1から20超のAIエージェントをGTM戦略で管理する現実：Sasterの事例から学ぶ多角的な洞察

はじめに：AIエージェントが拓くGTMの新時代

ビジネスの現場において、人工知能（AI）の進化は、Go-to-Market（GTM）戦略のあり方を根本から変えようとしています。特に、単一のタスクに特化したAIツールから、複数の役割を果たす「AIエージェント」へと焦点が移る中で、その導入と管理は、企業にとって喫緊の課題となっています。果たして、これらのAIエージェントは、私たちのビジネスにどのような変革をもたらし、その導入・運用にはどのような現実が待ち受けているのでしょうか。

Sasterの公式ポッドキャストで展開された議論は、この問いに対する非常に貴重な洞察を提供しています。1つのAIエージェントから始まり、わずか8ヶ月から1年で20以上のAIエージェントをGTM戦略全体に展開したSasterの経験は、AIエージェントの可能性と、それに伴う現実的な課題を浮き彫りにします。本稿では、Sasterの事例を深く掘り下げ、AIエージェントの重要性、具体的な機能、ビジネスへの影響、そして将来性を専門的かつ分かりやすく解説します。

Sasterの事例に学ぶ：1から20超のAIエージェントへの進化

Sasterは、AIエージェントの導入において先進的なアプローチを採用してきました。その道のりは、単一のエージェントの実験から始まり、急速に多岐にわたるエージェント群へと拡大していきました。

初期の導入とDeliの役割

SasterがAIエージェントの旅を開始した際、最初の重要なステップはDeliというエージェントの導入でした。Deliは、アドバイスやサポートを提供することを目的とし、SasterはDeliのトレーニングに多大な時間を費やしました。この初期の取り組みから、サポートとセールスが、人々が最初にエージェントを展開する最も一般的なユースケースであることが確認されました。Deliの導入は、SasterにとってAIエージェントの可能性を探る「最初の試み」であり、その後の大規模展開への道を開くものでした。

人間チームの代替と大胆な戦略

SasterがAIエージェントの導入を加速させた決定的な転換点の一つは、前回のSaster AI Annualイベント後、退職したチームメンバーの役割をAIエージェントで置き換えるという大胆な戦略でした。これにより、Sasterは「人間が去ったポジションをAIエージェントで補う」という、従来の採用プロセスとは一線を画すアプローチを採用しました。

この戦略の結果、Sasterは現在、20を超えるAIエージェントを運用し、約12の社内アプリケーションを構築しています。これらのエージェントは、すでに約100万回近く利用されており、次のAI Dayまでに100万回の大台を超える勢いです。この驚異的な利用率は、AIエージェントが単なる実験段階を超え、日常のビジネス運営に不可欠な存在となっていることを示しています。

多様化するエージェントとGo-to-Marketへの適用

Sasterのエージェント展開は、Deliのようなサポート・アドバイス機能に留まりません。彼らは、Sales funnel全体にわたる多角的なエージェント群を構築しました。これには、複数のアウトバウンドAI SDR（Sales Development Representative）、インバウンドAI SDRエージェント、そしてGTM全体にわたる多数のエージェントが含まれます。さらに、Pitch Track Valuationなどのカスタム構築されたアプリケーションも存在し、その多くが顧客に直接提供される外部向けツールとして機能しています。

特筆すべきは、最近導入された「AI VP of Marketing」というエージェントです。これは、単なるコンテンツ生成に留まらず、マーケティング活動全体のオーケストレーションを目的としたものです。このエージェントの開発背景には、既存のマーケティングツールが提供できない高度なオーケストレーション機能へのニーズと、人間が圧倒されてしまうほどの大量の内部データの活用願望がありました。

Sasterの journeyは、必ずしもすべての企業が同じ数のエージェントを導入する必要はないという現実も示唆しています。Sasterがこれほど多くのエージェントを試すのは、SASコミュニティおよびエコシステムの一部として、多様なエージェントやパートナーと連携し、何が機能し、何が機能しないかを積極的に探求するという内発的なニーズがあるためです。しかし、この大規模な実験から得られる知見は、すべての企業にとって貴重な学びとなります。

驚異のビジネスインパクト：AIエージェントがもたらす具体的成果

AIエージェントの導入に対する懐疑的な見方がある中で、Sasterは具体的な数字と実績をもってその効果を証明しています。8ヶ月間の運用を経て、AIエージェントはSasterのビジネスに計り知れないインパクトを与えています。

新規パイプラインとクローズドワン収益の創出

最も顕著な成果の一つは、AIエージェントが新たに生み出したパイプラインです。Sasterは、8ヶ月で480万ドルもの追加パイプラインをエージェント経由で創出しました。そのうち、なんと240万ドルがクローズドワン収益、つまり実際に契約締結された売上として計上されています。これは、GTM全体にわたるエージェントが、顧客獲得プロセスにおいていかに効果的に機能しているかを示す強力な証拠です。

取引量と勝率の劇的な向上

AIエージェントは、新規収益だけでなく、営業プロセスの効率と効果も劇的に向上させました。

取引量の倍増: Sasterの取引量は、AIエージェントの導入後、2倍以上に増加しました。これは、エージェントが24時間365日稼働し、常に顧客の質問に答え、会議を設定し、フォローアップを行う能力に大きく起因しています。人間チームの能力に制約される場面はあるものの、AIエージェントが継続的にリードとエンゲージすることで、全体のパイプラインが大幅に拡大しました。
勝率の倍増: 契約の勝率もほぼ2倍に増加しています。特にインバウンドリードの処理やアウトバウンドアプローチにおいて、AIエージェントはより多くのコンテキスト（情報）を提供することで、人間によるセールスコミュニケーションの質を高めています。エージェントとの会話履歴を通じて、営業担当者はリードのニーズや関心を事前に深く理解できるため、より的確で質の高い商談が可能になり、結果として勝率が向上しています。

既存チャネルとの共存と相乗効果

AIエージェントの導入が、既存の収益源を「カニバリゼーション（共食い）」するのではないかという懸念に対し、Sasterは明確な反論を提示しています。彼らの事例では、AIエージェントは既存のインバウンド収益源を代替するのではなく、むしろ「拡張（augment）」する形で機能しています。

Sasterは、AIエージェントを導入したからといって、従来のマーケティング活動や営業活動（マーケティングメール、アウトバウンド、ギフト送付、イベント招待など）を中止したわけではありません。むしろ、AIエージェントがこれらの活動をより効果的かつ効率的に実行するための「スーパーパワー」として機能し、全体的な成果を向上させています。例えば、AIエージェントがより多くの会議を設定し、リードを深く理解するのを助けることで、人間チームはより質の高いリードに集中し、より戦略的な活動に時間を割くことができます。

AIエージェントは、人間のSDR（Sales Development Representative）を完全に置き換えるものではなく、彼らの活動を補完し、強化するツールとして位置づけられています。Sasterのチームは、AIエージェントが生成した各メッセージに対し、人間が個人的に返信するという方針を維持しており、これにより顧客体験の質を保っています。AIによる自動返信も可能ですが、ビジネスを深く理解する人間からの返信の方が、まだ高い価値を持つと考えているためです。

結論として、Sasterの事例は、AIエージェントが単なるコスト削減ツールではなく、新規収益の創出、プロセス効率の向上、そして既存ビジネスの強化を同時に実現する、強力な成長エンジンとなり得ることを実証しています。

「魔法の杖」ではない：AIエージェント管理の現実と課題

AIエージェントがもたらす驚異的な成果の裏には、目に見えない日々の努力と、現実的な課題が存在します。Sasterの経験は、「AIを導入すればすべてが自動的にうまくいく」という幻想を打ち破り、その運用には深いコミットメントが必要であることを示しています。

日々のメンテナンスと人間の介入の必要性

Sasterが強調するのは、AIエージェントが自律的に完璧に機能するわけではない、という現実です。Ameliaは、「これらのアプリを毎日メンテナンスしている」と語り、AI Dayの朝でさえエージェントのチェックを行っていると述べます。これは、エージェントと人間が常に「急速に進化し、変化し続ける」必要があることを意味します。

Sasterのチーム（AmeliaとJason）は、それぞれ週に15〜20時間もの時間をAIエージェントの管理に費やしています。この時間は、以下のような多岐にわたる活動に充てられます。

出力の監視とチェック: エージェントがどのような情報を生成しているか、その応答が適切であるかを確認します。
幻覚（Hallucination）の防止: AIが事実に基づかない情報を生成する「幻覚」を未然に防ぎます。
トーンと価値の維持: エージェントが顧客と望ましいトーンで対話し、常に価値を提供していることを確認します。
エージェントの劣化防止: 時間とともにエージェントのパフォーマンスが低下する「劣化」を防ぐための対策を講じます。

この管理作業は「マインドシェアキラー」と表現されるほど、多大な精神的・時間的コストを要します。かつてチームメンバーを管理していた時間とほぼ同等、あるいはそれ以上の時間を、今度はエージェントの管理に費やしているのです。しかし、エージェントは人間よりもはるかに高い能力と規模で機能するため、人間が完全に追いつくことは難しい、というジレンマも抱えています。「彼らは私より賢い」というAmeliaの言葉は、この現実を象徴しています。

自律学習型ツールの限界と懐疑的な視点

市場には「自己学習型」と謳われる安価なAIツールも存在しますが、Sasterはこれに対し懐疑的な見方を示しています。Jasonは、「深いトレーニングを必要とするエージェントは、自己学習では対応できない」と指摘し、購入前に「本当に機能するかどうか」を徹底的に確認するよう助言しています。自己学習機能は今後進化するでしょうが、現状では過度な期待は禁物です。

導入前の正直なベンダー対話の重要性

AIエージェントの導入を検討する際、Sasterはベンダーとの対話において「正直さ」を最も重視しています。特に重要なのは、セールス担当者ではなく、「デプロイメントに十分にシニアな人物」と話すことです。彼らは製品の仕組みや使用方法を本当に理解しており、導入から成功までの現実的な道のりについて具体的な情報を提供できるからです。

Jasonはこれを「医者に行って薬の処方箋をもらったのに、決して飲まないようなものだ」と例え、AIエージェントも導入するだけで効果を発揮するわけではなく、適切な「服用」と継続的なケアが必要であることを強調しています。

実際に、Sasterが最近出会ったAI GTMエージェントの次世代リーダー企業は、顧客がほとんど何もせずにエージェントを導入できると錯覚するほど、オンボーディングからタグ付け、キャンペーンの立ち上げまで、すべてをベンダー側が代行していました。これは、顧客がAIエージェントの導入と運用にかかる膨大な労力を認識していない可能性を示唆しています。この事例から、ベンダーが提供するサポート体制や、導入後の具体的な作業量について、事前に詳細かつ正直な情報を得ることの重要性が浮き彫りになります。

結論として、AIエージェントは大きな可能性を秘めていますが、その導入は終わりではなく始まりです。継続的な管理、人間の介入、そして現実的な期待値の設定が、成功への鍵となります。

成功へのロードマップ：効果的なAIエージェント導入戦略

AIエージェントを最大限に活用し、Sasterのような成果を上げるためには、戦略的かつ体系的なアプローチが必要です。単にAIツールを導入するだけでなく、どのようなエージェントを、どのように、どのタイミングで導入するかが成功を左右します。

FTEを理解し、投資対効果を最大化する

AIエージェントへの投資を検討する際、まず自社のFTE（Full-Time Equivalent：常勤換算人員）を正確に理解することが不可欠です。Jasonは、「もし自分のFTEを理解せず、エージェントに多額の費用を費やすなら、エネルギーを無駄にしている」と強調します。AIエージェントは、人間の労働力に代わる、あるいはそれを補完する存在であり、その導入が既存のFTEにどのような影響を与え、どのようなリソースを解放するのかを明確にする必要があります。これにより、AIエージェントへの投資が、実際にビジネスにどれだけの価値をもたらすかを測定し、最大化することができます。

「動かないもの」や「未着手のもの」から始める低予算の果実戦略

AmeliaとJasonが最も強く推奨する戦略の一つは、「Go-to-Marketの動きの中で、まだ十分に行われていないこと、あるいは非常に平凡なレベルで行われていること」にAIエージェントを適用することです。

低品質なタスクの自動化: 例えば、既存の営業担当者が嫌がるような、手間の割に成果が見えにくいコールドアウトバウンドメールなどがこれに該当します。人間が行うにはモチベーションが維持しにくいタスクでも、AIエージェントは効率的に実行できます。
未着手領域の開拓: Sasterの事例では、「ベース顧客やアクティブな顧客層に十分リーチできていなかった」という課題に対し、AIエージェントを導入しました。これにより、人間では不可能だった6万通もの高品質な（しかし必ずしも「最高の」ではない）メールを送信し、顧客とのエンゲージメントを深めることができました。
低予算の成果: このアプローチは、AIエージェントを「既存の成功しているプロセスを置き換える」ためではなく、「これまで手つかずだった、あるいは成果が低い領域で新しい価値を生み出す」ために活用するものです。これにより、たとえエージェントが「まあまあ良い」レベルの成果しか出せなくても、これまで得られなかった「魔法のような」追加の成果を得ることができます。

最良の人間オペレーションを分析し、AIに学習させる

AIエージェントを導入する際、「AIを導入すれば魔法のように機能する」という誤解を避けるべきです。SasterのAmeliaは、「もしAI導入前にうまくいっていなかったことが、AIを導入した途端に魔法のようにうまくいくことはない」と強く断言します。

成功の鍵は、まず「何が機能するのか」を明確に理解することです。

既存データの活用: Sasterは、AIエージェントを導入する前に、過去の膨大なデータを徹底的に分析しました。例えば、アウトバウンドで最も効果的だったメールコピー、インバウンドへの最適なフォローアップ方法、Sasterイベントのスポンサーシップに関する最適なコミュニケーションなど、あらゆる「最良のもの」を特定しました。
「最良の人間」をコピーする: その後、AIエージェントをこれらの「最良の人間オペレーション」に基づいてトレーニングしました。これにより、AIは単なる一般的な応答ではなく、Sasterのビジネスにおいて実証済みの効果的なコミュニケーションパターンを模倣し、実行することができます。
質の高い基盤: このプロセスを通じて、AIエージェントは「まあまあ良い」レベルのメールやインタラクションを生成できるようになります。これは、一般的なAIが生成する低品質なメールや、人間の手による平凡なメールをはるかに上回るレベルです。

ハイパーセグメンテーションの徹底：広範な「スプレー＆プレイ」の回避

AI SDRを効果的に運用するために、Sasterは「ハイパーセグメンテーション」の重要性を強調しています。

動的なセグメント: 各アウトバウンドセグメントを動的に扱い、例えば10,000リードに対して単一のキャンペーンを行うのではなく、最大100〜500リードの小規模なキャンペーンに分割します。
高いカスタマイズ性: 各サブエージェントを、特定のセグメント向けに高度にカスタマイズし、トレーニングします。これにより、出力されるメッセージはターゲットオーディエンスに最適化され、よりパーソナライズされたものになります。
コンテキストの提供: AIエージェントに「コンテキスト」を与えることが、成功の鍵です。従来のジオグラフィー、役職、役割といった高レベルで人工的なセグメンテーションではなく、ターゲットの具体的なペインポイント、自社製品が解決できる課題、そしてインターネット上の情報（企業の活動など）を組み合わせた、深いコンテキストを提供します。これにより、エージェントはより賢く、的を射たコミュニケーションが可能になります。

エージェントに「できないこと」を明確に伝える

AIエージェントのトレーニングにおいて、当初Sasterは「最良の行動」を教えることに集中していました。しかし、数ヶ月の運用を経て、エージェントに「できないこと」や「すべきではないこと」を明確に伝えることの重要性を痛感しました。

AIエージェントは、自己肯定的な性質を持つため、目標達成のために「自分自身を打ち破ろう」とし、時には事実をでっち上げたり、与えられたコンテキストを超えた行動を取ったりすることがあります。例えば、Sasterのエージェントは、提供していない「講演枠」を提供してしまうような誤りを犯しました。これは、人間SDRが「たぶんできると思う」「ロードマップにあるはず」と曖昧に答えるのと同様の行動です。

この教訓から、Sasterはエージェントに対し、「私たちはこれを行わない」「このサービスは提供できない」といった明確な禁止事項をリストアップし、トレーニングに組み込むようになりました。これにより、エージェントが不適切な約束をしたり、誤った情報を伝えたりするリスクを大幅に減らすことができます。

ホットリードから始めるAI SDR戦略の具体例

AI SDRの導入を検討している企業にとって、Sasterは「ホットリード」から始めることを強く推奨します。これは、AIエージェントに「コンテキスト」を提供しやすく、初期段階で成功体験を積みやすいからです。

ウェブサイト訪問者: ウェブサイトを訪問したものの、コンバージョンに至らなかった匿名の訪問者に対し、AIエージェントがパーソナライズされたメールを送付します。
インバウンドリード: 問い合わせをしてきたリードに対し、迅速かつ的確なフォローアップを行います。
放棄されたカート/トライアル: eコマースやSaaSのトライアルなどで途中で離脱したユーザーを再度エンゲージします。
イベントリード: ウェビナーやオフラインイベントで獲得したリードに対し、イベント内容に関連した情報を提供し、次のアクションへと促します。
既存顧客（職務変更者、アップセル/クロスセル機会）: 過去の顧客が転職した場合や、新しい製品・サービスがリリースされた際に、アップセル・クロスセルの機会を創出します。
最近のマーケティングリード: eBookダウンロードやゲートコンテンツへのアクセスなど、マーケティング活動で獲得したリードをAIエージェントがフォローアップします。
過去にフォローアップできなかったリード: 人間チームでは対応しきれなかった、あるいは見過ごされたリードをAIエージェントが再活性化します。

これらの「ホット」なオーディエンスから始めることで、AIエージェントは最初から関連性の高いコンテキストとデータを得て、質の高いコミュニケーションを実現できます。これにより、人間チームはAIエージェントのパフォーマンスを評価し、何が機能し、何が機能しないかを学び、最終的にリストを使い果たした際に「真のコールドリード」へアプローチする際の戦略を洗練させることができます。

この戦略は、AIエージェントの導入を段階的に進め、リスクを最小限に抑えながら最大の効果を引き出すための、実践的かつ効果的なロードマップとなるでしょう。

賢い選択：AIツールは「買う」べきか「作る」べきか？ (90/10ルール)

AIエージェントを自社のGTM戦略に組み込む際、多くの企業が直面する重要な決断の一つが、「既成のツールを購入する」か、「自社で開発する」かという選択です。Sasterの経験は、「90/10ルール」としてこの問いに対する明確な指針を提供しています。

既成のツール購入のメリット（90%）

Sasterは、AIスタックの90%を既成のサードパーティーツールで購入することを強く推奨しています。

専門性と効率性: 既成のツールは、特定の分野に特化して開発されており、その分野における専門知識と技術が凝縮されています。SasterのAmeliaは、「私たちは専門化されたツールを使うのが好きだ。オールインワンツールよりも、それぞれの分野で最高のものを活用することで、出力の質が格段に向上する」と述べています。
開発コストと時間の削減: 自社でゼロからAIエージェントを開発するには、膨大な時間、コスト、そして専門的な人材が必要です。既成のツールを購入することで、これらのリソースを節約し、より迅速に導入と運用を開始できます。
継続的なアップデートとサポート: 優れたベンダーは、製品を継続的に改善し、最新のAI技術を取り入れます。また、多くの場合、導入から運用までのサポートも提供されるため、自社チームの負担を軽減できます。

自社開発の適切なケース（10%）：P1優先度、ニッチな課題、競争優位性

Sasterは、AIスタックの残り10%を自社で開発するケースとして、非常に限定的な状況を挙げています。

P1優先度（最優先課題）: 解決すべき課題が極めて重要であり、かつ既存のベンダーソリューションでは対応できない場合。これは、自社のビジネスモデルや競争優位性に直結するP1（Priority 1）レベルの課題である必要があります。
ベンダーが存在しないニッチな領域: 特定のユースケースに対して、市場に適切なサードパーティーツールが全く存在しない場合。これは、自社の独自性や差別化を追求する上で避けられない選択となることがあります。
データとコンテキストの独自性: Sasterの「AI VP of Marketing (10K)」の事例がこれに当たります。Sasterは、自社が持つSaster Annualの過去データ、イベント登録パターン、スポンサーシップデータ、そして既存のAIエージェントとのインタラクションデータなど、膨大な独自の内部データを持っていました。このデータを最大限に活用し、外部のツールでは実現できないレベルのオーケストレーションを行うために、自社開発が最善の選択となりました。特に、人間のマーケティング担当者では処理しきれないほどの大量のデータを基に、日々の具体的なアクションプランを提案できるエージェントは、市場に存在しなかったためです。

ベンダー選定の基準：顧客リファレンス、FTEサポート、直感を信じる

90%のツールを購入する際、Sasterはベンダー選定のプロセスにおいて以下の基準を重視しています。

顧客リファレンス: AIツールの場合でも、「顧客リファレンス」を要求することは非常に重要です。自社の垂直業界や規模に近い顧客事例を求め、ベンダーが躊躇するようなら、そのツールは避けるべきかもしれません。実際にSasterは、Mango MintのMarshall、OwnerのKyle、PersonaのPhipeなど、多くの顧客リファレンスと積極的に交流しています。
FTE（Full-Time Equivalent）サポート: 導入初期段階において、ベンダーからの専任担当者（FTE）サポートを要求することが、成功の鍵となります。Sasterは、Salesforce、Artisan、Repletといった主要なベンダーから、導入初期にFTEサポートを受けており、これによりエージェントの効果的なデプロイメントと最適化が可能になりました。このサポートは、常に必要とは限りませんが、特に導入の初期フェーズにおいて、ベンダーが顧客の成功を真に願っているかの試金石となります。
直感を信じる: Jasonは、「もし直感が間違っていると感じるなら、買うな」と強調しています。たとえブランドが有名でなくても、機能が少し劣って見えても、直感的に「これはうまくいかないだろう」と感じるツールは避けるべきです。AI GTMツールは、プロシューマーAIツール（ReavesやGammaなど）と異なり、無料トライアルで十分な価値を体験できないことが多いため、ある程度の「リスク」を伴います。だからこそ、自分の直感とベンダーとの信頼関係がより一層重要になります。

この90/10ルールと厳格なベンダー選定プロセスは、企業がAIエージェントへの投資を最適化し、最大のROIを実現するための、賢明な道筋を示しています。

多エージェントエコシステムの構築：複雑な連携と未来の姿

Sasterが20以上のAIエージェントを運用する中で、その裏側にある技術的なアーキテクチャは、想像以上に「ごちゃまぜ」であり、「バンドエイドで繋ぎ合わせている」のが現状だと明かされています。しかし、この複雑なシステムの中に、多エージェント管理の現在地と未来に向けた重要なヒントが隠されています。

現在の「ごちゃまぜ」なシステム：WebhooksとZapier

Sasterの多エージェントエコシステムは、多様なサードパーティーツールと自社開発アプリケーションの組み合わせで構成されています。これらを連携させる主な手段は、Webhooksとインテグレーションプラットフォーム（Zapierなど）です。

Webhooks（ウェブフック）の活用: 「Webhooks」は、特定のイベント（例：ウェブサイトのフォーム送信）が発生した際に、自動的に情報を指定されたURLに送信する仕組みです。Sasterは、数えきれないほどのウェブフックをZapierアカウントに設定し、エージェント間のデータフローを制御しています。
Zapier（ザピアー）の役割: Zapierは、異なるWebアプリケーションを連携させるための自動化ツールであり、Sasterのシステムにおいて中心的な役割を担っています。これにより、各AIエージェントやツールから発生するデータを、次のエージェントやシステムへと自動的に連携させることができます。Ameliaは、Zapierの他に、AI時代の自動化ツールとして注目されるNの存在も挙げています。
Salesforceを「信頼できる唯一の情報源（Source of Truth）」として活用: 多様なエージェントから生成される膨大なデータを一元的に管理するため、SasterはSalesforceを「システム・オブ・レコード」、つまり「信頼できる唯一の情報源」として位置づけています。各エージェントからのデータは、Zapierなどを介してSalesforceに集約され、常に最新の状態に保たれます。これにより、各エージェントが顧客に関する共通のコンテキストを共有し、より質の高いインタラクションが可能になります。Ameliaはこれを「MCP（Master Control Program）ライト」と表現しており、完全なMCPではないものの、現状では非常に有効な中央管理システムとして機能していることを示唆しています。

しかし、これらの連携は現在のところ「ネイティブ」な統合ではなく、多くのウェブフックとカスタムな設定を必要とするため、管理に労力がかかります。「コンテキストのコピー＆ペースト」が頻繁に行われるという現実も、現在のシステムの洗練度がまだ途上であることを示しています。

エージェント間の対話、人間とエージェントの対話

多エージェントシステムでは、エージェント同士が互いにコミュニケーションを取るという、これまでになかった現象が発生します。Sasterのエージェントは互いに対話しており、これは「普通のこと」として受け入れられています。また、人間がAIエージェントと直接対話することも日常的になっています。最初こそ違和感があるものの、慣れてしまえば、人間がエージェントに指示を与えたり、コンテキストを共有したり、成果を確認したりする重要な手段となります。

専門化ツールとオールインワンツールの比較検討

AIエージェントの選択において、Sasterは「専門化されたツール」と「オールインワンツール」の間のトレードオフについても言及しています。

専門化されたツールの利点: Sasterは、各機能に特化したサードパーティ製ツールを好んで使用しています。例えば、Happy FoxのAutoPilotは、サポートタスクに特化したプレビルドAIエージェントであり、迅速なデプロイと低コスト（成功アクションあたり2セント）でチケットのトリアージ、重複検出、チャーンリスク特定などを行います。これらの専門ツールは、特定の領域で最高の出力を提供するため、SasterのGTM戦略の質を高めています。
オールインワンツールの可能性: 一方で、単一のシステムで複数のエージェントを構築・管理できる「オールインワンエージェントビルダー」も存在します。これらのツールは、複数のエージェントを管理する上での「生活の質」を向上させる可能性を秘めています。Sasterは、専門化されたツールの質を優先していますが、管理の簡素化を重視する企業にとっては、オールインワンツールが有効な選択肢となり得ることも認めています。

Go-to-Marketフローの具体例：Zapierを活用した自動化

SasterのAmeliaは、Zapierを活用した具体的なGTM自動化フローの一例を提示し、現在の多エージェント管理がどのようなものかを示しています。

ウェブフックの捕捉（Listening）: まず、ウェブサイトのフォーム送信などのイベントをウェブフックが捕捉します。これはSaster Annualのフォームかもしれません。ウェブフックはデータをキャプチャし、その後のアクションをトリガーします。
Googleシートへのデータ転送: キャプチャされたデータは、バックアップと迅速な参照のためにGoogleシートに転送されます。
Salesforceへのデータ登録: データはSalesforceにプッシュされ、新しいコンタクトが作成されます。Sasterは「AgentForce」との連携のため、リードではなくコンタクトとしてトリガーしています。
キャンペーンへのコンタクト追加とエージェントのトリガー: Salesforceのキャンペーンにコンタクトが追加されると、AgentForce内の特定のキャンペーントリガーが発動し、AIエージェントがオンになります。これにより、マーケティング活動とAIエージェントが自動的に連携します。
企業情報の取得: Salesforceは、新しく追加されたコンタクトが属する企業（アカウントレベル）の過去の活動履歴を検索し、コンテキストを提供します。
Clayによる情報収集とサマリー: Clayのようなツールを活用し、企業記録の添付ファイルや、LinkedInなどのソーシャルメディアからの追加情報を収集し、要約します。これにより、エージェントはより深い顧客理解を得ることができます。
Slack通知: これらの収集されたコンテキスト（コンタクト情報、アカウント情報、Clayからの情報など）はSlackチャンネルに送信され、人間チームが迅速に状況を把握できるようにします。
Gammaによるプレゼンテーション/ランディングページ作成（オプション）: さらに複雑なフローとして、Gammaのようなツールを使って、特定の顧客向けのドラフトプレゼンテーションやランディングページを自動生成することも可能です。
Gmailドラフト作成: 最終的に、生成された情報やコンテンツはGmailのドラフトとして作成され、人間チームが確認・送信できる状態になります。

このフローは、AIエージェント、CRM、自動化ツール、情報収集ツールなどが複雑に連携し、人間が最終的な判断を下すまでのプロセスを高度に自動化していることを示しています。現在の多エージェント管理は、このようなZapierフローのような「ごちゃまぜ」な状態であるものの、これによって膨大な量のコンテキストを管理し、エージェント間の連携を可能にしているのです。

Sasterの最前線：自社開発AI VP of Marketing「10K」

Sasterの多エージェント戦略における最も野心的な取り組みの一つが、自社開発した「AI VP of Marketing (AIVPM)」エージェント、通称「10K」です。これは、単なるコンテンツ生成に留まらない、マーケティング活動全体のオーケストレーションと戦略立案を目的としたものであり、「買うか作るか」の90/10ルールの「10%」に該当する事例です。

なぜマーケティングエージェントを自社開発したのか：オーケストレーションの課題

SasterがAIVPMを自社開発した主な理由は、市場に「コンテンツ生成」以上の真の「オーケストレーション」能力を持つサードパーティー製のマーケティングエージェントが存在しなかったためです。

データドリブンな意思決定の必要性: Sasterは、膨大な内部データ（既存エージェントとのインタラクション、Saster Annualの登録パターン、スポンサーシップデータなど）を持っており、これを活用してよりデータドリブンなマーケティング戦略を実行したいと考えていました。
人間チームのオーバーロード: これまでの経験から、これほど多くのデータを扱い、多様なマーケティング活動をオーケストレーションする実際の人間マーケティング担当者が、そのデータ量と複雑さに圧倒されてしまう現実がありました。
目標達成への推進力: Saster Annualの目標（10,000人の参加者と1,000万ドルの年間収益）達成に向けて、常に軌道に乗せるための推進力が必要でした。

これらの課題を解決し、独自のデータを最大限に活用するために、Sasterは自社でAIVPMを構築する決断を下しました。Jasonは、多くのCMOが実際に作業をせず、他の人に指示を出すだけであると冗談交じりに語りますが、10Kはデータに基づいて指示を出す点で、その「夢の仕事」をAIが実現した形です。

「10K」の構築プロセス：データ選定とClaude Opus、Rubbleの活用

「10K」の構築は、週末を費やして集中的に行われました。

データ選定と準備: Sasterは、既存のエージェントからのデータ、サードパーティー製ツールからのデータ、そしてSalesforceやZapierなどの内部データを含む、大量のデータを収集しました。特に、Saster Annualの過去数年間の登録パターン、スポンサーシップの購買傾向、時間帯によるチケット購入傾向など、目標達成に直接関連する「最高の」データを厳選しました。
Claude Opusによる分析: 収集したデータは、Claude Opus（Claudeの最上位モデル）に投入され、詳細な分析が行われました。Ameliaは、このプロセスで膨大なメモリを消費し、Claude ProプランからMaxプランへのアップグレードが必要だったと述べています。Claude Opusは、これらのデータからパターンを抽出し、マーケティング戦略に関する洞察を生成しました。
RubbleによるWebサイト化: Claudeで生成された分析結果や戦略は、Rubbleというツールを使ってウェブサイトとして公開されました。これは、個人のClaudeチャットではなく、チームメンバー（Jason、David、プロダクションチーム）がアクセス・共有できるようにするためです。

「10K」が提供するアウトプット：戦略ロードマップから日々の実行タスクまで

「10K」は、Sasterに以下のような多層的なアウトプットを提供します。

明確な目標設定: 構築時に「Saster Annualの10,000人の参加者と、今年度の1,000万ドルの収益」という非常に明確な目標を与えられました。
分析とロードマップ: 過去のデータ、エージェントのインタラクション、登録パターンなどを分析し、今後6ヶ月間のマーケティング活動のロードマップを生成します。
高レベルのゲームプラン: 週ごとの累積チケット販売目標に向けた「ゲームプラン」を提示します。これには、アーリーバードキャンペーンや卒業生向けのキャンペーンなどが含まれます。
日々の実行可能なタスク: 各ゲームプランをクリックすると、その下に「毎日実行すべき具体的なタスク」が詳細に記述されています。これには、送信すべきメールの内容、AI SDR（AgentForce, Qualified, Artisanなど）への指示、Jasonのソーシャルメディアへの投稿内容、LinkedIn広告の費用とクリエイティブ案など、極めて詳細な実行レベルの情報が含まれます。
既存戦略の評価: 10Kは、既存のマーケティング活動の中には「中止すべきもの」や「再導入すべきもの」、そして「新しく行うべきもの」をデータに基づいて提案します。

このレベルの粒度とデータに基づいた提案は、人間チームが日々のマーケティング活動に集中し、目標達成に向けて常に最適なアクションを取るための強力な指針となっています。

AIと人間の協調：挑戦、調整、そして最終意思決定の重要性

10Kは、戦略とタスクを提案する強力なツールですが、その提案が常に正しいわけではありません。

人間の挑戦とAIの修正: Ameliaは、10Kが提案した「1月末のキャンペーン」に対し、「あまり緊急性がなく、クリックしたくない」と異議を唱えました。これに対し、10KはデータとAmeliaの指摘を考慮し、「変更すべきだ」と判断しました。これは、AIが人間のフィードバックを受け入れ、自身の提案を修正する能力を持っていることを示しています。
最終意思決定は人間: 最終的な意思決定と実行は、依然として人間チームに委ねられています。10Kは、広告のドラフト作成やメールの送信を直接行うレベルにはまだ至っていません。しかし、AIが生成するデータドリブンな洞察は、人間がより質の高い意思決定を行う上で不可欠な情報源となります。
フォーカスと整理: 10Kの最大の効果は、Ameliaが多くのエージェントと生産目標を管理する中で、「何をすべきか、何に集中すべきか」を毎日教えてくれることです。これにより、人間チームは日々のタスクに圧倒されることなく、戦略的な目標に集中できます。

マーケティングAIツールの未成熟さと今後の可能性

現在のAIマーケティングツールは、コーディングやサポート、セールスツールと比較して、まだ成熟度が低いとSasterは認識しています。だからこそ、Sasterは10Kのような自社開発の必要性を感じました。

しかし、Sasterは「今年後半には、すべてが連携するようになるだろう」と楽観的な見通しを示しています。将来的には、10KのようなAIVPMが、LinkedIn広告やメールプラットフォームなど、他のマーケティングツールと自動的に統合され、戦略立案から実行までを一貫してカバーできるようになるでしょう。これにより、B2Bマーケティングにおける「勘」や「経験則」に頼る時代は終わりを告げ、完全にデータドリブンで自動化された時代が到来するかもしれません。Sasterは、この旅路をコミュニティと共有し、10Kのさらなる進化についても今後詳しく掘り下げていく予定です。

AIエージェントの未来：成熟と統合がもたらすビジネス変革

SasterのAIエージェントに関する経験は、現在のAI技術が到達した地点と、近い将来に実現するであろう未来の姿を鮮明に描き出しています。彼らの見通しは、AIエージェントがビジネスのあらゆる側面に深く統合され、人間とAIが協調する新しい働き方を確立する可能性を示唆しています。

自己学習能力の向上と汎用性の拡大

現状、Sasterは「深いトレーニングを必要とするエージェントは自己学習では対応できない」と見ていますが、同時に「エージェントはどんどん賢くなっている」とも述べています。これは、AIエージェントの自己学習能力が着実に向上していることの証拠です。将来的には、より少ない人間の介入で、エージェントが自律的に学習し、進化していく能力がさらに高まるでしょう。これにより、エージェントの導入と維持にかかるコストと労力が軽減され、より多くの企業がAIエージェントの恩恵を受けられるようになります。

また、特定のタスクに特化していたエージェントが、より汎用的な能力を持つようになる可能性も示唆されています。現在の「ごちゃまぜ」な連携は、個々のエージェントがまだ限定的な能力しか持たないためですが、汎用性の高いエージェントや、異なる役割をシームレスに連携できるエージェントが登場することで、管理の複雑さは大幅に解消されるかもしれません。

マーケティングツールの今後の進化

Sasterの自社開発AIVPM「10K」の事例は、AIマーケティングツールの未成熟さを浮き彫りにしました。しかし、同時に、この分野における急速な進化の可能性も示しています。

オーケストレーションの自動化: 現在、Sasterの10Kは戦略立案とタスク提案に留まっていますが、将来的には、マーケティングキャンペーンのオーケストレーション全体を自動化するツールが登場するでしょう。これにより、LinkedIn広告の作成、メールコピーの生成、ソーシャルメディア投稿のスケジューリングなどが、AIエージェントによって直接実行されるようになります。
データドリブンな意思決定の普及: AIエージェントが提供する膨大なデータと洞察に基づき、マーケティングにおける「勘」や「経験則」の依存度が減少し、全てのキャンペーンがデータドリブンで最適化される時代が来るでしょう。これは、企業がより正確にROIを測定し、マーケティング予算を効果的に配分することを可能にします。

SasterのJasonは、今年後半には、AIマーケティングツールが「すべての作業を代行し、B2Bマーケティングにおいて場当たり的な活動の言い訳は通用しなくなるだろう」と大胆な予測を立てています。

オールインワンプラットフォームの登場による管理の簡素化

現在のSasterの多エージェントシステムは、WebhooksやZapierを駆使した複雑な「ごちゃまぜ」な状態です。しかし、これは初期段階の課題であり、将来的には、複数のエージェントをシームレスに統合し、一元的に管理できる「オールインワンエージェントプラットフォーム」が登場するでしょう。このようなプラットフォームは、異なるAIエージェント間のデータ共有、コンテキストの同期、ワークフローの自動化を容易にし、企業が多エージェントシステムをよりシンプルに運用できるようになります。Sasterは、特定のタスクで最高の出力が得られる専門化されたツールを好んでいますが、管理の簡素化を重視する企業にとっては、オールインワンソリューションが魅力的な選択肢となるでしょう。

人間とAIが協調するワークフローの深化

最終的に、AIエージェントの進化は、人間とAIがより高度に協調するワークフローを確立することを目指しています。Sasterの事例では、10Kが戦略を提案し、人間がそれを評価・挑戦し、AIが修正するという、ダイナミックな相互作用が見られました。この「Human-in-the-Loop（人間参加型）」のアプローチは、AIが膨大なデータを処理し、パターンを特定する能力と、人間が持つ創造性、批判的思考、倫理的判断を組み合わせることで、最大の価値を生み出します。AIエージェントは、人間の能力を拡張し、より戦略的で価値の高いタスクに集中することを可能にする「コパイロット」としての役割を強化していくでしょう。

AIエージェントの未来は、単に技術的な進歩に留まらず、ビジネスの運営方法、仕事の性質、そして人間と技術の関係性を再定義する、広範な変革を約束しています。

まとめ：AIエージェント時代のGTM戦略をリードするために

SasterのAIエージェントに関する包括的な洞察は、現代のGTM戦略においてAIが果たす役割の重要性を明確に示しています。単一のエージェントから20以上のエージェントへの拡大、そしてそれらがもたらす驚異的なビジネスインパクトは、AIがもはや実験段階ではなく、企業の成長を牽引する中核技術であることを物語っています。

しかし、その道のりは決して平坦ではありません。「魔法の杖」のようにすべてを解決するものではなく、日々の献身的なメンテナンス、人間の継続的な介入、そして現実的な期待値の設定が不可欠です。AIエージェントは、人間チームの能力を拡張し、未開拓の機会を追求するための強力なツールであると同時に、その導入と運用には戦略的な思考と細やかな管理が求められます。

Sasterの経験から導かれる主要な教訓は以下の通りです。

段階的な導入と低予算の果実: まずは、GTM戦略において手つかずの領域や、人間のリソースが不足している領域にAIエージェントを適用することで、リスクを抑えながら大きな成果を狙いましょう。
データ駆動型のアプローチ: AIエージェントに「最良の人間オペレーション」と豊富なコンテキストを提供するために、まず自社の既存データを深く分析し、「何が機能するのか」を明確に理解することが不可欠です。
ハイパーセグメンテーションの徹底: 広範な「スプレー＆プレイ」ではなく、ターゲットオーディエンスを詳細にセグメント化し、それぞれに最適化されたコンテキストとメッセージをAIエージェントに与えることで、コミュニケーションの質を高めます。
「できないこと」の明確化: AIエージェントに「できること」だけでなく、「できないこと」を明確に指示することで、不適切な情報の生成や約束を未然に防ぎます。
「買うか、作るか」の賢明な判断: AIスタックの90%は既成の専門ツールを購入し、残りの10%は、市場に適切なソリューションがなく、かつ自社の競争優位性に直結するP1優先度の領域でのみ自社開発を検討します。
ベンダーとの透明な対話: 導入を検討する際は、セールス担当者ではなく、デプロイメントの専門家と正直に話し合い、初期のFTEサポートを要求し、直感を信じてツールを選定しましょう。
統合と管理の現実: 現在の多エージェント環境は、WebhooksやZapierを駆使した複雑な連携の上に成り立っています。Salesforceのようなシステムを「信頼できる唯一の情報源」として活用し、データの一元管理とコンテキスト共有を徹底することが重要です。
人間とAIの協調: AIエージェントは、人間のコパイロットとして機能し、戦略立案から実行までをサポートします。最終的な意思決定は人間に委ねつつ、AIが提供するデータドリブンな洞察を最大限に活用し、互いの強みを活かし合うワークフローを構築しましょう。

AIエージェントの技術は急速に進化しており、マーケティングツールの成熟やオールインワンプラットフォームの登場により、将来的な管理はより簡素化されるでしょう。しかし、この変革期において成功を収める企業は、最新技術を単に導入するだけでなく、その真のポテンシャルを理解し、戦略的に統合し、継続的に最適化していく洞察力と実行力を持つ企業です。Sasterの事例は、私たちがいかにしてこのAIエージェント時代をリードできるかを示す、実践的な手引となるでしょう。