この記事のポイント
- Snowflake Summit 2026で「エージェンティックコマース時代の小売の中心はデータ品質だ」という論点が前面に出ました。AIエージェントが消費者に代わって商品を探し、比較し、購入する世界では、データ整備がすべてのAI施策のボトルネック（律速段階）になりつつあります
- 競争のルールが「人間の注意を奪う」から「AIに選ばれる」へ移ります。従来のECがデザイン・広告・検索順位で勝負していたのに対し、エージェンティックコマースでは商品データの品質・カタログの網羅性・プロトコル準拠が選定基準になります
- EC事業者がいまやるべきは商品フィードの構造化です。属性の完全性、自然言語に対応する説明文、GTINやレビューといった信頼シグナルを揃えた機械可読データが、AI経由のディスカバリーと購買を左右します
「データ品質が小売の中心になる」とSnowflake Summitで語られたこと
Agentic commerce puts data quality at the center of the retail industry as AI agents are now making purchasing decisions on behalf of consumers.
siliconangle.comサンフランシスコで6月1〜4日に開催されたSnowflake Summit 2026で、小売の次の時代を巡る一つの論点が繰り返し語られました。AIエージェントが消費者に代わって購買判断を下すようになると、小売事業者の競争力を決めるのは商品データの品質だ、というものです。これは将来の課題ではなく、いま競争に参加するための前提条件として提示されました。
登壇したのは、ポイント還元プラットフォームFetch Rewardsの最高AI責任者Gowtham Gundu氏と、Snowflakeで欧州・中東・アフリカの小売を統括するPaul Winsor氏です。Fetchは月間約1,300万人のアクティブユーザーを抱え、1日あたり約1,300万件のレシートを処理する規模を持ちます。GunduはGMV（流通取引総額）データの規模で「WalmartとAmazonに次ぐ3番目」だと述べ、その膨大な購買データがエージェンティックコマースへの備えの土台になると語りました。
Winsor氏の言葉が、この記事の核心を最も端的に言い表しています。
在庫データ、顧客の行動や購買履歴を理解するための顧客データ、そしてすべての商品データ。あなたのデータこそが、次の進化であるエージェンティックコマースにとって決定的に重要になります。
なぜいま「データ品質」が律速段階になるのか
エージェンティックコマースとは、消費者個人のAIエージェントが商品の発見・比較・購入を代行する仕組みを指します。コンサルティング会社Bain & Companyは、最終的にはエージェント同士の取引が従来の小売サイトを完全に迂回し、消費者が購買判断をAIに委ねる世界もありうると指摘しています。問題は、その変化が多くの小売事業者の予想よりはるかに速く進んでいることです。
ここで決定的に変わるのは、AIが商品を「どう見つけるか」です。買い物客がAIに「200ドル以下で最高の防水ハイキングブーツを探して」と尋ねたとき、AIはその場であなたのサイトをクロールするわけではありません。あらかじめフィードからインデックスされた構造化済みの商品データを参照します。つまりAIが解釈できる形でデータを差し出していなければ、検索順位が低いのではなく、そもそも候補に挙がらないという状態が生まれます。
Snowflakeが自社の小売顧客全体で観測しているのも、まさにこの構図です。データの準備が整っているかどうかが、あらゆるAI施策の成否を分ける入口になっている。WinsorとGunduが語ったのは、自然言語でデータにアクセスできることが、もはや「あれば良い機能」ではなく必須条件になったという認識でした。Fetchは、Pepsiのようなブランドがバイアウト率やバスケットサイズ、トレンドの変化を即座に問い合わせられる自然言語インターフェースを構築しているといいます。質問をSQLクエリに変換し、データを取得し、読める回答をリアルタイムで返すパイプラインです。
競争のルールが「注意の奪い合い」から「AIに選ばれる」へ
従来のECで、ブランドは人間の注意を奪うために戦ってきました。洗練されたデザイン、印象的な広告、検索結果での上位表示。ところがエージェンティックコマースでは、その勝負の土俵が根本から変わります。
評価するのは人間ではなくAIエージェントです。エージェントは見た目の美しさやキャッチコピーの巧みさに反応しません。商品データの品質、カタログの網羅性、そして決済や購入を仲介するプロトコルへの準拠を基準に商品を選びます。Google検索のAIモードやChatGPT、Perplexityといったエージェントは、すでにフィードや構造化データから商品情報を引き出して回答を生成しています。フィードに欠損があったり、情報が古かったり、整形が不十分だったりすれば、これらのエージェントはより完全なフィードを持つ競合へと淡々と乗り換えます。
この「選ばれる」を巡る競争を技術的に下支えするのが、各陣営の商品データ規格です。2026年1月にはGoogleがShopify・Wayfair・Target・Etsy・Walmartらを巻き込んでUniversal Commerce Protocol（UCP）を立ち上げ、OpenAIのAgentic Commerce Protocol（ACP）はChatGPTの購買機能を支えています。Perplexityもブランドが構造化された商品カタログを直接提出できる仕組みを用意しました。いずれも、エージェントが解釈できる形式でデータを差し出せるかどうかを前提にした規格です。準拠していなければ、その流通経路に商品が乗らないという意味で、プロトコル対応は新しい棚取りに近い性格を帯びています。
調査会社Gartnerは、2030年までにオンラインショッピング取引の20%がAIプラットフォームやエージェント経由で流れると見積もっています。その結果に表示されるブランドは、必ずしも最大手や最良の商品を持つ企業ではありません。構造化された機械可読データを持つ企業です。属性の完全性が99.9%に達する店舗は、データが疎な店舗に比べてAI推薦での露出が3〜4倍高いという観測も報告されています。
EC事業者がいま整えるべき「AIに読める」商品データ
では具体的に何を整えればよいのか。商品フィードの最適化は、大きく三つの層で考えると整理しやすくなります。
一つ目は構造的な完全性です。商品が何であるか、価格はいくらか、在庫はあるか。これらをAIが解釈できるフィールドとして過不足なく埋めることが土台になります。GoogleのMerchant Centerでいえば、商品ID・タイトル・説明・URL・画像といった必須属性は、欠ければフィード自体が承認されません。加えて、変種（バリエーション）は親商品にまとめず、それぞれ固有のIDを持つ別の行として登録することが推奨されます。
二つ目は意味的な密度です。AIエージェントは自然言語の問いかけに商品を照合します。タイトルには「ブランド＋商品名＋主要属性＋サイズや色」を構造化された順序で含め、「ベストセラー」「セール中」といった販促文句は避けるべきだとされます。AIはこうした宣伝表現を信号ではなくノイズとして扱うためです。説明文の記述の豊かさが、そのまま自然言語クエリとのマッチ精度に直結します。
三つ目が信頼シグナルです。GTIN（国際的な商品識別番号）、検証済みのレビュー、正確な配送データ、そしてSchema.orgのマークアップと送信フィードの一貫性。エージェントは、こうした裏付けのあるデータを優先して推薦に組み込みます。
商品データの整備とは別に、Snowflake Summitの議論が示したもう一つの示唆は、商品データだけでなく在庫・顧客・購買履歴を含むデータ基盤全体を、リアルタイムで問い合わせ可能な状態にしておくことの重要性です。Fetchが描く将来像は、ユーザーが朝起きて散歩や視聴で自動的にポイントが付与され、購買履歴から「今日は文具が必要なはず」と先回りで提案されるような、徹底した自動化のマーケットプレイスでした。そうした体験を支えるのは、整備され、即座にアクセスできるデータです。
まとめ
エージェンティックコマースが進むほど、小売の競争力の重心は、店頭やサイトの見た目から、その裏側にあるデータの質へと移っていきます。Snowflake Summit 2026で語られた「データこそが次の進化の鍵」という言葉は、誇張ではなく、AIに選ばれるための実務的な前提条件を指していました。
EC事業者にとっての出発点は、自社の商品フィードがAIにとって完全で、機械可読で、信頼に足るかを点検することです。属性の欠損を埋め、説明文を自然言語に対応させ、信頼シグナルを揃える。地味な作業ですが、ここが整っていなければ、AI経由のディスカバリーという新しい入口で存在しないも同然になります。次に注目すべきは、各プラットフォームの商品フィード要件とプロトコルがどこへ収れんしていくか、その動向です。
