AI 不能替你做決策：IAB vs AdCP，輸贏不在標準，而在誰敢定規則

IAB ALM ’26（IAB Annual Leadership Meeting 2026）於 2026 年 2 月在美國 Palm Springs 舉行，是北美數位廣告與媒體產業最高階的年度峰會之一。這場活動向來被視為全球數位廣告產業風向指標；而今年的訊號幾乎沒有懸念，整場主軸圍繞在 AI 正在成為數位媒體與廣告交易體系的核心。

IAB 在會後內容摘要指出，AI 正在改寫從「內容探索、商務轉換」到「內容經濟與組織型態」的整個數位生態，而 Agentic AI 進一步加速 AI 介入瀏覽、購物與決策的趨勢，迫使品牌、內容平台與平台端重新思考行銷基礎設施、商業模式與人才配置，同時建立透明與可追責的治理護欄。

AdCP VS IAB Agentic Roadmap

在 AI 成為交易核心引擎的背景下，程序化購買被推進到下一個階段：從「以網頁為核心的自動化」走向「代理型 AI 自動化」，並且在「要不要重建基礎設施、還是要在既有標準上擴充」之間出現路線分歧。先把名詞講清楚，才談得上相容。
本刊先前曾報導過 AdCP（Ad Context Protocol），這個協定是由 Yahoo、PubMatic、Optable、Scope3、Swivel、Triton Digital 等共同創始成員推動的開放協定方向，主張以 AI 代理原生的工作流程來自動化「曝光之前」的談判與交易條款，讓代理能用接近自然語言的方式描述需求並完成協商，最後再把條款交付給廣告伺服器與既有投放系統去履約。

相對地，Agentic Roadmap 則是由 IAB Tech Lab 提出的標準演進路線圖。它代表另一種思路：不必重建一套新語言，並且在既有程序化基礎設施之上擴充，延續 OpenRTB、AdCOM 等既有語彙與交易結構，讓 AI 代理更直接進入 bidstream 與既有交易機制，並在既有的標準治理架構下推動採用、降低碎片化。IAB Tech Lab 也把這條路線的核心訴求說得很清楚，AI 代理型執行要能規模化，最快的方式是建立在既有共享基礎之上，避免引入多套新標準造成碎片化與轉譯成本。

AdCP 為何失敗：問題不在協定，而在工程複雜度被低估

在討論 AdCP 與 Agentic Roadmap 是否相容之前，必須先面對一個技術門檻。相容不是單純做一個整合。因為交易流程是非同步、跨系統、跨角色的，這必須建立一個集中管理層，負責接 webhook、維護狀態機、重試與去重，讓整條交易週期可運維。換個說法，是需要一個「中台」，把多方協作的長流程收斂成一套可追蹤、可審核、可修復的交易運作機制。

若說 AdCP 專案容易失敗，原因往往非協定本身，而在工程複雜度被嚴重低估。AdCP 的互動常是非同步流程，不是即時 request/response，反而是 submitted、pending approval，再透過 webhook 回推狀態；流程可能跨天，還需要人工審核與治理，同時具備重試、去重與失敗補償能力。當你同時要對接多個 SSP、DSP、ad server、資料與衡量系統時，中台就不再是選配，是「多方連線＋長流程」必然長出的運作管理層。

更關鍵的是，相容的核心非接 API，成敗點在於語意對齊。AdCP 的自然語言條款要落地到 OpenRTB、AdCOM 的可執行欄位，任何條件被弱化或遺失，都會變成交付與金流的爭議，最後吵的不是技術，這也是為什麼「標準化工作流不等於媒體成效會更好」：如果條款與訊號本來就定義得差，只會更快規模化錯誤。要讓兩條路線真正共存，產業需要的是一份 共同且可驗證的契約，包含最小互通欄位集合、明確 schema、policy validation、版本控管、audit log 與可測試的對照案例。相容是一條可驗證、可稽核、可追責的責任鏈。

註：AdCOM（Advertising Common Object Model）是 IAB Tech Lab 制定的一套「廣告交易共通資料模型」，可將其理解為程序化購買體系中的共同字典與資料結構：用來標準化描述一筆廣告交易裡的各種物件與欄位，讓不同系統（DSP、SSP、ad server、交換中心）在交換資訊時，對同一個欄位與概念有一致的定義。

對買方而言，這門生意必須可控、可解釋

以 DSP 立場而言， AdCP 可以把優質流量、高價版位的談判型交易自動化，因為那是最昂貴的人工作業，通常作業流程包含：

• 廣告方案往返：買賣雙方針對廣告庫存組合、價格與交付條件反覆交換提案，直到收斂成可接受的版本。
• 投遞操作確認：把受眾、頻次控管、走期、素材規格、保量保價與結算方式等細節逐條對齊，避免語意落差。
• 提案修改：根據回饋更新提案與條款內容並產生新版本，保留變更紀錄以利追溯。
• 內部審核：在對外承諾前，完成法務、財務、風控、品牌安全與交付能力等跨部門核准流程。
• 再回到投放設定：將已核准的交易條款轉成廣告系統、SSP、DSP 可執行的設定與 deal/line item，進入實際投放與履約。

針對上述冗長的流程，AdCP 若能把這段前置流程變成代理可處理的工作流，DSP 的效率會明顯提升。但 DSP 也會最敏感於「黑箱作業」：代理為何選這個 deal、為何採用這個受眾、為何允許這種頻控與排程，必須可解釋。

每一次條款變更必須可回放，衡量標準必須一致可稽核。換句話說，DSP 支持相容，但條件是交易中台不能只負責「串接」，還要接得起最佳化迴路，把投放結果、轉換訊號、品牌安全回饋、供給品質指標，回寫到代理決策與條款調整裡。否則代理只會變成更快的操作員，不會變成更好的決策者。

對賣方而言，更怕談好的條件無法落地

對賣方而言，這波代理型 AI 的核心任務其實很務實，就是把「優質廣告流量怎麼賣」這件事標準化、產品化、可規模化。站在 SSP 與內容平台變現角度，若把 AdCP 和 Agentic Roadmap 放在同一張藍圖裡，它們的價值很直接：讓高價廣告交易可以在不靠人員擴編的情況下擴張。直售之所以貴，不僅因為庫存稀缺，我們可以想像每一張 IO、每一次方案客製、每一次條款往返都在消耗業務與廣告操作人力；真正的瓶頸是「流程」而不是「需求」。

這也是 AdCP 被期待的原因，它試圖把內容平台的商品型錄、可售資源、可用定向、保量條件等，變成 AI 代理能理解、能對話、能下單的介面，把原本只適合做大客戶的大型直售流程，往「長尾 premium」擴張。以 Prebid 作法作爲例子：Prebid Sales Agent 將賣方銷售能力做成可部署代理，前台接收需求並談判，後台回寫既有 ad server 與供給程序化廣告交易流程執行，降低邊際成本、擴大高價交易。

但對 SSP 來說，最大的恐懼從來不是「能不能談」，更令賣方崩潰的是「談好的能不能準確落地」。最怕的就是人講的交易條款在轉成機器設定時漏掉細節，或是從提案到執行的映射不完整，導致語意偏差；在這種環境下，條款只要走樣，損失的是信任與後續合作。於是 SSP 的要求會更硬：收益護欄（底價設定、廣告版位、方案價格）、政策控管（類目限制、品牌安全、敏感內容、兒少限制）、履約一致性（廣告頻次、排程、素材規格）都必須由廣告中台用硬規則兜住，並保留最後審核權。把 AdCP 的談判工作流、Agentic Roadmap 的可執行語彙，以及 Prebid Sales Agent 這種可部署的賣方代理串起來，在賣方世界不在意浪漫想像，只想把 premium 廣告「做成生產線」的工程。

結論

AI 可以把大量人工作業壓縮到更短的時間，也能把複雜交易拆解成可複製的步驟。然而，本刊相信 AI 不能為我們決定的事，也是加速 AdCP 和 Agentic Roadmap 發展及融合應用的關鍵。

對 DSP 來說，AI 不能替你決定「哪些最佳化是可被接受的」，更不能替你決定黑箱是否合理。買方真正要的是可被說清楚的決策理由與一致的衡量口徑，否則每一次策略調整都會變成事後解釋，而不是可重複的投資方法論。對 SSP 來說，AI 不能替你決定「哪些條件可以放行、哪些必須擋下」，因為一旦交付與承諾出現落差，修復的成本永遠比自動化省下的成本更高，且傷到的是長期合作的信用帳戶。

對媒體和內容平台而言，AI 也不能替你決定「什麼樣的庫存與商務關係值得被產品化」：哪些是可以擴張的標準品、哪些仍該保留人工的編輯式管理與商務判斷，這些決定牽動是品牌定位、內容策略與收益結構。

因此，代理型自動化的真正分水嶺，不在於系統能做多少事，而在於產業能否先把「可接受的決策邊界」畫出來，買方的可解釋、賣方的可控、媒體的可產品化，三者要同時成立，才會出現可規模化的共同運作方式。（by Brick）