投稿者 投稿日: カテゴリー EC×AI活用
エージェンティックコマースとは、AIが代理で商品を選び購入する取引のことです。
NielsenIQの消費者調査では、AIに購入の完了まで任せた経験がある人は約8%にとどまりました。数字だけ見ればまだ小さな流れですが、中国ではAlipayのAI決済が1週間で1億2,000万件を超えたと報告されており、注文の入口がAIに移る速度は想像より速いかもしれません。エージェンティックコマースをめぐる議論は、AIに商品を見つけてもらう「露出」と、決済プロトコルの話に偏っています。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）の現場知見にもとづき、AI経由で「買われた後」に配送と受注処理が崩れないための5つの設計と、すぐ使えるプロンプト3本を解説します。
AIエージェント経由の注文は、人間の注文と何が違うのか
AI経由の注文は、顧客が店舗のページを読まずに買うという点で、通常の注文と根本的に違います。送料の条件、発送までの日数、キャンセルの可否を顧客自身が確認していないため、店舗側のデータが曖昧だと、AIが伝えた内容と実際の配送がずれた瞬間にクレームになります。
規模感から押さえます。NielsenIQ が2026年7月30日に公表した資料によると、AIで商品を調べる消費者は約34%、レビュー要約にAIを使う人は約23%、AIに購入を完了させた人は約8%でした。同じ資料はMorgan Stanleyの予測として、2030年に米国EC売上の約10〜20%、金額で1,900億〜3,850億ドルがエージェント経由になる見通しも紹介しています。なお、NielsenIQは第三者データについて独自検証はしていないと明記しています。うるチカラでも AI経由の購入8%の読み解き を整理しました。
仕組みの側では、StripeとOpenAIが共同開発した Agentic Commerce Protocol（ACP） が、AIエージェントから店舗のチェックアウトを呼び出す標準として使われ始めています。ACPの説明ページでは、店舗は販売者（merchant of record）として顧客との関係を保ち、販売する商品、見せ方、フルフィルメントを自ら管理すると位置づけられています。物理商品、デジタル商品、サブスクリプション、非同期の購入にも対応するとされます。つまり、AIが注文を取ってきても、届ける責任はこれまでどおり店舗にあるということです。GoogleのUCPとの違いは ACPとUCPの比較記事 にまとめています。
日本の店舗にとっては、物流の2024年問題（トラックドライバーの時間外労働規制）以降、翌日配送の約束を守ること自体が以前より難しくなっています。楽天市場やAmazonのモール内では配送条件の表示ルールが整っていますが、ChatGPTやGoogleのAI経由で自社ECに注文が入る場合、配送条件をAIに正しく伝える責任は店舗側が負います。露出対策だけを先に進め、出荷体制が追いつかないまま注文が増えるのが一番危うい順番です。
具体的な場面で考えてみます。ある食品ギフトの店舗で、顧客がAIに「12月20日までに届くお歳暮を3,000円台で」と頼んだとします。AIは商品ページの「通常3営業日で発送」という記載を読み、注文を確定させます。ところが店舗では12月に入ると出荷までの日数を5営業日に延ばしており、その変更が商品ページにしか反映されていなかった。人間の顧客なら注文前にお知らせ欄を読む可能性がありますが、AIは構造化された配送データを優先して読むため、約束した日に届かない注文が生まれます。
人間の注文との違いを整理すると、4つあります。1つ目は、顧客が配送条件を自分の目で確認していないこと。2つ目は、在庫や価格の情報をAIが機械的に読むため、データの鮮度がそのまま注文の正確さになること。3つ目は、キャンセルや変更の依頼もAI経由で機械的に届く可能性があること。4つ目は、注文後の問い合わせ先を顧客が把握していないことです。
買われた後に落ちないための5つの設計
AI経由の注文に耐える受注処理は、在庫の鮮度、配送条件の機械可読化、例外注文の隔離、キャンセル・返品ルールの明文化、注文後の連絡導線の5つで設計します。どれも新しいシステムを入れる話ではなく、既存の受注管理と商品データの整え方を変える話です。
設計1：在庫データの同期間隔を短くする
最初に見直すのは、在庫数を外部へ渡す間隔です。モールと自社ECで在庫を共有している店舗では、在庫連携が15分や30分おきという設定が珍しくありません。人間の注文なら売り越しは月に数件で済んでも、AIが在庫ありと判断して注文を確定させると、その分だけ欠品キャンセルが生まれます。売れ筋上位20%の商品だけでも同期間隔を短くし、在庫が残り数個になったら外部向けには在庫なしと出す安全在庫を設けるのが現実的です。
設計2：配送条件を機械が読める形で持つ
2つ目は、発送までの日数、出荷の締め時間、配送不可地域、送料の条件を、文章ではなく項目として持つことです。商品ページに「通常2〜3営業日で発送（繁忙期を除く）」と書いてあるだけでは、AIは繁忙期の扱いを読み違えます。Google Merchant Centerの配送設定のように、処理日数と配送日数、締め時間を分けて登録できる場所には必ず値を入れ、自社サイトの配送ポリシーページも同じ値で揃えます。
繁忙期の一時的な変更こそ注意が必要です。お中元、お歳暮、年末年始、大型セールの前後で出荷日数を延ばす場合は、商品ページのお知らせ欄だけでなく、フィードの配送設定とポリシーページを同じ日に更新します。変更日と戻す日をカレンダーに登録し、担当者が1人で抱えないようにしておくと、戻し忘れによる「繁忙期が終わっても5営業日表示のまま」という機会損失も防げます。
設計3：AI経由の注文を例外キューに分ける
3つ目は、AI経由の注文を通常の注文と混ぜずに、最初は別の確認列に流すことです。ギフト包装やのし、配送日時指定のように、人間なら備考欄に書く要望がAI経由では抜け落ちたり、想定外の形式で届いたりします。受注管理システムで注文経路を判別できるなら、AI経由の注文だけ出荷前に目視確認する運用を1〜2か月続け、例外のパターンが見えてから自動化の範囲を広げます。
確認列で見るべき点は、配送先住所の表記ゆれ、建物名や部屋番号の欠落、配送日時指定の有無、ギフト関連の要望の有無、同一顧客からの短時間の重複注文の5つです。アパレル系の単一店舗で試したケースでは、AI経由と思われる注文のうち、住所の建物名が抜けていた注文が通常注文より目立ちました。件数が少ないうちに傾向をつかんでおけば、配送会社への差し戻しや再配達の手間を先回りして減らせます。
設計4：キャンセル・変更・返品のルールを明文化する
4つ目は、キャンセルできるタイミング、注文内容の変更可否、返品を受け付ける条件を、AIが誤読しない文面にすることです。「発送前ならキャンセル可」と書くなら、「発送前」が出荷指示の時点か、梱包完了の時点かまで決めておきます。食品ギフトのように生鮮品を扱う店舗では、返品不可の条件を商品単位で持たせておかないと、AIが一般的な返品ルールを当てはめて案内してしまう恐れがあります。
設計5：注文後の連絡導線を店舗側で持つ
5つ目は、注文確認、発送通知、遅延連絡を店舗から直接顧客に届ける導線です。AI経由で買った顧客は、どの店で買ったかを覚えていないことがあります。注文確認メールの件名に店舗名と商品名を必ず入れ、問い合わせ窓口を1行目に置くだけでも、「どこに聞けばいいか分からない」という不満は減らせます。発送遅延が出たときに、AI側にステータスを返す仕組みがある場合は、遅延の理由と新しいお届け予定日を必ずセットで更新します。
受注処理を整える4ステップとプロンプト3本
AI経由の注文への備えは、現状の配送条件を棚卸しし、機械可読な形に直し、例外パターンを洗い出し、ポリシー文面を整える4ステップで進めます。ここで使うプロンプト3本は、ChatGPT・Claude・Geminiのどれでも動きます。
ステップ1は棚卸しです。商品ページ、配送ポリシーページ、Google Merchant Centerの配送設定、モールの配送設定で、発送日数や送料の書き方がばらばらになっていないかを確認します。現場で繰り返し見るのは、商品ページは「即日発送」、ポリシーページは「2営業日以内」と食い違っているケースで、人間の顧客なら問い合わせで済みますが、AIはどちらか一方を採用して案内します。
ステップ2では、配送条件を項目化します。プロンプト1は、文章で書かれた配送ポリシーを、AIが読みやすい項目に分解するためのものです。
プロンプト1：配送ポリシーの項目化
あなたはECの物流設計に詳しいコンサルタントです。
以下の配送ポリシーの文章を読み、AIエージェントが誤解なく読み取れる項目に分解してください。
出力する項目：
1. 出荷までの営業日数（通常期／繁忙期）
2. 当日出荷の締め時間
3. 休業日（曜日・期間）
4. 配送不可地域・追加送料地域
5. 送料無料の条件
6. 配送日時指定の可否と指定できる範囲
7. 文章の中で矛盾している箇所や、曖昧で解釈が分かれる箇所
条件：
- 文章に書かれていない値は推測せず「記載なし」とする
- 矛盾や曖昧さは、修正案を1行で添える
配送ポリシー：
{配送ポリシーの全文}
ステップ3は例外パターンの洗い出しです。AI経由の注文で起こりうる例外を、自店の商品特性に合わせて事前に想定しておきます。プロンプト2は、商品ジャンルと配送条件から例外シナリオを列挙させるものです。
プロンプト2：AI経由注文の例外シナリオ洗い出し
あなたはEC店舗の受注処理責任者です。
AIエージェント経由で注文が入ったときに起こりうる例外シナリオを、以下の店舗情報をもとに10件挙げてください。
店舗情報：
- 商品ジャンル：{ジャンル}
- 主な配送方法：{配送方法}
- オプション：{ギフト包装・のし・名入れなど}
- 在庫連携の間隔：{分}
- キャンセル受付の条件：{条件}
各シナリオについて次を書いてください：
1. 何が起きるか（1〜2文）
2. 顧客にどんな不満が生じるか
3. 出荷前に検知する方法
4. 発生したときの対応手順
ステップ4はポリシー文面の整備です。キャンセルや返品の条件を、人間にもAIにも同じ意味で伝わる文面に書き直します。プロンプト3は、既存のポリシー文を条件分岐が明確な形に書き換えるためのものです。
プロンプト3：キャンセル・返品ポリシーの書き換え
あなたは日本の特定商取引法と消費者対応に詳しいEC実務の専門家です。
以下のキャンセル・返品ポリシーを、AIエージェントが読んでも解釈がぶれない文面に書き換えてください。
条件：
1. 「いつまで」「どの状態なら」「誰の負担で」を必ず明記する
2. 「原則として」「場合によっては」など解釈が分かれる表現を使わない
3. 返品できない商品の条件を箇条書きで分けて示す
4. 書き換え前後で意味が変わる箇所があれば、最後に一覧で示す
5. 法的な判断が必要な箇所は「専門家確認」と注記する
現在のポリシー：
{現在のキャンセル・返品ポリシー}
3本とも、出力結果を受注担当と物流担当の両方で確認してから反映してください。特にプロンプト3の出力は、特定商取引法にもとづく返品特約の表示と矛盾しないかを必ず確かめます。
進め方の目安は4週間です。1週目に配送ポリシーと商品ページの棚卸しを行い、プロンプト1で項目化します。2週目にGoogle Merchant Centerや自社ECの配送設定へ値を反映し、3週目にプロンプト2で例外シナリオを洗い出して受注担当と共有します。4週目にプロンプト3でポリシー文面を整え、法務や顧問の確認を経て公開します。年末商戦の直前に慌てて始めるより、閑散期の1か月を使って終わらせておくほうが、現場の負担はずっと小さくなります。
失敗例と回避策
1つ目の失敗は、露出対策だけを先に進めることです。商品データを整えてAI経由の流入が増えたものの、出荷人員はそのままで、セール期間に発送遅延が重なるケースがあります。回避策は、AI経由の注文比率が数%のうちに設計1〜5を済ませておくことです。注文が増えてから受注フローを組み替えるのは、繁忙期と重なると数か月単位で遅れます。
2つ目は、在庫連携の遅れを放置することです。直近の支援案件で観測したのは、モールと自社ECの在庫連携を30分間隔のまま運用し、限定商品の発売日に売り越しが発生した店舗でした。人間の注文でも起こる問題ですが、AIが短時間に注文を確定させる状況では影響が大きくなります。限定品や残りわずかの商品は、外部向けの在庫数を実数より少なく出す運用に切り替えると防げます。
3つ目は、注文後の連絡をAI任せにすることです。発送通知や遅延連絡をAIプラットフォーム側の表示だけに頼ると、顧客は店舗からの連絡がないと感じ、低評価やチャージバックにつながります。注文確認と発送通知は店舗から直接届ける前提で、メールの文面と送信タイミングを見直しておきます。
4つ目は、繁忙期の締め時間の変更を外部に伝え忘れることです。年末の最終出荷日や年始の営業開始日は、店舗のお知らせ欄には書いても、配送設定のデータまでは直さないケースが少なくありません。AIは配送設定の値を読んで「年内にお届け」と案内するため、最終出荷日を過ぎた注文が年明けまで滞留します。年末年始の配送設定は11月中に更新し、更新したことを社内で確認する手順を決めておきます。
KPI設計と費用・工数目安
KPIは、AI経由の注文に限定して「欠品キャンセル率」「出荷遅延率」「注文後の問い合わせ率」の3つを追います。欠品キャンセル率は1%未満、出荷遅延率は約束した出荷日を1日でも過ぎた注文の割合で2%未満、問い合わせ率は通常注文と同じ水準を目安にします。これらは運用上の目安で、業種や商品単価によって適正値は変わります。
計測は週1回で十分です。受注管理システムからAI経由と判別できる注文を抽出し、キャンセル理由、出荷予定日と実出荷日、問い合わせの有無を1行ずつ記録します。件数が月に数十件のうちは手作業でも30分程度で済みます。3か月分たまったら通常注文と比べ、どの設計が効いているか、どこにまだ穴があるかを確認します。
工数の目安は、配送ポリシーの棚卸しと項目化に半日〜1日、例外シナリオの洗い出しに2〜3時間、ポリシー文面の書き換えと社内確認に1〜2日です。5,000社支援の中で何度も再現したパターンとして、配送条件の食い違いは商品数が1,000点を超える店舗ほど多く、棚卸しだけで想定の2倍の時間がかかることがあります。
費用面では、ChatGPT Plus（月20ドル）やClaude Pro（月20ドル）の範囲でプロンプト3本は十分に回せます。在庫連携の間隔を短くする場合は、利用中の受注管理システムや在庫連携サービスの料金プランによって追加費用が発生することがあるため、契約内容を確認してください（2026年11月時点、要確認）。
今後の展望と独自考察
今後、AIエージェントが店舗を比較するときに、価格と同じ重みで「確実に届くか」を見るようになる可能性があります。AIは複数店舗の配送日数や在庫状況を同時に読めるため、配送条件があいまいな店舗は候補から外れやすくなると見ています。これは編集部の見立てで、各AIの選定ロジックが公開されているわけではありません。
プラットフォーム同士の綱引きも続きます。AmazonがMetaのAIエージェントを遮断した件は AmazonとMeta製AIの対立の論点 で整理したとおりで、どのAIからどの売り場に注文が入るかは、しばらく流動的です。だからこそ、特定のAIやプロトコルに最適化するより、配送条件と在庫を正確に持つという土台を先に固めるほうが、どの経路にも効きます。
中期的な投資判断については 2030年に売上の15〜25%がAI経由になる前提の中期戦略 もあわせて読んでください。露出、決済、配送の3つがそろって、はじめてAI経由の売上は利益として残ります。
返品の流れも次の論点になります。AIが購入を代行するなら、返品の受付や返送ラベルの発行もAI経由で求められる場面が増えるはずです。返品理由を選択肢で受け取り、返送方法と返金時期を自動で案内できる仕組みを持つ店舗ほど、AI経由の顧客にも同じ品質で対応できます。配送と返品を一体で設計しておくことが、AI時代のフルフィルメントの基本形になると考えています。
よくある質問
エージェンティックコマースとは何ですか？
エージェンティックコマースとは、AIエージェントが消費者の代わりに商品を探し、比較し、購入まで行う取引のことです。ChatGPTやGoogleのAIで買い物が完結する仕組みが広がりつつあります。店舗側から見ると、顧客がページを読まずに注文してくる点が最大の違いです。
AI経由で注文が入ったら、配送の責任は誰にありますか？
配送の責任は販売者である店舗にあります。ACPの説明でも、店舗が販売者として顧客関係とフルフィルメントを管理する立場だと位置づけられています。AIが案内した内容と実際の配送がずれた場合も、顧客対応をするのは店舗です。
楽天市場やAmazonの店舗も対策が必要ですか？
はい、在庫と配送条件の正確さは、どの売り場でも共通の土台だからです。モール内の注文は配送表示のルールが整っていますが、同じ在庫を自社ECやAI経由の注文と共有している場合は、在庫連携の遅れが全チャネルの欠品につながります。
小規模な店舗でも今から準備すべきですか？
はい、配送ポリシーの棚卸しだけでも今のうちに済ませておく価値があります。商品数が少ない店舗なら、半日程度で配送条件の食い違いを洗い出せます。AI経由の注文が増えてから直すより、手間もリスクも小さく済みます。
AI経由の注文かどうかを見分ける方法はありますか？
注文経路の情報が受注データに残る場合は、その項目で判別できます。判別できない場合は、流入元の計測や注文時の決済手段から推定する方法がありますが、精度には限界があります。利用しているカートシステムや受注管理システムが対応しているかを確認してください。
キャンセルや返品のルールはどこまで細かく書くべきですか？
いつまで、どの状態なら、誰の負担で、の3点を条件ごとに書き分けるのが目安です。「原則として」のような解釈が分かれる表現は避けます。生鮮品や名入れ品のように返品できない商品は、商品単位で条件を持たせておくとAIの誤案内を防げます。
送料無料の条件はAIに正しく伝わりますか？
条件を項目として持っていれば、正しく伝わる可能性が高まります。「〇〇円以上で送料無料（一部地域を除く）」のように除外条件を括弧書きにすると、AIが除外部分を読み落とすことがあります。金額の条件と除外地域は別の項目として、配送設定とポリシーページの両方に同じ値で登録しておくのが安全です。
参考文献
- NielsenIQ：120 million AI pay transactions in a single week
- Agentic Commerce Protocol 公式サイト
- Agentic Commerce Protocol GitHubリポジトリ
- Google：Google Marketing Liveのショッピング関連アップデート
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
