AI がストリーミング広告技術に調整層をもたらす

AI はストリーミング広告マネタイズワークフロー全体にわたって新しい調整層をもたらしている。メディアプランニングは静的なスプレッドシートから、「サプライが途中で変わったらどうなるか？」や「このオーディエンスがライブでオーバーインデックスしたらどうなるか？」というような質問ができるライブシステムへとシフトしている。これにより、プランナーはライブ、VOD（ビデオオンデマンド）、FAST（無料広告サポート TV）チャネルを一括してモデル化し、チャネルごとにプランするのではなく、シグナルが到着するにつれて予測を更新できるようになる。

Globant のメディアエンジニアリング担当バイスプレジデント Luciano Marcos Escudero によると、パブリッシャー側では現在 35～40% のパブリッシャーが広告技術で AI を使用している。しかし、導入は不均等だ。FreeWheel の製品アーキテクチャ担当バイスプレジデント Jeff Ellin は 18 社のヨーロッパ放送局との面談を報告しており、一部は即座に開始することに熱心だが、他は依然として評価中だ。Ellin は「買い手は早期に宿題をしており、彼らはすでに自分たちが使う準備ができている LLM を持っているため、それに接続し、データをより速く通すことができる」と指摘している。一部のパブリッシャーは懐疑的または知識不足だ。Ellin は 2025 年を「より多くの学習の世界」と述べており、やがて「AI が買うことと売ることを起こさせるだろう」と述べている。

業界は基本的な機械学習からエージェントワークフローへと移行している。IAB Tech Lab は最近、AAMP（エージェント広告管理プロトコル）の下で AI 標準を統一し、Model Context Protocol（MCP）および gRPC などの最新 AI プロトコルを OpenRTB、AdCOM、OpenDirect などの既存標準に統合した。IAB Tech Lab の最高執行責任者兼製品担当エグゼクティブバイスプレジデント Shailley Singh は、「メディアエコシステム向けの AI は、ブランドからエージェンシー、広告技術企業、パブリッシャーまで、広告企業がインプレッションをどのように評価し、どのように交渉し、どのようにキャンペーンを機能させ、管理するかにおいて、この超効率性を作り出す能力をもたらしている」と説明している。IAB Tech Lab は 3 つの主な統合領域を特定している。自律的なトランザクション処理と実行（AI エージェントが動的に交渉・取引を実行）、成果と測定の最適化（従来のトラッキングピクセルに依存せず、上部ファネルエンゲージメントを下部ファネルコンバージョンと結合）、コンテンツと権利管理（LLM と AI システムが出版社と協議してコンテンツをクロール、インデックス、マネタイズする）。

IBM Institute for Business Value の調査では、エージェント AI への支出が来年 3 倍になると推定しており、Microsoft の 2025 Work Trend Index Annual Report で回答者の 46% がワークフロープロセスを完全に自動化するエージェントをすでに使用していると述べている。2 年前、メディア企業は「ワークフローの一部として AI を導入することに少し抵抗があった」とのこと（Globant の Escudero 談）だが、「現在はそれはより簡単な会話となっている」。しかし、彼は「これまでのところ、完全に自動化されているワークフローは特定していない。顧客と使用しているほとんどのワークフローはプロセスを大幅に高速化しているが、人間がループの中に留まっている」と指摘している。

重要なユースケースの 1 つは、AI がコンテンツメタデータを理解することである。以前のワークフローでは、プランナーはエピソードや映画などのアセットを手動で特定・区別してからエージェンシーに連絡する必要があったが、これは数週間かかることがあった。現在、すべての新規および既存コンテンツはメディアインジェッション ワークフロー の一部としてメタデータ抽出が付属しており、シーンレベルでどのタイプのアーティファクトとアクティビティが存在するかの理解を含む。Bitmovin は昨年 AI Scene Analysis を立ち上げ、マルチモーダル AI モデルを使用してコンテンツ抽出を提供し、IAB 分類法にマップする。Bitmovin の AI Scene Analysis and Playback シニアプロダクトマネージャー Jacob Arends は例を挙げている。「車の追跡シーンの場合、あなたのコンテンツ分類法は車、道路、交通かもしれませんが、広告機会は自動車と旅行かもしれず、それは広告サーバーに渡すことができ、それは顧客にどの広告が提供されるかの決定に影響を与えることができます」。Bitmovin は従量課金制で 1 分あたり 9 セント を請求し、単一アセットの処理には 60～90 分かかり、アセットあたり「30～35 ドル以下」の総費用となる。しかし、Escudero は、「数百のアセットで掛け合わされると」費用が増加し、高い部分はアーカイブ全体を処理することだと指摘している。

別の新興ユースケースはイールド最適化とキャンペーン管理である。2026 年までに、すべてのパブリッシャー、SSP（売上側プラットフォーム）、DSP（需要側プラットフォーム）は様々なエージェント搭載チャットボットを備えることが予想されている。FreeWheel の Ellin は、クライアントがエージェントを使用して「まだ配信されていないキャンペーンを見つけ特定する」ことと「どのプログラマティック取引が入札または入札していないかを教え、これらのことをはるかに高速に見つけて調整するのを支援する」ことを説明している。FreeWheel が見つけたのは、「クライアントはそれらの結果を得て、それを手動で配信することがより快適である。つまり、エージェントに実際に変更を加えるために任せることを必要とせず、結果を信頼すること」である。Kantar は Microsoft と協働してエージェントを開発し、数十年の履歴データをリアルタイムの会話型インサイトに変え、メディアプランナーがリーチ、クリエイティブインパクト、買収をより良い結果のために変更する方法についての詳細な質問をすることを可能にしている。Globant の Escudero は仮説的なワークフローを説明している。プランナーは映画で何が起きたか、または最初のインベントリを理解し、「車を販売するための広告マーカーを作成できるプラットフォームに来ている新しいインベントリで異なる例をくれ」と尋ねるチャットボットと対話する。チャットボットは車が議論される映画と正確な時間のリストで応答する。Escudero は「ほとんどの顧客はアセットのコンテキストだけでなく、売上からの履歴データも追加している」と指摘しており、過去の売上の知識ベースに特定の履歴データと同様のコンテンツタイプの両方を適用している。Dentsu は、メディアプランナーが仮定をテストしてアイデアを試すことができるようにする予測と最適化エージェントを構築した。

この記事は、広告技術業界の運営方法の根本的な転換を説明している。つい最近まで、メディアプランニングは数週間かかることがある静的なスプレッドシートと手動プロセスに依存していた。パブリッシャーは特定のコンテンツアセットを特定し、エージェンシーに連絡し、異なるチャネル全体でプランを調整する必要があった。AI はプランナーが「サプライが途中で変わったらどうなるか？」というような動的な質問をし、ライブ、VOD、FAST チャネル全体でデリバリーを同時にモデル化できるようにすることで、このタイムラインを短縮している。速度上の利点は実質的だ。Globant の業務では、AI がアセット特定を数週間からメタデータを理解するのにかかる時間に短縮でき、それはコンテンツが取り込まれるにつれて自動的に起こるようになったことを示している。

業界の導入曲線は大きく異なる。35～40% のパブリッシャーが何らかの形の AI を使用しているが、FreeWheel の Jeff Ellin は 18 社のヨーロッパ放送局との対話を報告しており、一部は即座の準備ができており（「明日から始められますか？」）、他は依然として評価中だ。標準化、特に IAB Tech Lab の新しい AAMP フレームワークを通じた標準化は、重要なインフラとして浮上しており、OpenRTB などの既存プロトコルを拡張するのではなく全面的に置き換えるのではなく拡張している。これにより、パブリッシャーと買い手は Model Context Protocol（MCP）を通じて独自の AI システムを接続でき、摩擦を減らして広告プラットフォームとの自然言語インタラクションを可能にする。

コストと ROI は依然として未解決の問題だ。Bitmovin のアセットあたりの価格（30～35 ドル）は、アーカイブの数百のアセット全体に掛け合わされるまでは合理的に見える。これがパブリッシャーが投資回収率分析を実施している理由だ。注目すべきは、クライアントはまだエージェントに変更を自律的に実行することを信頼していない点だ。代わりに、エージェントがパフォーマンスの低いキャンペーンを特定し、手動レビューのための推奨事項を提供することを好んでいる。これは、テクノロジーが意思決定を機械に委譲するための組織的準備よりも速く進歩していることを示唆している。

まだコメントがありません。最初のコメントを投稿しましょう！