AIエージェントに全商品を出す店は3割未満|EC事業者の「出し渋り」判断基準とプロンプト5本【2026年版】

AIエージェントに全商品を直販と同条件で出す企業は3割未満。米国調査の数字をもとに、日本のEC事業者が開放範囲を決める4つの判断軸、商品を4分類する5ステップとプロンプト5本、失敗例とKPIを解説します。

投稿日: カテゴリー EC×AI活用

AIエージェントへの出し渋りとは、商品の一部しかAIに買わせない判断のことです。

米国で年商5,000万〜10億ドル規模のEC事業者60社に聞いたPYMNTS Intelligenceの調査では、自社の全商品を直販と同じ条件でAIエージェントに提供すると答えた企業は3割に届きませんでした。どの商品ならエージェントに買わせてよいかを実際に決めている企業は、6社に1社にも満たない状況です。つまり大手でさえ「開けるか閉じるか」を決めきれていません。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いて、この出し渋りを日本のEC事業者がどう判断すべきかを整理します。結論を先に書くと、全商品を一律に開ける必要も、一律に閉じる必要もありません。誤購入が起きたときの解消コストと、直販との条件差の2つで商品を4つに分ければ、開放範囲はかなり機械的に決まります。後半では、その仕分けをAIに手伝わせるプロンプトを5本用意しました。

なぜ大手EC事業者は全商品を開放しないのか

出し渋りの理由は、技術よりも「失敗したときに誰が責任を持つか」が決まっていないことにあります。PYMNTSの調査は2026年8月に実施され、2026年10月に公開されたもので、サンプルが60社と小さいため、報告書自身も方向性を示すシグナルとして読むよう注意書きを付けています。そのうえで、数字には一貫した傾向が出ています。

まず、86%の企業は直販とエージェント経由を併用するハイブリッド型を計画しています。内訳は、直販を主にしてエージェントにも開放する企業が49%、両方を同程度に重視する企業が37%で、エージェントを優先すると答えたのは2%だけでした。全商品を出すと答えた層でも、直販と同じ条件ではなく、価格・販促・配送の条件を変えて出したいという回答のほうが多くなっています。

除外したい商品もはっきりしています。高額品や大型商品はおよそ6割の企業が外したいと答え、カスタム品やパーソナライズ商品はおよそ半数が守りたいと答えました。理由として挙げられているのは、誤って買われたときの取り消しや返品のコストが最も高いことです。名入れギフトや受注生産の家具を、AIが条件を取り違えて注文した場合を想像すると分かりやすいでしょう。

同じ時期のPayPalの加盟店調査も、別の角度から同じ壁を示しています。2026年2〜3月に米国の加盟店498社を調べたこの調査では、商品カタログの80%以上を機械が読める構造化データで持っている加盟店は約5分の1でした。責任の所在についても合意がなく、加盟店の約3分の2が、カード非対面取引のチャージバックのような標準的な責任の枠組みを求めています。米国・ブラジル・UAEの小売事業者1,185社を対象にしたVisaの調査でも、商品・価格・ポリシーをAIエージェントが使える構造化データで持つ事業者は15%にとどまりました。

一方で、買い手の側はすでに動き始めています。同じVisaの調査によると、オンラインの購入者の48%が直近の買い物でAIを使って事前に調べており、商品検索や比較にエージェントを使う消費者は56%、支払いまでAIエージェントに任せてもよいと考える消費者も約3分の1いました。売り手の準備が買い手の変化に追いついていない、というのが2026年時点の構図です。

整理すると、出し渋りの背景は3つです。誤購入時の責任ルールがまだない、直販より条件を変えたい、商品データがAIに読める形になっていない。この3つは日本の事業者にもそのまま当てはまります。

もう1つ見逃せない数字があります。PYMNTSの調査では、自社サイトやアプリでAI経由の訪問を購入完了まで一貫して追えている企業は0%でした。一部を特定できるのが51%、AIからの流入とは分かるが購入前に追跡が切れるのが37%です。効果が測れないものに全商品を賭けられない、という判断にも合理性があります。

日本のEC事業者が開放範囲を決める4つの判断軸

日本の事業者が考えるべき判断軸は、誤購入時の解消コスト、直販との条件差、粗利の余裕、商品データの整備状況の4つです。この4軸で見れば、出し渋りは「消極的な判断」ではなく「商品ごとの設計」になります。

1つ目の誤購入時の解消コストは、AIが間違えて買ったときに、返品・返金・再発送でいくらかかるかです。消耗品の日用品やリピート食品は低く、名入れギフト、受注生産品、大型家具、冷凍の生鮮品は高くなります。現場で繰り返し見るのは、名入れや熨斗の指定がある商品ほど、人間の注文でも問い合わせが多いという傾向です。AIの注文で同じ指定を正確に拾えるかは、まだ検証が足りません。

2つ目の直販との条件差は、AI経由と自社サイト経由で、価格・送料・特典をそろえるかどうかです。米国の企業の多くが「条件を変えて出したい」と答えたのは、エージェント経由の販売に手数料がかかると見ているからです。PYMNTSの調査では、完了したエージェント販売に手数料や歩合を払うと予想する企業が80%に上りました。手数料を払うなら、その分を価格に乗せるか、粗利の厚い商品だけを出すかを決める必要があります。

3つ目は粗利の余裕です。手数料と誤購入の処理コストを差し引いても利益が残る商品だけを開放の候補にします。セール価格で粗利が薄くなっている商品は、通常価格の商品より慎重に扱うのが定石です。値引きとAI経由の売り方の関係は、Google Direct Offersで粗利を守る設計を解説した記事でも詳しく扱いました。

4つ目は商品データの整備状況です。サイズ、素材、在庫、配送日数、返品条件が構造化された形で揃っていない商品は、AIが誤って解釈する余地が大きくなります。開放するかどうか以前に、データが揃っていない商品は「まだ出せない」と判断するのが安全です。

4軸を実際の店舗に当てはめると、たとえば次のようになります。Shopifyで自社ECを運営するアパレル店舗を想定すると、定番の無地Tシャツや靴下は誤購入時の解消コストが低く、サイズ表もそろっているので「全開放」の候補です。一方、裾上げ指定のあるパンツは「限定開放」、セール中で粗利が薄くなっているアウターは「条件付き開放」、受注生産のオーダー品は「除外」に置きます。商品数の大半を占める定番品を先に開けられれば、出し渋りをしながらも機会損失は小さく抑えられます。

モール別に見ると、事情はさらに異なります。楽天市場やYahoo!ショッピングでは、AIとの接続はモール側が設計するため、店舗が商品ごとに開放を選べる範囲は限られます。ここでできるのは、商品名・商品説明・スペックの正確さを上げて、AIに誤解されにくくすることです。Shopifyの自社ECでは、店舗が開放範囲を主体的に決められる場面が増えています。Shopifyの動きはShop MCPでAIエージェントが決済まで完結する仕組みの解説にまとめています。

開放範囲を決める5ステップとプロンプト5本

開放範囲は、商品を4つに分類するところから始めます。分類は「全開放」「条件付き開放」「限定開放」「除外」の4つです。全開放は直販と同条件で出す商品、条件付き開放は価格や送料を変えて出す商品、限定開放は特定の条件を満たす注文だけ受ける商品、除外は当面出さない商品です。以下の5ステップとプロンプトは、ChatGPT、Claude、Geminiのどれでも使えます。

作業の担当は、商品と顧客対応の両方が分かる人が向いています。商品企画だけ、カスタマーサポートだけの視点では、誤購入時の手間を見積もり違えやすいためです。小さな店舗なら店長1人で、ある程度の規模なら商品担当とサポート担当の2人で進めると判断が偏りません。

ステップ1は、商品一覧をAIに読ませて4分類の下書きを作ることです。商品管理CSVから、商品名・価格・粗利率・名入れ等の指定有無・返品可否の列だけを抜き出して渡します。

プロンプト1:商品の4分類の下書き

あなたはEC事業者の商品戦略担当です。
以下の商品一覧を、AIエージェント経由の販売について「全開放」「条件付き開放」「限定開放」「除外」の4つに分類してください。
判断基準:
1. 名入れ・熨斗・サイズ指定など、注文時の指定が多い商品は「限定開放」か「除外」
2. 返品不可の商品(生鮮・受注生産)は「除外」を基本にする
3. 粗利率が{基準値}%未満の商品は「全開放」にしない
4. 判断に迷う商品は「要確認」として理由を書く
出力:商品名、分類、理由(30字以内)の一覧

商品一覧:
{商品名、価格、粗利率、指定の有無、返品可否}

ステップ2は、誤購入が起きたときのコストを見積もることです。返品送料、再発送費、廃棄損、問い合わせ対応の時間を商品ごとに出しておくと、分類の根拠が数字になります。

プロンプト2:誤購入時の解消コスト試算

以下の商品について、AIエージェントが誤った条件で注文し、返品または再発送になった場合のコストを試算してください。
含める費用:返品送料、再発送送料、検品・再梱包の作業時間(時給{時給}円で換算)、再販できない場合の原価損失、問い合わせ対応時間
前提が不明な費用は「仮定」と明記し、仮定の値を示してください。
最後に、1件あたりの解消コストが商品の粗利額を上回る商品を一覧にしてください。

商品情報:
{商品名、販売価格、原価、重量・サイズ、返品可否、再販可否}

ステップ3は、AI経由と直販で条件がずれていないかを点検することです。価格や送料が経路によって違う場合、その差を意図して作っているのか、更新漏れなのかを区別します。

プロンプト3:販売経路ごとの条件の整合チェック

以下は同じ商品の、販売経路ごとの価格・送料・特典の一覧です。
1. 経路によって条件が違う商品を抜き出してください
2. 違いが「意図した差」か「更新漏れの疑い」かを、差の大きさと規則性から推定してください
3. 更新漏れの疑いがあるものは、確認すべき管理画面(楽天RMS、Shopify管理画面など)を添えてください
推定であることを明記し、断定しないでください。

データ:
{商品名、経路、価格、送料、ポイント・特典}

ステップ4は、商品データの整備状況の棚卸しです。AIが購入判断に使いそうな項目が揃っているかを商品ごとに点検します。

プロンプト4:構造化データの棚卸し

以下の商品データについて、AIエージェントが購入判断に使う可能性が高い項目(サイズ、素材、色、在庫、配送日数、返品条件、対象年齢、原材料・アレルゲン)の充足状況を点検してください。
出力:
1. 商品ごとの欠落項目
2. 欠落が多い順の上位10商品
3. 表記がばらついている項目(例:「cm」と「センチ」の混在)
推測で値を補わず、欠落は欠落として報告してください。

商品データ:
{商品データのCSV貼り付け}

ステップ5は、決めた内容を社内ルールとして文書にすることです。開放範囲は一度決めて終わりではなく、責任ルールや手数料の条件が変わるたびに見直します。

プロンプト5:AIエージェント販売の社内ルール文書

ここまでの分類結果をもとに、社内向けの「AIエージェント経由の販売ルール」を作成してください。
含める項目:
1. 4分類それぞれの定義と対象商品数
2. 分類を変更するときの承認者
3. 誤購入が起きたときの対応手順と連絡先
4. 見直しの頻度(例:四半期ごと)と見直しのきっかけ(手数料変更、責任ルールの整備など)
5. 効果測定に使う指標
A4用紙2枚以内、ですます調でまとめてください。

分類結果:
{プロンプト1〜4の結果の要約}

5本とも、AIが出すのは下書きです。最終的な分類の判断と承認は、商品と顧客を知っている担当者が行ってください。

よくある失敗と回避策

失敗は「全部閉じる」「全部開く」「条件をそろえない」の3パターンに集約されます。

1つ目は、リスクを恐れて全部閉じることです。AIエージェントに商品を出していない店は、AI経由の買い物が増えたときに、比較の候補にすら入れなくなる可能性があります。PYMNTSの調査でも、93%の企業が何らかのチャネルの来訪がエージェントに流れると予想していました。回避策は、誤購入の解消コストが低い定番の消耗品から、小さく開けて実績を見ることです。最初の対象は売れ筋上位20点程度に絞れば、問題が起きても影響を把握しやすく、手作業での確認も追いつきます。

2つ目は、準備なしに全部開くことです。名入れや熨斗の指定がある商品まで開けると、指定漏れの注文と問い合わせが増えます。ある食品ギフトジャンルの中規模店舗の運用を想定すると、熨斗の表書きや名入れの確認だけで繁忙期の問い合わせが大きく膨らむことは容易に想像できます。回避策は、指定が必要な商品を「限定開放」に置き、指定項目が構造化データで正確に渡せることを確認してから広げることです。

3つ目は、経路ごとの条件を放置することです。AI経由の価格と自社サイトの価格が意図せずずれていると、顧客の不信を招きます。表示価格の扱いによっては景品表示法上の問題にもつながるため、差を付けるなら理由を説明できる形にしておくべきです。回避策は、プロンプト3の点検を月1回の定例作業に組み込むことです。

KPIと費用・工数の目安

KPIは、AI経由の注文数、AI経由の注文の返品・キャンセル率、AI経由の注文に関する問い合わせ件数の3つから始めるのが扱いやすいです。売上だけを見ると、誤購入の処理コストが見えなくなります。

3つの指標は、必ず人間の注文と比べて見てください。AI経由の返品率が通常の注文の2倍を超えるような状態が続く分類があれば、その分類は一段階閉じる方向で見直します。逆に、AI経由の返品率や問い合わせが通常と変わらない分類は、次の見直しで一段階開く候補になります。比べる相手がないと、AI経由の数字が良いのか悪いのか判断できません。開放を始める前の3か月分の返品率と問い合わせ件数を、分類ごとに控えておくと比較が楽になります。

費用面の参考として、PYMNTSの調査では、AIでの見え方の改善と計測に使っている予算は売上比で平均約2%、過半数の企業は1%未満でした。中小規模の日本の事業者であれば、まずは既存のAIツールの範囲で始められます。ChatGPT Plus、Claude Pro、Gemini の有料プランはいずれも月20米ドル前後で、本記事の5本のプロンプトはどれでも動きます(料金は2026年11月時点の目安。各社の最新の料金ページで要確認)。

工数の目安は、商品数300点程度の店舗なら、ステップ1〜4の初回の仕分けに担当者1人で2〜3日、以後の月次見直しは半日程度です(現場感覚での目安)。計測は、AIからの流入を購入まで一貫して追えている企業がまだ0%という状況なので、完璧を目指さないことが大切です。流入元の判定ができる範囲で注文を記録し、四半期ごとに分類を見直す程度で十分に回ります。

今後の展望と独自考察

出し渋りが解けるきっかけは、責任の枠組みと手数料の相場が見えてくることです。PayPalの調査で加盟店の約3分の2が標準的な責任の枠組みを求めているように、誤購入時のルールが決まれば、開放範囲を広げる判断はしやすくなります。手数料も同じで、相場が分かれば「どの商品なら手数料を払っても利益が残るか」を計算できます。

AI購買の仕組みそのものも、まだ一本化されていません。複数の決済・接続の規格が並んでいる状況は、AI購買プロトコルの対応順をまとめた記事で整理しました。どの規格が残るか分からない段階で全商品を一気に開けるより、分類ルールを先に作っておき、規格が固まったときにすぐ広げられる状態にしておくほうが合理的です。

もう1つの論点は不正注文です。AIエージェントの注文は人間の注文と見分けにくく、従来の注文審査の前提が崩れつつあります。この点はAIエージェントによる不正注文への対策をまとめた記事で詳しく扱いました。開放範囲の設計と注文審査の見直しは、セットで進めるのが望ましい組み合わせです。

日本ならではの論点として、特定商取引法の表示ルールとの関係もあります。2022年6月施行の改正特定商取引法では、通販の申込みの最終確認画面に、分量、価格、支払いと引渡しの時期、申込みの撤回や解除の条件などを表示することが求められています。人間ではなくAIエージェントがこの画面を読んで注文する場合に、表示義務をどう満たしたと考えるのかは、現時点で明確な整理が見当たりません(要確認)。開放を広げる前に、AI経由の注文でも返品条件や定期購入の条件が正しく伝わる設計になっているかを点検しておくと安心です。

5,000社支援の中で何度も再現したパターンとして、新しい販売経路で成功する店は、最初から全部を賭けずに、勝てる商品から小さく始めて広げています。AIエージェントでも同じ考え方が通用します。出し渋りを恥じる必要はなく、商品ごとに理由のある線を引けているかどうかが問われています。

よくある質問

AIエージェントに全商品を出さないと不利になりますか?

いいえ、全商品を出さないこと自体は不利ではありません。米国の大手でも全商品を直販と同条件で出す企業は3割未満です。誤購入のリスクが低い定番商品から出し、実績を見て範囲を広げるのが現実的です。

どの商品から開放すべきですか?

誤購入時の解消コストが低く、粗利に余裕がある定番の消耗品からが基本です。名入れ、熨斗、サイズ指定が必要な商品や、返品できない生鮮品・受注生産品は、当面は限定開放か除外にしておくのが安全です。

楽天市場やYahoo!ショッピングでも商品ごとに開放を選べますか?

いいえ、モール型ではAIとの接続をモール側が設計するため、店舗が選べる範囲は限られます。店舗側でできるのは、商品名や商品説明、スペックを正確にして、AIに誤解されにくくすることです。

AI経由だけ価格を変えてもよいですか?

はい、変えること自体は可能ですが、理由を説明できる形にしておく必要があります。手数料分を反映するなどの合理的な理由がない価格差は、顧客の不信を招きます。表示方法によっては景品表示法上の問題になり得るため、注意が必要です。

AI経由の売上はどうやって測ればよいですか?

現時点では完璧な計測は難しいのが実情です。PYMNTSの調査でも、AI経由の訪問を購入完了まで一貫して追えている企業は0%でした。流入元が判定できる範囲で注文を記録し、返品率や問い合わせ件数と合わせて見るのが現実的です。

小規模な店舗でも分類作業は必要ですか?

はい、必要です。むしろ商品数が少ない店舗ほど、1件の誤購入の影響が大きくなります。商品数が少なければ分類作業も短時間で終わるため、プロンプト1と2だけでも先に済ませておくことをおすすめします。

分類作業にはChatGPT・Claude・Geminiのどれを使えばよいですか?

どれを使っても構いません。本記事の5本のプロンプトは特定のAIに依存しない書き方にしています。商品データのCSVが大きい場合は、長い入力を扱えるモデルや有料プランを選ぶと、分割せずに一度で処理しやすくなります。

開放範囲はどのくらいの頻度で見直すべきですか?

四半期に1回が目安です。加えて、エージェント経由の手数料が変わったとき、誤購入の責任ルールが整備されたとき、大型セールの前には、臨時で見直してください。

参考文献


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)


投稿者: 齋藤竹紘

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。

お問い合わせ