。
私がこれまで説明してきたことはすべて、AIシステムが応答するために適切なコンテキストを与えることについてでした。より難しいのは、エージェントが顧客本人と顧客が同意した内容に忠実な形で、時間の経過後も適切なコンテキストに基づいて行動し続けられるようにすることです。エージェントはコンテキストを蓄積していきます。そして、次に活動するコンテキストを変えるような意思決定を行います。エージェントは、誤ったコンテキストが単なる不適切な出力にとどまらず、現実世界での結果をもたらす環境において、一連の行動を連鎖させていきます。ここで説明したAIデータレイヤーは、チャット、レコメンデーション、不正検知、サポートといった分野において、すでに不可欠なものとなっています。エージェントにとって、それは最小限の実行可能なアーキテクチャです。この点については、次の記事で改めて取り上げます。
前回の記事でも述べたように、フレームとは主張です。そして今や、フレームはインフラでもあります。意図を持って構築しましょう。
