マーケティングチームにとって、AIの「記憶」がモデル選びより重要な理由
多くのチームが未だに「どのモデルを使うべきか」と聞いてきます。私の経験では、それはもはや主要な問いではありません。AIシステムがクライアントやブランド、カテゴリー、「良いもの」の基準を忘れてしまうなら、世界最高のモデルでも毎回ゼロからのスタートです。
最近、マーケティングチームとAIについて話すと、繰り返し出てくる質問があります。
「どのモデルを使うべきですか？」
Claude？ GPT？ Gemini？ 自社データでファインチューニングしたオープンソースモデル？
なぜそう聞くのか、理解できます。戦略的な問いに聞こえるし、最も重要なポイントに聞こえるからです。
ただ、もはやそうではないと思っています。
これまでの経験から言うと、大きな差を生むのはモデルではないことが多いです。記憶なのです。
もしあなたのAIシステムが、チャットが終わった瞬間にすべての重要な情報を忘れてしまうなら、新しいタスクのたびに同じコストのかかる儀式から始まります：
- クライアントやビジネスについて説明し直す
- オーディエンスについて説明し直す
- トーンについて説明し直す
- すでに試したことについて説明し直す
- 「良いもの」の基準について説明し直す
そうなると、それはシステムとは言えません。非常に優秀な記憶喪失者です。
愛着を込めてそう言っています。私自身、いくつかそういうものを作ってきましたから :P
モデルは賢い。でもシステムはまだ忘れっぽい。
この1年で、私の中でますますはっきりしてきたことがあります。
モデル層はとんでもないペースで進化し続けています。推論が良くなる。マルチモーダルが良くなる。コーディングが良くなる。ツール使用が良くなる。レイテンシーが下がる。コストが変動する。数週間おきに新しいベンチマークと新しい発表があり、少し遅れているような気分になる理由がまた一つ増えます。
しかし、そのすべてを取り除いて、マーケティングチームの成果を実際に変えるものは何かを見ると、問いはもっとシンプルなことが多いです：
AIは毎回ゼロからブリーフィングされなくても、良い判断ができるだけの文脈を覚えているか？
その文脈は、たいてい華やかなものではありません。抽象的な「プロプライエタリデータ」でもありません。通常はこういうものです：
- クライアントやリーダーシップチームがすでに承認したメッセージング
- 前四半期にパフォーマンスが出なかったオファー
- スケールするには狭すぎるセグメント
- 法務が絶対に許可しない訴求
- 関与していると感じたいステークホルダー
- クライアント、CMO、CFOが実際に信頼しているレポートビュー
- この組織の中で重要な成功の定義
この記憶がなくても、モデルは洗練されたものを生み出せます。時にはとても洗練されたものを。
しかし、洗練されていることと、役に立つことは違います。
「記憶」とは何を意味しているのか
チャット履歴だけのことを言っているのではありません。
時間とともに蓄積される、構造化された保持コンテキストのレイヤーのことです。
私の考えでは、マーケティングチームにとって重要な記憶は少なくとも3つのタイプがあります。
1. クライアント記憶
エージェンシーにとっては、クライアントを取り巻く生きたコンテキストです。インハウスチームにとっては、ブランド、事業部、仕事を方向づけるリーダーシップの優先事項を取り巻く生きたコンテキストです。
- ブランドボイス
- カテゴリーの現実
- 承認済みのポジショニング
- 過去のキャンペーン
- ステークホルダーの好み
- 既知の制約条件
同じ記憶アーキテクチャでも、得られるものは異なります。
エージェンシーにいるなら、この記憶はより良い戦略的アウトプットと、時間の経過とともに強まるスイッチングコストに蓄積されます。インハウスなら、組織の記憶と制度的なレジリエンスになります。最優秀のストラテジストやアナリストが退職したとき、その知識も一緒に去ってしまうのか？
これは、新しいストラテジストが通常、会議やフィードバック、失敗、繰り返しを通じてゆっくり学ぶものです。ポイントは、クライアント記憶と呼ぶか組織記憶と呼ぶかではありません。ポイントは、意図的に構造化しなければ、コンテキストはシステムではなく人に閉じ込められたままだということです。
2. オペレーション記憶
これは「どう仕事をするか」のレイヤーです。
- チェックリスト
- チャネル固有のルール
- QA基準
- キャンペーン命名システム
- レポーティングロジック
- エスカレーションパス
チームがこれを記録しないと、同じ運用上の真実を何度も再発見することになります。たいてい締め切りのプレッシャーの中で。たいてい毎回微妙に違うフォーマットで。
3. 評価記憶
これが私にとって最も興味深いものです。
事実の記憶だけではありません。判断の記憶です。
チームが却下したものは何か、そしてなぜか？ クライアント、CMO、リーダーシップチームが「ちょっと違う」と言ったのは何か？ 成功した仕事に共通するパターンは何か？ 有用なブリーフ、強いプラン、信頼できるレポート、ローンチ可能な状態とは何か？
これが、AIを単なるアウトプット生成から本当のレバレッジに変えるレイヤーです。（これは私のAI-Nativeメディアオペレーションコースの中核的な考え方の一つでもあります——判断がシステムに構造化されていて、偶然に委ねられていないときにのみ、オペレーティングモデルは機能します。）
なぜ記憶はモデルよりも複利的に蓄積するのか
モデルはベンダーのロードマップによって改善されます。
記憶はあなた自身の仕事によって改善されます。
これはまったく異なる複利曲線です。
AnthropicやOpenAIがより良いモデルをリリースすれば、あなたは恩恵を受けます。もちろん。それを軽視しているわけではありません。より良い推論は間違いなく重要です。
しかし、あなたの競合も同じ恩恵を受けます。
これが、多くの人が過小評価している部分だと思います。
モデルの改善は広く行き渡ることが多いです。記憶レイヤーはそうではありません。関連する考えを「AIは底上げをする」で書きました——全員が同じAIを持つとき、深さが差別化要因になります。記憶はその深さの一つの形です。
共有されたクライアントや組織のコンテキスト、評価基準、蓄積された教訓、運用標準、「良い」とは何かについての社内の共通言語。これらは組織の中で構築されるものです。使うほど鋭くなります。そして「最新のモデルを使っています」よりもはるかにコピーしにくいものです。
言い換えると：
- モデルはレンタルされたアドバンテージ
- 記憶は蓄積されたアドバンテージ
少し言い過ぎかもしれませんが、大きくは外れていないと思います。
何度も立ち返るマーケティングの例
AIにクライアントや自社ブランドチームへのキャンペーン提案を作るよう頼む場面を想像してください。
優秀なモデルなら、確実に妥当な答えを生成できます。多くの場合、驚くほど良いものを。
しかし、こんなことを知らなかったらどうでしょう：
- CEOは遊び心が強すぎるブランド言語を嫌う
- セールスチームは、オポチュニティの質が見えない限りMQLのボリュームを信用しない
- 直近2回のYouTube実験は、ランディングページのミスマッチが本当の原因でパフォーマンスが出なかった
- 各地域のマーケットには異なるプルーフポイントが必要
- ファイナンスがすでに当四半期のペイドソーシャル成長に上限を設けた
答えはそれでも戦略的に見えるかもしれません。
むしろ、真実より戦略的に聞こえるかもしれません。
しかし、私の経験では、これこそがチームがAIでトラブルに陥るポイントです。流暢さを状況に根ざした知性と混同してしまうのです。
モデルはビジネスを理解しているように聞こえます。実際に理解しているのは、良い答えの形です。
それは同じものではありません。
もちろん、リスクは「悪い記憶」
ここは公平に書くべきだと思います。
記憶は自動的に良いものではありません。悪い記憶は、悪い前提をスケールさせます。古い記憶は、時代遅れの思考を固定化します。構造化されていない記憶はガラクタ箱になります。すべてを「コンテキスト」に入れると、システムは賢くなるのではなくノイジーになります。
だから、無限の記憶を主張しているのではありません。
キュレーションされた記憶を主張しているのです。
役に立つ記憶を。
チームがこう答えられるようになる種類のもの：
- AIがデフォルトで知っておくべきことは何か？
- タスク固有にとどめるべきものは何か？
- 再利用前に検証すべきものは何か？
- もはや現実を反映していないから引退させるべきものは何か？
つまり、記憶にはスチュワードシップが必要です。コンテンツと同じように。戦略と同じように。
チームがまず作るべきもの
もしマーケティングチームがこれに真剣に取り組む手伝いをするなら、とても地味なエクササイズから始めます。
プロンプトライブラリではなく。 モデルの比較テストでもなく。 「AI戦略デッキ」でもなく。
まず定義するのはこれです：
- 最も頻繁に再利用されるコンテキストは何か？
- システムが忘れるために繰り返されるエラーは何か？
- 許容できるアウトプットを定義する基準は何か？
- 二度と入力し直す必要がないクライアントやブランドの知識は何か？
これで、記憶レイヤーに何を保存すべきかがすぐにわかります。
そして、その記憶が存在すれば、モデルの選択はより価値あるものになります。はるかに良い基盤の上で動作するからです。
これが、モデル論争よりも共有記憶アーキテクチャに興味を持つようになった理由の一つです。モデルは重要です。しかし記憶のないシステムは、大量の見せかけの生産性を生み出します。
すべてが速く見える。何も本当には蓄積されない。
今、私がいるところ
モデルのことは今でも気にしています。常にテストしています。複数使っています。比較を楽しんでいます。本当に役に立つものです。
しかし、今マーケティングチームの持続的なアドバンテージがどこから来るかと聞かれたら、モデルからは始めません。
この問いから始めます：
スマートなデモが終わった後、あなたのAIシステムは何を覚えていますか？
もし答えが「あまり覚えていない」なら、それこそが本当のボトルネックだと思います。
これは、私がSTRATUMをどう作っているかの背景にある考え方の一部です。「もう一つのチャットボット」ではなく、コンテキストが消えるのではなく蓄積されるシステム。これについては別途書くかもしれません。プロダクトの観点はあります、はい。しかしオペレーティングモデルは、どの一つのプロダクトよりも大きいと思っています。
以上です。
他のチームがこれについてどう考えているか、本当に聞きたいです。モデル選びに時間をかけていますか、それとも記憶の構築に時間をかけていますか？ そして、共有コンテキストをクラッターに変えずに有用に保つ方法を見つけましたか？
Cheers, Chandler
