AIエージェントが「買い手」になる時代──小売購買行動の3段階進化を読み解く

Glu CTOが描くAIバイヤーの進化マップ

Agentic commerce and the evolution of retail purchase behaviour

Retail shifts as AI agents move from recommending products to completing purchases, forcing brands to make catalogues legible to machine buyers.

ecommercenews.com.au

2026年4月15日、AI commerce基盤を提供するGluのCTO Sangeeta Mudnal氏が、eCommerceNews Australiaに寄稿しました。テーマは、AIエージェントが購買プロセスにどこまで介入し、小売の構造をどう変えるか。20年にわたり検索エンジンのアルゴリズムに最適化してきたブランドが、今度は「AIに理解される」という根本的に異なる課題に直面しているという問題提起です。

Mudnal氏はAIバイヤーの進化を3つのフェーズに整理しています。現在のフェーズ1は「リサーチャー」。消費者が「マラソン用ランニングシューズ、150ドル以下」と尋ねると、AIがレビューやスペックを統合して推薦を生成します。フェーズ2の「アシスタント」は既に始まっており、OpenAIのOperatorのようなエージェントが商品発見からカート作成まで実行し、人間は最終承認だけを行います。そしてフェーズ3の「自律的バイヤー」では、エージェントが日用品の補充や製品の買い替えを人間のプロンプトなしに完了させます。

1兆ドル市場の現在地

この3段階の進化は絵空事ではありません。McKinseyが2025年10月に発表したレポートは、2030年までにAIエージェントが米国B2C小売で最大1兆ドルの取引を仲介すると予測しています。グローバルでは3兆〜5兆ドル規模です。ChatGPTだけで1日約5,000万件の買い物関連クエリが処理されているという推計も示されました。

数字の裏付けはShopifyの実績にも表れています。AIが起点となった注文数は2025年1月から2026年3月にかけて11倍に成長しました。EC全体に占めるAI経由セッションはまだ約0.2%ですが、年間成長率は1,079%に達しています。現時点の規模は小さくとも、成長曲線は指数的です。

「検索順位」から「解釈可能性」への競争軸シフト

Mudnal氏の分析で最も実務的に重要なのは、ブランドの可視性に関するパラダイムシフトの指摘です。

キーワードと被リンクで検索順位を争う時代は終わりつつあります。AIが仲介する世界では、ゲートキーパーは推論モデルそのものです。モデルは構造化された商品データを解析し、質問への回答、選択肢の比較、主張の検証を行います。カタログの記述が曖昧で、属性が不整合で、データが古ければ、AIは製品を検証できません。検証できなければ、推薦もされません。

この現象は「Generative Engine Optimisation（GEO）」として急速に体系化されています。Shopifyのエンタープライズブログによれば、完全なProduct schemaを持つページはAIシステムに引用される確率が3.7倍高いという調査結果が出ています。SEOがウェブページの「人間への見せ方」を最適化する技術だとすれば、GEOは商品データの「機械への読ませ方」を最適化する技術です。

インフラとしてのカタログ──Shopify UCPの意味

では、「機械に読めるカタログ」を実現するインフラはどう整備されているのか。

Shopifyが2026年1月に発表したUniversal Commerce Protocol（UCP）は、Googleと共同開発したオープン標準です。AIエージェントがマーチャントと接続し、在庫照会から決済までを一貫して処理できる共通言語を定義しています。Etsy、Target、Walmart、Wayfairを含む20社以上が既に対応を表明しました。

UCP以前は、AIエージェントが商品を購入するにはウェブサイトを巡回する必要がありました。それは人間がブラウザで買い物するのと変わりません。UCPが実現するのは、エージェントがAPIレベルで直接カタログにアクセスし、割引コード適用やサブスクリプション設定まで含めた完全な取引を実行できる世界です。Mudnal氏が指摘する「フェーズ3の自律的バイヤー」に必要なインフラが、まさにここで整備されつつあります。

EC事業者への影響と活用法

Mudnal氏は記事の中で、ブランドが今すぐ取り組むべき4つの要件を挙げています。機械が比較可能な構造化された商品属性、リアルタイムで検証可能な在庫・価格情報、文脈理解のための商品間の関係性、モデルが関連性を判断するための明確な差別化情報です。

「AIモデルは今日のデータで訓練されている」という指摘は見逃せません。カタログの構造化が遅れれば、AIがブランドを理解する基盤そのものが欠落します。後から追いつこうとしても、モデルの学習データに自社が含まれていなければ、推薦候補に入ることすらできません。

具体的なアクションとしては、まずGEO対応の監査から始めることが推奨されます。自社カタログが構造化データとしてAIに解釈可能かどうかの確認です。次にShopify UCPやGoogle AI Modeへの対応を検討し、AIチャネルでの販売基盤を構築する段階に入ります。

まとめ

「買い手がもはや人間だけではなく、カタログがもはやウェブサイトだけではない」。Mudnal氏のこの一文が、エージェンティックコマース時代の本質を端的に表現しています。

注目すべきは、この変化が「いつか来る未来」ではなく、フェーズ1からフェーズ2への移行が既に進行中だという点です。McKinseyの1兆ドル予測、Shopifyの注文数11倍成長、UCP標準の急速な普及。次に問われるのは、AIが購買を自律的に完了する「フェーズ3」に移行したとき、自社のカタログがその会話に参加できる状態にあるかどうかです。