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エージェントが人に代わって商品を探し、選び、購入まで担う取引のことです。
「2030年に最大5兆ドル」という数字が、世界の小売を動かし始めています。AIが人に代わって買い物をするエージェンティックコマースの市場規模です。日本のEC事業者にとっての問いは、この波にいつ・どう備えるかに尽きます。慌てて全部に手を出すのも、様子見で何もしないのも、どちらも危うい。この記事では、各調査機関の市場規模予測を整理し、数字の幅が何を意味するかを読み解いたうえで、日本のEC事業者が90日で踏み出す現実的な初動を、診断プロンプト3本とともに提示します。
5兆ドルという数字の中身を読み解く
まず数字を正確に押さえます。McKinseyは、エージェンティックコマースが2030年までに世界で3兆〜5兆ドルの機会を生むと予測しています。Digital Commerce 360の報道によると、この数字はB2B、物流、決済インフラの革新までを含む広い定義です。米国に絞ると、McKinseyは2030年までに1兆ドルの小売収益を見込みます。
調査機関ごとに数字が違う点が、むしろ重要です。Morgan Stanleyは、米国のエージェント経由のEC支出を2030年に1,900億〜3,850億ドルと見積もり、オンライン小売の約10%、強気で20%のシェアと試算します。Bain & Companyは米国市場を3,000億〜5,000億ドル、EC全体の15〜25%と見ています。一方でeMarketerは、AIプラットフォーム上の直接販売だけを測り、1,440億ドルと控えめです（いずれも要確認）。
この幅は、調査の精度の問題ではなく「何をエージェンティックコマースと数えるか」の定義差です。決済インフラやB2Bまで含めれば兆ドル規模、AIプラットフォーム上の直接販売だけなら数千億ドル。日本のEC事業者が見るべきは、自社のビジネスがこの定義のどこに当たるかです。現場で繰り返し見るのは、巨大な数字に圧倒されて思考停止する店舗と、自社に関係する部分だけを切り出して動き出す店舗の差でした。後者が先に学習を始めています。
数字の裏で起きている変化のほうが、実は本質です。購買の起点が、人が検索して選ぶ形から、AIが候補を絞って提示する形へ移りつつあります。ChatGPTのInstant Checkout（ACP）やUCP（ユニバーサルコマースプロトコル）、Perplexity Instant Buyは、その配管が実装フェーズに入った証拠です。市場規模の数字は、この構造変化の大きさを示す温度計にすぎません。
日本のEC事業者にとって何が変わるのか
米国先行のこの動きは、日本にも時間差で波及します。Bainは、エージェンティックAIが2030年までに米国EC売上の15〜25%を占めうると見ています。仮にこの比率が日本にも近い形で訪れるなら、店舗の流入の4分の1前後が、人ではなくAI経由で来る未来が視野に入ります。直近の支援案件で観測したのは、まだ数%でもAI経由の流入が確実に増え始めており、その流入のCVRが通常検索より高い傾向です。母数は小さくても、質が高い入口が育っています。
日本市場ならではの論点もあります。McKinseyの大きな数字がB2Bや決済インフラまで含む点を踏まえると、日本では卸・メーカー直販・定期購入といったB2B寄りの領域でも、AIによる発注・補充の自動化が進む余地があります。消費者向けの会話型購入だけでなく、取引先からの再発注をAIが担う場面も、エージェンティックコマースの一部です。自社が小売だけでなく卸も手がけているなら、両方の入口でAI対応の準備を考える価値があります。加えて、日本は決済手段が多様で、PayPay・楽天ペイ・コンビニ後払いといった国内決済とのつなぎ込みが、海外の規格をそのまま持ち込めない論点として残ります。ここは公式の対応を待ちつつ、データ整備で先行する二段構えが現実的です。
変わるのは、最適化の対象です。人が見るページを飾る発想から、AIが読み取り選ぶデータを整える発想へ。商品の属性・価格・在庫・配送条件を機械可読にし、GEO（生成エンジン最適化）でAIに引用される状態を作る。これが、市場規模の数字に踊らされずに今できる、最も確実な備えです。アパレル系の単一店舗で試したケースでは、商品データの整備だけでAI経由の発見が目に見えて増えました。
販路ごとに打ち手が違う点も押さえておきたいところです。楽天市場やAmazonに出店している店舗は、モール内のAI決済仕様をモールが握るため、店舗が直接いじれる範囲は限られます。できるのは、商品名・説明・属性の具体性を上げ、モールのAI機能に拾われやすくすることです。一方、ShopifyやBASE、STORES、独自構築の自社ECを持つ店舗は、ACPやUCPへの対応を自分で設計でき、AIに直接読ませる土地を確保できます。モール依存度が高いほど、自社ECという別の入口を育てる戦略的価値が増します。AIショッピングエージェント全般への備えはAIショッピングエージェント対応の最適化でも整理しています。
いま決める戦略と診断プロンプト3本
ここからは初動です。5兆ドルの市場を取りにいくのではなく、自社に関係する部分から学習を始めるのが、現実的な戦略です。以下のプロンプトはChatGPT（GPT-5.5）、Claude（Claude Opus 4.8）、Gemini（Gemini 3.1 Pro）のいずれでも動きます。変数は中括弧の箇所を自店の情報に置き換えてください。プロンプトは全部で3本です。
最初に、自社のエージェンティックコマース対応度を診断します。今どこに穴があり、何から手をつけるべきかを、自店の条件で出します。
あなたはエージェンティックコマースに詳しいECコンサルタントです。
以下の店舗情報をもとに、自社のエージェンティックコマース対応度を診断してください。
店舗情報：
- 主要販路：{楽天/Amazon/Shopify/自社EC/その他}
- 自社ドメインの有無：{あり/なし}
- 月商規模と主力ジャンル：{値}
- 商品データの整備状況（属性・構造化データ・FAQ）：{値}
- 海外販売の有無と比率：{値}
出力：
1. 対応度の評価（高/中/低）と、その根拠を3点
2. 今すぐ着手すべき穴を優先順位順に5項目
3. 当面は後回しでよいこと2項目
2本目は、チャネル別の優先度マップを作らせます。ACP、UCP、Perplexity、AI検索など、どこに先に投資すべきかを、自店の条件で整理します。
あなたはエージェンティックコマースの戦略設計に詳しいコンサルタントです。
以下の店舗情報をもとに、対応チャネルの優先度マップを作成してください。
店舗情報：
- 主要販路と売上構成：{値}
- 主力ジャンルと粗利率：{値}
- 国内中心か越境志向か：{値}
- 社内リソース（人・予算・技術）：{値}
評価対象チャネル：
- ChatGPT経由（ACP）／Google経由（UCP）／Perplexity（Instant Buy）／
AI検索全般（GEO）／モール内AI機能
出力：
1. 各チャネルの優先度（高/中/低）と理由
2. 粗利率を踏まえた投資順序
3. 最初の90日で着手する1〜2チャネルの選定
3本目は、90日ロードマップを生成させます。診断と優先度を、実行可能な行動計画に落とします。
あなたはECの実行支援に長けたプロジェクトマネージャーです。
以下の前提から、エージェンティックコマース対応の90日ロードマップを作成してください。
前提：
- 優先チャネル：{上記で選定したもの}
- 着手する穴：{診断で出た上位項目}
- 使えるリソース：{人・時間・予算}
出力：
1. 30日・60日・90日の各マイルストーン
2. 各期間で完了させる具体タスクと担当の目安
3. 効果を測るKPIと、その計測方法
4. つまずきやすい点と回避策
失敗例と回避策
最初の失敗は、市場規模の大きさに反応して、全チャネルへ一斉に投資するパターンです。ACPもUCPもPerplexityも、と手を広げると、どれも中途半端になります。回避策は、粗利率と販路構成を見て、最初の90日で取り組むチャネルを1〜2に絞ることです。学習を1点に集中させたほうが、知見が早くたまります。
2つ目は、逆に「日本にはまだ早い」と何もしないパターンです。米国先行とはいえ、商品データの整備はどのチャネルにも効く共通の備えで、対応時期を待つ理由になりません。5,000社支援の中で何度も再現したのは、早く商品データを整えた店舗が、対応が来たときに最も速く立ち上がったことでした。回避策は、チャネル対応の前に、商品データの整備という土台を先に終えることです。
3つ目は、効果を測らずに走るパターンです。AI経由の流入を通常検索と一緒に見ていると、投資の成否が判断できません。回避策は、GA4で参照元を分離し、AI経由のCVR・客単価を通常検索と比較する計測設計を、施策より先に用意することです。
KPI設計と費用・工数目安
見るべき指標は、AI経由の流入比率と、その流入のCVR・客単価・リピート率です。市場規模の予測値そのものは自社のKPIにはなりません。自店で測るべきは、AI経由の流入が全体の何%を占め、その質が通常検索とどう違うかです。月次でこの推移を追うと、投資を厚くするタイミングが見えてきます。
費用面では、商品データの整備工数が最大のコストです。SKU数が数百規模なら、属性・構造化データ・FAQの整備に内製で数十時間、外注で数十万円が目安です（2026年6月時点の見込み、ジャンルと現状の整備度で変動）。AIツールの月額は、ChatGPT Plus・Claude Pro・Gemini Advancedがいずれも20米ドル前後で、診断・ロードマップ作成・データ監査を回すには有料プラン1つで足ります。チャネル対応の実装コストは、自社ECの構成や開発体制によって大きく変わります。
工数を圧縮する順序として、編集部で実際に運用しているのは「土台を先に、チャネルを後に」という進め方です。まず売上上位2割のSKUの商品データを整え、AI経由の流入を観測する。その手応えを見てから、優先チャネルへの実装に進む。この順序なら、最初の効果検証まで4〜6週間に収まるケースが多く見られます。
今後の展望と独自考察
市場規模の数字は今後も上下するでしょうが、購買の起点がAIへ移る方向は変わりません。注目すべきは、定義が「AIプラットフォーム上の直接販売」から「AIが関与する取引全体」へ広がっていく点です。発見・比較・決済・再注文のどこかでAIが関与する取引が増えるほど、店舗が整える商品データの価値は上がります。規格やプラットフォームが移り変わっても、正確な商品データは資産として残ります。
店舗運営の現場感覚では、勝敗を分けるのは投資の大きさより、学習を始めた早さです。小さくてもAI経由の流入を測り、何が効くかを自社で確かめている店舗は、対応の波が大きくなったときに判断が速い。逆に、市場規模の記事を読むだけで動かない店舗は、いざ波が来てから慌てます。
独自の見立てを述べます。エージェンティックコマースは、特定プラットフォームの一人勝ちではなく、ChatGPT・Google・Perplexityが併存する多極構造で進むと考えます。理由は、消費者が使い慣れたAIで買うため、店舗はどの入口も捨てられないからです。であれば、店舗が握るべきは特定チャネルへの最適化ではなく、どのチャネルにも載る整った商品データです。5兆ドルの市場は、この土台を早く積んだ店舗から取り込まれていきます。
よくある質問
エージェンティックコマースの市場規模はいくらですか
McKinseyは2030年までに世界で3兆〜5兆ドル（B2Bや決済インフラを含む広い定義）と予測します。米国に絞るとMorgan Stanleyが1,900億〜3,850億ドル、Bainが3,000億〜5,000億ドルなど、定義によって数字が幅広い点に注意が必要です（要確認）。
数字がバラバラなのはなぜですか
「何をエージェンティックコマースと数えるか」の定義が機関ごとに違うためです。決済インフラやB2Bまで含めれば兆ドル規模、AIプラットフォーム上の直接販売だけなら数千億ドルになります。自社が関係する範囲を見極めることが重要です。
日本の店舗はいつ備えるべきですか
今すぐです。チャネル対応の時期は米国先行でも、商品データの整備はどのチャネルにも効く共通の備えで、待つ理由がありません。土台を先に終えた店舗が、対応の波が来たときに最も速く立ち上がります。
何から始めればよいですか
自社の対応度診断と、売上上位2割のSKUの商品データ整備です。属性・価格・在庫・配送条件を機械可読にし、AI経由の流入を分離して測る。この2つが、どのチャネルにも効く出発点になります。
全チャネルに対応すべきですか
最初は絞るべきです。粗利率と販路構成を見て、最初の90日で取り組むチャネルを1〜2に集中させたほうが、学習が早く進みます。手応えを見てから横展開するのが現実的です。
無料で始められますか
商品データの整備や対応度の診断は、無料の手作業でも始められます。AIに診断やロードマップ作成を手伝わせる場合は、ChatGPT・Claude・Geminiの有料プラン（いずれも月20米ドル前後）が1つあれば足ります。
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
