2026年3月、OpenAI は多くの人が見落とした戦略転換を行いました。ChatGPT の会話内で購入を完結させる「Instant Checkout」構想を前面に出すのではなく、ChatGPT を商品発見と推薦のレイヤーとして位置づけ直したのです。ユーザーは会話の中で商品を調べ、選択肢を比較し、推薦を受けたあと、購入そのものは販売者のサイトで完了します。
同じ時期に Shopify は Agentic Plan を発表し、Shopify 以外の事業者でも商品カタログを Shopify のインデックスへ同期できるようにしました。目的は AI Agent が検索しやすい商品データを整えることです。Google は Universal Commerce Protocol（UCP）を打ち出し、Walmart、Target、Etsy などが初期の対応企業として加わりました。
三社が同じ月に違う角度から同じ方向を向いたことは偶然ではありません。AI は決済だけでなく、商流そのものを作り替え始めています。ただし注意すべき点があります。どの会社も、短期的には「決済ボタン」を奪いに行っているわけではありません。
AI 自動決済という誤解
Agentic Commerce の話題では、「AI が代わりに買ってくれるのか」という問いが先に立ちます。たとえばユーザーが「200ドル以下の防水ランニングシューズを買って」と言えば、AI が商品を選び、住所を入力し、カードを使い、注文を確定する。技術的には、この未来は遠くありません。AP2 は暗号学的な代理承認を、ACP は安全な支払いトークンの受け渡しを扱います。
しかし、実現可能性と市場の受容は別問題です。消費者はまだ AI に自分の財布を完全には預けません。商品を間違えた時の責任も曖昧です。販売者にとっても、自社サイトを迂回されることは望ましくありません。サイトはブランド体験、クロスセル、顧客データの中心だからです。Simon Taylor が指摘したように、チャットボットがチェックアウトを所有するのではなく、販売者が所有するのです。
本当の戦場は支払い前にある
短期的に AI 自動決済が主流にならないなら、AI は商流のどこを変えるのでしょうか。答えは、支払い前のほぼすべてです。
購買プロセスは、発見、推薦、意図形成、委任、価格や在庫や返品条件の確認、カート作成、支払い、配送とアフターサービスに分けられます。AI の浸透が最も速いのは最初の四段階です。Shopify の 2026年第1四半期決算では、AI 検索経由の注文が前年比約13倍に伸び、AI カタログ検索の転換率は一般的な AI 検索の約2倍とされています。これは「AI が支払った」結果ではありません。AI がユーザーに正しい商品を見つけさせ、推薦した結果です。
したがって、Agentic Commerce の最初の本当の競争は「誰の AI が支払えるか」ではなく、「どのブランドの商品が AI に正しく理解され、信頼できる候補として推薦されるか」です。
AI に読まれることが新しい SEO になる
従来の EC では、ブランドは Google 検索で上位に出るために SEO を行いました。Agentic Commerce では、AI の回答の中でどう扱われるかが重要になります。AI はブランドを言及するのか、どう説明するのか、推薦する理由は正確なのか。これが GEO、Generative Engine Optimization の出発点です。
ただし GEO だけでは足りません。AI Agent はブランド名の言及だけで商品を推薦しません。Schema.org の構造化データ、llms.txt、Product Feed、UCP Manifest など、機械が消費できる商品情報が必要です。価格、在庫、配送、返品、レビュー、評価が古かったり、構造化されていなかったり、実際の商品情報と一致しなかったりすれば、AI はそのブランドを推薦しにくくなります。偏見ではなく、信頼できる証拠が足りないのです。
三つのプロトコルの意味
UCP は Google と Shopify が推進する発見側のプロトコルです。販売者が自分の能力を宣言し、Agent が商品カタログを発見し、問い合わせます。ACP は OpenAI と Stripe の文脈で語られる実行側の標準で、カート構築、支払いトークン、注文確認に関わります。AP2 は Google が提案する代理支払いの承認と監査の枠組みです。
重要なのは、これらのプロトコルが商流の両端を扱っている一方で、真ん中を十分に扱っていないことです。AI が何を推薦したのか、ユーザーがどう反応したのか、サイト到着後に何が起きたのか。ここはブランドにとって最も重要な証拠の領域です。
L1 から L5 の成熟度
Agentic Commerce は自動運転のように段階で考えるべきです。L1 は Agent が推薦し、人間が選び購入する段階です。L2 は Agent がカートを作り、人間が確認する段階です。L3 は「200ドル以下」などの制約付きタスクを Agent に委任する段階です。L4 は補充やサブスクリプション管理、L5 は需要予測から履行までの完全自律に近い世界です。
現在の市場は L1 から L2 への移行期です。つまり、ブランドが今すぐ準備すべきなのは L5 の全自動購買ではありません。まず L1、すなわち AI に発見され、比較され、信頼できる推薦候補になることです。
ブランドが今やるべきこと
第一に、AI が正しく読める商品データを整えること。Schema、Product Feed、llms.txt を点検し、価格、在庫、レビュー、返品条件を最新かつ一貫した形にします。第二に、AI の商業的影響を段階別に測ること。「AI 流入が何件あったか」だけでは不十分です。Answer、Request、Visit、Commerce、Attribution という AIAA の五層で、AI がどの段階で購買に関与したのかを見ます。第三に、L1 を飛ばして L5 を語らないこと。完全自律購買が普及するまでには時間がかかります。しかし AI 推薦の段階で勝つか負けるかは、すでに今日の売上とブランド認知に影響し始めています。
次回は、AI に読まれるための B2A（Business-to-Agent）基盤を具体的に分解します。Schema、llms.txt、Product Feed、UCP Manifest をどう整えるべきかを扱います。
実務上の要点は、Agentic Commerce の成熟度と購買前の競争を単発のコンテンツ施策として扱わないことです。商品データ、AI 回答での表現、Agent request、到着後の行動、注文との接続を同じ証拠線で見なければ、チームは「AI で何か起きている」以上の判断ができません。経営会議で必要なのは流行語ではなく、どの層で証拠が強く、どこが推測なのかを分けた説明です。
もう一つ重要なのは、過剰な断定を避けることです。AI 検索と Agentic Commerce の測定はまだ成熟途上であり、prompt sampling、referrer、server log、Shopify order のどれも単独では完全ではありません。だからこそ、複数の弱い証拠を雑に足すのではなく、層ごとに信頼度を置き、改善順序を決める必要があります。
補足: 購買前チェーンを運用表に落とす
実務で見るべきなのは、AI が「支払うかどうか」ではなく、購入前の各段階でどの証拠を読んでいるかです。日本の EC チームなら、モール、ブランドサイト、LINE、レビュー、配送条件が分散しがちです。そのため Agentic Commerce を checkout 機能だけで評価すると、もっと早い段階で起きている推薦機会を見落とします。
段階 | 意味 | AI の入り方 |
|---|---|---|
1. 発見 | ユーザーが候補商品を知る | AI 検索、AI 回答、比較型クエリ |
2. 推薦 | AI が具体的なブランドや商品を挙げる | ChatGPT Shopping、Perplexity、Gemini 系の推薦 |
3. 意図形成 | ユーザーが条件を絞る | 価格、用途、レビュー、配送を横断比較 |
4. 委任 | 限定条件で AI に作業を任せる | 予算、サイズ、納期などの境界付きタスク |
5. ポリシー確認 | 返品、配送、在庫、価格を確認する | Schema、Feed、FAQ、ポリシーページを読む |
6. カート | 商品と数量を組み合わせる | Agent が案を作り、人間が確認する |
7. 支払い | 決済を完了する | 現状はほぼ人間が実行する |
8. 履行 | 配送、交換、サポート | 追跡や問い合わせ補助が中心 |
この表で分かる通り、短期の勝負は L1 と L2 です。ブランド側は「Agent が注文まで完了する未来」を待つより、AI が推薦理由として使える商品事実を先に整えるべきです。価格が古い、在庫が不明、返品条件が画像や PDF に閉じている、レビューが構造化されていない。この状態では、AI は強い推薦を出しにくくなります。
成熟度 | 実際の状態 | ブランド側の優先作業 |
|---|---|---|
L1 | AI が推薦し、人間が選んで購入する | AI 回答での表現、Schema、Product Feed、レビュー証拠を整える |
L2 | AI がカート案を作り、人間が承認する | バリエーション、在庫、配送、返品条件を機械可読にする |
L3 | 制約付きタスクを Agent に任せる | 価格帯、用途、互換性、禁止条件を明示する |
L4 | 補充や定期購入を Agent が管理する | 認可、頻度、キャンセル、例外処理を準備する |
L5 | 需要予測から履行まで自律化する | 現時点では将来設計として扱い、短期 KPI にしない |
したがって評価指標も「AI 経由の注文数」だけでは足りません。Answer で推薦されたか、Request で AI Agent が読みに来たか、Visit で到着したか、Commerce で行動したか、Attribution で注文に結びついたかを分けて見る必要があります。ここを分けないと、AI が発見と比較を作っているのに、最終クリックだけが Organic や Direct に見える状態が続きます。
補足: Agentic Commerce の成熟度を実務で判断する
この論点を現場で扱う時は、Agentic Commerce の成熟度を単なるトレンド解説としてではなく、日々の運用判断として扱う必要があります。特に見るべきなのは、支払い前の発見、推薦、意図形成、委任がどの部署の責任で、どのデータに支えられ、どの頻度で更新されるかです。ここを曖昧にしたまま記事や FAQ だけを増やしても、AI が参照する証拠は安定しません。
実務では、まず「AI が何を読めるか」と「人間が何を見ているか」を分けます。商品ページの見た目が良くても、構造化データ、feed、ポリシー、レビュー、内部リンクが弱ければ Agent は自信を持って推薦できません。逆に、派手なキャンペーンをしなくても、商品データ、回答証拠、到着後行動が揃っていれば、比較型の質問で候補に残る可能性が上がります。
次に、測定の粒度を決めます。週次では露出、Agent request、AI 由来 visit、サイト内行動、注文接続を分けて確認します。月次では、同じ定義で前月と比較できる数字だけを成長として扱います。新しいタグや Edge 計測を入れた直後の増加は、需要増ではなく観測範囲の拡大かもしれません。
最後に、改善順序を固定します。まず誤読を減らし、次に読めるデータを増やし、その後に到着後の体験を整え、最後に収益との接続を強くします。この順序を守れば、短期の数値が揺れても、チームはどの層を改善しているのかを見失いません。
この考え方は、日本語のコンテンツだけでなく、英語、韓国語、ドイツ語、フランス語、スペイン語、ポルトガル語、アラビア語の各市場にもそのまま必要です。翻訳文を置くだけでは不十分で、各市場の検索行動、比較基準、配送や返品の期待、レビュー文化に合わせて証拠を整える必要があります。
FAQ
Q1: Agentic Commerce と従来の EC の違いは何ですか？
A: 従来の EC は B2C、つまりブランドが人間の消費者に直接向き合う構造でした。Agentic Commerce ではその上に B2A、Business-to-Agent の層が加わります。ブランドは消費者向けの体験だけでなく、AI Agent が読み取れる構造化データも提供する必要があります。
Q2: なぜ OpenAI は Instant Checkout から距離を置いたのですか？
A: 信頼と責任の問題がまだ解けていないからです。消費者は AI に支払いを完全委任する準備ができておらず、販売者も自社サイトを迂回されたくありません。そのため ChatGPT は短期的には発見と推薦のレイヤーとして動く方が現実的です。
Q3: UCP、ACP、AP2 はどう違いますか？
A: UCP は商品発見とカタログ問い合わせ、ACP はチェックアウト実行、AP2 は代理支払いの承認と監査を扱います。役割は分かれていますが、相互運用性はまだ限定的です。
Q4: ブランドはまず何をすべきですか？
A: Schema.org、Product Feed、llms.txt を点検し、AI が価格、在庫、レビュー、配送、返品条件を正しく読める状態にすることです。次に AIAA の五層で AI の影響を測り始めます。
Q5: 現在の成熟段階はどこですか？
A: 市場は L1 から L2 への移行期です。AI が推薦し、人間が購入する L1 はすでに主流です。AI がカートを構成し、人間が確認する L2 は始まりつつあります。