StackAdapt 在 2026 年 7 月下旬公布 Ivy Studio，將它定位為一個 AI-first advertising hub。它的重點不是再加一個聊天介面，而是把 advertising planning、analysis、optimization 和 execution 放在同一個工作台，讓 AI agents 按 campaign context 和廣告數據協助完成連續的工作。
從官方頁面的描述看，Ivy Studio 覆蓋幾類常見動作：發掘 audience、建立或啟動 campaigns 和 forecasts、分析 performance，再把結果帶回下一輪優化。這個方向與一般只負責產生文案的生成式工具不同，因為它嘗試把資料、決策和操作放在同一個閉環內；但實際價值仍會取決於資料新鮮度、歸因品質、權限和使用者是否保留足夠的審批控制。
StackAdapt 強調 Ivy Studio 會根據 live data、industry context 和 campaign goals 工作。這代表 agent 的答案不應只來自通用模型記憶，而要受當前活動、受眾、預算和渠道狀態約束。對營銷團隊而言，這可以減少在報表、廣告平台和簡報之間來回搬資料，但亦增加了對資料接駁、命名一致性和數據治理的要求。
一個值得留意的產品選擇，是 StackAdapt 提供 MCP Server，讓 campaign intelligence 可以接到外部 AI 工具，例如 Claude。MCP 連接使 agent 能把外部對話或工作流程與 campaign data 接起來，但不應被理解為把所有投放權限自動開放給外部模型。企業仍需要定義哪些資料可以讀、哪些動作必須批准、哪些預算或受眾變更要雙重確認，以及所有 action 如何留下 audit trail。
Ivy Studio 也反映廣告軟件的一個轉向：使用者不再只是逐個畫面操作設定，而是先描述目標，再由系統提出受數據約束的下一步。這種 interface 對策略研究、campaign diagnostics 和 recurring optimization 特別有吸引力；另一方面，當 AI 開始碰到實際預算和 audience targeting，任何「自動化」都必須與品牌安全、合規、頻率控制和人工 override 一起設計。
對 marketing workflow 來說，最實用的評估方式不是看 agent 能否說出漂亮的建議，而是建立可比較的營運指標。例如由發現 audience 到啟動 campaign 需要多久、forecast 與實際結果的偏差、優化建議被採納後的增量、錯誤操作被攔截的比例，以及團隊花在資料整理和報告上的時間。沒有這些 baseline，AI 只是把原有流程換一個介面。
StackAdapt 的官方頁面亦將 Ivy Studio 描述為已納入其平台並面向全球客戶，但客戶可用的功能、帳戶權限和地區供應仍要以實際平台為準。MCP 連接和 AI agents 的存在，也不等於每個 campaign 都適合全自動執行。較穩妥的做法是先讓 agent 做 research、diagnosis 和 draft，再逐步把低風險、可回滾的動作交給它。
這個產品方向值得留意的原因，是它把 AI workflow 的討論由「生成內容」推進到「理解狀態、提出決策、執行動作和再量度結果」。廣告營運的複雜度沒有因為加入 agent 而消失；真正的競爭力會取決於平台能否把實時資料、治理、人工判斷和可追溯操作放在同一個閉環。
