セヴァ・ウスティノフは、Plurioの創設者兼CEOです。Plurioは、パフォーマンスマーケティングの成長を促進するAIエージェントです。Plurioは、非効率性を早期に検出して勝者をスケールアップすることで、マーケターの手作業を排除します。企業のビジネスコンテキストに基づいたフルファネルデータと帰属性を使用して、収益成長を促進します。
AIを使用したビジネスの無縫な変革について考えると、多くの経営者はツール、テクノロジーのスイート、新しいサブスクリプション、従業員向けの企業トレーニングコースの組織化について考える。しかし、私たちが住む世界では、1人の人を通常の仕事のやり方を変えるように説得することは十分に挑戦であり、数十人または数百人を説得することはまったく別のレベルの挑戦です。過去数年間、私は100人以上のチームとこのプロセスを経験し、実際に何が機能するかを共有したいと思います。理論的にはどのように見えるかではなく、実際に何が機能するかを共有したいと思います。変革はチームではなくリーダーから始まる最も一般的な間違いは、コンサルタントを雇用したり、社内スペシャリストにAIの実装をトップダウンで行わせたりすることです。リーダー自身が日常業務で積極的にAIを使用する企業は、変革が従業員レベルに委任されている企業よりも、チームの行動の持続可能な変化を達成することができます。変革は創設者とエージェントと日常的にタスクを共有するすべてのマネージャーから始まります。戦略的計画からパイプライン分析まで、すべてのタスクを含みます。 私の経験では、12週間のAI変革の間、定期的なミーティングで1つのトピックに20％から30％の時間を費やしました。誰が何を試したか、どれが機能したか、どれが機能しなかったかという、同僚が信頼する人々からの実際のケーススタディでした。このフォーマットは、抽象的な例ではなく、特定の仕事にツールがどのように適用されるかを見せることで、ダイナミクスを根本的に変えます。個人的な「アハ！」の瞬間はどの実装計画よりも重要各従業員には、AIワークフローへの独自のエントリーポイントがあり、それを見つけることはマネージャーの役割です。開発者にとって、転換点はエージェントがテストを書き、ドキュメントと仕様を1つのステップで更新し始めたときでした。セールス担当者にとっては、同僚からの返信を待たずに必要な情報をほぼすべて瞬時に受け取るようになったときでした。アナリストにとっては、従来数時間かかっていたルーチンワークフローが自動化されたときでした。5分間のフィードバックサイクルは旧来の委任モデルの代わり従来の管理モデルでは、マネージャーはタスクを検討し、割り当てを作成し、委任し、1日または1週間待ちます。AIネイティブモードでは、このサイクルは1〜10分に短縮されます。実際のワークフローでエージェントを使用するチームは、内部ミーティングを少なくとも15％削減し、情報提供のSlackコミュニケーションを50％削減します。 これは、マネージャーがエージェントと共同で作業し、結果が必要な品質基準を満たすまで作業し、そこで初めてチームメンバーを専門知識が必要なタスクに参加させることを意味します。このシフトは、リーダーの役割を変えます。リーダーは、AIが作業を実行する間、プロセスのアーキテクトとなり、品質を監視します。共有ワークスペースは企業の第2の脳技術的には、シンプルなセットアップです。各従業員のコンピューターに同期されたフォルダーが存在し、明確なフォルダー構造があります。戦略、製品、顧客データ、セールスパイプライン、財務、運用などです。各フォルダーは、特定のマネージャーに割り当てられ、最新の状態に保つ責任がありますが、すべてのエージェントはフォルダー構造全体にアクセスできます。 採用が進むために決定したのは、企業の全知識ベースを共有ワークスペースに移行し、他の手段でのアクセスをブロックすることでした。最初は、マネージャーからの圧力が必要でしたが、エージェントが手動検索よりも迅速かつ包括的に必要な情報を見つけることができることを人々が見たとき、抵抗は自然に消えました。3ヶ月後の結果はどうなるか最初の12週間後、変革は積極的な管理を必要としません。チームは独立して新しいスキルやツールを開発し、共有し、プロセスを改善します。内部ミーティングは、更新やニュースのレビューのためにほぼ存在しません。代わりに、意思決定、トレードオフ、戦略的な議論のためのスペースになります。非同期コミュニケーションは、従業員が仕事関連の質問に答えるために待たなくなるため、約半分削減されます。プロセスから人が消えるわけではないことを理解することが重要です。新しい役割を担うのです。たとえば、以前手動でタスクを実行していた人は、自動化された作業のシステムのアーキテクトや品質管理スペシャリストになります。問題を解決するためのすべてのソリューションやワークフローを改善するためのすべての方法は、エージェントの指示に組み込まれ、従業員が退社したときに消えるのではなく、システムに残ります。AI駆動のチーム変革は、技術的な課題ではなく、管理的な課題です。ツールは二次的なものであり、リーダーがどのように考え、決定を下し、AIエージェントがすべての作業プロセスの不可欠な部分になる環境を作成するかが最も重要です。
数週間前、私は「パフォーマンスマーケティングチームの未来」というウェビナーをホストしました。これは、より診断的なものではなく、ビジョナリーなものを意図したものでした。3人の実践者、Max Epifanov（TripleTen）、Matt Shenton（Croud）、Ivan Zamesin（AJTBD）が私に参加しました。彼らはすべて大規模な運用を行っており、すでに生産環境でAIネイティブなワークフローを実行していました。何が浮かび上がってきたのかというと、現在のモデル — AIが静かに置き換えているモデル — の死後解剖です。高性能のパフォーマンスマーケティングチームの中で現在起こっていることを注意深く見ると、彼らは冗長性を通じて消えつつあります。組織図はまだ、AIエージェントがすでにしていることを追跡していません。10年間、間違った問題を解決してきた過去10年間、私たちはパフォーマンスメトリックの最適化に焦点を当ててきました。具体的には、ダッシュボードの改善、帰属の高速化、ターゲティングの洗練などです。しかし、AIの真の利点は、意思決定時間の短縮とイテレーションの加速にあります。過去には、マーケターは単一の決定を行うために数時間ダッシュボードを眺めていました。AIでは、1日あたり数百の決定を行い、すぐに何が機能するかを確認できます。また、自動化システムを制御することに過度に焦点を当ててきました。結果として、制御がシステムの有効性を低下させることがわかりました。これは、直感的に制御がより良い結果につながるという信念があるため、明らかではありません。実際、介入はしばしば学習システムの機能を妨げます。有用な類似例は航空です。自動操縦システムは空中衝突の数を減らしましたが、パイロットが介入しないときにのみです。マーケティングも同様の段階に入っています。特に興味深いのは、役割のシフトが漸進的な移行として起こらないことです。実世界のチームの中では、突然起こることが多いです。AIを生産性ツールとして実装する会社は漸進的な利益を得ますが、AIシステムを中心に構造を再構築するチームは根本的に異なるリーグで運用されます。エージェントが実行するときに何が変わるか今日の運用現実は、AIエージェントが複数のチャネルを同時にパフォーマンスマーケティングを管理するというものです。Meta、TikTok、YouTube、Googleなどです。エージェントは、ファネル全体のデータに接続されており、事前に定義された意思決定ロジックに基づいて動作します。エージェントは、人間の介入を最小限に抑えて、目標を達成するための計画と行動をとることができます。今日、マーケターは、開発者を関与せずに7日間で完全にインタラクティブなリードジェネレーションファネルを構築できます。70％以上のマーケティングチームが生成的なAIを使用して、ヘッドカウントを増やさずにコンテンツをより多く生成しています。リリースとイテレーションの速度は指数関数的に増加しています。ここでの重要な点は、エージェントが単に支援するのではなく、実際に作業を行うということです。実行が連続して自動化されると、従来の意味でのマーケティングの余地はなくなります。Meta、Google 、YouTube、TikTokのデイリーキャンペーン分析は、3〜4時間から10〜15分に短縮されます。どのクリエイティブを殺すか、どのクリエイティブを維持するか、どのクリエイティブをスケールアップするか、歴史的なデータを使用して決定します。すべてのルールは、チーム独自の意思決定ロジックに従って連続して実行されます。実行のたびに、理由が付随しますので、チームは検証、調整、信頼することができます。自動モードでは、エージェントが広告アカウントで直接変更を実行します。半自動モードでは、人間が確認します。これは、月額50万ドル以上の支出を行っているチームがすでに運用している方法です。人間のレイヤーにまだ残っているものしかし、人間は何をするべきでしょうか。タスクの実行が自動化され、最適化が連続して行われ、意思決定ロジックが形式化されると、明らかな人間の利点は、不完全なデータ、曖昧なコンテキスト、予測不可能な結果の場合に意思決定を行う能力になることです。AIはまだ信頼性を持って、優れたアイデアと中途半端なアイデアを区別したり、独自に長期戦略を決定したりできません。現在、パフォーマンスマーケティングは4つのレイヤーに分けることができます。 実行は完全に自動化されています。 最適化は大部分が自動化されていますが、ある程度の制限があります。 意思決定は部分的に人間によって行われます。 戦略は現在、完全に人間によって残ります。 人間の役割を再考する1つの有用な方法は、3つのアーキタイプを通じてです。医者、パイロット、教師です。各ケースでは、人間は、基本的に自律的に動作するプロセスを定義または修正します。医者は何かが間違っている場合に診断を下します。パイロットは過度な調整を行わずにシステムを制御します。教師は、システムが動作する入力、制約、構造を定義します。チームからシステムへAIの機能が独自に解決できない1つの大きなボトルネックがあります。AIシステムの有効性は、動作するコンテキストに依存しますが、ほとんどの現代の会社では、組織のコンテキストが断片化されています。すべての知識は散在するチャットルーム、ドキュメント、ダッシュボードに保存されています。チームは互いに孤立して作業しているため、コンテキストは常に失われ、再構築する必要があります。これは重大な問題です。エージェントベースのAIは、コンベアベルトとして視覚化できます。データがラベル付けされ、利用可能で、明確に定義されていない場合、機械は詰まります。AIから実際の価値を得る会社はデータと意思決定システムを統合しています。この新しい現実の中で動作するパフォーマンスマーケティングチームでは、オペレーターは少なく、システムデザイナーは多く、フィードバックループは密接で、人間の遅延なしに連続して実行されます。チームは、自律システムを管理する管理レイヤーになります。数多くの年間、パフォーマンスマーケティングは、チャネル、データポイント、変数の増加する複雑さを管理することにかかっていました。AIはこの複雑さを減らすのではなく、吸収します。ゲームのルールは変わったので、勝者は自律システムを構築する人になります。
大多数の企業はすでにソフトウェア予算をAI実験に振り向けているが、ChatGPTは多くのチームで日常的に使用されている。しかし、これらの孤立した実験を、ビジネスを真正に牽引するシステムに変えるにはどうすればよいのか。問題は採用ではなく、調整の欠如にある。知識は個々のブラウザタブや断片的な会話に閉じ込められ、チームは毎回作業を再現することを強いられている。ChatGPTカオス私はこの問題を身をもって知っている。2023年、私はChatGPTカオスの真っ只中でいた。私たちの40人規模の会社では、すべてのチームメンバーがAIを個別に使用しており、会社全体の知能が分散しているのではなく、集中していた。私たちは努力を二重にしていた。通常、どのように起こるのか。AIの採用が始まると、進歩しているように感じる。すべての人が個人的なユースケースを見つけ、効率が少し向上し、リーダーシップは“AIの使用”を会社内で見る。問題は、これらの勝利が断片的なままであるということである。マーケティングディレクターの最も優れたプロンプトがChatGPTの履歴に閉じ込められている場合、セールス担当者はそれを基に構築できない。これにより、チームは毎日車の輪を作ることを強いられる。これがあなたに聞こえるところがあれば、それは99%の会社が現在直面している現実だからである。すべての人が独自のAI実験を行っているが、ほとんどの会社は部門間のレバレッジと共有コンテキストを誇ることができない。現在、AIファーストと呼ばれることはできない。AIが散在している。転換点：インフラストラクチャとしてのAIElly Analyticsでは、私は自分自身に問いかけた：もしこの会社全体がAIのコンテキスト、プロンプト、スクリプト、ワークフローを共有していたらどうなるだろうか。すべてが瞬時に利用できるようになっていたらどうなるだろうか。この質問により、私は私たちがAIを試みるのを止め、リードすることを始める準備ができていることを理解することができた。私たちは、Cursorが私たちが必要とする変革を推進する能力を持っていることを発見した。Cursorは、チャットだけでなく、ファイル、プロジェクト、コードベース、会社の戦略からのコンテキストで動作するAIエージェントを提供した。ChatGPTに「競合他社を分析してください」と尋ねるのではなく、「最新の競合他社調査ファイルを使用して、戦略フォーマットで視覚的な要約を生成してください」と尋ねることができる。Cursorはファイルの場所、フォーマットの見た目、競合他社について話し合う方法を理解している。私たちは、新しいAIスタックを3つの層で構築した。 Cursor — 開発者向けのスーパーエージェント環境（彼らのツールは常にメインストリームよりも1年先んじている）が、開発者だけでなく、マーケティング、オペレーション、HR、戦略チームにも同等の力を持つ。ドキュメントの要約を超えて、タスクの自動化 — コールトランスクрипトの処理からデータ分析のPythonスクリプトの作成まで — が可能になる。 共有会社脳 — 中央、進化するノウハウベースで、すべてのAIエージェントが読み取り、更新できる。会社の戦略、プロセス、目標について完全な理解を持つコラボレータとなる。エンドレスなブラウザタブ間のコピーとペーストの必要性を排除し、AIエージェントがビジネスの完全なコンテキストを持つことを保証する。 プラグアンドプレイワークフロー — 再利用可能な、部門ごとのAIプロセス — オンボーディングからキャンペーン計画まで。 AIファーストワークスペーステンプレート私たちの旅に続いてくれる人向けに、私たちはAIファーストワークスペーステンプレートをオープンソース化した。戦略、製品、マーケティング、オペレーション、財務など、部門ごとのリポジトリを含む、事前構成された自動化スクリプト、ワークフローの実例が含まれている。これをクローンし、適応させ、数週間で独自のAIファースト企業インフラストラクチャを稼働させることができる。テックジャイアントである必要はない。GitHubが技術的に十分ではないと心配する場合は、バージョン履歴が組み込まれたGoogleドライブと考えることができる。コマンドラインに触れることはない。AIがそれを処理するからだ。あなたがこれを自分の会社で導入することを決めた場合、以下のパスを推奨する。ステップ1：自分自身のユースケースでこれを使用し始める。私たちはすでに専用のリポジトリを用意しており、例や説明が含まれている。これは、アイデアをチームに売り込む前に、自分で利点を体験することが難しいからだ。https://youtu.be/jiLp-U0u_Dgステップ2：会社の重要人物に、Cursorを自分のタスクで使用し始めるよう奨励する。価値を経験すると、次のステップを促す限界にすぐに達するだろう — 共有ファイルと共有コンテキストを欲するようになる。ステップ3：チーム（多くの場合、リーダーシップチーム、マーケティング、または別の機能）を選び、最初の共有実験を実行する。共有リポジトリをセットアップし、チームの実際の同期化課題を解決し、会社の残りの部分にとって見える成功物語を作る。ステップ4：組織の他の部分に同様の方法で展開する。チームリーダーまたは初期採用者から始め、最初は個人のワークフローに焦点を当て、次に共有ワークフローに拡大する。毎週、面白いユースケースを尋ね（共有して）、勢いと採用が時間の経過とともに築かれていくようにする。私たちの経験では、チームは自然にAIファースト環境に移行する。AIファーストへのROI私たちの見積もりでは、このモデルを採用することで、40人チームで年間1万時間以上の労力を解放できた。また、時間の節約だけではなく、チーム全体をより賢く、迅速に、調整してくれた。以下が日常的な意味である。短期的な勝利（0〜6ヶ月）最も即時的な利点は、すべての作業にわたるAIコンテキストの連続性である。ブラウザタブを閉じたときに会話履歴を失うことはなく、セッションごとに最初からやり直す必要もなく、コピーとペーストを繰り返す必要もない。AIは最初の日からビジネス全体を理解している。2番目の短期的な勝利は、ルーティンベースの管理作業が30〜50%削減されることである。手動分析、繰り返しのレポート生成、無尽のドキュメント作業が、AIが重労働を担うことで消え去る。そして、組織のAIインテリジェンスの複合効果がある。ワークフロー、プロンプト、スクリプトが会社全体で共有されると、各部門が組織の残りの部分に透明性を持つようになる。集団的な知能は、タスクの完了ごとに成長し、すべての人が利益を得る。長期的な変革（6ヶ月以上）長期的には、影響が深まる。会社は緩やかな部門の集まりではなく、AIパワードの有機体のように動作し始める。戦略的整合性が向上するのは、AIが真正のクロスファンクショナルな洞察を可能にするからである。新しい従業員が入社すると、単にドキュメントを継承するのではなく、蓄積された組織的知能全体を最初の日から適用できるようになる。意思決定が改善され、加速するのは、より豊富で包括的なコンテキストが利用可能だからである。別の持続的な変革は、技術的なチーム以外のチームもエンタープライズグレードのプロフェッショナルなワークフローにアクセスできるようになることである。GitHubのインフラストラクチャを通じて、バージョン管理、監査トレイル、プロフェッショナルグレードのコラボレーションツールを開発者になることなく利用できる。アクセス制御により、正しい人が正しい情報を見ることができ、アーキテクチャは組織が成長するにつれてシームレスに拡張される。そして、もしかしたら最も深い変化は、チャットボットやノウハウベースを超えて、実際にコードを実行するAIを持つことである。ここで魔法が起こる。AIは要約したりアドバイスしたりするのではなく、ファイルを処理し、分析を実行し、ワークフローを自動化する。https://youtu.be/wva1qso1t3Q私は、ほとんどの会社が2年以内にこの道を歩むと信じている。現在このシステムを採用することは、今日のワークフローを改善するだけでなく、AIファーストがデフォルトになる市場をリードする位置に会社を置くことになる。開発者ツールの利点 — と、一つの強力な副作用よく聞かれる反論は、「すぐにすべてがChatGPT、Googleドキュメント、Notionに組み込まれる」というものである。私の答えは、「それは素晴らしいことだ」というものである。すべての主要ツールがより深いAIコラボレーションに向かって進化していることは、チームワークをより簡単にすることになる。ただし、機能が到着するまでに、すでに新しいツールが現れ、それらのツールはほとんどの場合、開発者エコシステムに最初にやってくる。したがって、カッティングエッジに留まることを望むのであれば、開発者グレードのツールを今試すことは意味がある。難しいと思われるかもしれないが、私は15分のセットアップガイドをまとめてみた。https://youtu.be/LeeR3szRDlUまた、「近い将来に何が変わるか」と問うだけでなく、「何が変わらないか」と問うことも重要である。新しいAIツールが現れても、組織、製品、プロセス、優先事項、人々、ツールについての構造化されたコンテキストは、常に無価値である。新しいAIツールは、どれほど進歩したものであっても、会社を「知る」必要があるため、有用になる前に。Cursorを主要なAIインターフェースとして使用し、GitHubリポジトリを介してデータを共有することで、強力な副作用が生じる。組織のコンテキストを構造化し、チームの日常的な作業の副産物として自動的にキャプチャする。
