Loopsが350万ドルを調達、AI検索・購買相談・商品データを1つの商品知識でつなぐ「コマースのAI OS」はEC事業者に何を問うか
NTTドコモも出資したLoopsのシード調達を起点に、AI機能を1つずつ足すと何が起きるのか、AI検索と購買相談と商品データ整備を共通の商品知識でつなぐ設計の意味、公表数値の読み方を、EC事業者のAI導入設計の視点で解説します。
この記事のポイント
- 小売向けAIのLoopsが2026年10月12日、a16z speedrun、NTTドコモなどから350万ドルのシード資金を調達しました。AI検索、購買相談のアシスタント、商品データのエンリッチメント、バーチャル試着を、共通の商品知識の上で1つのシステムとして動かす「コマースのAI OS」を掲げています
- 重要なのは資金額より設計思想です。小売のAIは機能ごとに別製品で入り、それぞれが顧客の一部分しか理解しない状態になりがちです。商品データ、検索、会話を1本の循環でつなぐという主張は、外部のAIエージェントに対する商品の見え方にも直結します
- 一方で公表された成果は観察データが中心で、同じ顧客について異なる数字も出ています。EC事業者が学ぶべきは特定ベンダーの採否より、商品知識の正本をどこに置くか、会話ログを商品データの改善に戻せるか、効果をどう測るかという自社の設計の問いです
小売のAIは「1機能ずつ」入ってきた
ネット通販は何千もの商品を見せるのは得意になった一方、1つを選ぶ手助けは驚くほど苦手なままです。Loopsは、AIによってそれらの体験を1つの連続した購買行程にまとめられるという考えから生まれました。
markets.businessinsider.comサイト内検索を改善するAI、問い合わせに答えるチャットボット、商品説明文を書く生成AI、バーチャル試着。ここ数年でEC事業者が検討してきたAI製品を並べると、多くは購買行程の一部分だけを担う単機能の製品です。今回の発表は、その積み上げ方そのものを問題として取り上げています。
サンフランシスコを拠点とするLoopsは2026年10月12日、350万ドルのシードラウンドを発表しました。出資者はa16z speedrun、NTTドコモ、Connecticut Innovations、Alumni Ventures、Monday Capitalです。SiliconANGLEの報道によると、ラウンドはa16z speedrunが主導しました。資金は製品開発、顧客への導入体制、海外展開に充てるとしています。
創業者はCEOのAri Nazir氏とプレジデントのİlker Selim Zorluoğlu氏で、CTOはYusuf Bahadır氏です。きっかけは、バリ島滞在中にZorluoğlu氏が2歳の娘への贈り物をネットで買おうとした経験でした。商品について販売店に質問を送ったものの何時間も返事がなく、結局購入しなかったといいます。Nazir氏は最初の試作品を週末だけで作ったと説明されています。
同社は2025年12月の時点でa16z speedrunからの出資を発表しており、当時はイスタンブール発の発表で、トルコ、中東・北アフリカ、欧州の50超のブランドに提供していると説明していました。
継ぎはぎのコストはどこに出るのか
Loopsの主張の核心は、共同創業者Zorluoğlu氏の次の発言に集約されています。
私たちが目にする最大の誤りは、AIを機能の寄せ集めとして扱うことです。小売に必要なのは、それぞれが顧客の一部分しか理解しない5つのAI製品ではありません。カタログ、事業、そして買い物客が何をしようとしているのかを理解する1つのシステムです。
なぜ寄せ集めが問題になるのでしょうか。単機能のAI製品は、それぞれが独自に商品データを取り込み、独自の索引や知識ベースを持ちます。検索ベンダーの索引、チャットボットのFAQ、説明文生成ツールの出力が別々に存在すると、同じ商品について3つの「理解」が並立することになります。素材やサイズの情報が1か所で更新されても、他の2か所に反映される保証はありません。
もう1つの損失は、会話から得られる情報の行き場がないことです。買い物客がアシスタントに「この服は洗濯機で洗えますか」と聞き、答えられなかったとします。それは商品データに洗濯表示の属性が欠けているという信号です。しかしチャットボットと商品データ管理が別製品なら、その信号は会話ログの中に埋もれたままになります。
Loopsはこの循環を製品の中心に据えています。発表文の説明では、カタログデータが良くなれば検索が良くなり、検索はアシスタントに文脈を渡し、顧客との会話は商品情報の弱い箇所を明らかにします。同社サイトでは、カタログ、属性、サイズ、ブランド情報、FAQ、各種ポリシーを1つの意味のレイヤー（セマンティックレイヤー）に構造化し、そこから検索もアシスタントも動かすと説明しています。
Unite.AIの解説記事は、予算内で屋外の結婚式に着ていく服を探す買い物客の例を挙げています。「結婚式」という単語に一致させるだけでは足りず、場面、価格上限、好みのスタイル、商品の特性を解釈し、その後にサイズや代替品を尋ねられても文脈を保ち続ける必要があります。検索とアシスタントが別製品だと、検索で何を見たかをアシスタントは知りません。
同じ記事は、Loopsの検索が小売側の売上や粗利の目標に沿って結果を並べられる点にも触れています。条件に合う商品の中で、どれを先に見せるかに事業上の目標が入るという設計上の選択です。売り手にとっては合理的ですが、買い物客から見た推薦の中立性とどう両立させるかは、導入する側が決めるべき論点として残ります。
商品データ層が外のAIへの「見え方」も決める
この発表がエージェンティックコマース（AIエージェントが商品探しや購入を代行する商取引）の文脈で重要なのは、エンリッチメントの位置づけです。Loopsは商品説明、属性、カタログデータを書き直し、顧客にもAIシステムにも読める状態にすると説明しています。同社サイトには、構造化されていないカタログはAIアシスタントにとって存在しないに等しい、という趣旨の記述もあります。
つまり、自社サイト内の購買相談のために整えた商品データは、ChatGPTやGeminiのような外部のAIが商品を理解するための材料にもなります。サイト内のアシスタントが答えられない質問は、外部のAIエージェントも答えられない可能性が高いということです。社内の会話ログは、外部のAIに対する商品データの欠落を見つける検査装置として働きます。
商品データの整備をAI時代の土台と見る動きは、Loopsに限りません。FanplayrのCatalog IntelligenceやCommerce（旧BigCommerce）のAIエンリッチメントも同じ問題意識から出てきた製品です。Loopsが違うのは、エンリッチメントを単独の製品ではなく、検索と会話の精度を支える「下の層」として売っている点です。考え方の全体像は商品データのAgent-Ready化で整理しています。
マーケットプレイス対応も同じ発想です。Loopsの「Marketplace Assistant」は、トルコのマーケットプレイスTrendyolなどで、同じ商品知識とブランドの語り口を使って商品への質問に答えます。自社サイト、アプリ、WhatsApp、マーケットプレイスと販売の場が分かれても、商品知識の正本は1つにしておくという設計です。
公表された数字はどこまで読めるか
成果として挙がっている数字は、見出しになりやすい一方で、読み方に注意が要ります。主な公表値を出どころと一緒に整理すると次のとおりです。
| 指標 | 公表値 | 出どころ | 読むときの注意 |
|---|---|---|---|
| 顧客数 | 70超（顧客とパイロットの合計） | プレスリリース | 有償顧客とパイロットの内訳は未開示 |
| パイロットの有償化率 | 64% | プレスリリース | 母数・期間・契約額は未開示 |
| A101の購入転換 | 比較セグメントより約83%高い | プレスリリース | 観察データであり無作為化比較ではないと同社が明記 |
| A101 Ekstraの転換 | Loopsのセッションは標準ベースラインの2.55倍 | Loopsの導入事例ページ | プレスリリースの約83%との定義・期間の違いは説明なし |
| Tchiboの平均注文額 | 13.6%増 | SiliconANGLEの報道 | プレスリリースには記載なし |
| 料金 | 未開示 | なし | 発表・報道のいずれにも記載なし |
最も目を引くのは、トルコの大手スーパーマーケットチェーンA101の事例です。プレスリリースは、Loopsが関わったセッションの購入転換が比較セグメントより約83%高かったとしつつ、これは観察結果であり無作為化した測定ではないと自ら断っています。一方でSiliconANGLEは、A101が導入後に転換率を83%伸ばしたと書いており、因果関係のように読める表現になっています。
Unite.AIはこの点を明確に指摘しています。アシスタントを自分から使う買い物客は、そもそも購入意欲が高い可能性があります。比較は調べる価値のある兆候ではあるものの、Loopsだけで83%の改善が生まれたことを示すものではない、という評価です。さらに同社サイトの導入事例ページは、A101のオンライン部門A101 Ekstraについて、Loopsのセッションの転換が標準ベースラインの2.55倍だったと記載しています。2026年7月稼働の事例で、プレスリリースの約83%との定義や期間の違いは説明されていません。
競争環境についての留保もあります。Forbesの記事は、大手のAIモデルがすでに自然文での商品検索を可能にしていること、AlgoliaやBloomreachといった評価額が数十億ドル規模の競合がいることを挙げています。サイト内検索の大手も会話型の機能を広げており、JD SportsがAlgoliaをエージェンティックコマースの基盤に採用した例もあります。「一体型」は新興企業だけの専売特許ではありません。
NTTドコモが出資者に名を連ねた意味
日本の読者にとって目を引くのは、出資者にNTTドコモが入っている点です。Loopsの公式サイトでも、a16z speedrunと並んでNTTドコモのロゴが出資者として掲げられています。
ただし、今回の発表には日本市場への展開や、NTTドコモとの事業提携についての言及はありません。資金の使途として海外展開が挙がっているものの、対象地域は示されていません。現時点で確認できるのは出資の事実までであり、それ以上の意味づけは今後の発表を待つ必要があります。
自社のAI導入を設計するときの問い
Loopsを採用するかどうかに関係なく、この発表はEC事業者が自社のAI導入を見直す材料になります。
出発点は、商品知識の正本をどこに置くかです。検索、チャット、説明文生成、マーケットプレイス対応がそれぞれ別のデータを参照していないかを確かめます。別々なら、どれか1つのデータを直しても他に反映されません。一体型の製品を買うか、商品データ基盤を自社で持って各AI製品にそこから配るか、いずれにせよ参照先を1つにすることが前提になります。
次に、会話ログを商品データの改善に戻す経路があるかを確認します。アシスタントが答えられなかった質問、聞き返しが多かった商品、検索結果がゼロだった言い回し。こうした記録を、商品データの担当者が定期的に見て属性を追加する運用があるかどうかで、AIの精度の差は時間とともに開いていきます。同社がサイトで「ループで動く1つのシステム」と自らを説明しているのも、この循環を製品の価値の中心に置いているからです。
効果の測り方も、導入前に決めておくべき点です。ベンダーが示す「チャット利用者の転換率は非利用者の何倍」という比較は、A101の例のように自己選択の影響を受けます。可能であれば、一部の訪問者にだけ機能を出すホールドアウト比較を契約前に合意しておくと、導入後の判断が楽になります。
最後に、一体型と組み合わせ型のどちらにも代償があることを押さえておきます。A101 EkstraのゼネラルマネージャーSalih Yılmaz氏は、毎日何千台ものトラックで商品を運んでいてもトラック自体は作らない、AIのオーケストレーションも同じだと語っています。Nazir氏も、顧客には能力を自前で組み立てて保守するのではなく、頼れる能力として買ってほしいと述べています。その裏返しとして、一体型は特定ベンダーへの依存が深くなり、一部の機能だけを入れ替えにくくなります。料金体系も未開示のため、総費用での比較は現時点ではできません。
まとめ
Loopsの350万ドルは、AIコマースの資金調達としては小さな規模です。それでも注目に値するのは、小売のAIが機能単位で積み上がってきたことへの反省を、製品の設計思想として正面から掲げているからです。
次に見るべきは、無作為化した比較での成果が出てくるか、トルコ以外の市場で大手の導入が続くか、そしてAlgoliaやBloomreachといったサイト内検索の大手が同じ「一体型」の物語をどう語るかです。どの道を選ぶにせよ、商品知識の正本を1つにして、会話から学んだことを商品データへ戻す仕組みを持つことは、外部のAIエージェントに選ばれるための準備にもなります。
