返金までAIエージェントに任せる条件──TrainlineとAnthropicが語る、取引を扱うエージェント運用の基礎体力

取引プラットフォームが語ったエージェント運用論

The importance of fundamentals in travel if the agentic workforce is untrustworthy

Trainline has partnered with Anthropic to implement AI internally and in customer-facing applications. At the recent TravelTech Show, Trainline CTO Mike Hyde shared his experience so far.

www.phocuswire.com

ロンドンで開催されたTravelTech Show 2026のセッションで、欧州最大級の鉄道・バス予約プラットフォームTrainlineのCTO Mike Hyde氏と、AnthropicのエンタープライズGTM（go-to-market）リードHarry Herbert氏が、エージェンティックAIを拡大する事業者に何が必要かを議論しました。PhocusWireによれば、TrainlineはAnthropicと提携し、社内業務と顧客向けアプリケーションの双方でAIを実装しています。

この議論は旅行テックの話題にとどまりません。Trainlineはチケットという商品を販売し、決済し、払い戻す取引プラットフォームです。しかも後述するとおり、返金というお金が動く操作をすでにAIエージェントに任せています。AIエージェントが商品の発見から購入、購入後の手続きまでを担うエージェンティックコマースの議論は、買い物客側のエージェントに注目しがちです。しかし売り手側が取引処理をエージェントへ委ねる動きは、静かに実運用へ入っています。このセッションは、その運用の裏側を当事者が語った記録として読み解く価値があります。

Hyde氏は2021年にTrainlineへ加わり、Meta、Skype、Microsoftでデータ組織を率いた経歴を持ちます。2025年4月にはChief Data OfficerからCTOへ昇格し、AI・機械学習をプラットフォームの中核に据える役割を担っています。「これから導入する」立場ではなく、18ヶ月の運用経験を踏まえた発言である点が、この議論の重みを支えています。

返金を実行するエージェントは、すでに顧客接点で動いている

セッションの前提として押さえておきたいのが、Trainlineの顧客向けエージェント「Trainline Assistant」です。2025年6月に英国のiOSアプリで全ユーザーに開放されたこのアシスタントは、運行状況や券面条件への自然言語での応答に加えて、依頼を受けると対象チケットの返金を自律的に処理します。発表時点で問い合わせの88%を完結させ、平均応答時間は12秒と報告されています。Hyde氏は当時、「アシスタントは常に学習しており、それを支えるエージェンティックAIシステムを拡張し続けている」と述べました。

さらに2025年12月19日には、遅延・運休時の個別通知に加えて、補償の受給資格と金額を自動で知らせるDelay Repayアラート、2タップで別の列車へ振り替えるTrain Swapを含む大型アップデートを発表しています。補償アラートは夏のベータ期間だけで約100万ポンド分の補償請求の処理につながり、この時点でカスタマーサービス担当者へ渡る問い合わせは10%未満とされています。チーフプロダクトオフィサーのNina de Souza氏は「切符を売ることを超えて、旅の全行程で顧客を支える存在へ移行している」と説明しました。

コマースの言葉に置き換えると、これらはキャンセル・返金・補償という購入後対応の自動化です。物販ECでいえば、注文変更の受付、返品処理、配送遅延の補償対応に相当します。発見や推薦のAI化が話題を集めるなかで、Trainlineの事例が目を引くのは、間違いが直接金銭に響く確定的な操作からエージェントの実運用を積み上げている点です。なおアシスタントを支える基盤モデルの構成は公表されておらず、公式ページも「AI搭載」と記すにとどめています。

「信頼できない3,000人」という統制設計の問い

では、お金が動く操作をエージェントに任せる事業者は、何を土台にしているのでしょうか。Hyde氏がセッションで示したのは、ひとつの思考実験でした。Trainlineのエンジニアはおよそ600人。そこにエージェンティックAIという労働力が加わり、実質的に3,000人規模になったと想像してみます。

"

違いは、突然3,000人のエンジニアを抱えることになったのに、我々のシステムはすべて600人を支える前提で設計されていて、しかもその3,000人は元の600人より信頼できないという点です。彼らが四六時中正しいことをすると想定はできません。では、全員を信頼できない3,000人超の会社を運営するには、どんなセキュリティシステムが必要でしょうか。

出典: Mike Hyde（Trainline CTO）

この問いをHyde氏は「Trainlineが解こうとしているメンタルモデル」と呼び、多くの企業の出発点になると述べています。「今の5倍の規模になり、そこに非常に信頼度の低い従業員が大量に加わったら、あなたは何をするか」という問いの立て方です。

エージェント導入の議論は「どのモデルが賢いか」「どのツールが便利か」に流れがちですが、Hyde氏はこれを組織のセキュリティ設計の問題として定式化しました。人間の従業員には採用審査、権限管理、レビュー、監査という統制が長年かけて整備されています。エージェントという新戦力が数千人規模で一気に加わるなら、同じ水準の統制を別のかたちで作り直す必要があります。在庫、価格、注文、返金に触れる権限をエージェントへ与えることは、まだ信頼しきれない相手にレジの鍵を渡すことにほかなりません。正しく振る舞うことを前提にしない、ゼロトラストに近い設計が標準になるという含意です。

基礎体力の5要素と、トークン予算という財務規律

Hyde氏が基礎体力として挙げたのは、プロセス、設計、ガバナンス、セキュリティ、財務統制の5つです。「これらは派手でも見出しになるものでもない。しかし、最新のモデルが何であれそれを採用できるようにする土台だ。基礎はモデルほど速くは変わらない」と述べています。モデルは数ヶ月単位で世代交代し、特定モデルへの最適化投資は次の世代で目減りします。一方で統制の設計は、どのモデルに乗り換えても持ち越せます。変化の速いレイヤーではなく、遅いレイヤーに投資するという原則の適用です。

5要素の中でも具体的だったのが財務統制、すなわちAIのコストとトークンの管理です。Trainlineはエンジニア個人ごとにトークン予算を割り当てる仕組みを使い始めており、消費が大きいと分かっているプロジェクトには特別予算を付けます。「高くつくかもしれないが、新しいものを作っているのだから、それだけの価値がある場合もある」というのがHyde氏の判断です。

この規律は、取引を扱う事業者にとって切実です。顧客対応や取引処理をエージェント化すれば、AIの処理量とトークン消費は取引量に比例して伸びていきます。クラウド費用の管理がFinOpsという規律へ発展したように、エージェント運用のコストにも予算管理が要ります。個人予算と例外的なプロジェクト予算の二階建てというTrainlineの運用は、エージェント運用の採算を管理する最初期の実例と言えます。

ツール配布から職務単位の自動化へ──18ヶ月の変曲点

Trainlineの社内AI導入はおよそ18ヶ月に及びますが、直近3〜4ヶ月で変曲点を迎えたとHyde氏は言います。初期はツールを配布して何が起きるかを見るアプローチで、得られた生産性向上は10〜20%でした。現在は「AIを展開するだけでは足りない。将来どう働くのかというレベルから、もっと根本的に考え直す必要がある」という認識のもと、誰かの作業を1〜2時間短縮するのではなく、タスクや職務の全体をエージェンティックなステップの連鎖で置き換える自動化へ移行しています。

AIの影響が現れている領域としてHyde氏は、自社データを使った顧客向けプロダクトの構築、人々が旅行を検索・発見する行動の変化への適応、社内オペレーションの変革の3つを挙げました。注目すべきは2番目です。商品の発見がAIチャットやAI検索へ移る変化は、鉄道チケットも物販も同じように直撃します。発見・取引・運用という3つの層でAIの影響を捉える整理は、小売・ECの経営にもそのまま持ち込めます。

Herbert氏はベンダーの立場から企業側の変化を補足しました。8ヶ月前は、企業がばらばらのツールを試し、従業員が個人のChatGPTライセンスを職場で使う光景が普通でした。現在は「AIをワークフローにどう組み込むか、ROIを得るのに本当に適したツールはどれか」を組織として問う段階に移っています。成功企業の共通項は「トップダウンのビジョンと権限があり、ボトムアップからユースケースが見つかる」こと。加えてHerbert氏は、新機能が自社のユースケースと顧客に適合するかを判断する評価（evals）のプロセスを整備することを強調し、「多くのクライアントの『Eureka』モーメントは、自社のデータと自社のシステムでAIが動くのを見たときに訪れる」と述べています。

「ほぼ正しい」が許されない一線

同じTravelTech Showでは、エージェンティックコマースへの業界の準備状況を扱うパネルも開かれました。Travelport CTOのAndrew Jordan氏は、旅行の流通が決定論的から確率論的へ移るなかで、発見・旅程づくり・インスピレーションの領域と、お金を渡して確定する領域の間には明確な線があり、「そこでは『ほぼ正しい』では許されない」と指摘しています。Herbert氏も同じパネルで、予約の過程では安全性とセキュリティが決定的に重要であり、ガードレールを通じて信頼を築く必要があると述べました。

この線引きは、Trainlineの実装とも符合します。同社のアシスタントが自律処理するのは、受給資格が条件として明確に定義された対象チケットの返金です。確率的な提案で価値を出す発見のレイヤーと、決定論的な正確さが要る取引のレイヤーを区別し、後者には統制と限定を掛けたうえで任せる。エージェントに購買を委ねることへの消費者の信頼がまだ育っていない段階では、この設計順序そのものが信頼の源泉になります。

なお同じパネルでは、消費者が自分のAIエージェントを持ち込んで予約する将来と、それを支えるMCPやACP、UCPといった接続規格の整備が、業界の次の課題として語られています（Kismet CEOのJason Cincotta氏）。ただし、Trainlineがこれらの規格へ対応したという発表は確認できません。現時点の同社のエージェントは自社アプリ内で完結する実装であり、外部エージェントとの接続は事実と切り分けて、今後の論点として捉えるべきです。

小売・EC事業者への示唆

第一に、エージェントに何をさせるかより先に、どこまでの取引操作を許すかを設計することです。権限、監査、上限の仕組みは「信頼できない大量の新戦力」を前提に作り直す必要があります。返金や注文変更のような購入後対応は、資格条件をルール化しやすく監査もしやすいため、お金が動く領域へエージェントを入れる最初の適用先として現実的です。Trainlineが発見の華やかな機能ではなく返金処理から実運用を積み上げたことは、この順序の妥当性を示しています。

第二に、AIコストを予算として管理する規律を早期に導入することです。取引量に比例して伸びるトークン消費を放置すれば、エージェント運用の採算は見えなくなります。個人予算と特別プロジェクト予算という二階建ては、明日から真似できる運用です。

第三に、評価プロセスを整えてから、任せる範囲を広げることです。出力を体系的に評価する仕組みがなければ、この操作をエージェントに任せてよいかを判断する物差しがありません。ツール配布で得られる10〜20%の生産性向上で止まらず、職務単位の自動化へ進めるかどうかは、評価の基盤と、トップダウンの意思とボトムアップのユースケース発見の組み合わせに懸かっています。

まとめ

エージェンティックコマースの成熟は、買い物客の代わりに何でも買ってくれる派手なエージェントからではなく、返金処理のような地味で確実な取引操作と、その裏側の統制設計から進んでいます。Trainlineの18ヶ月が示すのは、お金が動くシステムへAIを組み込む条件が、モデルの賢さではなく、プロセス、設計、ガバナンス、セキュリティ、財務統制という基礎体力にあるという事実です。モデルは変わり続けますが、基礎はモデルほど速くは変わりません。取引を任せる相手が人間でもエージェントでも、信頼は統制の設計から生まれます。