（Tips）エージェンティックコマースの衝撃 。EC小売が「今」やるべきこと、2〜3年で備えるべきこと

野村総合研究所（NRI）が2026年1月に公開したレポート「流通産業に迫るパラダイムシフト エージェンティックコマースの衝撃：自己構築か被選択か両建てか」（知的資産創造 2026年1月号）と、同著者によるコラム「流通産業に迫る『エージェンティックコマース』の衝撃」は、EC・小売に携わる方であれば一度は目を通しておくべき内容です。

本記事では、レポートの要点を整理したうえで、EC小売事業者の立場から「今やるべきこと」と「ここ2〜3年で対応すべきこと」 を弊社なりに考察します。

出典1：NRI 知的資産創造 2026年1月号（PDF）

出典2：NRIコラム「流通産業に迫る『エージェンティックコマース』の衝撃」

1. レポートの要点：購買は「検索」から「委任」へ

NRIは流通産業におけるAIの進化を3段階で整理しています。

フェーズ概要変化の主体
AI1.0（業務高度化）需要予測・在庫最適化・配送計画など既存プロセスの自動化・最適化主に供給側
AI2.0（業界再定義）AIエージェントが検索・比較・推奨・決済までを代行する「エージェンティックコマース」主に需要側（購買意思決定）
AI3.0（社会変革）マイクロファクトリーによるオンデマンド生産＝「在庫ゼロ小売」需給の両方

この中で最も構造的なインパクトが大きいのがAI2.0、すなわちエージェンティックコマース（以下、Aコマース）です。消費者が自らサイトを検索してカートに入れるのではなく、条件をAIに伝え、候補を絞り込んでもらい、最後の確認だけ人間が行う購買行動が「探す」から「委ねる」へ移行するというのが本レポートの核心です。

すでに動きは具体化しています。OpenAIは2025年9月にChatGPTの会話内で決済まで完結する「Instant Checkout」と、店舗側システムとの連携仕様「Agentic Commerce Protocol（ACP）」を公開。ウォルマートも対応を表明し、AmazonはRufus（日本では2025年9月提供開始）や外部サイト購入代行「Buy for Me」を展開しています。

消費者の受容度は想像以上に高い

NRIの国際比較調査（2025年、日本n=3,148）では、次のような結果が示されています。

  • 日用品では約52%が「AIエージェントで購入したい」と回答
  • 最も適性が低いとされる高級ファッションブランドですら約35%が利用意向あり
  • 「日用品のAI購入代行が主流になる未来」への好意度は、日本が米国・ドイツを約15ポイント上回る64%

「日本の消費者は新技術に慎重」という通念に反し、AIコマースの受容土壌はすでに国内にある、というのが重要な示唆です。

商材によって普及速度は異なる：「委任障壁 × 委任便益」

レポートでは、商材とAコマースの相性を2軸で整理しています。

  • 委任障壁：任せて怖くないか（品質評価の難易度、失敗時の補償、選ぶ楽しさの有無）
  • 委任便益：任せると得か（時間削減、価格最適化、購買頻度、意思決定負荷）
委任便益 高委任便益 低
委任障壁 低❶完全自動化領域（日用品・常備食品・安価な小型家電）→ 将来は「気づいたら届いている」❸おまかせトライアル（お菓子・プチプラコスメ・書籍）
委任障壁 高❷人間最終決定領域（高価な大型家電・家具・金融商品）→「有能な執事」モデル❹人間主導領域（高級ブランド・アート）→ AIは下調べ役

自社の主力商材がどの象限にあるかで、打ち手の優先順位とタイムラインが変わります。 これが本記事の考察の出発点です。

プレーヤーは4類型、企業の戦略は3オプション

Aコマースの主導権を争うのは、①汎用エージェント（ChatGPT等）、②PFエージェント（Amazon・ウォルマート等）、③業界特化エージェント（Instacart、LIPS等）、④ブランドエージェント（ロレアル等）の4類型。そして企業の取り得る戦略は、「自社エージェントの構築（構築者の道）」「外部エージェントに選ばれる準備（選ばれる道）」「その両建て」 の3つに整理されています。

2. EC小売への示唆：競争の場が「ページ露出」から「会話内の候補リスト」へ

ここからは弊社の考察です。EC小売にとって、このパラダイムシフトが意味することを4点に絞ります。

（1）「集客」の定義が変わり、先行者優位が不可逆になる

これまでのECは「自社の売り場にいかに来てもらうか」（SEO・広告・CRM）の競争でした。AIコマースでは購買の入口がエージェント側に移るため、「エージェントの推奨候補にいかに入り続けるか」 が新しい集客になります。競争の場は検索結果1ページ目から、会話内に提示される「数点の候補リスト」へ。露出枠は劇的に狭くなり、入れるか入れないかの二値に近づきます。

さらに注意すべきは、この競争が自己強化的であることです。AIは「読み取りやすく、過去に参照・引用された実績のあるブランド」を優先的に推す傾向があり、一度推薦された商品はさらに引用され、また推薦されるという引用のループが回り始めます。検索順位のように後から逆転できる保証はなく、「対応は2〜3年後でいい」と待つことは、競合に推奨ルートの固定化を許すことと同義です。データと信頼の蓄積は買って済ませられるものではなく、積み上げるものだからです。

（2）エージェントが見るのは3層のシグナル。まず自社で握れる層から

エージェントが候補を選ぶロジックは、突き詰めると次の3層のシグナルに整理できます。

  1. 構造化データ：仕様・価格・在庫・配送・返品・保証。もっとも機械的に評価され、かつ自社で100%コントロールできる層
  2. 引用に値するコンテンツ：専門的な解説記事、メディア掲載、第三者評価など、推奨の「根拠」として引用しやすい情報資産
  3. 顧客センチメント：レビュー、SNS・コミュニティでの言及。自社では直接コントロールできないが、健全に育てられる層

打ち手の順番はこの逆ではいけません。世界観を伝えるブランドコンテンツだけを磨いても、①が欠けていれば推奨候補の比較テーブルにすら載らない。まず①から着手し、②③を継続的に積み上げるのが定石です。

（3）「構造化されていない情報は、AIにとって存在しないのと同じ」

どれほど作り込まれた美しい商品ページでも、AIが解釈できるデータ形式になっていなければ、エージェントから見れば「情報がない」のと変わりません。カテゴリ・寸法・素材・互換性・納期・価格帯といった地味な構造化データこそが、「AIが解析できる・検索できる・推奨できる」ための条件です。また、自社EC・モール・実店舗でチャネルごとに価格・在庫・返品条件がバラバラな事業者は、エージェントから見れば「矛盾する供給者」であり、静かに候補から外されていきます。商品情報の機械可読性と、チャネル横断の一貫性（Single Source of Truth） が生存条件になります。

（4）商材タイプで「戦う場所」が分かれる

委任マトリクスを事業戦略に引きつけると、ECは大きく2つの型に分かれていきます。

  • 効率型（スペック・価格・納期で比較される商材）：エージェントによる横断比較が最も効く領域。コモディティ化と価格競争が加速するため、データ整備と供給効率で勝ち切るか、この土俵では戦わない判断が必要
  • 体験型（こだわり・世界観・ファンのいる商材）：「何を買うか」以上に「どう買うか」「買った後どうなるか」が価値になる領域。実際、エージェントは購入後のメンテナンス情報やノウハウ発信が蓄積された店舗を「信頼できる」と評価し、最安値でない店を推奨するケースも観察され始めています

つまりAIコマースは「最安値だけが勝つ世界」ではありません。ニッチな顧客の疑問に答え続けてきた情報資産のアーカイブが、そのまま推奨根拠として効いてくる中小・専門EC事業者にとっては、資本力の勝負からデータと信頼の蓄積の勝負へとルールが変わるチャンスでもあります。

3. 今やるべきこと（〜12ヶ月）

派手な投資は不要です。むしろ地味なデータ整備こそが最大の先行投資になります。

① AIに「自社がどう見えているか」を聞いてみる（現状診断）

もっとも簡単で効果的な第一歩です。ChatGPT等に自社ブランド・主力商品について尋ね、競合と比べてどう説明されるか、そもそも候補に挙がるかを確認する。「商品名の表記ゆれで拾われていない」「購入後情報が皆無と判断されている」といった発見が、そのまま改善のToDoリストになります。

② 自社商材の「委任障壁 × 委任便益」診断

まず主力SKUを、第1章で紹介した4象限のどこに位置するかマッピングしてください。

  • 完全自動化領域（任せて怖くない × 任せると得）：日用品・消耗品・安価な小型家電など
  • 人間最終決定領域（任せるのは怖い × 任せると得）：高価な大型家電・家具・金融商品など
  • おまかせトライアル（任せて怖くない × 得は小さい）：お菓子・プチプラコスメ・書籍など
  • 人間主導領域（任せるのは怖い × 得は小さい）：高級ブランド・アートなど

「完全自動化領域」の商材を扱うなら、猶予はほぼありません。一方で「人間最終決定領域」や「人間主導領域」の商材であっても、購買前の「下調べ」はすでにAIに移行しつつあり、無関係ではいられません。

③ 商品データの機械可読化 — 最優先事項

  • 商品仕様（サイズ・素材・互換性・成分・安全情報）を構造化データとして整備（Schema.org / JSON-LDマークアップ、フィードの正規化）
  • 価格・在庫・納期をリアルタイムに近い形で公開できる体制（API化の準備）
  • 返品・保証・配送ポリシーを、ページ奥のPDFではなく機械が読める明文テキストに
  • 単なる項目の羅列で終わらせず、「意味付け」まで行う（例：店舗の住所だけでなく特徴・用途・適合条件まで記述する）

④ チャネル間の条件統一（Single Source of Truth の構築）

商品マスタ・価格・在庫・ポリシーを一元管理し、自社EC・モール・将来のエージェント連携すべてに同一条件を配信できる状態を目指します。PIM（商品情報管理）の導入・刷新を検討するなら今です。

⑤ レビューの健全化と「買った後」の情報資産づくり

レビュー不正、過度な誇張表現は、人間には効いてもAIには逆効果です。エージェントは「顧客の代弁者」であると同時に「リスク管理者」として振る舞うため、安全性の証拠（禁忌表示・年齢制限対応・代替提案）はむしろ推奨確率を高める材料になります。あわせて、使い方・メンテナンス・FAQ・比較解説など購入後まで含めた情報のアーカイブを育て始めてください。前述のとおり、これが「価格以外の推奨根拠」になります。

⑥ AI経由流入の計測開始

ChatGPT・Perplexity・Gemini等からのリファラ流入、Rufus上での自社商品の見え方を今からモニタリングし、ベースラインを取っておきましょう。海外ではAI経由トラフィックが急伸しているという報告が相次いでおり、変化に気づける体制が意思決定のスピードを決めます。

⑦ ACP等プロトコル動向のウォッチと小規模実験

Shopify・Stripe経由でのACP対応など、既存インフラ側が対応を進めています。自社のカートシステムがどのプロトコルにいつ対応するのかを把握し、可能なら限定カテゴリで接続実験を始めておくのが理想です。

4. ここ2〜3年で対応すべきこと

① 「選ばれる道」の本格実装 — 外部エージェントを正式チャネルに

ACP等での決済連携まで含めて、汎用エージェント・PFエージェントを「新しいモール」として運用します。出店管理と同じように、エージェント別の候補リスト入り率・推奨根拠の内容・経由売上を管理するチャネルマネジメント体制が必要になります。広告運用チームの隣に「エージェント最適化（AIO）」の機能を持つイメージです。

② 「構築者の道」の要否判断 — 全員がやるべきではない

自社エージェント構築が合理的なのは、他社が持たない領域固有データ(肌質・体型・食事制約・施工条件など)や強いブランド接点を持つ場合です。単なるFAQチャットボットの延長では、汎用エージェントとの利用頻度勝負に勝てません。多くの中堅EC事業者にとっての現実解は「選ばれる道に軸足を置いた両建て」であり、限られたリソースをまずデータ整備に振るべき、というのが弊社の見立てです。

なお、自社エージェントを持つ場合の差別化は「常に正解を即答すること」だけではありません。あえて選択肢を残す、顧客に問いを返すといった接客としての対話設計何を語り、何を語らないかという企業の意思をAIに教え込むことが、体験型の商材ではブランド価値そのものになります。

③ 顧客データ×商品データの統合基盤

パーソナライズされた推奨の精度は、「誰に（顧客の文脈）」と「何を（商品のDNA）」の掛け算で決まります。顧客データ基盤（CDP）だけあっても、商品データが貧弱ならエージェントの推薦候補に並べない。逆も同じです。アーキテクチャの原則は「フロント（顧客接点）は多様化させ、バックエンド（データ基盤）は統合する」。EC・店舗・アプリ・外部エージェントと接点が増えるほど、一つのID・一つの基盤に情報が返ってくる設計の価値が効いてきます。全社一斉の大規模刷新ではなく、成果の見えやすいユースケースでのPOCから段階的に広げるのが現実的です。

④ KPI・組織の再設計と「AI-Ready」な文化づくり

  • セッション数・CVRだけでなく、「候補リスト入り率」「推奨時の根拠品質」「エージェント経由の返品率」を追う
  • SEO/広告/EC運用/CSに分断された組織を、「商品データ」を中心に再編する
  • 会話ログという新しい需要データ（なぜ選ばれた/落とされたか）を商品企画に還流させる

重要なのは、特定のAIプラットフォームに全賭けしないことです。エージェント側の仕様は数週間単位で変わり得ます。賭けるべきは個別ツールではなく、データを整備し→意味付けし→届け→鮮度を保ち続ける運用サイクルと、それを回せる組織文化。SEOの歴史で小手先のテクニックに頼った事業者から淘汰されたのと同じ構図が、より速いスピードで繰り返されます。

⑤ AI3.0（在庫ゼロ小売）への布石

サイズ・色味・フィット感で返品が多い商材（アパレル・シューズ・寝具等）を扱うなら、セミオーダー・オンデマンド生産の小規模実験を始める価値があります。「完成品在庫」から「設計データ＋素材」へ在庫の持ち方が変わる未来は、返品コストに苦しむ事業者ほど早く恩恵を受けられる領域です。

5. まとめ：勝敗を分けるのは「商品データの質」と「積み上げの継続」

NRIレポートの結論は「構築者の道か、選ばれる道か、両建てか」というリソース配分の問いでした。弊社が付け加えるとすれば、どの道を選んでも最初の一歩は同じだということです。すなわち、商品仕様・価格・在庫・配送・返品・保証を、機械が読み取れる形で、どのチャネルでも一貫した状態に保つこと。そしてそれを一度きりの整備で終わらせず、更新し続けること。

検索エンジンの時代に「SEOを制する者がECを制した」ように、エージェントの時代には「商品データを制する者がAIコマースを制する」。しかも引用ループが働く以上、これは早く始めた者ほど有利になる競争です。約3〜5割の消費者がすでに利用意向を示している以上、5年後の話ではなく、来年の売上の話です。

弊社では、エージェンティックコマース時代に「AIに選ばれる商品データ」を設計を支援する取り組みを進めています。お気軽にご相談ください。