Unilog、卸売ディストリビューター向けAIネイティブB2Bコマース基盤「CX1 Sigma」を公開、URLから本番ページを生成しAI可視性の構造まで自動付与
Unilogが2026年8月20日に公開したCX1 Sigmaの中身を、Site Studioの自動生成、獲得・転換・拡大に配置されたHyperScale Growth Agent Suite、そして商品データ品質という制約の3点から解説します。
この記事のポイント
- B2Bコマース基盤を手がける米Unilogが2026年8月20日、AIネイティブのB2Bコマースプラットフォーム「CX1 Sigma」を公開しました。自然言語の指示や参照URLから本番用ページを生成するSite Studioと、集客から再注文までを担うHyperScale Growth Agent Suiteが中核です
- エージェントは獲得・転換・拡大という商流の段階ごとに配置され、商品データの拡充、検索とAI経由の可視性調整、見積や再注文の処理までを受け持ちます。実行前にプレビューと監査ログを挟む設計で、判断の主体は事業者側に残す構えです
- ただし効果を決めるのは基盤ではなく商品データです。B2B EC実務者調査ではデータ品質が2年連続で成長の最大の障壁に挙げられ、自社の商品データをB評価かC評価と自己採点する回答者が大半でした。価格や一般提供時期は未開示のままです
Unilog、卸売ディストリビューター向けAIネイティブ基盤を公開
CX1 Sigmaと名付けられたAIネイティブのB2Bコマースプラットフォームは、コマース、コンテンツ、AIエージェントを一つのシステムに統合しています。
www.mdm.com流通業界誌のModern Distribution Managementは2026年8月20日、Unilogが次世代のB2Bコマースプラットフォームを公開したと報じました。同日に出されたUnilogの公式発表によると、製品名はCX1 Sigmaで、位置づけは「意図に対して動く（built to act on intent）」コマース基盤です。
Unilogは米ペンシルベニア州プリマスミーティングに本社を置き、卸売ディストリビューター、メーカー、専門小売向けに商品コンテンツとECの基盤を提供してきた企業です。配管、PVF（管・弁・継手）、HVAC、産業資材、電材、建材といった中間流通の業種に特化しており、公式サイトによれば1,800万SKU超の商品コンテンツを実運用で管理しています。CX1 Sigmaはこの既存のCX1 Platformに新しく載るコマースレイヤーで、商品コンテンツ基盤のCX1 Product ContentとPIMのCX1 PIMと連携して動きます。
対象として名指しされているのは、複雑なカタログ、顧客別価格、ERP連携のワークフローを抱えながら、デジタル担当が少人数にとどまる中堅のディストリビューターです。つまり消費者向けECのような潤沢な運用体制を持てない事業者に、運用の手数を増やさずにデジタル取引を伸ばす手段を提供する、というのが製品の建て付けになります。
URLを渡すとページができる、Site Studioという入口
CX1 Sigmaで最もわかりやすい変化は、ページ制作の入口です。Site Studioは平易な言葉による説明か参照URLを受け取り、本番投入できるページを生成します。ブランド、構造、SEO、そして検索やAIからの発見性を、生成の時点で組み込むとされています。
製品ページで示されている処理の流れは、参照URLの到達性とrobots.txtの確認、デスクトップとモバイルそれぞれのヘッドレスブラウザによる画面取得、Vision-LLMによる構造要素の抽出、同じくVision-LLMによるデザインの傾向把握、という順序です。競合サイトや自社の既存サイトを視覚的に読み取り、そこから構成要素を組み直すアプローチだと読み取れます。Unilogはこれを開発チケットや制作会社への依存を減らす手段と説明しています。
注目したいのは、生成物にAI可視性の構造が自動で付与される点です。B2Bの買い手が商品を探す場所は、検索エンジンから生成AIへ移りつつあります。Forresterの2026年の購買行動調査では、典型的な購買判断に社内13名と社外9名が関与するまで意思決定の輪が広がっており、その各人がAIツールで下調べを済ませてから接触してくる構図が生まれています。ページが人間に読まれるかだけでなく、AIに正しく読み取られるかが集客の前提条件になったという認識が、製品仕様の側に織り込まれています。
獲得・転換・拡大に配置されたエージェント群
CX1 Sigmaの中心にあるのが、HyperScale Growth Agent Suiteです。Unilogは2025年10月にAIエージェント群「Unilog HyperScale」の早期アクセス版を発表しており、当時は既存基盤のCX1 CIMM2でBlog Agent、Synonym Agent、Sales Insights Agent、Connect Agent、Writing Agentが使える構成でした。今回はこれが、ディストリビューターの成長プロセスに沿って再編されています。
| フェーズ | 配置されるエージェント | 担当する業務 |
|---|---|---|
| ACQUIRE（需要と発見） | Marketing Agents / Findability Specialist | アウトバウンドの需要創出、サイトコンテンツ、検索とAI経由の発見における可視性 |
| CONVERT（回遊とカート投入） | Catalog Agents / Site Studio / Merchandising Agents | 商品データの管理と拡充、ページ生成、バンドルとクロスセルの設計 |
| TRANSACT ＆ EXPAND（決済・再注文・シェア拡大） | Customer Success Agents / Order Concierge / Integration Agents | CS CoPilotと顧客オンボーディング、見積・注文・再注文・不正検知、Connect AgentとPunchout Agentによる接続 |
| Platform Admin（トラストレイヤー） | 基盤機能として全エージェントに適用 | グラウンディング、ロールベースのアクセス制御、NIST準拠 |
汎用のチャットボット機能ではなく職能別の専門エージェントである、というのがUnilogの説明です。この整理で目を引くのは、CONVERTのCatalog Agentsが商品データの属性、説明文、タクソノミーの拡充を担う点でしょう。ディストリビューターの現場でECの立ち上げが止まる最大の理由は、数万から数十万に及ぶSKUの商品情報が揃わないことです。そこに人手ではなくエージェントを充てるという設計は、この業界の実情を踏まえた選択に見えます。
取引・拡大フェーズに置かれたOrder Conciergeも同様です。見積、注文、再注文、不正検知という、B2B取引で最も反復が多く、かつ営業担当の時間を奪ってきた業務が対象になっています。B2Bの購買は同じ商品を同じ顧客が繰り返し買う構造が主で、この反復部分こそエージェントの適用先として合理的です。同じ発想はcommercetoolsがMirionの受注インテークをエージェント化した事例や、Alibabaが法人購買にAccio Workを投入した動きにも共通します。
運用面では、すべてのエージェントの動作が公開前にプレビューされ、監査ログに記録されると明記されています。加えてPlatform Adminにトラストレイヤーが置かれ、グラウンディング、ロールベースのアクセス制御、NIST準拠が基盤機能として並びます。方向を決めるのは事業者側で、実行するのがCX1 Sigmaという役割分担です。
これまで人は毎日ソフトウェアにログインして仕事をしてきました。これからは、CX1 Sigmaに意図を伝えれば、ソフトウェアが仕事をします。
最初の導入企業として名前が出ているのは、1913年創業の家族経営のディストリビューターAudubon Supply Companyです。米ニュージャージー州南部で配管、HVAC、機械、産業、灌漑の施工業者に供給しており、パートナーシップは8月に始動、Unilogの製品・開発チームが現地チームと直接組んで導入に入る段階だとされています。裏を返せば、稼働実績や効果指標はまだ存在しません。価格、一般提供の開始時期、導入企業数はいずれも未開示です。
「自己修復」というベンダー主張と、現場のデータという制約
Unilogは同基盤を「self-composing（自己構成）」かつ「self-healing（自己修復）」と表現し、顧客が気づく前に不具合を検知して定型的な問題を解決すると説明しています。製品ページでは、メモリ使用率やインスタンスの稼働状況を監視し、修復案を提示して承認を得たうえで適用する流れが描かれています。ただしこれはベンダー自身の説明であり、どこまでが自動で、どこからが人の承認を要するのかの線引きは第三者検証されていません。
より本質的な留保は、基盤の外側にあります。B2B EC実務者を対象としたMaster B2Bの2026年調査によれば、商品データの整備状況（クレンジングと運用ルール）が2年連続で成長の最大の障壁に挙げられ、しかも「まったく障壁ではない」と答えた回答者は1人もいませんでした。同調査のラウンドテーブルで自社の商品データを採点してもらったところ、大半がB評価かC評価だったといいます。AI投資は積極化しており、今後12カ月でAIに実際に支出すると答えた実務者は81%に達し、前年の68%から伸びています。それでも土台は動いていないという構図です。
買い手側の反応にも慎重さがあります。前出のForrester調査では、生成AIを使ったことでより良い判断ができたと感じた買い手は36%にとどまり、不正確な情報に触れて確信が下がった買い手が20%いました。調達部門に限れば、不正確なAIの出力で確信が下がったと答えた割合は28%まで上がります。B2Bの買い手はAIを出発点として使いつつ、結論は人に確認しにいくという行動を取っています。エージェントが取引フローに入るほど、出力の根拠になる商品データの正確さが直接的に信頼を左右することになります。
日本のEC・卸売事業者への示唆
日本の中間流通に引き寄せると、示唆は二つに絞られます。
一つは順序の問題です。CX1 Sigmaのような基盤を導入するかどうかに関わらず、商品マスターの属性、説明文、画像、分類体系を整えることが先に来ます。MetcashがCoveoのAI検索でCVRを大きく改善した事例でも、効果の土台は標準コード経由の正確な商品情報と画像の整備でした。AIは商品データを増幅する装置であり、元が薄ければ増幅されるものもありません。
もう一つは、可視性の対象がページから商品データそのものへ移りつつある点です。代理店や卸が紙のカタログとFAXと電話で回してきた商流は、買い手側の担当者がAIに下調べを任せ始めた瞬間に前提が崩れます。自社の商品がAIの回答に出てくるかどうかは、サイトの見栄えではなく、構造化された商品情報がどれだけ読み取り可能な形で置かれているかで決まります。ここは基盤を入れ替えなくても着手できる領域です。
まとめ
CX1 Sigmaの発表で確定しているのは製品の設計思想までで、実際にどれだけの手数が減るのかはAudubon Supplyでの実装が進んでからでないとわかりません。それでも、AIエージェントの適用先として卸売の中間流通が選ばれ始めたこと自体が変化の兆候です。消費者向けECの華やかな事例より先に、SKUの海に埋もれた業務のほうが自動化の投資対効果は出やすいのかもしれません。確かめられるのは、これから数カ月のうちです。
