企業間AIエージェント連携の可能性と実現する仕組み
――実際に、どんな仕組みを構築されたのですか？
柴山：ひとことで言うと、ニーズや購買の分析から動画広告生成までを自動で行う仕組みです。
まず、メルカリさんにある購買データと、当社の持つトレンドデータなどを組み合わせ、どういった商品がどの程度購入されそうなのかを分析します。次に、その商品群に対してどのようなクリエイティブが有効かを判断し、そして動画広告を生成します。
従来、人が手作業で行っていた提案は、いわば“最大公約数的”な数案に留まっていましたが、自動化によって、細かなニーズを捉えた大量の案を提示できるようになりました。これに伴い、人間側の役割は「ゼロからアイデアを作る」フェーズから、「膨大な選択肢から最適なものを選び、磨き上げる」フェーズへとシフトしました。
画像右の「Execution Canvas」は、指示内容に対してその都度AIが構築した最適なフローを可視化するパネル
（クリックで拡大）
――具体的に、A2A基盤を実現する技術について教えてください。現状と、重要なポイントは何でしょうか？
柴山：現在、メルカリさんのデータと我々のAIエージェントの機能を連携し、広告制作を自律的に実行するプロトタイプが完成しています。メルカリさんの分析エージェントとの直接の対話は、まさにこの先の本格的なA2A基盤における中核となります。
重要な点は、「AIエージェントが正しい分析を精度高く出せるか」「AIエージェント間の会話で、それがねじ曲がらないか」「情報に必要な保護がなされているか（ガードレール）」など、多岐にわたります。
企業の生命線を守る「Zero Data Sharing」の思想
――なるほど。企業がAI、特に外部のLLMを活用する上で、最も懸念されるのがセキュリティとデータの取り扱いではないかと思います。今回、キーワードとして「Zero Data Sharing」を掲げられていますね。
柴山：はい。A2Aでは、人がAIを使うのと異なり、人のチェックなしにAIエージェント間で会話する領域が生まれます。そこで、設計の意図通りに会話できるかの検証は、極めて重要です。
Zero Data Sharingとは、自社のデータをパートナー（今回はHakuhodo DY ONE）には渡さず、セキュアな環境でLLMによって分析された結果のみをパートナーへ渡すアプローチです。企業にとって、自社の一次データや秘匿性の高いマーケティング戦略は生命線です。これらを、外部の企業へ多様な軸での分析が可能な「生データ」で渡すことは難しいです。結果、分析の結果を渡すために人力で分析や加工を行って連携している実態があります。
このプロセスをA2Aで再現し、自動化しようとする試みがZero Data Sharingとなります。今まで人が担っていた役割をAIエージェントが代替する。人がチェックしていた部分をAIへ委ねるという形になりますので、AIエージェントの会話（出力）が、意図したとおりにコミュニケーションしてくれるかの設計が、とても重要になってきます。
ガードレールが正しく機能するよう、NVIDIAのNVIDIA NeMo-Agent-ToolkitやBlueprintなどを主軸に、多くのAgent構築のシステムの活用、また一部はスクラッチの開発を含めて進めています。
――今回のPoCにおいて、具体的にどのような成果が得られていますか？
石渡：やはり、データ抽出やチェックなどの人的な工数は圧倒的に減りました。クリエイティブも圧倒的に幅が広がりました。メルカリは商品カテゴリーが広く、買う側・売る側の両方のお客さまに訴求できるので、まだまだ実行の余地があります。
たとえば「袴」だと、ボリュームは決して大きくなく、訴求期間も限られます。ですがAI分析でインサイトを抽出し、制作を高速化・省力化したことで、広告をタイムリーに打ち出せるようになりました。
