この記事のポイント
- Marriottが会話型AI「Ask Bonvoy」をベータ公開し、約1万軒のホテルを自然言語で探せる商品発見機能を自社サイトとアプリに実装しました
- 回答を自社の検証済みデータだけにグラウンディングし、商品説明を外部AIに委ねず、発見から予約までの導線を自社チャネルで握る設計がAIコマースの実装事例として重要です
- 機械可読な商品データが自社AIと外部AIの双方で生命線になり、発見と決済をつなぐ基盤づくりが小売・EC事業者にとって次の論点になります
会話がコマースの入り口になる
Marriott starts to roll out AI chat trip search; Hilton, IHG also building conversational AI search to keep guests on their sites and apps.
skift.com2026年6月16日、Marriott Internationalが会話型AI検索「Ask Bonvoy」のベータ提供を開始しました。利用者は日付や地名をフォームに入力する代わりに、ふだんの言葉で条件を伝えるだけで候補を絞り込めます。対象は146の国と地域に広がる約1万軒のホテルです。ベータは米国の英語環境で一部のBonvoy会員から段階的に始まり、年内の全世界展開が予定されています。この記事では、この動きをホテル業界のニュースとしてではなく、AIコマースの実装事例として読み解きます。
AIコマースとは、生成AIや対話型のエージェントが商品の発見から購入までを担う販売のあり方を指します。エージェンティックコマースは、その中でもAIエージェントが利用者に代わって比較や手続きを進める段階を指す言葉です。Ask Bonvoyはまだ発見の部分に軸足を置いていますが、事業者が自社の商品データをAIにどう扱わせるかという問いに、具体的な答えを出しています。
小売やECの担当者にとって、この事例が示す論点は自社の話とほぼ地続きです。商品を持ち、在庫と価格を管理し、会員データを抱える事業者であれば、扱う対象がホテルか物販かの違いはあっても、直面する設計判断は驚くほど重なります。以下では、Ask Bonvoyの設計を商品発見の仕組みとして分解しながら、転用できる示唆を整理します。
Ask Bonvoyは会話型の商品発見機能である
Ask Bonvoyの中身を商品発見の視点で見ると、構造がはっきりします。Marriottの自社AIが自然言語のクエリを解釈し、利用者の目的を特定したうえで、ポートフォリオから関連性の高い候補を提示する仕組みです。「家族向き」「ビーチが近い」「スパやゴルフが充実している」といった条件を、会話の流れの中で受け止めていきます。従来の検索ボックスとフィルターを、対話に置き換えたと考えると分かりやすいです。
ここで扱われているのは、ホテルという商品だけではありません。客室は在庫であり、料金は価格、空室状況はリアルタイムの在庫データにあたります。ダイニングやスパといった施設情報は商品属性、約2億8,300万人にのぼるBonvoy会員の情報はファーストパーティデータです。ファーストパーティデータとは、事業者が自ら取得し保有する顧客データを指します。Marriottは今後、Bonvoyのポイントを使った検索にも対応させる方針で、会員データと商品データを会話の中で結びつけようとしています。
物販ECに置き換えれば、商品、SKU、価格、在庫、購買履歴、会員ランクが同じ役割を果たします。AIが正確に解釈できる形でこれらを保持しているかどうかが、会話型の発見体験を自社で成立させられるかの分かれ目になります。商品を持っていることと、AIが扱える形で商品データを持っていることは別の問題です。
会話型の発見が従来の検索と違うのは、拾える要望の幅です。キーワードやフィルターでは表現しづらい曖昧な意図を、対話ならそのまま受け止められます。利用者は条件を単語に翻訳する負担から解放され、事業者は購買前の迷いを会話として観測できます。この対話ログ自体が、商品改善や在庫計画に使えるファーストパーティデータになっていきます。
なぜ自社の検証済みデータに答えを紐づけるのか
Ask Bonvoyの最大の特徴は、回答の生成方法にあります。一般的な生成AIがウェブ全体を参照するのに対し、Ask BonvoyはMarriottが保有・検証した施設データだけに回答を紐づけます。この「グラウンディング」は、AIの回答を特定の信頼できるデータ源に接地させる手法です。ダイニングやスパの情報を正確に保ち、誤情報の生成を抑えるための設計です。
この判断は、技術的な堅牢性を超えた事業上の意味を持ちます。商品の説明を外部AIの学習データや推測に委ねれば、古い情報や競合との取り違えが起こりえます。自社の検証済みデータに接地させれば、何を提示し、どう説明するかの主導権を事業者が握れます。AIが読める形で整った商品カタログ、いわゆるエージェント対応カタログを持つことが、そのまま競争資産になります。
小売・ECの現場では、この論点は商品データの整備という具体的な課題に落ちます。商品名、属性、在庫、価格が機械可読な形で正確に構造化されているか。表記が揺れていないか。在庫と価格がリアルタイムで反映されるか。こうした地味な整備の質が、自社AIを動かせるか、外部AIに誤って表現されるかを左右します。
グラウンディングには、もう一つの副次的な効果があります。参照範囲を自社の正しいデータに絞ることで、AIが答えを組み立てる範囲が狭まり、応答の予測可能性が高まります。何を根拠に、どの商品を、どう説明したのかを事業者側で追跡できるようになります。外部の学習データに依存した場合には得にくい、説明責任と再現性が手に入ります。
自社チャネルと外部AIチャネルをどう両立させるか
Ask Bonvoyの狙いは、発見から予約までの導線を自社のエコシステム内に留めることです。利用者がChatGPTやGoogleのAIモードに「おすすめのホテルは」と尋ねる行動が広がれば、事業者は自社サイトを訪れる前に比較され、競合と並べて提示されます。回答を自社データだけに接地させる設計は、競合を表示させず、予約をMarriott.comとアプリに集約させるための布石です。
興味深いのは、Marriottがこの「壁に囲まれた庭」を築きながら、外部AIにも同時に拠点を構えている点です。同社はGoogleのAIモード旅行プロダクトと連携し、OpenAIの広告パイロットプログラムにも参加しています。自社チャネルの体験価値を高めつつ、外部AIに発見されるための準備も並行して進める。この二正面の構えが、検索の起点が定まらない現時点での現実解になっています。
小売・ECの文脈では、これはこれまでのプラットフォーム依存の問題を、AIの層で問い直すことにほかなりません。かつてはモール型ECや検索エンジンへの依存が、販売手数料、顧客接点の喪失、データ所有の放棄という代償を伴いました。同じ構図がAIチャネルでも繰り返されようとしています。同業の動きも参考になります。Hiltonは2026年3月から全訪問者が使えるAIプランナーを自社サイトに実装し、IHGはChatGPT上で動くアプリで7,000軒超を発見可能にしたうえで、予約は自社の直販チャネルへ戻す設計を取りました。外部で発見され、自社で成約する。この開かれた庭と壁に囲まれた庭の使い分けが、AIコマースの設計判断の中心になります。
発見と決済が、まだ分かれている
見落としてはならないのは、Ask Bonvoyが現時点で自律的な購入エージェントではないという事実です。利用者が泊まりたい宿を決めると、体験は既存の予約機能へと引き渡され、AIが直接決済まで完結させるわけではありません。会話による発見と、確実なトランザクション処理が、意図的に切り分けられています。
この発見と決済の分断は、いまのAIコマースに共通する構造です。AIが発見から比較、選択、予約、決済まで一気につなぐには、構造化された商品データだけでは足りません。在庫を確実に押さえるAPI連携、会員情報の受け渡し、そして決済を委任するための同意と本人確認の仕組みが要ります。誰が、何に、いくらまで支払う権限を与えたのかを検証できなければ、自動決済は安心して任せられません。
こうした外部エージェントとの接続では、MCPやUCPといった標準が今後の論点になります。MCPはAIと外部データやツールをつなぐ接続仕様、UCPは商品やカートを横断的に扱うための商取引プロトコルとして提案されているものです。ただしAsk Bonvoyがこれらを採用したという発表は確認できません。現時点では自社アーキテクチャ上の閉じた実装であり、標準への対応は将来的な外部接続で問われる課題として、事実と切り分けて捉えるべきです。関心があれば主要な接続標準の整理もあわせて参照してください。
小売・EC事業者が持ち帰るべき示唆
第一に、機械可読な商品データが自社AIと外部AIの双方で生命線になります。Marriottが自社データだけで会話型検索を成立させられたのは、施設情報をAIが解釈できる形で整えていたからです。商品名、属性、在庫、価格が正確に構造化されているかが、AI時代の発見体験を自社で握れるかを決めます。これはエージェンティックコマースへの備えの土台です。
第二に、自社チャネルでの発見体験と、外部AIへの商品配信は、どちらか一方の選択ではありません。自社サイトやアプリに会話型の入り口を持ちながら、ChatGPTやGoogleといった外部AIに発見される準備も並行して進める。この両立が、プラットフォーム依存の代償を抑えつつ販路を広げる道になります。あわせて、AI経由の流入をどう計測し、成果へ帰属させるかというコンバージョンとアトリビューションの設計も避けて通れません。
第三に、発見の体験を磨くことと、決済の確実性を担保することは、当面は別の課題として設計するのが現実的です。会話型の発見を先に整え、その後ろで在庫連携、会員情報、決済委任の基盤を段階的に組む。Ask Bonvoyが取った発見と予約の切り分けは、いきなり完全自律を目指すのではなく、確実な部分から積み上げる進め方の一例として参考になります。
まとめ
Marriottの「Ask Bonvoy」は、単なる新機能ではなく、商品の発見がAIへ移るなかで、自社のデータと顧客接点をどう握り直すかという問いへの一つの答えです。回答を自社の検証済みデータに接地させて信頼性を担保し、発見から予約までを自社チャネルに集約しながら、外部AIにも拠点を構える。この設計は、ホテルという題材を超えて、商品と在庫と会員データを持つすべての事業者に通じます。発見と決済がまだ分かれている今こそ、機械可読な商品データを整え、自社チャネルと外部AIチャネルの両立を設計しておくことが、AIコマース時代の顧客接点を守る備えになります。
