Latest / M365.FM – Microsoft 365・Copilot・AI ポッドキャスト（日本語） / Microsoft Designer：AIでレイアウト・ブランドカラー・共同作業の時間を毎週何時間も削減（AI吹き替え）

Transcript

Microsoft Designer：AIでレイアウト・ブランドカラー・共同作業の時間を毎週何時間も削減（AI吹き替え） · M365.FM – Microsoft 365・Copilot・AI ポッドキャスト（日本語）

0:00
マイクロソフト365、コパイロット、AI、アジュール、そして働き方の未来を切り開く人々と過ごす10日間の準備はできていますか?
0:07
この1月、M365コンが帰ってきます。さらに規模を拡大して開催します。
0:12
世界中のMVPや業界の専門家によるライブセッション、実践的なデモ、役立つ知識をぜひ体験してください。
0:18
ありきたりなスライドは使いません。中身のない流行り言葉も並べません。
0:22
コパイロットスタジオ、AIエージェント、ファブリック、セキュリティ、ガバナンス、自動化といった現実の課題に取り組みます。
0:29
ITプロフェッショナル、開発者、ビジネスリーダーのどなたにも最適なセッションをご用意しています。
0:35
10日間のフル開催で多様なテクノロジーを探求し、グローバルなコミュニティとつながることができます。
0:40
ライブで視聴し、実践的な知見を組織に持ち帰りましょう。
0:45
2027年1月、10日間、一つのマイクロソフトコミュニティ。
0:49
ただいま登録受付中です。今すぐお申し込みください。
0:54
サイトはm365コン.netです。
0:59
m365コン.netから今すぐ参加登録を、1月のライブでお会いしましょう。
1:05
パワーポイントのスライド調整に何時間も費やしたのに、後からブランドカラーが変わってしまった経験はありませんか?
1:10
もし、マウスに触れることなく、マイクロソフトデザイナーが数秒でその作業を完了させるとしたらどうでしょう?
1:15
重要なのは、単に早いだけではなく、作業を通じてあなたのスタイルを学習する点です。
1:20
今日は、退屈な素材作成から解放される方法と、それがマーケティングチームの働き方をどう変えるのかをご紹介します。
1:27
問いかけたいのは、あなたのブランドアイデンティティをAIに任せる準備ができているかということです。
1:31
手作業の修正から機械の知能へ、マーケティング用チラシやプレゼン資料を作成したことがある方なら、わずかな修正がいかに午後を丸ごと奪ってしまうかご存知でしょう。
1:42
テキストボックスを0.5ミリ単位で写真に合わせたり、上層部の好みに合わせて画像を差し替えたり、見出しのフォントサイズを正確に企業規定通りにしたり、本当の楽しさはそこから始まります。
1:55
他の誰かがファイルを開いて変更を加えると、どれが最終版かを確認するためにバージョンを比較する羽目になります。
2:01
これは単に退屈なだけでなく、クリエイティブな仕事に充てるべき時間を少しずつ奪っていきます。
2:06
最も時間がかかるのは目立つ修正ではなく、ロゴを少しずらしたり、青の色味を承認済みパレットに合わせたり、過剰書きの本との太さを調整したりする、終わりのない細かいフィードバックです。
2:20
まさに、塵も積もれば山となるような微調整の連続であり、グループプロジェクトではそれがさらに増幅されます。
2:26
ブランドイメージを保つために、10回も12回もやり取りを繰り返すのは珍しいことではありません。
2:31
そこで、マイクロソフトデザイナーに組み込まれたAIが方程式を一変させます。
2:36
ブランドキットや色、本と、ロゴ、画像のスタイルを学習させると、それらを自動的に適用し始めます。
2:43
テキストと画像を読み込ませるだけで、見出しの本とは32ポイント、ボタンはネイビーのカラーコード、写真は暖色系といったルールに従ったレイアウトが構築されます。
2:53
デザイン要素を一つ一つ手作業で確認する代わりに、最初から一貫性のある状態で作業を開始できるのです。
2:58
具体的な例で、その違いを考えてみましょう。
3:02
これまでは、製品発表のチラシを作るには、パワーポイントやインデザインの白紙のファイルを開き、手作業でスタイルを設定し、テキストを配置し、プレースホルダーの色を置き換える必要がありました。
3:13
デザイナーなら、見出し、サブテキスト、製品画像を入力するだけで、AIが数秒のうちにブランドルールに沿った洗練されたドラフトを5、6個作成します。
3:22
要素の順序を微調整することはあっても、構造はすでに完成しているのです。
3:28
先日話したあるマーケティングマネージャーは、季節のキャンペーン作業に追われていました。
3:33
デザイナーを使う前は、デザインのサイクルごとに約6時間を費やしており、そのほとんどがレイアウトの微調整などの事務的な作業でした。
3:41
導入後は、スタイルや品質を損なうことなく、同じ作業を1時間強しにまで短縮できました。
3:47
反復的な書式設定作業をなくすだけで、毎週丸1日の時間を節約できているのです。
3:52
パイロットプログラムでも同様の結果が報告されています。
3:55
日常的な資料制作にデザイナーを活用しているチームでは、生産性が目に見えて向上し、キャンペーンの納期遵守率が高まり、軽微な修正依頼が減り、プロジェクトごとの修正回数も大幅に減少しました。
4:07
興味深いのは、創造性が低下しなかったことです。
4:11
実際、形式的な調整に割くエネルギーが減ったことで、デザイナーやマーケターは、ブレインストーミングやコンセプト開発に、より多くの時間を避けるようになったと報告しています。
4:20
その理由の一つは、デザイナーがレイアウトを提案する方法にあります。
4:24
型にはまったテンプレートを押し付けるのではなく、AIが提供されたコンテンツを分析し、効果的だと思われる視覚的な階層構造を提案するのです。
4:33
つまり、ゼロから苦労して作成するのではなく、適切な処行に対して反応するだけで済むということです。
4:38
創造的な疲労を防ぐための十分なガイダンスがありながら、最終的に何を公開するかを決めるのは常にあなた自身です。
4:43
ここで、背景にある一つの疑問が生じます。
4:45
デザイナーはどうやってあなたのスタイルを知るのでしょうか?
4:48
その答えは、マイクロソフト365を通じて定義済みのブランドキットを読み込ませることにあり、さらにあなたが承認または拒否した修正内容から時間をかけて学習していくからです。
4:57
もしあなたが、一般的なストック画像を特定の雰囲気を持つ画像に入れ替え続けるなら、それは将来の提案においてそのスタイルが優先されるようになります。
5:04
明示的にモデルをトレーニングしていなくても、チームがそれを教えているのです。
5:08
結局のところ、それが真の価値なのです。
5:10
これは人間のセンスや判断にとって変わるものではありません。
5:13
データ入力のようなデザイン作業や、判断、創造的な飛躍、そして、これならターゲットに響く、といった瞬間をデザイン業務から排除するものです。
5:23
それらは今も人間が生み出すものです。
5:25
デザイナーは、ピクセルが適切な位置に配置されるようにするだけで、そこに労力を割く必要はありません。
5:29
そして、自動化されたビジュアル生成はほんの始まりに過ぎません。
5:32
より大きな変化は、このインテリジェンスがチームの実際の働き方に直接組み込まれたときに起こります。
5:39
混乱のないコラボレーションです。
5:40
共有のデザインファイルで作業したことがあるなら、バージョン管理が完全に破綻する瞬間をご存知でしょう。
5:46
誰かがデスクトップから古いコピーを開いて修正し、ファイナル2として保存する。
5:51
今度はそれを、シェアポイントホルダにある、最終版これを使って、というファイルと見比べることになります。
5:57
それを3人で同時に行えば、収集がつかなくなります。
6:00
それは努力が足りないからではありません。
6:02
実際のコラボレーションの在り方とかけ離れた作業を、ツールが求めているからです。
6:06
現実には、マイクロソフト365を全面的に活用している企業でさえ、アセットが散らばってしまいます。
6:12
先週火曜日のチームチャットに残ったバージョン、誰かのメールスレッドに隠れている別のファイル、そしてシェアポイントの3階層下に埋もれたマスターテンプレートなどです。
6:21
正しいファイルにたどり着くには、3人の同僚にメッセージを送り、誰かが最新の更新を上書きしていないことを祈るしかありません。
6:28
見つけた頃には、チームの半分がすでに間違ったファイルをレビューした後です。
6:32
ここで、デザイナーのM365エコシステムへの統合が状況を変えます。
6:36
ファイル共有をあちこち行き来するのではなく、デザイナーを開けば、シェアポイント、ワンドライブ、あるいはチーム経由でリンクされた既存のアセットがある場所で直接作業できます。
6:45
編集はリアルタイムで行われ、全員が同じバージョンを見ることができます。
6:49
見出しを変更したり画像を差し替えたりすれば、チームの他のメンバーにも瞬時に反映されます。
6:53
ファイルを送る必要はありません。
6:55
デザイナーは、同じコネクテッドワークスペース内にある一つのツールにすぎません。
6:58
想像してみてください。
7:00
あなたとチームメイトが2人ともデザイナーで、セールスイベントのチラシを作成しています。
7:04
それは、ブランドフォントやカラーがあらかじめ設定された、マーケティング用シェアポイントライブラリから直接読み込まれたものです。
7:09
あなたがメイン画像を調整し、相手がサブタイトルを洗練させる。
7:12
お互いの編集が即座に反映される様子を目の当たりにします。
7:15
作業が終わると、更新されたファイルは元の場所に保存され、バージョン履歴もユーザーロールに応じて自動的に保存されます。
7:20
やり直す必要がある場合でも、無数の添付ファイルを探し回る必要はありません。
7:24
適切なチェックポイントを復元するだけです。
7:26
これは従来のテンプレートシステムからの大きな転換です。
7:29
従来のテンプレートは、静的なファイルとして存在していました。
7:31
ダウンロードし、編集し、再アップロードする。
7:34
変更の度に、誰かが正しいスタイルを手動で適用しなければならず、必ず誰かが何かを見落としていました。
7:40
これまでは、ファイル名やカラーコード、ロゴの比率が正しいかを管理者が厳しくチェックする必要がありました。
7:47
デザイナーがM365の他のコンテンツと同じ空間に存在し、
7:50
AIがバックグラウンドでブランドルールを強制することで、こうした監視業務の多くは自然と解消されます。
7:57
しかし、AIが何が不足しているかを先回りして予測してくれるという、予期せぬメリットもあります。
8:02
会社のアウトルックカレンダーにあるイベントのキャンペーン資産を作成しているとAIが判断すれば、
8:08
場所に適した画像の提案やイベントのキャッチコピーの引用など、
8:13
制作を迅速化するデザインプロンプトを表示してくれます。
8:17
チームの会議で製品の焦点に関するメモが残されていれば、
8:20
それがテキストブロックや画像の推奨事項に反映されます。
8:23
その狙いは、必要な文脈を自ら探し回ることなく、会話から実行までの溝を埋めることにあります。
8:29
しかし、そうなると当然、AIは部署ごとのトーンやスタイルの微妙な違いを本当に理解できるのか、という疑問が湧いてきます。
8:36
マーケティング部門の言葉遣いは、必ずしも人事部門のそれとは一致しません。
8:40
顧客向けの広告で完璧に機能するデザインが、社内向けの連絡資料ではあまりにカジュアルすぎると感じられることもあります。
8:46
AIはパターンを見つけるのは得意ですが、人間のトーンは捉えどころがなく、自動生成された提案は少し違和感があるものになりがちです。
8:54
だからこそ、学習ループが重要なのです。
8:56
デザイナーは、単にブランドキットの固定ルールを適用するだけでなく、AIが作成したドラフトに対してユーザーが言った修正も記録しています。
9:02
もしAIが提案する社内メモのレイアウトを人事チームが毎回修正しているなら、AIは時間をかけてその文脈に合うよう推奨内容を変化させていきます。
9:11
完璧ではありませんが、実際のユーザー行動とやり取りを重ねるほど、同じミスを繰り返すことは減っていきます。
9:17
私たちは、ツールが混乱を管理し、チームがメッセージや外観に集中できるというコラボレーションモデルに近づいています。
9:24
しかし、これを完璧な解決策だと思い込む前に、AIはまだ奇妙な選択をすることがあると覚えておく必要があります。
9:30
そうした資格こそが、物語の次の章の始まりです。
9:33
AIがまだ失敗してしまうとき、AIツールがキャンペーン用に画像を提案してきた際、ターゲット層が全く違うのではないかと疑問に思った経験があれば、その感覚はお分かりでしょう。
9:43
例えば、社内研修プログラムの告知をしているときに、AIが自信満々に南国のビーチの画像を表示し、イベント日時のキャプションスペースまで用意してくるような状況です。
9:53
技術的には間違っていなくても、あなたの文脈には全く適していません。
9:57
これこそが、マイクロソフトのデモでは見られない瞬間です。
10:00
ライブプレゼンテーションでは、往々にして最も理想的なシナリオが示されるからです。
10:04
ブランドカラーが完璧に適用され、テキストがページ内で完璧にバランスを取り、まるで社内のライブラリから持ってきたかのような画像が並ぶ、といった具合です。
10:10
現実の世界では、AIが常に期待通りの結果を出すとは限りません。
10:14
AIが目指しているトーンを読み違え、ターゲット層や文化にそぐわないビジュアルを提示することがあります。
10:20
その不一致は、真面目なプレスリリースには少し遊び心がありすぎる背景画像のように些細なこともあれば、
10:27
全く異なる業界を連想させるストックフォトを使うといった明白なものまで様々です。
10:32
あるマーケティングチームは、社内の倫理コンプライアンスに関する取り組みでそのような事態を経験しました。
10:37
AIは、オープンオフィスで笑顔の従業員がハイタッチをしている画像を提案してきたのです。
10:42
明るい雰囲気ではありましたが、経営陣が打ち出したかった真剣なトーンを損なうものでした。
10:47
また別の例として、プロフェッショナルサービス企業のクライアント向けプレゼン資料でも同様のことが起こりました。
10:51
保守的な金融業界の徴収に向けたスライドに対して、AIが自動で鮮やかな色使いのスタートアップのワークスペース画像を選択したのです。
10:58
メッセージも事実関係もレイアウト自体も問題はありませんでした。
11:01
しかし、そのビジュアルの切り取り方が間違ったメッセージを伝えてしまったのです。
11:04
初期のプロフェッショナルユーザーからは彼らが行う修正にはいくつかのパターンがあると報告されています。
11:09
多くの場合、AIが二次的な詳細を強調しすぎたり、見出しのメッセージを過小評価したりするため、レイアウトの優先順位を微調整する必要があります。
11:17
時には、AIがスタイルに合っていると判断して追加した装飾的な要素が、特定の文脈では邪魔になるため、それらを取り除くこともあります。
11:25
さらに、予想以上に多いのが、ブランドガイドラインをシステムに読み込ませているにも関わらず、そのルールを完全には守っていない自動選択されたストック画像を差し替える作業です。
11:34
ブランドのテンプレートそのものが、必ずしも万全の盾になるわけではありません。AIの提案は、微妙な形でそれらを上書きすることがあるからです。
11:42
公式カラーよりも明るい色味になっていたり、フォントの太さがわずかに変わっていたりすることです。
11:47
書類上では見過ごされるような変化でも、長年ブランドの整合性を守ってきた人にとっては、すぐに違和感として浮かび上がります。
11:54
もし誰かがそのような細部へのこだわりを持って最終的なアウトプットを確認しなければ、こうしたわずかな逸脱がそのまま製作物に紛れ込んでしまいます。
12:00
だからこそ、人の目による監視が不可欠となるのです。
12:03
生成のプロセスがどれほど高速かつ正確になっても、誰かがブランドの番人としての役割を果たす必要があります。
12:09
これは、AIを信用すべきではないということではありません。
12:12
ブランドの歴史やターゲット市場、そしてターゲット層の完成を理解することから生まれる、文化的、戦略的な認識がAIには欠けていることを認識すべきだということです。
12:21
スタイルへの準拠は自動化できます。
12:23
しかし、直感までは自動化できません。
12:25
そして確かに、この摩擦の一部は機械学習という性質そのものに起因しています。
12:28
AIは学習データ、蓄積されたユーザーの行動、そして入力された指示に基づいて生成しています。
12:33
もしそれらのシグナルが矛盾していたり、リクエストがこれまでの学習範囲の境界線上にあったりすると、推測の要素が強まります。
12:39
AIが完璧な選択をした場合、その推測のプロセスは目には見えないかもしれません。
12:42
しかし、失敗した時にはその推測のプロセスがはっきりと露呈してしまうのです。
12:45
興味深いことに、この、人間が介在する必要性、はデザインの世界だけの話ではありません。
12:49
データ管理の分野にも同様の事例があります。
12:52
ツールが面倒な作業の8割を自動化できても、公開前には専門家による確認が不可欠です。
12:58
どちらの場合でも、AIは膨大な重労働を引き受けることができます。
13:02
しかし、意味の解釈や文脈の検証、あるいは些細なミスの発見に関しては、人間の確認が軌道を修正してくれます。
13:09
つまり、デザイナーがコンテンツ制作の時間を大幅に短縮しているのは確かですが、クリエイティブなレビュアーの役割が不要になったわけではありません。
13:16
その役割は、誤字脱字の修正やボックスの配置調整から、メッセージ性やトーン、適合性といった、より高度な判断を下すことへとシフトしました。
13:24
効率化は確実に進んでいますが、最終的に外部へ出す前の社内チェックの重要性も同様です。
13:30
AIがデザイン以外の分野でどう活用されているかを見ると、この自動化と監視の組み合わせは驚くような場所で見られます。
13:38
特に、従来は手作業のデザインと同様に退屈だったデータワークフローの世界で顕著です。
13:45
ETLの苦労から、データフローズGen2による飛躍へ。
13:48
昔ながらの方法でデータパイプラインを管理した経験がある方なら、それがどれほど壊れやすいものかご存知でしょう。
13:53
不規則な時間にスケジュールされたクロンジョブ、数ヶ月前に退職した誰かが間に合わせで作ったバッシュスクリプト、そしてCSVの些細なフォーマット変更で全体が停止してしまうような長い依存関係の連鎖。
14:05
それは複雑なだけでなく、非常に脆いものでした。
14:08
上流で少しでも問題が起きれば、昨夜どのサーバーでジョブが実行されたのかもわからないまま、不完全なデータを前に立ち尽くすことになります。
14:14
何より最悪なのは、障害が都合の悪い時に限って発生することです。
14:18
午前2時に昨日の数値が読み込めなかったというアラートを受け取っても、ソースシステムの担当者は朝まで捕まりません。
14:24
パイプラインを再起動する頃には、ダッシュボード利用者の半分から、なぜデータが空なのか?というメールが届いています。
14:30
デバッグに費やされたそれらの時間は、データの本来の価値とは無関係であることがほとんどでした。
14:34
ログを探し回り、正規表現を調整し、元の状態に戻すためだけに手順を再実行する、そんな作業に追われていたのです。
14:40
マイクロソフトファブリックのデータフローズGen2は、その負担を劇的に軽減します。
14:45
カスタムパイプラインを一行ずつ構築保守する代わりに、ノーコードやローコードのインターフェースで作業の多くをこなせます。
14:53
ExcelやPower BIで既に多くの人が利用しているPower Queryという技術が、抽出と変換のステップを処理してくれます。
15:00
つまり、3種類の異なるファイル形式を統合するために、ゼロからパーサーを作る必要はないのです。
15:05
ソースに接続し、フィールドを指定し、視覚的にデータを整形する。
15:09
バックグラウンドの面倒な処理は、すべてサービスにお任せです。
15:12
Gen2が興味深いのは、AI支援機能が組み込まれている点です。
15:16
単にテーブルを結合したり、列名を変更したりするツールではありません。
15:19
インポートしたデータを能動的に分析し、検出されたパターンに基づいて変換を提案してくれます。
15:25
日付と時刻の列を常に一つのフィールドに結合している場合、その手順を自動的に提案し始めます。
15:31
共通のスキーマを持つ2つのシステム間で顧客IDを検出すれば、手動でマッピングしなくてもその関係性を指摘してくれます。
15:39
例えば、Google広告のエクスポートデータ、メールのエンゲージメント統計、ソーシャルプラットフォームの指標を混ぜたマーケティングキャンペーンデータを統合するとしましょう。
15:48
従来のETL設定では、フィールド名の正規化、通貨換算、日付範囲の調整、欠損値の補完などのスクリプトを作成する必要がありました。
15:57
Gen2なら、各データソースをパワークエリに読み込み、AIに列型の不一致を特定させ、提案された修正を直接適用できます。
16:06
最終的には、データミスマッチを手作業で追跡することなく、レポート作成用の整理されたテーブルが完成します。
16:11
これまでのテストでは、単なる利便性以上の価値があることがわかっています。
16:15
エンジンの並列処理によって変換が高速化され、部分的なエラーからも全体を再実行せずに回復できるため、以前のデータフローよりも更新速度が向上しています。
16:24
対障害性も大きな特徴です。
16:26
更新中に一つのデータソースが失敗しても、他は完了でき、単なるパイプライン失敗ではなく明確なエラーメッセージが表示されます。
16:34
それだけでも、無駄な処理サイクルや推測に頼る作業を大幅に削減できます。
16:38
当然の疑問として、これが専門のデータエンジニアの必要性を減らすのかという点が挙げられます。
16:43
マーケティングアナリストがコードを一行も書かずに複数のデータソースから機能するパイプラインを構築できるなら、専任のETLチームは不要になるのでしょうか。
16:52
実際には、答えはより微妙です。
16:54
単純で反復的な作業は完全にセルフサービスへ移行するかもしれませんが、数十のソース、複雑なビジネスロジック、規制要件を伴う複雑なパイプラインには、依然として経験豊富なエンジニアによる監督とアーキテクチャ設計のスキルが必要です。
17:08
しかし、専門家の時間の使い方は変わります。
17:11
データセットの再フォーマットや壊れた結合の修正といった個別の依頼に対応する代わりに、スケーラブルなモデルの設計、クエリの最適化、組織全体で使える分析機能の構築に集中できるようになります。
17:24
これまで日常的に手を止められていた反復的な準備作業は、Gen2のようなツールが上流で処理してくれるようになります。
17:30
そして、そこに共通のテーマが浮かび上がります。
17:33
マイクロソフトデザイナーのAIによるデザインであれ、ファブリックのAI支援によるデータ準備であれ、パターンは同じです。
17:39
単純作業を排除し、人間による判断が重要な部分に集中させることです。
17:44
コンテンツチームとデータチームは、思っているほど遠い存在ではありません。
17:47
どちらもアセットを構築しており、どちらのワークフローも反復的で自動化しやすい作業に追われています。
17:53
今やM365には、それらの作業を肩代わりし始めるツールが両方に備わりました。
17:57
一つのエコシステムで、二つの革命が起きています。
18:00
多くの企業では、クリエイティブチームとデータチームは別世界のものと考えられがちです。
18:04
マーケティングがストーリーを作り、アナリティクスがその影響を測定します。
18:07
しかし実際には、それらのワークフローは常に重複しています。
18:11
キャンペーンは、SNSへの投稿が公開されて終わりではありません。
18:14
クリエイティブな決定が測定対象に影響を与え、そのデータが次のクリエイティブの形を決めます。
18:19
これらを切り離して考えると、どちらも、性の入力を意味のある形へ迅速に変換する、という同じ課題に直面していることが見えなくなります。
18:27
マイクロソフトデザイナーとファブリックデータフローGen2で見られる変化が、解決する問題は異なっても関連しているように感じられるのは、そのためです。
18:34
一方では、AIがレイアウトやブランドの一貫性を保つ面倒な作業に介入しています。
18:39
もう一方では、AIがデータ準備における反復作業の解消に本格的に取り組んでいます。
18:44
これらは相乗効果で、アイデア出しから結果の追跡までにかかる時間を短縮しています。
18:49
単に2つの異なる分野で労力を節約するだけでなく、その間のサイクルを短縮しているのです。
18:53
製品ローンチキャンペーンを想像してみてください。
18:56
クリエイティブチームはデザイナーを使って、ビジュアル、プロモーションバナー、メール用画像、イベントスライドといった一連のアセットを作成します。
19:03
すべてのアセットがブランドキットに自動で適合するため、色を修正したり適切なロゴを探したりする必要はありません。
19:09
並行して、アナリティクスチームはGen2データフローを設定し、サイトトラフィック、広告支出、メールのエンゲージメント、ウェビナーの参加状況をすぐに使えるデータセットとしてまとめます。
19:20
キャンペーンが開始されると、各クリエイティブアセットのパフォーマンスを示す数値を即座に称号できる状態になっています。
19:27
ここでは細部が重要です。
19:29
デザイナーは単に365に組み込まれたキャンバのコピーではありません。
19:32
M365のコンテキスト、文脈と結びついています。
19:35
キャンペーンが会社のカレンダーにあり、画像がシェアポイントに保存され、コピーの総案がチームチャットにあれば、AIはそれらを使ってレイアウト案を提示できます。
19:44
Gen2もその領域で同様に機能します。
19:46
入力ソース間の列の類似性を検出し、正規化を提案し、Power BIに読み込む前にデータ不足を警告します。
19:54
どちらも、ワークフローの異なる側面からコンテキストを利用し、生の入力から有用な出力までの作業を削減しています。
20:01
それが、両者を動かす共通の原則です。
20:04
コンテキストの認識とインテリジェントな提案。
20:07
これは生成AIの魔法ではありません。
20:09
環境がすでに生成しているシグナルを活用した、的を絞った自動化です。
20:14
M365エコシステム内で作業すればするほど、AIはより多くのシグナルを拾い上げることができます。
20:19
入力しなくても、対象となるオーディエンス層を把握したデザインプロンプトが作成されるのです。
20:23
広告費の半分にタグが付けられていないことを検知し、称号するかどうかを尋ねるデータフロー。
20:28
これらは一家製のギミックではありません。
20:31
日々のプロジェクト運営の在り方を変え得るパターンなのです。
20:34
マイクロソフトのより広い視点で見れば、同社がAIファーストの職場モデルへと舵を切っていることは明らかです。
20:41
孤立したAIではなく、使い慣れたツールに組み込まれ、自社の運用データに最適化されたAIです。
20:48
このモデルの強みは、ある製品のAIの改善が多くの場合他の製品にも適用できる点にあります。
20:53
デザイナーのレイアウトを整えるブランドの一貫性ロジックが、
20:56
将来的にPower BIのデータビジュアルに同じ視覚的アイデンティティを持たせる助けになるかもしれません。
21:01
Gen2の異常検知機能なら、ワードのビジネスケース内の数値の不整合をプレゼン前に指摘できるでしょう。
21:07
今こそ検討すべき問いが浮かび上がります。
21:10
AIがクリエイティブと分析の両方を等しく流暢にガイドできるなら、
21:14
アセットの設計、ターゲットの設定、キャンペーンの開始、
21:17
そしてパフォーマンスデータの確認までを一箇所で行える統合ダッシュボードの実現まで、
21:22
あとどれくらいでしょうか。
21:23
もはや夢物語ではありません。
21:25
必要な要素は揃っています。
21:26
単にそれらが、一つの統合された画面としてまだ組み合わされていないだけです。
21:30
両方のツールをすでに導入している組織にとって、その速攻性は明らかです。
21:34
手作業でのエクスポートやメールでの受け渡し、更新の遅延といった、
21:38
これまでキャンペーンの足枷となっていたプロセスなしに、
21:40
ブランドストーリーとライブのパフォーマンスデータを連携させることができます。
21:43
それは単に早いだけでなく、ミスも少なくなります。
21:46
クリエイティブチームは、ほぼリアルタイムで結果を確認できます。
21:50
分析チームはどの資産が成果を上げているかを正確に把握でき、
21:54
事後の反省会ではなく、キャンペーン実施中に調整を行えます。
21:58
そして次なる波がすぐそこまで来ています。
22:01
個々のアプリ内で動作するだけでなく、アプリ全体を統合するAIです。
22:05
キャンペーンメッセージの変更が、デザイナーでのビジュアル更新を自動的にトリガーし、
22:10
データフローのタグ付けルールを調整し、
22:12
手を触れることなく最新の分析結果をダッシュボードに反映させる、そんな時代です。