この記事のポイント
- O'Reillyが公開した実験で、AIショッピングエージェントは90ドルの安いジャケットを無視し、構造化データを持つ95ドルの商品を10回中10回選択した
- エージェントパイプラインの中間層（決定論的コード）がマーケティングコピーをバリデーションエラーとして12ミリ秒で排除する「サンドイッチ・アーキテクチャ」が業界標準になりつつある
- 「ネガティブ・オプティマイゼーション」— 商品が向かない用途を明示的にコード化することが、エージェンティックコマース時代の新しい競争戦略となる
90ドルのジャケットが「存在しない」扱いになった実験
Why deterministic data infrastructure is replacing visual persuasion in ecommerce
www.oreilly.comO'Reilly Radarに2026年4月6日付で公開されたこの記事は、著者のHeiko Hotz氏が実際に行った実験から始まります。2つのオンラインストアでハイキングジャケットを販売。Merchant Aは「Alpine Explorer。超通気性の全天候型シェル。嵐の海を制覇」という従来型のマーケティングコピーで90ドル。Merchant Bはコピーなし、{"water_resistance_mm": 20000} というJSONデータのみで95ドル。
AIエージェントに「スコットランド・ハイランド向けの防水ハイキングジャケットを最安値で探せ」と指示した結果、10回中10回、エージェントは5ドル高い方を購入しました。安い方は候補にすら入らなかったのです。
なぜか。エージェントは「スコットランド・ハイランド＝大雨」と推論し、最低15,000〜20,000mmの耐水圧を要件に設定しました。Merchant Aの「嵐の海を制覇」という表現を耐水圧のフィールドに照合しようとした瞬間、Pythonのバリデーションエラーが発生。try/exceptブロックがそれを捕捉し、12ミリ秒で候補から除外しました。
3層構造が意味するもの — LLM・決定論的コード・LLM
この実験が浮き彫りにしたのが、Hotz氏が「サンドイッチ・アーキテクチャ」と呼ぶ設計パターンです。
最上層の「Translator」はLLMが担います。人間の曖昧なリクエストを構造化JSONクエリに変換する役割です。中間層の「Executor」には知性がありません。意図的にそう設計されています。Translatorから受け取った構造化クエリを、各マーチャントの商品データに対してPydanticの型チェックで照合するだけ。文字列が数値フィールドに入っていれば即座にバリデーションエラーです。最下層の「Judge」は再びLLMが担当し、中間層のフィルターを通過した商品群から最終選択を行います。
この3層パターン（LLM → 決定論的コード → LLM）は、O'Reillyの記事に限った話ではありません。CrewAIのブログが紹介するDocuSignの営業アウトリーチシステムも同様の構造を採用しています。LLMエージェントがリード調査に基づいてパーソナライズドメールを作成し、決定論的レイヤーがビジネスルールを適用、最終エージェントが出力をレビューする。DocuSignはこのアーキテクチャにより、人間の営業担当と同等以上のエンゲージメント指標を達成しつつ、調査時間を数時間から数分に短縮しました。
重要なのは、中間層が「説得不可能」であるという点です。美しいコピーも、ソーシャルプルーフも、ブランドの権威も、Pydanticのtype checkには通用しません。
マーケティングコピーは「情報を破壊する」
Hotz氏の指摘で最も鋭いのは、マーケティングコピーを「情報理論的に損失のある圧縮」と定義した部分です。耐水圧20,000mmという高情報シグナルを「世界最高の通気性メッシュ」という低情報文字列に変換する行為は、エージェントが復元できない不可逆な情報損失だという論理です。
ここから導かれる実務的な結論は明快です。PIMやERPに眠っている生の商品データ — 素材、耐水圧、配送ルール — をそのまま構造化フィードとして公開する必要があります。記事が言及するUCP（Universal Commerce Protocol）は、まさにこの課題を解決するために設計された標準規格です。マーチャントがSchema.org準拠のケイパビリティマニフェストを公開し、任意のエージェントがそれを発見・クエリできる仕組みを提供します。
MIT Technology Reviewも同様の論点を展開しています。エージェンティックコマースでは「おそらく正しい」では不十分であり、エンティティの真実性（product truth、payee truth、identity truth）が決定論的に検証可能でなければならないと指摘しています。
「買うな」と伝えることが最善の戦略になる逆説
記事の中で最も直感に反するのが、「ネガティブ・オプティマイゼーション」の概念です。
従来のマーケティングは可能な限り広いネットを投げ、返品で不一致を吸収するモデルでした。しかしエージェンティックコマースではこのロジックが反転します。軽量シェルを「全天候型」と記述すれば、エージェントはそれを文字通り受け取り、1月の吹雪用に購入します。3日後に返品。そしてその返品データは「商品説明と実物が異なる」として、そのマーチャントに対する永続的な信頼割引を生成します。
対策は "not_suitable_for": ["sub-zero temperatures", "heavy snow"] のような否定条件の明示的なコード化です。偽陽性の購入を防ぎ、信頼スコアを守る。過大な約束は発見可能性を徐々に蝕むという構造は、Agent-Readyな商品データ戦略で論じたセマンティックサマリーの「向かないケース」記述と完全に合致します。
割引はバナーからプログラマブルロジックへ
カウントダウンタイマー、フラッシュセールのバナー、在庫僅少の表示。これらはすべて人間の希少性不安に訴えかける手法ですが、AIエージェントは希少性不安を感じません。カウントダウンは中立的なスケジューリングパラメータとして処理されるだけです。
代わりに登場するのが、構造化データ層に組み込まれた条件付き価格ロジックです。「カート合計が200ドル超、かつ195ドル未満の競合オファーをエージェントが確認済みなら、10%割引を自動適用」。これは透明で機械可読な契約であり、エージェントは複数のマーチャントを横断して数学的に最適化できます。買い手が最適化エンジンである世界では、透明性そのものが競争優位になります。
まとめ — 説得からインフラへの転換点
Hotz氏が描く世界では、説得が無意味になるわけではありません。ブランドの存在感はユーザーの最初のプロンプトを形成し（「North Faceのジャケットを探して」）、高額商品では人間が最終ショートリストをレビューします。運用の卓越性は長期的なアルゴリズム信頼を構築する構造的な説得として機能します。
ただし、そのどちらも中間の決定論的フィルターを通過できなければ意味がありません。エージェントはすでに人間のバイヤーと並んでストアを閲覧しています。デジタルコマースを純粋に視覚的な領域として扱い続けるブランドは、人間には最適化されているのにエージェントには見えない、という状態に陥ります。データインフラはストアフロントと同等の重要性を持つ。この認識の転換が、記事の核心です。
