StackAdaptのIvyに広告を任せる？｜人が決める線と根拠の読み方

「配信基盤のAIが入札も予算の付け替えもやってくれるなら、運用担当は何を見ていればいいのか」「BtoBは成果が月に数十件しかないのに、AIに学習させて本当に当たるのか」——海外の配信基盤を比べ始めたBtoBの広告担当から、決まって出てくる二つの問いです。事実から見ると、カナダの StackAdapt は2026年7月28日、AIアシスタント Ivy を広げた Ivy Studio を公開し、計画・予測・分析・最適化・実行を一つの画面で会話しながら進められると発表しました。5月20日の年次イベントでは、配信の状況を見張って次の一手を示す指令画面の先行公開も行っています。AIに任せられるようになったのは計画と調整の下ごしらえであり、何を成果と呼び、どこに出さず、いくらまで使うかを決める仕事ではありません。この記事では、BtoBの運用型広告で Ivy に配信計画・入札・予算の付け替えを任せるときの手順と、人が先に決める線、提案の根拠の読み方、成果データが少ないことによる限界、日本で使うときの確かめ方を整理します。

StackAdapt は、カナダ発の運用型広告の配信基盤

StackAdapt は、カナダのトロントに本拠を置く運用型広告の配信基盤です。広告主や代理店が自分で画面を操作して配信を組む形を基本とし、報道によれば配信先はネット接続のテレビ、ディスプレイ、記事になじむ形の広告、音声、デジタル屋外広告、メールなど幅広い面にまたがります。いわゆる買い手側の配信基盤で、表示の機会ごとに入札して広告を出す仕組みそのものは、他の配信基盤と変わりません。運用型ディスプレイ広告の仕組みの一般論は別の記事で扱っているため、ここでは繰り返しません。

BtoBの広告主が多いのがこの基盤の特徴で、企業単位で狙う配信（いわゆる ABM）のための連携を年々足してきました。HubSpot の公式アプリ一覧には StackAdapt の認定アプリが載っており、HubSpot で作った企業の一覧を配信の対象として同期できると説明されています。2025年11月には、海外の購買意図データの提供会社3社との連携を追加したと発表しました。2026年2月には欧州と米国のあいだのデータ移転の枠組みの認証を取得したとも報じられています。

この記事が扱うのは、こうした配信基盤の上に載ったAIアシスタント Ivy に、BtoBの広告運用のどこまでを任せ、どこを人が握るかです。広告運用ツール全般でAIが何を担うようになったかは別の記事で整理しているので、ここでは Ivy という製品の公表内容に即して、社内に入れてよいかの判断材料に絞ります。

2026年の発表を日付で並べる：5月の先行公開から7月の Ivy Studio まで

Ivy そのものは、2025年7月に画面の中のアシスタントとして始まりました。報道によれば当初は、ネット接続のテレビ広告の単価の目安や、広告の入稿仕様といった質問に答える役回りでした。それが2026年に入って、質問に答える道具から、計画を組み、配信を動かす道具へと広がっています。5月5日には、OpenAI が進める ChatGPT 広告の試験に、技術パートナーの一社として加わったと発表しました。

5月20日、米国テキサス州オースティンで開いた年次イベントでは、いくつかの機能をまとめて発表しています。配信の進み具合、広告素材の効き目、見込み客の反応を見張り、気づいた点に次の一手を添えて示す指令画面（先行公開）。Ivy を全画面の会話型の作業場に広げた Ivy Studio（先行公開）と、その中で自社の業務の進め方・用語・優先順位をアシスタントに覚えさせる「スキル」。既存の素材から動画広告を作るAIの動画作成機能（ベータ）。さらに、広告に触れたことと成果を結び付けて媒体をまたいだ経路を組み立てる計測機能を正式に提供し、社内の分析では成果の41パーセントが有料のクリックを経ずに起きていたと説明しました。

そして7月28日、Ivy Studio を正式に公開しました。配信基盤の中に組み込まれた自然言語の作業場で、計画・予測・分析・最適化・実行を一つにまとめるとしています。発表では、社内の従業員が週に1万5千件を超えるAI支援の作業を回しており、利用のほぼ7割が重要な上位20の作業に集中していると述べています。ただしこの数字は社内での利用であって、顧客の利用実績ではありません。OpenAI の言語モデルを使って広告向けの機能を作っているとも説明していますが、どのモデルをどこで使うかは示していません。

前提：Ivy が「提案する」ことと「実行する」ことを分けて読む

公表資料を読むときに最初に分けておきたいのは、Ivy が示すことと、Ivy が実際に動かすことの違いです。7月の発表は、実行も Ivy Studio の役割に含め、見込み客の探索、成果の評価、予測、機会の発見、そして操作までを一つの画面で行えると書いています。一方で、報道各社の検証記事が指摘しているとおり、どの操作が人の承認なしに動き、どの操作に承認が要るのかは、公表資料には書かれていません。指令画面についても、説明は「透明性と管理を保ちながら」という一言にとどまります。

このため、社内で任せる範囲を決めるときは、製品の説明ではなく、自社の契約と設定で何ができるかを先に確かめます。具体的には、Ivy の提案を受けて入札や予算を変える操作が、提案を押した人の権限で即座に反映されるのか、別の承認を挟めるのか、変更の記録が誰の名前で残るのかの三点です。この三点に答えが出るまでは、Ivy は「提案する道具」として扱い、実行は人の手に残すのが安全です。

以下の手順は、提案と実行を分けたうえで、どこから任せていくかの順番を示しています。

手順1：成果の定義を人が書く

AIの最適化は、渡された成果に向かって配信を寄せていきます。BtoBでは、この成果の選び方で結果が大きく変わります。資料のダウンロードを成果にすれば、資料を取りやすい人、つまり学生や競合の担当者や情報収集だけの人にも配信が寄っていきます。商談化や受注を成果にすれば質は上がりますが、件数が少なすぎてAIが学べません。どの段階を目標にするかは、営業と合意したうえで人が決めることで、AIに選ばせてはいけません

実務では、AIに渡す成果と、人が評価に使う成果を分けておくのが現実的です。たとえば、AIには問い合わせフォームの送信や価格ページの閲覧といった件数の出る行動を目標として渡し、人は月に一度、その成果のうち何件が商談になったかを営業の記録で確かめます。AIの目標と、事業の評価の物差しを混同しないことが、BtoBで配信基盤のAIを使う最初の線です。

計測の仕組みも、この段階で整えます。StackAdapt は自社の計測タグで、広告に触れたことと成果を結び付けると説明しています。タグをどのページに置き、どの行動を成果として数えるかは、広告担当だけで決めずに、サイトの管理者と、個人に関わる情報の扱いを見る担当とで確かめておきます。ここが曖昧なまま Ivy に最適化を頼むと、AIは数え方の誤りごと学んでしまいます。

手順2：出さない先を先に決める

次に決めるのが、広告を出さない先です。BtoBでは、既存の顧客、競合他社、採用目的の求職者、取引の対象にならない業種や規模の企業など、配信しても意味がないか、出すと困る相手がはっきりしています。企業単位で狙う配信を使うなら、対象の一覧と同じくらい、除外の一覧を誰が作り、いつ更新するかを決めておくことが大切です。HubSpot と連携する場合も、同期される一覧の定義は HubSpot 側で人が管理します。

ブランドの安全、つまり自社の広告がどんなページや番組の横に出てよいかも、人が決める線です。配信基盤には、配信先の種類やカテゴリを絞る設定があるのが一般的ですが、どこまでを許すかは会社の方針で、AIの最適化にとっては成果を下げる制約にすぎません。AIは成果のために除外を緩めたくなる立場にあると考えて、除外の設定は Ivy の提案で変えない項目として扱います。

• 成果の件数を増やすために、AIの提案で除外の一覧を外してしまう
• 既存の顧客を除外し忘れ、取引中の会社に獲得向けの広告を出し続ける
• 配信先のカテゴリ制限を、担当者の判断でその場で緩める
• 除外の一覧の更新担当が決まっておらず、半年前の一覧のまま配信する

手順3：上限額と付け替えの幅を数字で決める

AIに予算の付け替えを任せるなら、動かしてよい範囲を数字で渡します。決めておきたいのは、月の総額、日ごとの上限、媒体ごとの上限、そして一度の付け替えで動かしてよい幅です。たとえば、ネット接続のテレビ広告とディスプレイ広告のあいだで予算を移すとしても、一度に動かすのは各媒体の予算の何割まで、と決めておけば、AIの判断が外れても被害は小さく済みます

この幅を超える変更は、必ず人の承認を挟みます。報道で伝えられた ChatGPT 広告の試験では、最低出稿額の条件について報じる内容が食い違っていました。新しい配信面ほど単価や条件が動きやすく、AIの提案に従って予算を寄せた結果、想定より高い単価で消化してしまうことも起こり得ます。新しい配信面への予算の付け替えは、AIの提案があっても人が決める項目に入れておきます。

上限額は、配信基盤の設定に入れるだけでなく、社内の稟議の金額とも突き合わせておきます。広告費は月ごとに請求されるため、配信基盤の中で付け替えが続いても、総額が稟議の範囲に収まっていれば経理の問題にはなりません。逆に、媒体の追加で総額が増える変更は、AIの提案で始めてはいけない変更です。

手順4：計画の依頼は「スキル」で型にする

Ivy Studio には、自社の業務の進め方・用語・優先順位をアシスタントに覚えさせるスキルの仕組みがあると発表されています。7月の発表に寄せた顧客の声では、カナダのメディア会社の運用担当が、複数の配信の定型の数値報告を一つの形にまとめるのに使っていると述べています。会話で頼める道具ほど、頼み方が担当者ごとにばらつきます。スキルは、そのばらつきを抑えるための道具として使うのが合っています。

BtoBの広告運用で型にしておきたいのは、たとえば次のような依頼です。新しい製品の認知向けに、対象業種と予算の範囲を渡して配信計画の案を作らせる依頼。週次の振り返りで、媒体ごとの消化と成果を同じ形式でまとめさせる依頼。予算の付け替えの提案を出させるときに、必ず根拠の数字と比べた期間を添えさせる依頼。型には、AIに決めさせない項目（成果の定義・除外・上限額）を明記しておくと、担当者が替わっても線が崩れません。

スキルを誰が作り、誰が直してよいかも決めておきます。運用担当の一人が自由に書き換えられると、気づかないうちに型の中の制約が外れることがあります。スキルの中身を、広告の責任者が承認した版として残し、変更したら記録する、という扱いにしておくと安心です。

手順5：提案の根拠を読む——何を見て、そう言ったのか

Ivy や指令画面が示す提案は、配信の進み具合、素材の効き目、見込み客の反応といった数字をもとにしています。提案を採る前に人が確かめたいのは、どの数字の、どの期間を見て、何と比べた提案かの三点です。たとえば「この素材の配信を増やすべき」という提案が、直近3日の少ないクリックだけを根拠にしているなら、偶然の揺れを拾っているだけかもしれません。

根拠を読むときは、次の問いを持っておくと判断が速くなります。その数字の件数は十分か。比べた期間に祝日や展示会のような特殊な事情はなかったか。成果として数えているのは、手順1で決めた定義どおりか。根拠を示せない提案、件数が少なすぎる提案は採らないと決めておけば、AIの言い切りに引っ張られずに済みます。

AIに判断させないことも決めておきます。素材の表現が自社の製品の説明として正しいか、競合との比較の書き方が誇大になっていないかは、配信の数字からは分かりません。動画作成の機能で作った広告も同じで、成果が良くても、表現として出してよいかは人が確かめます。数字はAIが読み、意味は人が判断する、という分担です。

手順6：予算の付け替えは、承認者と記録を決めてから

提案を採ると決めたら、誰がその変更を承認し、記録がどう残るかを決めておきます。前提の節で触れたとおり、Ivy の提案を押したときに変更が即座に反映されるのか、承認を挟めるのかは公表資料からは読み取れません。承認の仕組みが製品の中に無いなら、製品の外に承認の手順を作ります

製品の外に作る場合は、付け替えの提案を週に一度まとめ、広告の責任者が採るものを選び、運用担当が反映する、という形が現実的です。手順3で決めた幅の中の変更は運用担当に任せ、幅を超える変更だけを責任者に上げる、という二段にしておくと、確認の負担も抑えられます。誰がいつ何を変えたかは、配信基盤の変更履歴と社内の記録の両方に残すと、後から成果の変化を説明できます。

代理店に運用を任せている場合は、代理店の担当者が Ivy を使うことになります。この場合は、代理店がAIの提案で何を変えてよいか、変えたらいつ報告するかを、契約か運用の取り決めに書いておきます。広告主の側でアカウントを見られる権限を持っておくことも、確認のために欠かせません。

手順7：週次で点検し、止める手順を持つ

AIに調整を任せたあとも、点検は人が続けます。週次で見たいのは、媒体ごとの消化が上限の範囲に収まっているか、除外の設定が変わっていないか、そして成果の質です。成果の質は配信基盤の画面だけでは分かりません。問い合わせのうち何件が営業の基準を満たしたかを、営業の記録と突き合わせて初めて、AIの最適化が事業に効いているかが分かります。

止める基準も、始める前に書いておきます。たとえば、成果の単価が2週続けて事前に決めた値を超えた、営業から見て対象外の企業からの問い合わせが増えた、除外していたはずの面に配信が出た、といった事象です。止めるのはAIの調整だけか、配信全体かも分けておくと、慌てずに済みます。AIの提案の反映をやめて人の手の運用に戻すだけなら、配信を止める必要はありません。

点検の担当が一人だと、休暇や異動で抜けが出ます。週次の点検は、運用担当と広告の責任者の二人で見る形にしておき、点検の結果を短く残しておくと、次の担当に引き継げます。

BtoBの少ない成果データで、AIの学習が効きにくい理由

配信基盤のAIの最適化は、多くの成果の記録から「どんな表示が成果につながったか」を学ぶことで精度を上げます。消費者向けの通販のように、毎日何百件も購入が起きる広告主なら、学習の材料は十分です。ところがBtoBでは、問い合わせが月に数十件、商談が十件前後、受注は数件という規模が珍しくありません。この件数では、AIが偶然の揺れと本当の傾向を見分けにくくなります。

さらに、BtoBでは広告に触れてから受注までに数か月かかることがあります。AIが学ぶのは直近の成果ですが、その成果が本当に良い商談だったかは、数か月後にしか分かりません。StackAdapt が示した、成果の41パーセントが有料のクリックを経ずに起きているという社内の分析は、広告の効果をクリックだけで測ると見誤ることを示していますが、経路の推定そのものも、件数が少ないほど不確かになります。

この限界を前提にすると、BtoBで Ivy に任せる範囲は、件数の出る中間の成果に向けた調整と、報告や計画の下ごしらえが中心になります。受注に効いたかどうかの判断は、営業の記録と合わせて人が行います。AIの提案を毎週そのまま採るより、月に一度の振り返りで傾向を確かめてから大きく動かすほうが、BtoBでは外れにくい運用です。

企業単位の配信と、購買意図データを使うときの注意

企業単位で狙う配信では、どの企業の誰に広告が届くかが、外部のデータの質に左右されます。StackAdapt は HubSpot の企業の一覧を同期して配信の対象にできるほか、2025年11月には海外の購買意図データの提供会社との連携を発表しました。ただし、報道では一部のデータは主に北米向けの配信で使うものと説明されています。日本の企業を狙う配信で同じ精度が出るかは、契約前に確かめる必要があります。

確かめ方は単純で、自社の対象企業の一覧を渡して、そのうち何社が配信の対象として識別できるかを見せてもらいます。識別できる割合が低ければ、企業単位の配信は名ばかりになり、AIの最適化も広い範囲の人に向かって動いてしまいます。対象企業の識別率は、AIの機能より先に確かめる数字です。

顧客管理の一覧を配信基盤に渡すことは、社外にデータを出すことでもあります。HubSpot から同期するのが企業名だけなのか、担当者の連絡先まで含むのかで、扱いは変わります。個人に関わる情報を渡すなら、国外の事業者への提供として、自社の個人情報の取り扱いの方針と、本人への説明に照らして問題がないかを、法務やプライバシーの担当と確かめておきます。

日本で使うときに確かめること：配信面・契約・ChatGPT 広告

StackAdapt は2024年9月に日本の事業責任者を置いたと報じられ、2026年7月にも日本の営業責任者の求人を出しています。日本向けの営業体制はあるものの、報道で確認できた範囲では東京の拠点の開設は発表されていません。日本で使うときは、日本の配信面がどれだけ買えるかを最初に確かめます。ネット接続のテレビやデジタル屋外広告は国ごとに買える在庫が大きく違うため、海外の事例の数字はそのまま当てになりません。

契約の面では、直接契約か代理店経由か、請求の通貨、最低出稿額、データの保存場所と保存期間、AIの機能に送られる配信データの扱いを確かめます。Ivy Studio は OpenAI の言語モデルを使っていると説明されていますが、配信データがどの範囲でAIの処理に送られ、学習に使われるかは公表資料に書かれていません。契約書と利用規約で確かめ、不明な点は書面で回答をもらっておきます。

ChatGPT 広告の試験への参加は話題になりましたが、ChatGPT 広告そのものの一般論は別の記事に譲ります。ここで押さえておきたいのは、報道によればアジアの市場で ChatGPT 広告が始まった際、技術パートナー経由で予算を流せるかは公式の資料で明示されていなかったことです。日本で StackAdapt 経由で ChatGPT 広告を出せるかは、現時点では提供元に直接確かめるべき事項です。

• 郵送の広告を自動で送る機能は、発表時点で米国のみの提供とされている
• 指令画面と Ivy Studio の機能の一部は先行公開として発表されたもので、提供範囲は契約時に確かめる
• 社内での週1万5千件という利用件数は、StackAdapt の従業員による利用の数字である

費用の増え方と、やめるときの段取り

StackAdapt の料金は公表されておらず、Ivy Studio の追加料金の有無も発表には書かれていません。費用を見積もるときは、広告費そのもの、配信基盤の手数料、外部データの利用料、代理店を使う場合の運用手数料を分けて考えます。AIの機能で運用の手間が減っても、広告費が減るわけではありません。手間が減ったぶん配信の媒体を増やせば、総額はむしろ増えます。

人とAIの分担を決めたら、それを表にして社内で共有しておくと、費用の増え方も見通しやすくなります。

項目	Ivy に任せてよいこと	人が決めること
成果	決めた成果に向けた配信の調整	どの段階を成果とするか・営業との合意
配信先	許した範囲の中での配分	除外の一覧・ブランドの安全の基準
予算	決めた幅の中での付け替えの提案	総額・上限・新しい配信面への投入
素材	効き目の比較・動画の下書き	表現として出してよいか
報告	数値報告の取りまとめ	受注に効いたかの判断
停止	異常の検知と通知	止める基準と、止める判断

やめるときに備えて、計測タグをどのページに置いたか、どの一覧を同期したかを台帳にしておきます。解約後もタグが残っていれば、閲覧の情報が送られ続けることになります。過去の配信の成果データを書き出せるか、同期した顧客管理の一覧が削除されるかも、契約前に確かめておくと、乗り換えの判断がしやすくなります。

よくある質問

Ivy の提案は、そのまま採っても大丈夫ですか

決めた幅の中の小さな調整なら、根拠を確かめたうえで採ってかまいません。ただし、成果の定義、除外の一覧、上限額、新しい配信面への投入に関わる提案は、人が判断します。BtoBでは成果の件数が少ないため、直近の数日の数字だけを根拠にした提案は、偶然の揺れを拾っていることがあります。

代理店に運用を任せていても、この記事の手順は必要ですか

必要です。成果の定義、除外、上限額は広告主の側で決めることで、代理店が Ivy を使うかどうかに関わらず変わりません。代理店がAIの提案で何を変えてよいかと、変えたときの報告の仕方を取り決めに書いておき、広告主もアカウントを見られる権限を持っておきます。

日本の企業だけを狙う配信でも使えますか

使えるかどうかは、日本の配信面の在庫と、対象企業の識別率で決まります。購買意図データの一部は主に北米向けと説明されているため、自社の対象企業の一覧を渡して何社を識別できるかを、契約前に確かめてください。

まとめ

StackAdapt は2026年、AIアシスタント Ivy を、質問に答える道具から計画と配信の調整を担う作業場へと広げました。ただし公表資料は、どの操作が承認なしで動くかまでは示していません。BtoBで任せるなら、成果の定義・出さない先・上限額と付け替えの幅を人が先に数字で決め、提案は根拠を読んでから採るという順番を守ることです。成果の件数が少ないBtoBでは、AIの学習には限界があり、受注に効いたかの判断は営業の記録と合わせて人が行います。日本で使うなら、配信面の在庫、対象企業の識別率、配信データの扱いを契約前に確かめてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。