IndiaMART、B2B購買を「検索」から「意思決定」へ。AIマッチングと音声AI「VANI」、出品者検証の設計をCIOが語る
インドのB2BマーケットプレイスIndiaMARTが、AIエージェントによるマッチング、音声AI、出品者検証をどう組み立てているかを解説します。EC事業者が自社に持ち帰れる設計の教訓も整理します。
この記事のポイント
- インドのB2BマーケットプレイスIndiaMARTのCIO、Nikhil Prabhakar氏がCIO誌のインタビューで、AIエージェントによる買い手と出品者のマッチング、音声AI「VANI」、出品者検証の設計を語りました。
- 同氏は、B2B購買が「検索の旅」から「意思決定の旅」へ移り、エージェントが動くほど価値は検証済みの事業者データに移ると述べています。自律を広げるほど検証を増やすという方針が、設計全体を貫いています。
- EC事業者にとっての教訓は、件数より適合度で測ること、事実と推論を分けて持つこと、他者の文章を命令として扱わないことです。成果の測り方を4つの問いに分けた評価の枠組みも、そのまま自社の接客AIに使えます。
1億2900万件の掲載を「意思決定」に変える
1億2900万件の商品掲載を抱えるIndiaMARTで、エージェンティックAIが買い手の発見と出品者の応対をどう変えているか。CIOのNikhil Prabhakar氏が語ります
www.cio.comポンプが欲しい、とだけ伝える買い手がいます。農業用か建設用か、水用か油圧か、本人もはっきり言いません。B2Bの購買は、こうした曖昧な要望を条件に落とし込むところから始まります。
CIO誌（Foundry）が11月2日に掲載したインタビューで、IndiaMART InterMESHのCIO、Nikhil Prabhakar氏はこの問題にAIエージェントで向き合っていると説明しました。IndiaMARTはインドの中小企業向けB2Bマーケットプレイスで、記事によれば1億2900万件の商品が掲載されています。
同氏の要約は短いものです。B2B購買は検索の旅から意思決定の旅に移りつつあり、エージェンティックAIがそれを加速させる。答えるソフトウェアが、動くソフトウェアになりつつあるという見立てです。買い手が意図を示せば、プラットフォームが選択肢を絞り込み、信頼の判断も今まで以上に引き受けます。
検索結果ではなく、少数の適格な出品者を示す
インタビューで同氏が挙げた変化は三つあります。発見よりマッチング、音声を先に置く入口、そして接触前の信頼評価です。
一つ目のマッチングでは、AIが買い手の意図、商品カテゴリ、発注量、出品者の供給能力を比べ、条件を満たし返信も早い少数の出品者に買い手をつなぎます。キーワードに一致する掲載を並べて買い手に選ばせる従来の検索とは、責任の置き場所が違います。誰を見せるかをプラットフォームが判断している以上、外れたときの説明もプラットフォームが負います。
二つ目が、音声AIエージェントのVANIです。同氏はインタビューで、VANIが多様な言語となまりで10万件を超える買い手の通話をこなしていると述べました。IndiaMARTの公式ブログによると、VANIは買い手に電話をかけて要望を確かめ、数量、単位、所在地、仕様を聞き取ります。9つのインドの言語を理解し、話の途中の言い直しや中断にも追随します。確信度が基準に届かない場合だけ人間に引き継ぐ設計です。
規模の数字も出ています。2026年6月にANIが配信したIndiaMARTとSquadStack.aiの発表では、VANIは1日あたり10万件超の買い手と出品者の会話を自律的に処理し、試験運用から本番まで3か月で移行したとされます。人手の通話と比べて成約への転換が20%高く、確認済みリード1件あたりのコストは15%下がり、接続率は人の50%超に対して75%超という説明です。最高製品責任者のAmarinder S Dhaliwal氏は、判断材料を出すAIと判断そのものを下すAIは違い、後者を作っていると語っています。
公式ブログは、ポンプの例を学びとして挙げています。デモのAIはきれいな入力を扱えばよいのに対し、本番の買い手は用途を言わずに「ポンプが欲しい」と言う。VANIは確認の質問を返し、足りない情報から文脈を補う方法を学ぶ必要があったと書いています。インタビューで同氏が「カテゴリごとのテンプレートが役立つ」と述べたのも、同じ問題への処方です。
三つ目の接触前の信頼評価は、次の節で詳しく見ます。
自律を広げるほど、検証を増やす
自律が進むなら、検証は減らすのではなく増やすべきです。
インタビューで最も設計思想がはっきり出たのは、信頼の扱いです。同氏は、エージェントが出品者を推薦するなら、推薦の根拠と限界を明示しなければならないと述べました。
IndiaMARTは、事業者の属性を元の記録で確かめます。インドの物品・サービス税（GST）の登録情報や、企業省（MCA）の会社登記データとの照合です。そのうえでAIを使ったビデオ本人確認（KYC）を重ねます。AIは常時動くフィルターとして、不自然なやり取り、フィッシング、偽の問い合わせ、誤解を招く掲載を、相手に届く前に検知します。買い手が出品者と話す前に、検証状況、返信率、評価を判定しておく仕組みです。
注目したいのは、情報を三つに分けて扱う姿勢です。検証済みの事実、出品者の主張、モデルの推論は別物として扱うべきだと同氏は言います。登記が確認できた企業であっても、それは商品品質の証明にはなりません。意図のスコアは一つのシグナルであって、判定ではありません。マッチングの誤りの多くは仕様の曖昧さやデータの欠けから生じるため、構造化した聞き取りと、キーワードに頼らないハイブリッド検索で、買い手が本当に必要なものに合わせると説明しています。
もう一点、エージェント特有の論点にも触れています。エージェントは他者が書いたコンテンツを読むので、それを信頼できない入力として扱い、決して命令として扱わないという原則です。掲載文や問い合わせ文の中に指示が紛れ込めば、エージェントの動きが乗っ取られかねません。OWASPのLLMアプリケーション向けリスク一覧が「間接プロンプトインジェクション」として挙げる脅威で、外部コンテンツの分離、最小権限、危険な操作での人の承認が対策とされています。不特定多数の出品者と買い手が文章を書き込むマーケットプレイスでは、避けて通れない前提です。
出品者側：返信を代行するエージェントと「送ってよい範囲」
買い手の側だけでなく、出品者の側にもエージェントが入りつつあります。
同氏によれば、IndiaMARTが扱う固有の事業上の問い合わせは年2900万件を超えます。営業、生産、集金を一人で回す中小の出品者にとって、問い合わせへの素早い追客は大きな負担です。現在は、買い手の意図でAIが優先度を付けたリード、受注管理ツール「Lead Manager」での返信の提案、カタログ共有や支払いの督促をワンタップで送る機能を提供しています。返信の提案とテンプレートで、買い手からの反応は3倍になったといいます。
次の段階として検討しているのは、出品者に代わって返信するエージェントです。Lead Managerに残る過去のやり取りから、その出品者がどう見積もり、どう確認し、どう追いかけるかを学ばせます。ここで同氏は、確認なしでどこまで送らせるかは出品者が決めると強調しました。速く大量に送ることを良い営業とは見ていません。自動送信のメッセージが増えることではなく、取りこぼす問い合わせが減り、適格な会話が増えることを目標に置いています。
カタログ作成も同じ考え方です。AIが背景除去、切り抜き、属性の抽出を担い、標準品なら商品を選ぶだけで仕様が自動で埋まる仕組みを開発中です。デザインやITの担当者がいない中小企業は、モデルやプロンプトを学ぼうとはしません。日々の作業に組み込まれていなければ使われない、というのが同氏の見方です。
普及の障壁は二つあるとも述べています。一つはデータの準備で、不完全なカタログではエージェントにできることが限られます。もう一つは信頼で、エージェントが自社の商品を理解し、決めた範囲を越えないと事業者が信じられるかどうかです。道筋は、まず支援し、それから自動化することだと言います。
成果は4つの問いで測る
エージェントの成果をどう測るかについて、同氏は問い合わせ数と成約数を同じ物差しで見ないと述べました。両者は段階であり、すべてのモデルを関連性、意図の質、接続の質、商業成果の4つの問いで評価します。
関連性は、要望を正しく理解できたかです。クリック率は参考になりますが、適した掲載より見栄えのよい掲載を評価してしまう恐れがあります。意図の質は、買い手が本当に調達しようとしているかです。曖昧な問い合わせを大量に送るより、本物のリードを少数届けるほうが出品者には価値があります。接続の質は、適切な出品者に届き、実際の商談になったか。商業成果は、受注と継続取引です。
失敗の側も測ります。誤った操作、人への引き継ぎ、苦情です。さらに、B2Bの取引の多くはプラットフォームの外で成立するため、対照群を置いた試験で、もともと起きていた取引と本当の改善を切り分けるとしています。
数字に残る留保
ただし、紹介された数字はどれも会社側の発表で、独立した検証を経たものではありません。
VANIの効果は、発表時期によって値が違います。3月の公式ブログでは人手の通話と比べて転換が25%高く、確認済みリード1件あたりのコストは約30%低いとしていました。6月の発表では、それぞれ20%と15%です。母数や比較の条件は示されておらず、どちらが最新の実態かは判断できません。
決算の数字も一本調子ではありません。10月27日の2027年3月期第2四半期の決算発表では、連結売上高は前年同期比10%増の42.9億ルピーでした。一方で、四半期の固有の問い合わせは2700万件、有料の出品者は21.7万社です。前年同期の発表ではそれぞれ3100万件と22.2万社だったので、どちらも減っています。Inc42によると、売上を支えたのは有料出品者1社あたりの年換算収入の10%増（約7.2万ルピー）でした。
問い合わせの減少を「少数の本物のリードを届ける」方針の結果と読むこともできますが、会社はそう説明していません。インタビューの「年2900万件超」と、決算の「四半期2700万件」の定義の違いも明らかにされていません。少なくとも決算の数字の上では、エージェント導入の効果は有料出品者の増加として表れていません。
EC事業者が持ち帰れる設計の教訓
IndiaMARTはB2Bの仲介業者ですが、設計の考え方は物販ECにも通じます。買い手の代わりにAIエージェントが商品を探し、比べ、問い合わせる場面では、EC事業者は「選ばれる側」の出品者と同じ立場に立つからです。
| IndiaMARTの設計 | 中身 | EC事業者への置き換え |
|---|---|---|
| 意図でつなぐマッチング | 意図・カテゴリ・発注量・供給能力を見て、少数の適格な出品者だけを示す | 検索結果の件数より、条件に合う少数の候補を示す商品情報（在庫、ロット、納期）を整える |
| 接触前の信頼評価 | 検証状況・返信率・評価を、買い手が話す前に判定する | AIに読まれる前提で、事業者情報・レビュー・返品条件を確認可能な形で公開する |
| 事実・主張・推論の分離 | 検証済みの事実、出品者の主張、モデルの推論を分けて扱う | 商品データの項目ごとに、出典（メーカー公表値・自社計測・推定）を持たせる |
| 他者の文章は信頼できない入力 | エージェントが読む他者のコンテンツを命令として扱わない | レビューや問い合わせ本文を読むエージェントには、実行できる操作を絞って権限を与える |
| 送信範囲を出品者が決める | 返信代行エージェントがどこまで無確認で送るかを出品者が設定する | 接客AIに任せる範囲（在庫回答、値引き、返品受付）を段階ごとに決めて広げる |
最も実務に効くのは、事実と推論を分けて持つことです。AIエージェントが商品を推薦するとき、その根拠がメーカーの公表値なのか、自社の計測なのか、推定なのかで信頼の重みは変わります。項目ごとに出典を持つ商品データは、人の接客でも説明の根拠になります。
もう一つは、成果を件数で測らないことです。自社サイトに接客AIを置くと、会話数やクリック数が先に伸びます。IndiaMARTの4つの問いに倣えば、要望を理解できたか、買う意図のある客か、適した商品に案内できたか、購入と再購入につながったか、の順に分けて見ることになります。誤案内や人への引き継ぎ、苦情を同時に数えることも欠かせません。
まとめ
IndiaMARTの話から見えるのは、エージェントが取引を仲介するほど、プラットフォームの価値が検証済みのデータと説明責任に移るという構図です。同氏は、定型的な繰り返し購入から先に自動化が進み、複雑な調達では人の判断が中心に残ると見ています。
CIOの役割について、同氏はエージェントにも従業員と同じくID、権限、監督、監査が必要だと述べました。次に注目すべきは、返信を代行するエージェントが出品者にどこまで任されるか、そしてその効果が問い合わせの数ではなく受注と継続取引の数字に表れるかどうかです。
