アドビの調査レポート「AI and Digital Trends 2026年版」

過去3年間は、パンデミック後の新常態への適応からAIなどの新興技術の急速な普及まで、市場に大きな変化をもたらしました。組織は、この期間中にパーソナライズ機能（70%がこの指標が多少または大幅に改善したと回答）、リードジェネレーション（64%）、顧客維持（59%）など、主要なCXパフォーマンス指標で測定可能な改善を報告しています。しかし、これらの成果は、デジタルCX成熟度に対する控えめな自己評価と共存しており、半数以上（57%）が自社は同業他社と同等または遅れていると回答し、約3分の1（36%）のみが業界をリードしていると考えています。

デジタル機能に対する疑問があるにもかかわらず、組織は生成AIの導入において一定の進歩を遂げています。マーケティングコンテンツ制作からカスタマーサポート、パーソナライズ機能、バックオフィス業務まで、調査対象となったほとんどの顧客体験ワークフローにおいて、生成AIの実験は広く行われており、これらの分野で限定的なパイロットプログラムを実施している組織は約4分の1から3分の1に上ります。大多数の組織が、コンテンツのアイデア創出と本番、従業員の生産性と効率性、さらにはマーケティング主導の収益成長を含む分野で、生成AIによる改善を報告しています。（図1）

組織は生成AIとエージェント型AIの拡張に意欲的ですが、多くの場合組織全体の導入をサポートするために必要な基盤ツール、データ構造、測定手法において依然として不足しています。半数以上（53%）が、コンテンツサプライチェーンは依然として主に線形でリソース集約的であると回答し、ジャーニー設計やオムニチャネルアクティベーションに生成AIやエージェント型AIを使用しているのはわずか47%です。これらは大規模なパーソナライゼーションの提供に不可欠な機能です。

組織にとって大きな課題の一つは、エージェント型AIに必要なサポートインフラが不足していることです。エージェント型AIに対応するクラウドベースの技術を持つ組織は51%にとどまり、生成AIをサポートする技術を持つ組織の89%と比べて大幅に少ない状況です。責任ある利用ガイドライン、統合ツール、お客様データプラットフォーム、データ管理プロセス、従業員トレーニングへの投資は、すべて生成AIと比較してエージェント型AIでは大幅に低くなっています。

AIの真の影響を測定し伝達する能力は、依然として重要な障害となっています。AI成功の評価で最も重要なメトリクスについて尋ねられると、組織は圧倒的に顧客満足度とロイヤルティメトリクス（NPS）、リテンション、チャーンなどを指摘します。しかし、52%が、組織はCX関連メトリクスを使用してAI投資の測定可能なリターンを実証するのに苦労していると回答し、半数以上（56%）が組織のリーダーシップはAIイニシアチブの成功を評価する際に純粋に財務的な成果を優先すると報告しています。

AI全般においてROIをトラッキングするツールは未発達のままです。生成AI用の測定フレームワークを実装しているのは44%のみで、エージェント型AIではさらに少なく（31%）なっています。ほぼ半数（47%）は、どちらのフレームワークも導入しておらず、存在するかどうかも不明です。

AI導入における社内課題は、高まる顧客の期待に応える組織の能力を制限しています。顧客は関連性、明確さ、利便性を重視し、ブランドが期待に応えられなければ迅速に反応します。顧客の半数は、プロモーションが関連性に欠けたりタイミングが悪かったりするとブランドとの関係を断つと回答し、45%は関連性の有無にかかわらず、プロモーションが多すぎるとブランドとの関係を断つと回答しています。エンゲージメントの最適なタイミングは短時間です。顧客の半数は、プロモーションコンテンツが注目を集めるのに2～5秒かかると回答し、約5分の1は2秒未満で判断すると回答しています。エンゲージメントを促進する主な要因は、即時性のある個人的な関連性、独自のコンテンツ、ビジュアルとサウンド、そして特別オファーです。

一貫して関連性の高い体験を提供するには、統合された高品質データで訓練されたAIと、そのデータにリアルタイムで対応する能力が必要です。しかし、法人企業の半数未満（44%）のみが、現在のデータ品質とアクセシビリティがAI全般に適切であると回答し、わずか39%しかエージェント型AIをサポートできる共有顧客データプラットフォームを保有していません。

組織が問題を認識しているにもかかわらず、この準備格差は依然として存在しています。AI投資の優先事項について尋ねたところ、データの品質、統合、ガバナンスを最優先事項として挙げたのはわずか32%で、データの価値と理解の向上を優先したのはわずか20%でした。これは、52%が現在のデータ統合と構造がAIイニシアチブの推進を制限していると認めたということです。75%がデータ統合と品質をエージェントAIソリューションの実装における最大の課題として挙げているにもかかわらずです。データ統合は、関連する人材の不足やスキルアップのためのリソースの不足（71%）、投資対効果やビジネスケースの不明確さ（68%）といった他の課題よりも上位にランクされています。

こうした制約は、データだけにとどまらず、コンテンツや体験の運用全般に及んでいます。デジタルショッピング体験を巡る上でAIを活用した検索ツールを利用する顧客が増えているにもかかわらず、AIを活用したコンテンツ最適化の準備を進めている組織はわずか54%にとどまっています。さらに、AIエージェントや会話型インターフェースによって生成されるあらゆるデータからインサイトを抽出できる統合顧客データ基盤を整備している組織はわずか39%にとどまっています。

経営陣と現場の実務者の間の認識の違いが、AI導入の進歩を阻害しています。両グループともAI投資の大きな優先事項（パーソナライズ機能、顧客満足度、ワークフローオートメーション）については合意していますが、準備状況、影響、パフォーマンスに関する見解は一貫して異なっています。

回答者の約3分の1は、組織内の経営幹部と現場担当者のAI戦略に関する認識にズレがあると回答し、47%は部分的な一致が精一杯だと答えています。認識のズレを助長する要因としては、AI目標の明確な伝達（72%）、協力的なプランニング（69%）、経営陣の強力なサポート（59%）などが挙げられます。認識のズレを引き起こす最大の課題は、経営幹部のAIに対する誤解（61%）であり、変化や技術導入への抵抗（52%）、AIの役割に関するコミュニケーション不足（52%）、AIの価値とROIの測定が不明確（39%）といった他の要因を上回っています。

これらの違いは、各グループがAI投資の目標をどのように定義するかに現れています。現場担当者は経営陣よりも、コンテンツ制作や業務アクティベーションなど、より良い体験を提供するための業務上の現実に焦点を当てる傾向があります。一方、経営陣は収益成長や顧客満足度などの目標を重視する傾向があります。（図5）財務成果はほとんどの回答者にとって優先事項ですが、経営陣の62%が業務効率やコスト削減などのメトリクスを最優先または重要な優先事項と考えているのに対し、現場担当者は54%にとどまっています。