Optimizely Opal Agents in Action 2026 から得た教訓

Optimizely が主催したこの素晴らしい仮想イベントの後、私の頭に残ったことを皆さんと共有したいと思います。 エージェント・イン・アクション 2026、Optimizely の AI アシスタント プラットフォーム、Opal のライブ デモンストレーションです。このセッションでは、Optimizely エコシステム全体に組み込まれた AI エージェントが調査を実施し、ドキュメントを分析し、ツールを調整し、マーケティング チームの運用ワークフローを自動化する方法を紹介しました。

マーケティングにおける人工知能は新たな段階に入りつつあります。過去 2 年間、主に生成 AI (コピー、画像、要約、マーケティング アイデアを生成するツール) に焦点が当てられてきました。しかし、組織がこれらのテクノロジーをワークフローに統合し始めるにつれて、より強力なモデルが出現しています。 エージェントAI。エージェント システムは、質問に答えるだけではありません。タスクを計画し、ツールを呼び出し、データを取得し、情報を分析し、複数ステップのワークフローを実行できます。

Optimizely のデモンストレーションは、デジタル マーケティング業務を再構築し始めている変化、つまり分離された AI 機能からエンタープライズ プラットフォーム内で作業を実行する AI エージェントへの移行を浮き彫りにしました。

業界調査によると、タイミングは偶然ではないことが示唆されています。組織は AI の実験を急速に進めていますが、AI を運用ワークフローに深く統合することにはまだ苦労しています。 AI 導入に関するマッキンゼーの最新の世界的調査によると、多くの企業は AI を広く使用し始めていますが、完全な企業価値を生み出すほどプロセスに AI をまだ深く組み込んでいません (マッキンゼー）。

Optimizely が Opal エージェントで示したことは、AI 成熟の次の段階、つまりマーケティング チームが AI エージェントと協力して調査、分析、運用タスクを自動化することを示しています。

マーケティングにおけるエージェント型 AI の台頭

初期の生成 AI ツールのほとんどは、会話アシスタントのように動作しました。あなたが質問すると、システムが答えを返します。

このモデルはコンテンツの生成、ブレインストーミング、要約に役立つことが証明されていますが、エンタープライズ環境では出力の生成以上のものが必要です。プロセスを実行できるシステムが必要です。

エージェント AI システムはその目的のために設計されています。単一の応答を生成する代わりに、次のことができます。

• 多段階の調査を実行する
• 外部情報の取得
• APIまたはツールを呼び出す
• 文書を分析する
• ワークフローをトリガーする
• 複数のシステムを調整する

この変化は、企業における AI 導入の広範な傾向を反映しています。

マッキンゼーの調査によると、AI はマーケティングや販売を含む複数のビジネス機能にわたってますます使用されており、生成 AI は知識の統合、コンテンツの生成、戦略分析などの活動をサポートできます (マッキンゼー)。しかし、多くの組織は依然としてこれらの機能をワークフロー全体に拡張することに苦労しています。

チャンスは、AI ツールをさらに追加することではなく、運用プロセスを再設計して AI が組み込まれることにあります。ここでエージェント プラットフォームが重要になり始めます。チームは時々 AI と対話するのではなく、システムと対話します。 運用タスクを継続的に支援、自動化、調整する。

Optimizely Opal のデモンストレーションでは、そのようなシステムがマーケティング テクノロジー環境でどのように機能するかを示しました。

Optimizely が Opal Agents in Action 2026 で実証したこと

このイベントは、CMS、実験ツール、分析機能、コンテンツ マーケティング ワークフローなどの製品スイート全体に統合された Optimizely の AI アシスタント プラットフォームである Opal に焦点を当てました。

Opal の核心は、Optimizely エコシステム内に直接組み込まれた会話型 AI インターフェイスとして動作します。ユーザーは、永続的な会話履歴とコンテキスト認識を維持するチャット インターフェイスを通じてシステムと対話します。

基盤となる言語モデルとの各対話の前に、プラットフォームは複数ステップのエンリッチメント プロセスを実行します。

このパイプラインは、次のようなコンテキスト情報を読み込みます。

• 組織の指示とブランドのガイドライン
• 利用可能なエージェントとツール
• 操作プロンプトまたはシステムルール

組織はこれらの指示を複数のレベルで構成できます。

インスタンスレベルの指示は、ブランドの声やコミュニケーションガイドラインの定義など、組織全体に適用されます。個人的な指示を使用すると、個々のユーザーが自分の要求にシステムがどのように応答するかを調整できます。

ロールベースの権限により、これらの指示を変更できるユーザーが制御されるため、エンタープライズ環境でのガバナンスを維持できます。

このデモでは、このコンテキスト レイヤーによって AI インタラクションが組織のポリシーやブランド要件とどのように一致しているかを示しました。

オパールエージェントの主な機能

このイベントで最も興味深い点は、会話型インターフェイスではありませんでした。のデモンストレーションでした 複雑な操作を実行できる特殊な AI エージェント。

専門エージェント

Opal のエージェントは、定義された役割、指示、ツール アクセスを使用して作成されます。エージェントが実行されると、分離されたコンテキストで動作します。これにより、大規模な複数ステップのプロセスが主要な会話を圧倒するのを防ぎます。

デモンストレーション中、調査エージェントは企業を分析するように設定されました。エージェントはトピック パラメータを受け入れ、複数のリサーチ パスを自動的に実行しました。

別の例では、エージェントはトヨタに関するいくつかの調査クエリを実行し、会社の背景、ニュース、財務実績に関する情報を収集しました。システムは一連の操作を自動的に実行しました。

• 検索→スクラップ→分析→要約
• このプロセスでは、約 234 秒後に詳細なレポートが生成され、複数のツール呼び出しにわたって約 44,000 個のトークンが含まれました。
• 実行ログには、予測されたツール呼び出しや返された出力などの推論サイクルがリアルタイムで表示されました。

このデモンストレーションでは、AI エージェントが通常複数の手動手順を必要とする調査タスクをどのように処理できるかを強調しました。

ツールと拡張性

2 番目の重要な機能は、Opal のツール フレームワークです。開発者は、Python と FastAPI をサポートする Opal Tools SDK を使用してカスタム ツールを作成できます。関数は単純なアノテーションを通じてツールとして公開でき、AI システムがタスクの実行中に関数を呼び出すことができます。デモンストレーションには、ユーザー パラメーターに基づいて乱数を生成する簡単なツールが含まれていました。それ自体は簡単ですが、この例は、対話型のユーザー インターフェイス要素としてレンダリングできる構造化された応答をツールがどのように返すかを示しています。より高度なツールは、Optimizely 製品チームによって直接提供されます。

セッション中に示された例は次のとおりです。

• Google 検索を実行し、関連する Web サイトを収集する Web 検索統合
• スライドを分析可能な形式に変換する PowerPoint 処理
• CMS および実験機能用の製品固有のツール

システムは、これらのツールの説明とパラメーター スキーマに基づいて、いつこれらのツールを呼び出すかを決定します。その結果、手動介入なしで複数の操作を連鎖できる AI システムが誕生しました。

企業文書分析

イベントでは文書処理機能も実証されました。

• PowerPoint ファイルをアップロードして構造化された Canvas 形式に変換すると、システムがスライドを個別に分析できるようになります。
• 他の高度な AI システムで使用されているものと同様のコード実行ツールを使用すると、生成された Python スクリプトを通じてスプレッドシートやその他の Office ドキュメントを分析できます。

これにより、エージェントは企業ファイルから情報を読み取り、操作し、抽出できるため、組織は参照ドキュメントや知識源をエージェントに添付することもできます。これらのマテリアルは、Optimizely のコンテンツ グラフを使用した検索拡張生成ワークフローを通じて検索可能になります。

ワークフローの自動化

私にとって、イベント中に実証された運用上最も重要な機能は、マルチエージェント ワークフロー オーケストレーションでした。エージェントは順番にチェーンして、ステップ間で出力とパラメータを渡すことができます。

ワークフローはいくつかの方法でトリガーできます。

• 直接チャット入力
• 電子メールベースのトリガー
• Webhook の統合
• スケジュールされた自動化

あるデモンストレーションでは、リサーチ エージェントがトピックを分析し、その結果を電子メール エージェントに渡す様子が示されていました。 2 番目のエージェントは、調査結果をフォーマットされた HTML 電子メールに変換し、受信者に自動的に配信しました。イベント中に議論された他のエンタープライズユースケースには、自動化された市場調査、競合インテリジェンスのモニタリング、定期的なインサイトレポートなどが含まれていました。

エージェントティック マーケティングがデジタル チームにとって重要な理由

マーケティング チームにとって、エージェント AI の運用上の影響は重大になる可能性があります。現代のデジタル マーケティングには、分析、レポート、情報収集の継続的なフローが含まれます。多くのタスクは同様のパターンに従います。

• 情報収集 → 分析 → アウトプット生成 → 結果共有

AI エージェントは、手動で調査を実施したりレポートを作成したりする代わりに、このプロセスの多くを自動化でき、チームはエージェントが情報を収集、分析し、構造化された洞察を提供するワークフローを開始できます。これは人間の関与を排除するものではなく、人間が時間を過ごす場所を変えます。

MIT Sloan の研究によると、AI は人間の仕事を置き換えるのではなく補完する場合に最も効果的であり、人間が解釈や意思決定などのより価値の高いタスクに集中できるようになります (MIT スローン経営レビュー)。マーケティング組織にとって、これは運用準備に費やす時間が減り、戦略に費やす時間が増えることを意味します。

業界の検証

いくつかの業界調査は、マーケティング業務における AI の潜在的な影響を裏付けています。

マッキンゼーは、生成 AI が業界全体で大きな経済的価値を生み出す可能性があり、特に生産性向上の恩恵が最も受けやすい部門はマーケティングと販売であると推定しています (マッキンゼー）。同社の調査では、生成 AI がコンテンツ作成、パーソナライゼーション、知識統合の改善を通じて、マーケティングの生産性を総マーケティング支出の最大 15% 向上させる可能性があることが示唆されています。

同時に、組織は AI を効果的に運用する方法をまだ学んでいます。マッキンゼーの最新の世界的な AI 調査では、多くの企業が AI ツールを導入しているものの、まだワークフローやプロセスに深く組み込んでいないことが指摘されています (マッキンゼー）。実験と運用統合の間のこのギャップこそ、エージェント プラットフォームが価値を提供できる場所です。

AI をエンタープライズ システムに組み込み、エージェントがタスクを実行できるようにすることで、組織は孤立した実験から運用の変革に移行できます。

CMO とデジタル リーダーにとっての戦略的意味

AI プラットフォームを評価するマーケティング リーダーにとって、Opal のデモンストレーションからいくつかの戦略的考慮事項が明らかになります。

まず、ガバナンスが重要になります。運用ワークフローに組み込まれた AI システムは、ブランド、法律、コンプライアンスの境界内で動作する必要があります。 Opal の指示フレームワークは、組織がこれらの制約を定義する方法を示しています。

第二に、AI 自体と同じくらい、AI を取り巻くエコシステムも重要です。ツール統合、API、ワークフロー オーケストレーションをサポートするプラットフォームは、スタンドアロン アシスタントよりも長期的な価値を提供する可能性があります。

第三に、マーケティングの運用モデルが進化する可能性があります。エージェント主導のワークフローが成熟するにつれて、チームは手作業による調査や分析ではなく、監視、戦略、意思決定にますます重点を置くようになります。

最後に、人間による監視は引き続き不可欠です。デモンストレーション自体は、大規模な言語モデルが複雑な研究タスク中に時折主題から逸れる可能性があり、迅速な改良と監視が必要であることを認めました。したがって、エージェント システムは、代替品ではなく、協力者として見なすべきです。

私の最終的なポイント

Optimizely Opal Agents in Action イベントでは、AI エージェントがマーケティング業務をどのように再構築するのかを初期段階から紹介しました。このデモンストレーションでは、AI を単にコンテンツ ジェネレーターとして紹介するのではなく、Opal を調査の実行、文書の分析、ツールの調整、マーケティング プラットフォーム全体にわたるワークフローの自動化ができるシステムとして位置づけました。このアプローチは、より広範な業界の変化を反映しています。組織が孤立した AI 実験を超えて、AI を日常のワークフローに組み込む運用統合に焦点が移ってきています。デジタル マーケティング チームにとって、これは、ツールやアシスタントだけでなく、人間のチームと協力してマーケティングの運用層を実行する AI エージェントのエコシステムなど、プラットフォームの進化の次の段階を表す可能性があります。

2026 年 3 月 6 日