KiboがエージェンティックコマースとOMSを統合した「KIBO AI」を正式提供、LLMロックインなしの5機能構成
Kibo Commerceが一般提供を開始した「KIBO AI」の5機能と単一データモデル、任意のLLMを選べるBYOM方式の意義、ShopifyやSalesforceなど競合の動きとの違い、EC事業者が読み取るべきポイントを解説します。
この記事のポイント
- Kibo Commerceが2026年8月5日、購買前の接客から購買後の注文管理までを単一のAIレイヤーで扱う「KIBO AI」の一般提供を開始しました。初代製品の9エージェント構成を1つの統合体験へ再設計したものです
- Engage、Configure、Explain、Analyze、Optimizeの5機能が、コマースとOMSを貫く単一データモデルの上で動きます。OpenAIやAnthropic、Google Geminiなど任意のLLMを接続できるBYOM方式でロックインを避けた点も特徴です
- エージェンティックコマースの焦点は「買うまで」から「買った後」へ広がりつつあります。EC事業者には注文照会や返品まで含めたエージェント対応と、その土台となるデータ統合の設計が問われます
Kiboが一般提供を開始した「KIBO AI」とは
Kibo Commerceがエージェンティックコマースと注文管理を単一のモデル非依存AI体験に統合。5つの機能、1つのデータモデル、任意のLLMで動作する。
www.globenewswire.com米テキサス州オースティンに本社を置くKibo Commerceは2026年8月5日、エージェント機能を全面的に再設計した「KIBO AI」の一般提供開始を発表しました。同社は2016年設立のコンポーザブルコマース企業で、ECサイト構築、注文管理システム（OMS）、サブスクリプション管理を単一プラットフォームで提供しています。ZwillingやAce Hardware、RONAといった小売・製造業の企業が顧客に名を連ねます。
今回のKIBO AIは、コマースとOMSにまたがるエージェント操作のすべてを1つのAI体験に束ねる「Agentic Layer（エージェンティックレイヤー）」と位置づけられています。利用者から見えるのは1つのインターフェース、1つの会話、1つのエージェントだけで、背後では専門特化した複数のエージェントが役割、文脈、タスクに応じて自動的に呼び分けられます。買い物客からカスタマーサービス担当者、マーチャンダイザー、フルフィルメント担当者、サプライチェーン管理者まで、立場の異なる利用者が同じ入口から自分の業務に必要な機能へ到達する構造です。
初代のAgentic Commerce製品では、9つの専用エージェントが個別に提供されていました。KIBO AIはこれを統合フレームワークへ再編したもので、柱は3つあります。コマースとOMSを貫く単一データモデル、任意のLLM（大規模言語モデル）を接続できるBYOM（Bring Your Own Model）方式、そして5つの機能をカバーする独自のAgentic Frameworkです。
市場は速く動いています。しかし間違ったアーキテクチャへ速く進めば、複利で膨らむ負債が生まれます。私たちは意図的な選択をしました。チームが向き合うエージェント体験は1つ、コマースとOMSをつなぐデータモデルは1つ、そして信頼できるAIモデルを自由に選べることです。
5つの機能とPlaybooksが担う業務範囲
KIBO AIの機能は5つに整理され、いずれも一般提供の対象です。
| 機能 | 役割 | 指示・利用の例 |
|---|---|---|
| Engage | 買い物客・バイヤーとのリアルタイム会話 | 商品発見、ガイド付き販売、パーソナライズされたレコメンド、注文状況の照会、返品受付を1つの連続した会話で処理する |
| Configure | 設定・ルールの自然言語での変更 | 「ロイヤルティ会員向けにフットウェア全品15%オフを今週末限定で作成」「ミシシッピ以西の注文はダラスDCを優先するようルーティング変更」 |
| Explain | 運用データに関する質問への平易な回答 | 「なぜこの注文は最寄りのDCではなく店舗にルーティングされたのか」「なぜ併用可能な割引がチェックアウトで正しく合算されないのか」 |
| Analyze | コマースとOMSを横断するAIレポーティング | 「2026年のAOVを前年同期と比較するグラフを表示」「直近30日の定時出荷率を拠点・キャリア・地域別に表示」 |
| Optimize | 目標に向けたシステム変数の自動調整 | 在庫配分の最適化、プライシングルールの作成、フルフィルメントSLAの設定を継続的かつ自律的に実行する |
発表資料の具体例を見るとイメージがつかみやすいでしょう。Configureでは「ロイヤルティ会員向けにフットウェア全品15%オフのプロモーションを今週末限定で作成して」と自然言語で指示すれば設定が完了します。Explainには「なぜこの注文は最寄りの配送センターではなく店舗にルーティングされたのか」と尋ねられます。Analyzeなら「AOV（平均注文金額）を前年同期と比較したグラフを表示して」といったコマースとOMSを横断する集計に応じます。
この中で最も自律性が高いのがOptimizeです。在庫配分やプライシングルール、フルフィルメントSLAといった業務変数を継続的に監視し、設定された目標に向けてシステムパラメータを自動調整します。運用チームは目標を定義し、実行はKIBO AIが管理するという分担です。
機能を反復可能な自動化に変える仕組みとしてPlaybooksも用意されました。「商品説明のない商品が登録されたら、ブランドボイスで説明文を起草して承認に回す」のような平易な文章のプロンプトを保存しておくと、オンデマンド、スケジュール、またはコマースやOMSのイベント発生を起点に実行されます。各Playbookは作成者自身の権限の範囲でしか動かず、データを削除しない統制されたツール経由で実行され、すべての実行が記録に残ります。エージェントの暴走を懸念する企業に向けて、権限と監査の枠組みをあらかじめ組み込んだ設計といえます。
「買うまで」の接客から「買った後」の注文管理へ
エージェンティックコマースをめぐる議論の多くは、AIエージェントが商品を探し、比較し、決済するまでの「買うまで」に集中してきました。しかし小売の現場でコストと顧客満足を左右するのは、注文がどこから出荷され、いつ届き、返品がどう処理されるかという「買った後」の領域です。配送状況の確認や返品の問い合わせは、EC事業者のカスタマーサービスにおける定番の負荷であり続けています。
KIBO AIのEngage機能は、商品発見やガイド付き販売から注文状況の照会、返品受付までを1つの連続した会話で扱います。それを支えるのがコマースとOMSの両方にまたがる単一データモデルです。すべての応答が同じリアルタイムデータに根ざすため、接客中のエージェントが在庫や注文の実データをそのまま参照できます。なおKiboはこの構成を「このように設計された唯一のエージェンティックコマースプラットフォーム」と説明していますが、これはベンダー自身の主張であり、第三者による検証は公開されていません。
方向性そのものは突然出てきたわけではありません。2026年4月のQ1製品リリースでは、注文が特定の拠点にルーティングされた理由を平易な言葉で説明する「Order Routing Explain Agent」を先行投入し、ブラックボックス化しがちな注文ルーティングの可視化から着手していました。今回のKIBO AIは、購買後領域でのこの積み上げを購買前の接客と同じレイヤーに載せた到達点と読めます。
BYOMが示すLLMロックイン回避という設計思想
KIBO AIは特定のLLMに依存しません。OpenAI、Anthropic、Google Geminiの各モデルに加えてオープンウェイトモデルも接続でき、必要に応じてモデルを切り替えたり併用したりできます。Kiboが挙げる利点は、社内で既に採用しているモデルをそのまま使えること、特定プロバイダーに縛られないこと、オープンウェイトモデルが実用水準に達した時点ですぐ採用できることの3点です。
モデルの性能とコストの序列が数カ月単位で入れ替わる現状を踏まえると、プラットフォーム選定時に最適だったモデルが1年後も最適である保証はありません。エージェント基盤とモデルを分離しておけば、モデルの進化を追いながら業務側の作り込みを守れます。ただし割り引いて考えるべき点もあります。モデルを切り替えれば挙動は変わるため、プロンプトやガードレールの再検証は利用企業側の作業として残ります。「切り替えの自由」がそのまま「切り替えの容易さ」を意味するわけではありません。
競合の動きとForresterの冷静な見立て
コマースプラットフォーム各社も同じ方向へ動いています。ShopifyはAIアシスタントSidekickを、質問に答える存在からマーチャント業務を自ら実行するエージェントへ進化させてきました。SalesforceもAgentforceでCRMとコマースに統合された自律型エージェントを展開しています。管理系エージェントをプラットフォームに載せる競争は、すでに業界標準の様相です。
その中でKiboの差別化はOMSの深さにあります。ECサイト側のデータと注文、在庫、フルフィルメントのデータを同じモデルで持つ構成は、注文管理を別ベンダーに委ねる構成のプラットフォームには追随しにくい部分です。外向きの接続も整えており、2026年1月に発表したMCPサーバーを通じて、ChatGPTやGemini、Claudeといった外部AIアシスタントの会話から購入まで進める経路を提供しています。事業面では2026年7月にForrester Waveのコマースソリューション評価でリーダーに選出され、2025年には売上30%成長と112%のネットレベニューリテンションを記録したと同社は説明しています。
冷静な視点も添えておくべきでしょう。Forresterは2026年第1四半期のCommerce Solutions Landscapeで、エージェンティックコマースには市場を大きく変えうる可能性があるとしつつ、現時点の変化は実態よりも市場の過熱によるものだと指摘しています。Kiboが過去に示した「カート転換率最大30%改善、サポートコスト最大50%削減」といった数字も同社の想定値であり、導入企業による実測値の公開はこれからです。KIBO AIの価格体系も未開示のままです。
EC事業者が読み取るべきポイント
今回の発表を1社の製品更新として片付けると、背後にある評価軸の変化を見落とします。
まず、エージェンティックコマース対応を検討する際には、購買前の接客に加えて注文照会、変更、返品まで含めた購買後体験を同じエージェントで扱えるかを確認する価値があります。会話の途中で「注文の件は別の窓口へ」と切れる体験は、エージェント経由の購買が増えるほど大きな摩擦になります。エージェントの品質が接続先データの統合度に規定される点も見逃せません。コマースとOMSのデータが分断されたままでは、どのベンダーのエージェントを載せても回答は分断されます。加えて、LLMの選択肢を確保できるかどうかは中長期のコスト構造に効いてきます。RFP（提案依頼書）にモデル非依存性の項目を入れることは、今後の標準的な要件になっていくと考えられます。
まとめ
Kibo Commerceの「KIBO AI」は、9つの専用エージェントを1つのエージェンティックレイヤーに統合し、Engage、Configure、Explain、Analyze、Optimizeの5機能を、コマースとOMSを貫く単一データモデルの上で一般提供する発表でした。BYOM方式によるLLMロックインの回避を明確に打ち出した点も、モデル間の競争が続く現状に即した設計判断です。
エージェンティックコマースの主戦場は、商品発見と決済の「買うまで」から、注文管理と返品を含む「買った後」へ広がりつつあります。Forresterが指摘するように市場には過熱も混じっていますが、購買後体験までエージェントで貫くという方向性は、EC事業者が自社のロードマップを点検する際の有効な物差しになるはずです。
