エージェンシーにとって、AIの問いはツールを導入するかどうかではありません。競合がみな同じものを持ったときに、何を売るかです。かつて1週間かかった実行が誰にとっても1午後で済むようになると、旧モデルを支えた時間単価は意味を失い、企業は自分が実際に何に対して対価を得る価値があるのかを決めねばなりません。このガイドはエージェンシーモデル・レーンです。商業上の判断と、各論点のより深い記事への導きです。
ピラーが、この言葉に新しい読者のための共有の定義を担います。このレーンはそれを前提に、オーナーやリーダーが尋ねる問いへ直行します。何を売るか、どう人員を配置するか、どう値付けするか、そして能力がコモディティ化した後、優位はどこに宿るか。
全体を貫く糸は、AIがエージェンシーの「何に対して請求できるか」を変えるのであって、「どれだけ努力しているように見せるか」を変えるのではないということです。これをテクノロジーの更新と見なす企業は、古いサービス一覧を保ったまま、マージンが逃げていくのを見ます。ポートフォリオの判断——何を残し、変え、売るのをやめるか——と見なす企業は、まだレバレッジのあるうちにビジネスを作り直せます。
何を売り、何を売るのをやめるか
最初の判断はポートフォリオのものです。エージェンシー設計の意思決定フレームワークは、エージェンシーのサービスを3つのバケツに仕分けます。残す、変える、売るのをやめる。クライアント自身のAIが社内でできるようになったものは3つ目に入り、判断、責任、データ所有が結果を決めるものは1つ目に入ります。
| バケツ | テスト | 典型的な答え |
|---|---|---|
| 残す | 人間の判断、責任、または proprietary なデータが結果を決める | 戦略、最終的なクリエイティブ判断、データの堀 |
| 変える | 価値はあるが形が変わる——量が増え、速く、値付けが変わる | 制作、レポーティング、ローカライズ |
| 売るのをやめる | クライアント自身のツールが許容できる品質で今やる | 組み立て作業、フォーマットのリサイズ、基本的なレポーティング |
エージェンシーが売るのをやめるべきものは3つ目のバケツを真剣に扱います。否認が最も高くつく場所だからです。クライアントが自分でできるようになったサービスを守るのは、関係をゆっくり失う方法です。正直な一手は、コモディティ化したものを名づけ、会話をコモディティ化していないものへ引き上げることです。
これがテクノロジーではなくポートフォリオの判断である理由は、サービスがつながっているからです。組み立て作業をやめると、判断の仕事に人員と注意力を回せ、企業が買い手にどう映るかも変わります。3つ目のバケツを名づけられない経営チームは、たいていまだ仕事を作ることを中心に組織されています。それはまさに、AIが安くした仕事です。
AI-nativeエージェンシーはどう違うか
AI-nativeエージェンシーと従来型エージェンシーは、熱意の勝負ではなく構造の比較です。従来型企業は実行時間で請求し、それを生むことを中心に組織されます。AI-native企業は、AIが最初のパスを生むなかで、レビューと判断を中心に組織されます。原価構造が違い、形が違い、クライアントが買っているものも違います。
AI-nativeエージェンシーは安いのか？は、見込み客が必ず尋ねる問いで、答えは「はい」ほど自明ではありません。制作コストは下がりますが、価値ある仕事——判断、責任、データの関係——は安くなりません。安くなる仕事もあれば、位置づけが変わる仕事もあります。一律の値引きを口にするのは、あなたの仕事が最初から組み立てだったと示すようなものです。
実務上の応答は、どのラインが下がり、どれが保つかを具体的にすることです。低い総額を従来型企業のリテイナーと比べる見込み客は、実際には2つの異なるスコープを比べています。数字を合わせるのではなく、その違いを説明するエージェンシーが、マージンを保つのです。
何がインハウスに残り、何がエージェンシーに渡るかは、同じ判断のクライアント側の鏡像です。実行のコストが下がるにつれ、その多くがインハウスへ移り、生き残る分け方は、クライアントが容易に作れないものを中心に築かれたものです。シニアの判断、クライアント横断のパターン認識、企業が保持する記憶。それは、制作能力で競うより守りやすい立場です。
企業を作り、人員を配置する
AI-nativeエージェンシーに必要な人数は人数の問いで、正直な答えはベンチマークではなくミックスによります。プロデューサーは減り、シニアのレビュアーが増え、少なくとも1人はデータとワークフローの層を所有する人。その層がいまや構造を支えているからです。オペレーションの役割を足さずにプロデューサーを削るのが、エージェンシーがより速く、より悪く出荷する道です。
ミックスが戦略なので、企業が売るものによって変わります。戦略と判断を残す企業は、シニアの人材を少数必要とします。量で競う企業も、守れるレビュー機能を必要とします。やってはいけないのは、古いピラミッドを保ったままAIを上に重ねることです。そのピラミッドの中央は制作であり、制作こそが移ったものだからです。
AI-nativeエージェンシーの始め方はゼロからの版で、nativeで始めるほうが従来型企業を転換するより本当に楽です。守るべき legacy な原価構造がないからです。順序が大事です。ポジションを選び、クライアント記憶の層を作り、その周りにデリバリー能力を足す。多くの新興企業はこれを逆にして、先にツールを買います。
値付けと堀
AIエージェンシーサービスの値付け方法は、効率の利得が企業に届くか、クライアントの調達チームに渡るかを最も左右する問いです。構造上の選択肢——リテイナー、成果報酬、プロダクト化したサブスクリプション——は新しくありませんが、AIがどれが合うかを変えます。時間が崩壊する世界で時間で値付けするのは、縮小するという決定です。
クライアント記憶のデータの堀を作るが、その値付けを守れるものにします。どのエージェンシーも同じモデルを持つとき、優位は蓄積された文脈です。何を走らせ、いくらかかり、何を返し、ブランドが何を学んだか。モデルは借りるもの、記憶は所有するもの。競合が同じソフトを契約しても真似できない唯一の資産であり、AIの記憶がモデル選びより大事な理由です。
ただし条件を明言する価値があります。記憶はクライアントのデータであり、信託として預かるもので、エージェンシーが再利用してよいものではありません。明確な同意と境界なしに築かれた堀は、資産の衣を着た負債であり、データの優位を信頼の問題へ変える最短の道です。
仕事を勝ち取る
エージェンシーの新規事業のためのAIは、同じオペレーションの規律をピッチに適用します。リサーチ、実績の調整、最初のパスの思考は速く作れますが、勝ちは、見込み客が社内に持たない判断を示すことから来ます。AIは企業を多産に見せますが、その判断だけが、雇う価値があると思わせます。
これは新規事業の努力の有用なフィルターです。ピッチのアセットが、同じモデルを持つどの競合でも作れたものなら、それはテーブルステークスであり、差別化ではありません。投資する価値があるのは、企業が何に気づき、何を決めたかを示す部分です。値付けの節がクライアントに対価を求めている、まさにその判断です。
このレーンの着地点
エージェンシーモデル・レーンは商業のレーンで、たいていは1つの判断から始まります。何を売るのをやめるか。エージェンシー向けのランディングがその判断を組み立てます。何を自動化し、何を人間に残し、何に対して請求し、その答えの周りでどう作り直すか。
これがあなたのボトルネックなら、AI-Native Media Operationsのコースが、オペレーティングモデルとエージェンシー・ブループリントを1か所で歩きます。ピラーが定義を担い、ストラテジーガイドがデリバリーの上位で方向を定め、実行ガイドがモデルが乗るワークフローの判断を扱います。
FAQ
AI-nativeモデルは、より安く請求するということですか？
一律ではありません。組み立てだった仕事は、違う値付けができ、そうすべきです。判断、責任、データ所有である仕事は、値引きすべきではありません。安くなった理由がないからです。一律の値引きはたいてい、エージェンシーが自分の仕事のどちらの半分を売っているのかを決めていないことを意味します。
従来型エージェンシーは転換できますか、それとも新規のほうが良いですか？
どちらも可能です。新規のほうが構造的に楽で、守るべき時間単価モデルがありません。転換は、経営が、変化がテクノロジーのプロジェクトである前にポートフォリオの判断——何を売るのをやめるか——だと受け入れるときに機能します。これが意思決定フレームワークの背後にある論点です。
小さなエージェンシーはどこから始めるべきですか？
クライアント記憶の層と、端から端までAI-nativeで提供できる1つのサービスから。まずスタックを買わないでください。90日のロールアウトはここにも当てはまります。1つのサービスを計測し、それから広げます。
短いまとめ
エージェンシーにとって、AIは能力の問いをポートフォリオの問いに変えます。何を残し、変え、売るのをやめるかを決める。人員配置と値付けはその答えに従い、持続する優位は、みなが借りるモデルではなく、あなたが所有するクライアント記憶に宿ります。ツールは変わり続けます。ポジションは変わりません。
私はこれを公開の場で解き続けています。キャリアの大半をメディアのエージェンシー側とクライアント側で過ごし、ここ数年はその仕事をAIで作り直してきましたが、まだ誰も最終的な答えを持っていないと思います。あなたの企業がこの道のりのどこかにいるなら、どの判断があなたを止めているかを聞きたいです。
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。