2026年、AI ネイティブなマーケティングチームに本当に必要な役割とは

同じ会話を、形を変えて何度も耳にしています。

誰かがこう聞きます。「AIがある今、チームに何人必要なの？」

答えはまちまちです。4人のこともあれば、10人のこともある。「たぶん半分に減らせるよ」ということもあります。

人員数に意識が向く理由はわかります。具体的だし、予算に載せやすいし、CFOが聞きたいのもそこです。

でも、僕の経験上、それは出発点として間違っていると思います。

本当に問うべきは、チームにどんな「機能」が必要か？ ということです。

なぜなら、必要な機能は、4人のエージェンシーポッドでも、40人のインハウスチームでも、その中間でも同じだからです。組織図は柔軟に変えられます。機能はそうはいきません。

この1年間ずっとこのことを考えてきて、今たどり着いたところを共有したいと思います。具体的な部分では間違っているかもしれません。でも、根底にあるパターンはしっくりきています。

まず：なぜ人員数から始めてはいけないのか？

答えはコンテキストによって変わり、そのコンテキストの幅が非常に大きいからです。

ゼロから立ち上げる中堅エージェンシーと、既存のワークフローにAIを組み込もうとしているエンタープライズチームでは、まったく別物です。8人のインハウスチームと、大口クライアント1社を担当するエージェンシーポッドでは、制約がまるで違います。

「何人必要？」から始めると、精密に見えて実は1つのシナリオにしか当てはまらない数字になります。

「どんな機能が必要？」から始めれば、どこにでも持ち運べるフレームワークが手に入ります。

3つのオペレーション機能（＋戦略リード）

マーケティングチーム向けのAIシステムを構築し、オペレーティングモデルが実際にどう変わるかを検討する中で、チームの規模に関わらず存在すべき3つの機能に繰り返し行き着きます。

1. アウトプットの検証

AIが生成したものを誰かがチェックしなければなりません。

単に「これ、合ってるっぽい？」ではなく、具体的に：

プラットフォームで実際に表示される内容と一致しているか？
ブランドガイドやキャンペーンルールに従っているか？
データは正確か？AIが重要な何かを丸めてしまっていないか？
最も厳しいステークホルダーのレビューを通過できるか？

僕はこれを AIオーディター 機能と呼ぶようになりました。プラットフォーム、クリエイティブ、データにわたってAIのアウトプットを検証する人（または人たち）のことです。

この機能の面白いところは、必ずしもシニアの人間が必要ではないということです。必要なのは、今のプラットフォームに精通している人――最近ツールを触っていて、AIが自信満々に間違ったものを出してきたときに見抜ける人です。AIは底上げをするで書いた通り、プラットフォームに一番近い人こそ、肩書に関係なく最高のバリデーターであることが多いんです。

3年間広告プラットフォームを触っていないシニアストラテジストは、おそらくこの役割をうまくこなせません。毎日プラットフォームで仕事をしているミドルレベルのオペレーターの方が、ずっと優れている可能性があります。

これは採用や人材育成にとって重要なことです。

2. データと計測のインフラ

AIシステムは、入ってくるデータの質に左右されます。誰かがこれらを管理する必要があります：

トラッキングの実装と精度
コンバージョンイベントの定義
データウェアハウスの整備
クロスプラットフォームのデータ接続
計測のグラウンドトゥルース――正確なトラッキングとは何か、許容できる誤差の閾値、正しいアトリビューションロジック

僕はこれを シグナルアーキテクト 機能と考えています。経験上、どのシニアリティレベルでも最も採用が難しい機能です。これをうまくできる人は希少で、社内で育成するのが唯一の現実的な選択肢かもしれません。

AIが計測プランを生成したり、パフォーマンスの異常を検知したりするとき、そのアナリシスが信頼できるデータに基づいているかどうかを決めるのは、シグナルアーキテクトのインフラです。この機能がなければ、砂上の楼閣を築いているようなものです。

3. 構造化されたナレッジとメモリー

これは最近書いたテーマで、最も過小評価されている機能だと思います。

他のすべてを支える構造化されたナレッジベースを、誰かが維持する必要があります：

クライアント・ブランドのコンテキスト（長期：ポジショニング、トーン、競合環境、季節パターン）
オペレーショナルナレッジ（短期：今週のペーシング、進行中の実験、直近の結果、未解決の課題）
評価基準（「良い」とは何か、却下されたものとその理由、重要なベンチマーク）

僕はこれを メモリーキュレーター 機能と呼んでいます。あらゆる仕事に対して、AIシステムが最新で正確なコンテキストを持つようにする人です。

長期メモリーは四半期ごとにリフレッシュ。短期メモリーはサイクルごとにリフレッシュ。どちらも意図的に構造化し、維持する必要があります。これがなければ、よく見かける問題が起こります――洗練されたアウトプットだけど、ビジネスコンテキストを完全に外しているAI。

良いニュースは、この機能は経験が活きますが、コアスキルは教えられるということです。戦略的な役割へとステップアップする上で、最もアクセスしやすいエントリーポイントの一つです。

プラス：戦略・アカウントリード

これら3つの機能には、全体の方向性を舵取りする人が必要です――優先順位を決め、ステークホルダーを管理し、チームが何にどう取り組むかのトレードオフを判断する人。アカウントリード、マーケティングディレクター、Head of Growth……組織に合った呼び方でかまいません。

ポイントは、上記の3つの機能――検証、インフラ、メモリー――がオペレーション層であること。戦略リードが方向設定の層です。両方が必要です。

月曜日の朝に、これがどう見えるか

具体的に説明させてください。

中堅スキンケアブランドがQ2キャンペーンの立ち上げを準備しています。AIが一晩で初期メディアプラン、クリエイティブブリーフ、計測フレームワークを生成しました。

何かがライブになる前に、こういうことが起こります：

AIオーディター がメディアプランを開き、プラットフォームと照合します。AIはMetaとTikTokの60/40スプリットを推奨しました。しかしオーディターは、このブランドのTikTok Shopとの連携が先月壊れて、まだ修復されていないことを知っています。AIはそれを知りません。予算が投下される前にオーディターがフラグを立てます。

シグナルアーキテクト が計測フレームワークを見ます。AIは前四半期のピクセル設定に基づくトラッキングを提案しました。しかしアーキテクトは、2週間前にサーバーサイドトラッキングに移行済みで、旧ピクセルイベントがコンバージョンを重複計上していることを知っています。アトリビューションの数字は素晴らしく見えて、完全に間違っているはずです。ダッシュボードが構築される前に、アーキテクトがイベント定義を修正します。

メモリーキュレーター がクリエイティブブリーフをレビューします。AIは洗練されたものを出しました――プロフェッショナルなトーン、強いCTA、きれいなコピー。しかしキュレーターの構造化メモリーによれば、このクライアントのCEOは前四半期「セール」を連想させる表現をすべて却下しており、コンプライアンスチームは成分の訴求に特定の表現を求めています。ブリーフがクリエイティブチームに届く前に、キュレーターがそれらの制約を追加します。

アカウントリード は、検証・修正済みの3つのアウトプットを見て、戦略的な判断を下します：競合が類似製品を発表したばかりなので、差別化の切り口を先に固めるためにローンチを1週間延期する、と。

どのキャッチも地味なものです。でも、AIのアウトプットをそのまま信頼してしまうチームなら、すべて見逃していたでしょう。このパターンについてはなぜほとんどのAIマーケティングツールは速く感じるのにチームの判断力を弱めるのかで書きました。スピードは本物ですが、検証層がなければ、スピードは悪い判断をただ加速するだけです。

コンテキストによって形はどう変わるか

ここが、固定の人員数よりも有用な議論になるところだと思います。

小規模エージェンシーポッドまたはスタートアップチーム（3〜5人）： 一人が2つ、場合によっては3つの機能を兼任します。戦略リードがメモリーのキュレーションも担う。チャネルスペシャリストがAIアウトプットの監査も行う。チームが十分小さくて、コンテキストが自然に共有されているうちは、これで回ります。

中堅エージェンシーチーム（6〜12人）： 各機能に専任の担当者を置きます。ここからオペレーティングモデルが複利的に効いてきます――メモリーキュレーターの構造化ナレッジが、時間とともに他のすべての機能をより効果的にしていく。僕の見てきた限り、中堅マーケットは今最もディスラプションの余地が大きいゾーンです。これらのクライアントが現在受けているサービスと、AIを活用したチームが提供できるサービスとの間のギャップが最も広いからです。

エンタープライズまたはインハウスチーム（15〜40人以上）： 各機能の裏にチームがつきます。AIオーディター機能は複数チャネルにまたがるクオリティレイヤーに。シグナルアーキテクト機能はデータエンジニアリングのケイパビリティに。メモリーキュレーター機能は組織的なナレッジプラクティスに。

カギは： 機能は交渉の余地がないということ。組織図上のラベルや、機能ごとの人数は完全にフレキシブルです。

これが、「何人必要？」が間違った問いだと僕が思う理由です。本当の問いは、「この3つの機能は自分たちのチームに存在しているか？誰がオーナーか？」です。

ジュニアの人たちはどこにはまるのか――そしてなぜ大事なのか

この点は率直に触れたいと思います。大事なことだからです。

AIとチームについての議論の多くは、こういうトーンです：小さなチーム、より大きなレバレッジ、採用は少なく。キャリアの初期にいる人にとっては、こう聞こえるかもしれません：自分のチャンスが減るんだな、と。

僕はそうは思いません。でも、昔のキャリアパスがもう機能しないとも思っていて、その点は正直に話したいんです。

従来の徒弟制モデルは反復を通じて機能していました。ジュニアの人たちは手作業でタスクを繰り返すことで学びました――レポートを作り、キャンペーンを設定し、データを引き出し、デッキをフォーマットする。十分な回数をこなすうちに、仕事の裏にある判断を身につけていったんです。

AIがそのファーストパスの制作物の多くを担うようになると、反復の機会が減ります。問題は、AIがジュニアの仕事をすべて担ったら、誰がどうやってシニアになるのか？ ということです。

これは、今の業界で最も難しい未解決の問題の一つだと思います。

僕がたどり着いた考えを共有しますが、確信を持っているわけではありません：

2+2 育成モデル

チーム構築を考えるとき、すべての役割をシニアの外部採用で埋める必要があるとは考えていません。

もっとうまくいくと思うのは、こういう形です：経験豊富な人2名＋意図的な深掘り型育成プログラムに入っている人2名。

経験者は判断力とコンテキストを持ち込みます。育成枠は、今のプラットフォームに対する深い知識、エネルギー、そして――決定的に――人材を搾取するのではなく育てる理由をもたらします。

ローテーションより「深さ」を先に

従来のキャリアモデルは、まず広く、後から専門化、でした。チャネルをローテーションし、あれこれ少しずつ学ぶ。

AIネイティブのモデルはこれを逆転させると思います。まず深く、それから広げる。

1つのディシプリンに6ヶ月集中して深く取り組む方が、4つの領域を6ヶ月でローテーションするより、持続性のある専門性が身につきます。深さがあるからこそ、AIのアウトプットを検証できる。広さはその後、ローテーションで身につければいいんです。

評価基準の作成を学びとして

今、最も強力な学習メカニズムの一つは、「正しい」とはどういう状態かを定義させることだと思います。

タスクを実行するだけではなく、評価基準を定義する：

良いキャンペーン設定とはどんな状態か？
セカンドレビューが必要なトリガーは何か？
許容できる誤差の閾値はどこか？
人間のチェックなしに絶対に通してはいけないものは何か？

このエクササイズは、かつて手作業で仕事をすることから得られていた深い理解を強制的に生み出します。プリローンチチェックリストを書く人は、エキスパートの判断をシステムに落とし込めるほど深く、そのディシプリンを理解している必要があります。

例えば：「キャンペーンがライブになる前に、コンバージョントラッキングがプラットフォーム報告値の2%以内で発火していなければならない」。このルールを書くのは簡単そうに聞こえます。なぜ2%が正しい閾値で、5%でも0.5%でもないのかを知るには、本当の深さが必要です。

従来の徒弟制と同じではありません。でも、機能すると思います。

キャリアトラック

僕が説明した3つの機能はそれぞれ、行き止まりのラベルではなく、成長の道筋でもあります：

AIオーディター → アカウントリーダーシップへの成長。アウトプットの良し悪しを深く理解している人こそ、クライアントリレーションシップを舵取りできる人です
シグナルアーキテクト → 計測リーダーシップへの成長。データインフラのナレッジは、最も価値が高く希少なスキルセットの一つです
メモリーキュレーター → シニアストラテジーへの成長。ナレッジを構造化する人は、やがて組織の考え方そのものを形作る人になります

キャリアの初期にいてこれを読んでいる方へ。問いは「自分に居場所はあるのか？」ではありません。「この中のどの機能で深さを築いているか？」です。それが複利で効いてくるキャリアの動きです。

AI層が担うもの

人間のチームがこれらの機能を中心に組織されるなら、AI層は多くの制作業務を担います――初稿、リサーチの統合、レポートの骨組み、ドキュメンテーション、コンテンツのリパーパス。

しかし、AIの活動量が多いことを、完成されたオペレーティングモデルと混同しない方がいいと思います。

何を信頼し、何をレビューし、クオリティとは何かを定義する人は、依然として必要です。多くの「AI-first」議論がまだ少し浅いと感じるのは、そこだと思います。生成で止まっている。本当のレバレッジは、オーケストレーションと評価にあります。

エンパワーメントとしてのフレーミング

もう一つ、チームが実際にこれを取り入れる上で大事だと思うことがあります。

AIに抵抗するチームとAIを受け入れるチームの違いは、多くの場合フレーミングにあります。

メッセージが「AIがあなたの仕事を置き換える」とか「効率化のために自動化します」だと、反応は抵抗、不安、静かな離脱になります。

メッセージが「AIが反復的な仕事を担うから、判断力が求められる部分に集中できるようになる」だと、反応はたいてい好奇心とオーナーシップです。

これが実際に起こるのを見てきました。プログラマティックのアナロジーがわかりやすいです。手動のインサーションオーダーがなくなったとき、適応した人はプログラマティックストラテジストになりました――より高スキルで、より高給の役割です。変化は居心地悪いものでした。結果は成長でした。

今、似た変曲点にいると思います。仕事の形は変わります。でもその仕事をする人の価値は、チームが人を育てられる設計になっていれば、下がるのではなく上がります。

今の僕の立ち位置

具体的な組み合わせはビジネスによって変わると思います。クリエイティブエディターがコア機能として必要なチームもある。チャネルスペシャリストが必要なチームもある。シグナルアーキテクトが2人必要で、専任のメモリーキュレーターは不要なチームもある。

でも、僕が繰り返し立ち返るパターンは：

人員数ではなく、機能を定義する
3つのオペレーション機能（検証、インフラ、メモリー）は交渉不可
シニア採用だけでなく、育成枠を設ける
「深さ」を先にする育成に投資する
AI層に制作を任せ、人間層が判断に集中できるようにする

これが、僕がこの1年間進んできた方向性です。チームの考え方においても、自分自身のオペレーティングモデルの構築においても。

僕からは以上です。

今まさにチームを再設計している方がいれば、この3つの機能のうちどれが一番確立しやすくて、どれが繰り返し壊れるのか、本当に聞いてみたいです。そしてキャリアの初期にいる方は、どの機能で深さを築いていますか？

Cheers, Chandler