AI-nativeエージェンシーは、同じ出力に対して従来型より少ない人数で済み、その数は制作量ではなくレビュー能力で決まります。モデルが最初のパスを作るなら、あなたは生産ラインに人員を配置しているのではなく、最初のパスをクライアントが頼れるものに変える判断とレビューに人員を配置しています。そこから従う形は、かつてはるかに大きなチームを要した仕事を担う、小さなシニアのポッドです。
私は人数の数字に慎重です。人がベンチマークを求める場所であり、正直なベンチマークが存在しないからです。正しい数は、仕事、クライアント、レビュー基準によります。私が与えられるのは、数を決める論理と、それが生む形です。信頼できない数字より有用です。
正直な答え
より少なく、よりシニアで、その2つは同じ決定です。従来型エージェンシーは、量を吸収するために人を足して育ちます。より多くの若手、より多くの出力、より多くの請求可能な時間。そのモデルは、若手が組み立てをし、シニアが方向を定めるから機能します。AIが組み立てをするとき、若手の層の理由はほぼ消えるので、チームは底から縮みます。
残るのは、常に本当のプロダクトだった部分です。判断、クライアント関係、責任。それは本質的に小さなチームです。シニアの仕事を価値あるものにしたのは量ではなかったからです。AI-nativeエージェンシーは「管理スタッフの少ない従来型エージェンシー」ではありません。別の形です。人が少なく、シニアの端に集中し、機械がスループットを担います。
数は何に依存するか
人数は4つのことに従い、どれも公式ではありません。クライアントの数。各自がシニアの関係の時間を要するからです。仕事の複雑さ。単純なリテイナーと複雑な多市場プログラムでは必要なレビューの深さが違うからです。ワークフローの強さ。よく組まれた文脈の層は、シニアが直す量を減らすからです。そして、あなたが名前を記す意志のある基準。高い基準は、偽装できないレビュー時間を要するからです。
どれか1つを変えれば数は動きます。だからベンチマークは無用で、論理はそうではありません。同じ出力の2つのエージェンシーが、仕事がどれだけ判断重視かと、システムがどれだけ良いかによって、大きく異なる人数を正当化できます。誰かの組織図ではなく、あなた自身の4つの入力に合わせてサイズを決めてください。
なぜ数はレビューで決まるのか
AI-nativeエージェンシーを、モデルがどれだけ生めるかでサイズ決めする本能があります。それは間違った制約です。モデルは、誰も責任をもって確認できない以上の量を生めるからです。本当の天井は、シニアが品質を落とさずにレビューし、背後に立てる仕事の量です。
これがレビューのボトルネックであり、採用計画です。あなたのレビュー能力が、2クライアントの出力を確認するシニア2人なら、3つ目のクライアントを足すことは若手を足すことではなく、レビュー能力を増やすか、レビューシステムを良くすることです。モデルは制約を取り除かず、制作から判断へ移しました。エージェンシーのサイズ決めは、生成ではなくレビューのサイズ決めです。
機能する形
このようにチームを回した経験から、保つ単位は小さなポッドです。クライアントとコールを所有するシニアリード1人、ワークフローを回し改善し出力をレビューする1、2人、仕事がそれを要するときの専門家へのアクセス。そのポッドは、かつてはより広いチームを要したものを覆います。モデルがその間の量を担うからです。
それを数ではなく形として扱ってください。ポッドは3〜5人で、私はそれをベンチマークとは呼びません。大事な性質は、ポッドがシニアに重く、レビューが明示的に誰かの仕事で、ワークフローが場当たり的に集められるのではなく所有されることです。それらの性質が小さなチームを成立させ、正確な数はその下流です。
ポッドの役割
役割は、従来のアカウント→若手のはしごというより、小さなシニアスタジオに見えます。リードがクライアント関係、判断、成果を所有します。ワークフローのオーナーが文脈の層とレビューのプロセスを設計・維持し、それは制作のスキルというよりシステムのスキルです。専門家は、カテゴリかチャネルが、恒久的に配置しない深さを本当に要するときに来ます。
私はこれらの役割のより広い形をAIネイティブなマーケティングチームに実際に必要な役割で地図化しました。エージェンシー版は同じパターンを小さくしたものです。希少な人はオペレーターではなく、基準を設定し保てる人です。それのために採用し、残りはワークフローに任せてください。
モデルが人数を減らさないところ
エージェンシーの仕事には、モデルがほとんど触れない部分があり、それらは今もチームに床を設定します。クライアントのリードは縮みません。関係を保ち、難しい会話を吸収し、仕事がまずく着地したときに責任を負う人が必要です。専門の深さも縮みません。本当の専門性を要するカテゴリやチャネルは、本当の専門家を要し、モデルはその人を選択肢でなく速くします。そしてレビュー自体は、制作ほど速くは縮みません。出力を注意深く確認するのは、遅く意図的な仕事だからです。
つまり人数の削減は本物ですが、限られています。それは制作、調整、レポーティングの組み立てから来ます。関係、専門の判断、レビュー基準からは来ません。さらにチームを縮めるためにそこを削るなら、エージェンシーを薄くしたのではなく、もろくしました。
小さくしすぎると何が壊れるか
薄いAI-nativeエージェンシーの失敗モードは、使いすぎではなくレビュー負債です。小さくしすぎると、誰も適切に確認する時間がないままモデルが生み続け、出力は静かに劣化し、クライアントが最初に捕まえます。問題を見つけるには最悪の場所です。仕事だけでなく関係を損なうからです。
小さすぎることが壊れるもう1つは関係です。シニアリードが持てるクライアントの会話は限られ、ポッドが1人の深さなら、どのクライアントも、1人の不在で管理されない状態に1歩です。1人のエージェンシーは本物のビジネスですが、目に見える形で能力が限られます。薄いモデルには床があり、床は制作ではなく、レビューと関係の帯域で決まります。
月曜日に何をするか
出力でサイズ決めするのをやめ、レビューでサイズ決めを始めます。シニア1人が本当に背後に立てるクライアントのワークストリームはいくつか尋ね、それに合わせてポッドを組みます。新しいクライアントが来たら、「助け」に若手を足す前に、レビュー能力を足すかレビューシステムを良くします。若手はレビューのボトルネックを和らげず、しばしば増やします。
そして、誰が仕事を承認するかを書き留めます。名前のあるレビュアーのいないAI-nativeエージェンシーは、起きるのを待つ品質インシデントです。名前のあるレビュアーは官僚主義ではなく、小さなチームが自信を持ってシニアのレートを請求できる理由です。
FAQ
2人のエージェンシーは複数のクライアントに仕えられますか？
はい。レビュー基準が高く、仕事が集中していれば、強いシニア2人は2クライアント以上に仕えられます。できないのは、レビューと関係の帯域を超えてスケールすることです。2は実行可能なビジネスですが、基準を保てる3人目を足すまでの厳しい天井でもあります。
AI-nativeエージェンシーは今も若手を採用すべきですか？
より少なく、違う形で。組み立ての量を吸収するために存在した若手の採用は、もはや意味をなしません。キャリアの初期に採用するなら、ワークフローを判断し方向づけることを学べる人を採用し、監督下でレビューの責任を与えます。制作の山ではなく。
小さなチームは自動的により収益性が高いですか？
いいえ。レビュー基準の弱い小さなチームは、クライアントとマージンを失います。収益性は組み合わせから来ます。シニアの判断、本物のレビューシステム、そして時間ではなく成果に値付けする価格。サイズだけが優位ではありません。
小さすぎるとどう知りますか？
症状を聞いてください。明確な承認者なしに出ていく仕事、サービス不足を感じるクライアント、スピードでレビューするシニア。どれかがあれば、床を下回っています。制作能力を足す前に、レビュー能力を足してください。
短いまとめ
AI-nativeエージェンシーは、人が少なく済み、シニアの端に集中します。モデルが制作を担い、チームが判断を担うからです。チームは出力量ではなくレビュー能力でサイズ決めします。働く単位は、明示的なオーナーと名前のあるレビュアーを持つ小さなシニアのポッド——数ではなく形です。エージェンシーモデルガイドがモデルの残りを扱い、エージェンシー向けのトラックが値付けと構造を通して働かせます。
あなたが薄い店を回すなら、レビューの床をどこで感じたかを聞きたいです。たいてい、その瞬間に正しい人数が明らかになります。
それでは、 Chandler
この記事は日本語でお読みいただけますが、コース本体（動画、テンプレート、コンパニオンガイド）は英語と日本語で提供しており、本サイトは13言語でご利用いただけます。