AIがコマースの未来を再定義する：次世代の購買体験を解き明かす

AI Engineer World's Fairの壇上、New GenerationのAdam Behrens氏が問いかけた根源的な問い「物とは何か？なぜ存在するのか？」は、今日のeコマースが直面する課題と、AIが切り開く未来への深い洞察を提示しました。本稿では、Behrens氏のプレゼンテーションから、AIが購買と販売の仕組みをどのように根本的に変革し、新たなビジネスチャンスと課題を生み出すのかを詳細に分析します。

eコマースの進化と限界：同質化するオンラインストア

「店舗」という概念は、時代とともにその姿を変えてきました。Behrens氏が提示した100年前の店舗の姿は、今日の私たちにはほとんど認識できないものです。そこでは、商品は店の奥に保管され、顧客は店員に欲しいものを伝え、店員がそれを取り寄せるという、人間同士の密な対話とサービスが中心でした。在庫は文字通り「バックヤード」にあり、店員がそれらを「フェッチ」して顧客に提供していたのです。

転換期が訪れたのは1950年代から60年代、情報システムの導入による店舗の概念の拡大です。ウォルマートやコストコのような「ビッグボックスリテーラー」が登場し、商品は棚に並べられ、顧客は自由に「ブラウジング」できるようになりました。在庫は店舗の奥から手前に移動し、効率性と規模が重視される時代が幕を開けたのです。

そしてインターネットの登場は、この「店舗」の概念をさらにデジタル世界へと押し上げました。eコマースの台頭です。商品の「スケール」と「流通」のスケールが一致し、世界中のどこからでも、24時間いつでも商品を探し、購入できるようになりました。Walmart、Home Depot、Samsung、Nike、Sephoraといった大手小売業者は、毎月数億人ものオンライン訪問者を抱え、eコマースが私たちの生活に深く根付いていることを示しています。例えば、Walmartは月に4億9000万、Home Depotは1億7000万、Samsungは1億6000万、Nikeは1億1500万、Sephoraは4000万ものオンライン訪問者数を誇ります。

しかし、この急速な進化の裏には、新たな課題が潜んでいました。Behrens氏がNike、Adidas、Reebok、Brooksのランニングシューズのウェブサイトを例に挙げたように、多くのオンラインストアはそのデザイン、機能、そして商品表現において「同質化」の傾向を見せています。ユーザーは膨大な選択肢の中から自分に最適なものを見つけることに苦労し、ブランドごとの差別化も難しくなっています。eコマースは利便性を提供しましたが、かつてのリアル店舗が持っていたパーソナライズされた体験や、直感的な発見の喜びは薄れてしまったかのようです。

「店舗」の再定義：AIがデジタル化する参加者とインタラクション

Behrens氏は、このeコマースの課題を乗り越え、AI時代に対応するために、「店舗」の概念を再定義します。店舗とは「取引を促進する場所とプロトコル」であり、その核となる要素は以下の3つが相互に作用し合うことで成り立っています。

マーチャント（Merchants）: 販売したい商品やサービスを持つ売り手。その目標や好みを反映します。
コンシューマー（Consumers）: 購入したい商品やサービスを持つ買い手。彼らの購買意図と好みが中心です。
支払い（Payments）: これらの売買取引を円滑に進めるためのシステム。

この3つの要素が重なる中心に「取引（Transactions）」が存在します。eコマースが商品と流通のプロセスをデジタル化したように、AIはさらに一歩進んで、これらの「参加者（マーチャントとコンシューマー）とそのインタラクション」自体をデジタル化しようとしています。

AIの時代には、これまでの静的なウェブサイトは「マーチャントエージェント」へと、消費者による能動的なブラウジングは「コンシューマーエージェント」へと、そして低レベルの決済インフラは、より高度な「意図インフラ（Intent Infra）」へとそれぞれ進化します。ここでいう「意図インフラ」とは、ユーザーやマーチャントの明確な意図を理解し、それに合わせて動的な体験を生成するための基盤を指します。この変革の究極の目標は、これまでと変わらず「取引」の成立であり、顧客と企業双方にとって最適な購買体験の実現を目指します。

AIが描く2つの未来像：ウェブサイトアクセス型とプログラムアクセス型

AIがもたらす購買体験は、質的に大きく変化します。Behrens氏は、次世代のコマースを「消費者、インターフェース、インフラストラクチャ」の3つの要素で構成される「新世代」として捉え、その具体的な未来像として2つのシナリオを提示しました。

シナリオ1: エージェントがウェブサイトにアクセスする未来 (Agents still go to websites)

このシナリオでは、AIエージェントは現在のウェブブラウザのように、ウェブサイトにアクセスします。例えば、あなたがChatGPTのようなチャットインターフェースで「Samsungの素晴らしいゲーミングTVが欲しい」と入力したとします。すると、あなたのAIエージェントは、エージェント向けに最適化された新しいタイプのウェブサイト、例えばSamsungの専用サイトへと移動します。このウェブサイトは、エージェントの意図を豊かに表現できるよう設計されており、製品カタログやブランドのスタイルガイドを動的に解析し、あなたの要求に合致する情報を厳選して、直接チャットインターフェースに返します。

デモでは、ChatGPTがSamsungのウェブサイトにアクセスし、ユーザーの好みや用途（例：ゲーミング向け）に合わせて「Neo QLED 8K」などのゲーミングTVの候補を魅力的な画像と共に表示する様子が示されました。このウェブサイトは、チャットボットが情報を取得しやすいように設計されており、ユーザーが商品詳細ページ（PDP）をスクロールする代わりに、関連情報が簡潔に提示されます。購入を決めた場合も、AIエージェントがウェブサイトに戻り、決済情報（クレジットカード番号、配送先住所など）を入力してチェックアウトプロセス全体を自動で完了させます。この体験は、ユーザーが直接ウェブサイトを操作する手間を省き、より効率的でパーソナライズされた購買プロセスを実現します。

シナリオ2: エージェントがプログラム的にアクセスする未来 (Agents have programmatic access)

より進んだ未来として提案されたのが、エージェントがウェブサイトを介さず、プログラム的に直接マーチャントのデータにアクセスするシナリオです。この場合も、チャットでの購買意図の表明から始まりますが、AIエージェントはウェブサイトに移動する代わりに、MCPサーバーやAPIを介して、インターネット上のあらゆるマーチャントの製品カタログに直接クエリを投げかけます。ここでいう「エージェントインフラストラクチャ」は、この新しい市場において、異なるエージェント（買い手、売り手、決済）間の協調と交渉を管理し、推論を行うシステムを指します。これにより、エージェントはリアルタイムで、数千もの店舗にわたる膨大な製品データから最適な選択肢を抽出し、その結果を動的に生成されたUI要素（製品リスト、画像、価格など）としてチャットインターフェースに表示します。ウェブサイトを読み込むオーバーヘッドなしに、チャット内で瞬時に情報を提示し、購買プロセスを完結させることが可能です。

デモでは、AIエージェントがSamsungのカタログをプログラム的に検索し、Samsungのブランドガイドラインとユーザーの意図に基づいて動的にUIを生成し、チャットに直接表示する様子が示されました。これは、ウェブサイトへのリダイレクトなしに、チャット内で完結する購買体験を可能にします。購入時も、エージェントはAPIエンドポイントを直接叩き、ユーザーに代わって取引を完了させます。このアプローチは、従来のウェブサイト中心のeコマースの制約から解放され、よりシームレスでインテリジェントな購買体験の可能性を秘めています。

エージェント型コマースの主要な課題と解決策

このような未来を実現するためには、乗り越えるべき技術的、そして概念的な課題が山積しています。Behrens氏は、特に重要な4つの課題とその解決策について深く掘り下げました。

課題1: ソフトウェアが購入ボタンをクリックする場合 (人間ではない場合)

今日のeコマースサイトは、人間が操作することを前提に設計されています。AIエージェントのようなソフトウェアが購入ボタンをクリックしようとすると、多くの場合エラーが発生します。これは、不正なボットによる攻撃を防ぐためのセキュリティ対策が、正当なAIエージェントの操作をも妨げてしまうためです。

解決策1: 仮想カード (Virtual Cards) 現在存在する解決策の一つは、仮想カードの利用です。ユーザーがChatGPTのようなAIソフトウェアプロバイダーを介してチェックアウトする際、ソフトウェアプロバイダーがその取引のためだけに生成される使い捨ての仮想カードを発行し、ユーザーに代わってマーチャントで商品を購入します。

メリット: ユーザーが直接クレジットカード情報をマーチャントに開示する必要がないため、セキュリティリスクが軽減されます。AIエージェントが決済プロセスを代行できるため、購入体験がスムーズになります。
デメリット: 仮想カード発行のための追加のインフラとセキュリティ対策が必要。不正利用のリスクが完全に排除されるわけではなく、管理が求められます。

解決策2: 委任認証 (Delegated Authentication) より洗練された解決策として、Visaのような決済ネットワークが取り組んでいるのが委任認証です。この方式では、AIエージェントがユーザーの実際のクレジットカード情報を、安全な方法で利用してチェックアウトフローを完了させます。これは、エージェントに決済の権限を「委任」する形で、より直接的な取引を可能にします。

メリット: ユーザーの既存のクレジットカードをそのまま利用できるため、新たな決済手段の登録が不要です。決済プロセスが簡素化され、ユーザー体験が向上します。
デメリット: 委任されたエージェントのセキュリティと信頼性が極めて重要。不正利用やデータ漏洩のリスク管理が課題となります。

これらの解決策は「取引」の部分を自動化しますが、それだけではエージェント型コマースの真の可能性を引き出すには不十分です。より上位の抽象化レイヤーである「意図と好み」に焦点を当てる必要があります。

課題2: SKUレベルの正確な購入意図の把握

今日、買い手の意図は、キーワード検索、クリックデータ、サイトメトリクスといった間接的なデータから「推測」されています。しかし、人間はしばしば「ランニングシューズが欲しい」といった曖昧な表現で意図を伝えます。AIエージェントがユーザーの意図を正確に理解し、数あるランニングシューズの中から「特定の、SKU（Stock Keeping Unit）レベルの」商品を特定することは大きな課題です。

解決策1: PDP URLへのリンクを要求する 現在の一般的な解決策は、エージェントが商品詳細ページ（PDP）の正確なURLをユーザーに要求し、それに基づいて商品を購入することです。これにより、意図の曖昧さを排除し、特定の商品を確実に識別できます。

メリット: 商品の特定が確実であり、誤った商品が購入されるリスクを低減できます。
デメリット: ユーザーにとってURLの提供は手間がかかり、AIエージェントの自律性が制限される可能性があります。

解決策2: 紛争/返品モデルを再考する Behrens氏は、ユーザーがAIチャネルを通じて購入した場合、その顧客は従来のeコマースサイトからの顧客と比較して、「意図が高く、購買ファネルのより深い位置にあり、支出も高い」という興味深い傾向に注目しました。これは、AIエージェントがすでに顧客のニーズを深く理解し、最適な商品を特定しているためです。このような高価値の顧客に対しては、たとえ間違った商品が届いたとしても、返品プロセスが極めて簡単であれば、問題は小さくなると考えられます。

メリット: 厳密なSKUマッチングの必要性が緩和され、AIエージェントの柔軟性が増します。高価値顧客の満足度向上に繋がり、長期的な顧客関係を構築できます。
デメリット: 返品コストやオペレーションの効率化が必要。顧客が「間違った商品を受け取る」というネガティブな体験を最小限に抑える必要があります。

将来的には、買い手の意図は、会話データやユーザーエージェントへの直接的な質問を通じて、統計的推論ではなく「明示的に」把握されるようになります。

課題3: 複数マーチャントにおける商品在庫の把握

今日のeコマースは、各マーチャントが独自のオンラインストアを運営しているため、特定の商品が数千もの異なる店舗で販売されている場合、その正確な在庫状況や価格を把握することは困難です。これは、AIエージェントが顧客に最適な提案をする上で大きな障害となります。

解決策1: 製品フィードの利用または製品データのスクレイピング 既存の解決策としては、Googleショッピングのような製品フィードを利用したり、ウェブサイトから製品データをスクレイピングしたりする方法があります。

メリット: 既存の情報を活用でき、比較的迅速にデータを収集できます。
デメリット: 製品フィードは各マーチャントとの個別の連携が必要で、導入に手間がかかります。ウェブスクレイピングはボットトラフィックを発生させ、ウェブサイトの負荷を高める可能性があります。また、リアルタイム性やデータの正確性に課題があります。

解決策2: 製品データにアクセスするための統一APIの構築 Behrens氏が提案するより洗練された長期的な解決策は、金融業界のPlaidのようなモデルです。Plaidが多数の金融機関の口座情報にアクセスするための統一APIを提供しているように、コマース分野でも「すべてのマーチャントの製品データにアクセスできる統一API」を構築することを目指します。

メリット: 膨大なマーチャントの製品データを一元的に、プログラム的にアクセスできるようになるため、AIエージェントが広範な選択肢から最適な商品を迅速に特定できます。データのリアルタイム性が向上し、より精度の高い提案が可能になります。
デメリット: 標準化の推進と多数のマーチャントからの協力を得るのが難しいという課題があります。APIインフラの構築と維持には多大なコストと技術的専門知識が必要です。

課題4: 買い手と売り手の好みの管理

買い手と売り手の「好み（preferences）」は、極めて複雑で、文脈依存的であり、時間とともに変化します。また、買い手と売り手の好みはしばしば対立し、正直に自分の好みを報告するインセンティブが不足しているという課題もあります。現在、買い手の好みはサイロ化されたユーザーアカウントや取引データに閉じ込められ、LLMのメモリも限られています。売り手のビジネス目標も、四半期報告書や年次報告書といった財務報告以外では、外部からはほとんど不透明です。

将来的には、この好みに関するデータは「両面的で広範囲なもの」になるでしょう。個人の生活のあらゆる側面における豊かな文脈情報や、長期的なLLMメモリが活用されるようになります。企業は、在庫状況や戦略的目標など、内部のビジネスコンテキストをリアルタイムで外部目標に変換し、買い手のエージェントと共有できるようになります。

解決策1: 好みの表現を素朴に信頼する 現在のところ、LLMはユーザーのプロンプトに基づいて好みを推測します。

メリット: 導入が比較的容易で、迅速にAIチャットベースのサービスを開始できます。
デメリット: ユーザーはプロンプトインジェクションやモデルの操作によって、意図的に好みを偽装する可能性があります。これは、AIエージェントの信頼性に関わる重大な問題となり得ます。

解決策2: 信頼できる第三者機関を構築し、相違/交渉を管理する Behrens氏は、金融市場が買い手と売り手の間の異なる利害を調整するために、第三者機関やマーケットメーカーを利用してきた歴史を指摘しました。同様に、エージェント型コマースにおいても、買い手と売り手の間の好みの相違や交渉を管理し、調整するための「信頼できる第三者機関」の構築が必要になるでしょう。

メリット: 公平な立場が確保され、取引の信頼性が向上します。AIエージェント間の複雑な交渉を効率的に管理し、双方にとって最適な結果を導き出せます。
デメリット: 第三者機関の構築には時間とリソースが必要。その機関が十分な信頼と権威を持つことが前提となります。

Samsungの事例から学ぶ：未来への具体的な一歩

これらの課題に対し、具体的な取り組みを始めているのが、世界を代表する大手企業です。Behrens氏は、Samsungの事例を紹介しながら、AIがもたらすコマースの変革にどのように適応しているかを示しました。

Samsungは、100年以上の歴史を持つ企業で、かつては韓国の魚商人から始まり、70年代にはテレビ販売、90年代には今日の巨大なテクノロジー企業へと劇的な変革を遂げてきました。このような変化の荒波を乗り越えてきた企業は、AIの到来という新たな波に対しても、非常に先進的な考え方を持っています。Samsungは、いかにしてeコマースからエージェント型コマースへと橋渡しをするかを真剣に検討しています。

その具体的なステップは以下の通りです。

ステップ1: APIとMCPサーバーの作成 Samsungのような大手企業は、スマートフォン、テレビ、家電製品など、10を超える異なる製品ラインナップ（バーティカル）を抱え、それぞれに独自の在庫管理システムが存在します。AIエージェントが効率的に製品情報にアクセスできるようにするため、Samsungはこれらの複雑な製品システムからデータを抽出し、あらゆるチャットクライアントが利用できる一貫したAPI（Application Programming Interface）とMCP（Merchant Control Panel）サーバーを構築しています。これにより、製品データのサイロ化を解消し、統一されたアクセスポイントを提供します。

ステップ2: データソースを接続し、売り手の意図を構築する 次のステップは、この製品データを、企業の持つ他の多様なデータソースと接続することです。これには、ブランドガイドライン、デザインシステム、マーケティング戦略、在庫情報、サプライチェーンデータなどが含まれます。これにより、単なる製品情報だけでなく、「Samsungが自社製品をどのように表現したいか」というブランド固有の「売り手の意図」をAIエージェントが理解できるようになります。デモでは、Samsungのブランドデザインシステムが紹介され、製品がどのようにブランドとして表現されるべきかを示すガイドラインが示されました。これは、静的な製品画像や説明文だけでなく、ブランドの世界観を動的に生成されるインターフェースに反映させる基盤となります。

ステップ3: 生成AIサブドメインの作成 そして、この統合された製品データとブランドの意図を基に、Samsungは「生成AIサブドメイン」を構築しています。これは、AIが学習したデータに基づいて、リアルタイムで顧客にパーソナライズされたインターフェースやコンテンツを生成するための実験的な環境です。デモでは、顧客が「スポーツ観戦に最適なSamsung TVはどれか？」と尋ねると、AIエージェントが顧客の好みや視聴環境（例えば、明るい部屋での視聴か、暗い環境での視聴か）を考慮し、それに最適なテレビを提案するだけでなく、そのテレビが部屋に設置されたイメージや、具体的な利用シーンを画像として生成し、会話の中にシームレスに組み込む様子が示されました。これは、単なるテキストの羅列ではなく、視覚的な情報も伴った豊かでインタラクティブな「会話」を可能にし、顧客が製品をより具体的にイメージし、購入意欲を高めることに貢献します。

ステップ4: エージェント取引の処理 最終的に、この新しい環境上でAIエージェントが取引を完了できる仕組みを構築します。これは、従来のウェブサイトを介した人間のクリックによる決済ではなく、AIエージェントがプログラム的に決済フローを処理することを意味します。 Behrens氏は、AIチャットから訪れる顧客は、従来のeコマースサイトからの顧客と比較して、「意図が高く、購買ファネルのより深い位置にあり、支出も高い」という傾向があると指摘しました。これは、AIエージェントがすでに顧客のニーズを深く理解し、最適な商品を特定しているためです。この「逆転したファネル」は、小売ブランドにとって非常に魅力的な機会であり、AIを導入することで、単に取引数を増やすだけでなく、より質の高い顧客を獲得し、顧客生涯価値（LTV）を高めることができることを示唆しています。

結論：コマースの未来は「会話」にある

Behrens氏のプレゼンテーションは、AIが単なる技術トレンドではなく、コマースの根幹を揺るがし、再構築する力を持つことを明確に示しました。実店舗もオンラインストアも、その形を変えながら存続し続けるでしょうが、その体験の核は、人間とAIエージェントとの間の「会話」へと回帰していくことになります。

この「会話」は、単なるチャットボットとのやり取りを超えたものです。そこでは、買い手の複雑な意図と売り手のダイナミックな提供が、AIによってリアルタイムで整合され、最適な取引が、最高の顧客体験とともに実現されます。これは、製品の在庫状況、価格、割引、バンドルといった情報が、顧客一人ひとりのニーズや文脈に合わせて、動的に生成・提示される世界です。

すべての小売ブランドは、この新しいコマースのパラダイムシフトに適応する必要があります。そのためには、「何がどうあるべきか」というシンプルな問いから始め、既存のインフラをAIフレンドリーなAPIへと進化させ、ブランドのアイデンティティと製品情報をデジタル化し、生成AIを通じて顧客との「会話」を深めていくことが不可欠です。AIがもたらすこの変革は、挑戦に満ちていますが、同時に無限の可能性を秘めています。よりパーソナライズされ、効率的で、そして豊かな購買体験が、私たちのすぐそこに迫っているのです。この未来に備え、私たちは今、AIとの対話を始めるべき時です。

本記事は、AI Engineer World's FairでのAdam Behrens氏のプレゼンテーション「Machines of Buying and Selling Grace」の内容に基づき構成されています。 プレゼンティングスポンサー: Microsoft イノベーションパートナー: AWS プラチナスポンサー: Graphite, Windsurf, MongoDB, daily, augment code, WorkOS, smol