投稿者 投稿日: カテゴリー Perplexity
Brainとは、Perplexityの自己改善型AIメモリ機能のことです。
2026年6月18日、Perplexityはエージェント製品「Computer」向けの自己改善型メモリ機能Brainを公開しました。続く7月13日のチェンジログでは、タスクの途中でオーケストレーター（作業全体を指揮するAIモデル）を切り替える機能も追加され、リサーチ道具としてのPerplexityは1か月で大きく姿を変えています。日本語でこの2つの更新をまとめて解説した記事はまだ少なく、EC実務への落とし込みとなるとほぼ見当たりません。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援を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解説します。確認済みの公式仕様を整理したうえで、競合店舗の価格調査・レビュー傾向分析・新商品トレンド調査という3つのEC実務に使えるプロンプト4本を、コピーして使える形で用意しました。
自己改善メモリBrainとタスク途中モデル切替は何を変えたのか
今回の更新で変わったのは、Perplexityのエージェントが「毎回ゼロから始める道具」から「仕事を覚えて上達する道具」になった点です。公式発表によれば、Brainを有効にしたComputerは、過去に扱ったことのあるタスクで回答の正確性が25%向上し、想起（必要な情報を思い出す精度）が16%改善、履歴の文脈が必要なタスクの実行コストは13%下がったとされています。数字はPerplexity自身の初期測定値なので割り引いて読む必要はありますが、方向性ははっきりしています。
Brainの仕組みを公式ブログの記述に沿って整理します。BrainはComputerが行った作業の「コンテキストグラフ」を構築し、夜間など決まった間隔でそのグラフを見直して、仕事のやり方を自分で改善していきます。具体的には、ユーザーのセッション・接続したコネクタ・ファイル・過去の修正指示を横断して「LLMウィキ」と呼ばれる文書群に整理し、次のタスク開始時にエージェントのサンドボックスへ自動で読み込む構造です。従来のAIメモリが「ユーザーの好みや属性」を覚えるものだったのに対し、Brainは「エージェント自身が何をやって、何が成功し、どこを直されたか」を覚えます。うまくいった情報源は次回も優先し、行き止まりだった情報源は避けるようになるため、使い込むほどターン数とモデル呼び出しが減っていく設計です。
なぜ作業の記憶が重要なのかは、人間の採用にたとえると分かりやすいはずです。新しく入ったスタッフに毎週同じ調査を頼むとき、2週目からは指示が短くなり、1か月後には「いつものやつ」で通じるようになります。ところが従来のAIエージェントは、何度依頼しても初日の新人のままでした。毎回フォーマットを説明し、毎回情報源の当たり外れを経験させ直す。Brainはこの学習曲線をエージェント側に持たせる試みで、公式ブログでも「トークン消費は将来の効率化への投資になる」という表現で説明されています。
記録されたメモリはすべて出どころのセッション・ファイル・情報源にリンクされ、設定画面のCustomizeから内容の確認と削除ができます。提供範囲には注意が必要で、2026年7月時点ではMaxおよびEnterprise Maxサブスクライバー向けのResearch Preview（研究プレビュー）です。Proプランでは使えません。なお、同じ7月13日のチェンジログでは、作成したWebサイトをそのまま公開できるパブリッシング機能、組織管理者向けのモデル別利用状況アナリティクス、Forge Globalのデータを使った非上場企業リサーチなども同時に発表されており、Computerを業務基盤に育てる姿勢が読み取れます。
もう1つの柱がモデル切替です。7月13日付の公式チェンジログでは、Computerのタスク途中でオーケストレーターモデルを変更できるようになったと明記されました。従来はタスク開始時に選んだモデルで最後まで走る仕様でしたが、同じタスク内のフォローアップのターン間で切り替えられます。公式が挙げる使い方は3つで、速いモデルで始めて難しい追加質問だけ高性能モデルに引き上げる、重い推論が終わったら低コストモデルに落として反復作業を回す、長いワークフローの各段階に合うモデルを途中で当て直す、という運用です。同じチェンジログでは、オーケストレーターとしてClaude Fable 5が選べるようになったこと、Opus 4.8のFastモード提供も発表されています。サブエージェント用には20種類以上のモデル群から指定できると公式チェンジログに記載があり、GPT-5.6系やGemini 3.5系を含む複数ベンダーのモデルを1つのタスクの中で使い分ける前提の製品になりました。
EC市場リサーチ・競合調査はどう変わるか
現場で繰り返し見るのは、競合調査が「初回だけ丁寧で、2回目以降が続かない」パターンです。最初の週は競合5店舗の価格・送料・訴求をきれいに表にまとめたのに、翌週は調査フォーマットの再現に30分かかり、3週目には止まる。EC支援の現場では、この「調査の再現コスト」が定点観測を殺す最大要因だと判断しています。Brainが効くのはこの部分です。前回のフォーマット・対象店舗・出典の優先順位・修正指示をエージェント側が覚えているため、「先週と同じやり方で今週分を」という1行が実際に機能するようになります。
具体的な適用領域は3つあります。1つ目は競合店舗の価格・品揃え調査です。楽天市場やAmazonの公開商品ページを対象に、価格・ポイント倍率・送料条件・発送リードタイムを横並びで拾わせる使い方で、Brainがあれば監視対象と項目定義が週をまたいで維持されます。2つ目はレビュー傾向分析で、競合商品の高評価・低評価レビューから購入理由と不満点を抽出し、自店の商品ページや同梱物の改善仮説につなげます。3つ目は新商品トレンド調査で、直近3か月の新商品・話題キーワードを発売日つきで整理させ、仕入れ・企画会議の下敷きにする用途です。Perplexityの基本的な検索・リサーチ機能のEC活用はPerplexity ProのEC活用術で詳しく解説しているので、土台から固めたい方はそちらが先です。
モデル切替の実務的な意味も大きいと考えます。市場リサーチは「調査設計」と「定型の収集・整形」で必要な知能が違うからです。調査対象の選定や比較軸の設計はClaude Fable 5のような計画・指揮に強いオーケストレーターで行い、毎週の定型収集や表の整形は低コストのモデルへ途中で切り替える。この2段構えが同じタスク内で完結するため、タスクを立て直して文脈を貼り直す手間が消えます。直近の支援案件で観測したのは、月商3,000万円規模の食品ギフト店舗が週次の競合価格チェックに毎週約2時間かけていたケースで、AIリサーチへの移行後は確認と修正だけで済むようになりました。複数モデルの使い分け設計そのものはPerplexity Agent APIとマルチモデル活用の解説でも扱っています。
運用イメージを1つ具体化しておきます。楽天市場で調味料ギフトを扱う店舗が、競合5店舗の「商品名前半のキーワード」「ポイント倍率」「クーポン有無」「レビュー件数」を毎週金曜に取得すると決めたとします。初週は比較軸の定義と対象URLの確定に時間がかかりますが、2週目以降は「先週分との差分だけ教えて」で回り始めます。お買い物マラソンの週だけ観測頻度を上げる、といった季節運用も、指示の履歴が文脈として残っていれば1行の追加指示で済みます。手作業のスプレッドシート運用でこの粒度を維持できていた店舗は、支援先を見渡しても少数派でした。
注意点を1つ。Brainの恩恵をフルに受けられるのはMaxプラン（Research Preview対象）で、月商500万〜数千万円帯の店舗がいきなり契約するにはハードルがあります。ただ、後述するプロンプトはProプランの通常のリサーチ機能でもそのまま動きます。メモリによる自動再現が効かない分、プロンプト自体に「前回のフォーマット」を明示的に書き込んでおく運用で代替できるため、まずProで型を作り、定点観測が業務として定着したらMaxとBrainで自動化を深める順番が現実的です。
実装手順：EC競合調査プロンプト4本
ここからは実装です。前提として、PerplexityのアカウントでComputer（またはProのリサーチ機能）を開き、モデル選択が可能な場合は調査設計の初回だけ上位モデルを指定してください。以下のプロンプト4本は、変数を中括弧で示しています。自店の商材に合わせて書き換えてから実行してください。運用のコツは、4本を一度に導入しないことです。まずプロンプト1だけを2週間回してフォーマットを安定させ、そこにプロンプト4の差分運用を重ね、レビュー分析とトレンド調査は月1回の企画会議前に実行する。この頻度設計なら、担当者1人でも破綻しません。
1本目は競合店舗の定点調査です。監視対象と調査項目を最初に固定し、出典と確認日を強制するのが要点で、この縛りがないと生成AIは古い価格を平然と出してきます。
プロンプト1：競合店舗の価格・品揃え調査（楽天市場・Amazon横断）
あなたはEC市場調査の専門アナリストです。
以下の条件で競合店舗の販売状況を調査し、出典URLつきで報告してください。
調査対象：
- 自店の主力商品：{商品名・型番}
- 監視したい競合店舗・ブランド：{競合店舗名を3〜5つ}
- 対象モール：楽天市場、Amazon.co.jp、Yahoo!ショッピング
調査項目：
1. 各競合の該当商品の現在価格（クーポン・ポイント倍率があれば併記）
2. 送料条件と発送リードタイム
3. 商品ページの主要訴求（商品名前半のキーワード、目立つ訴求文言）
4. 直近1か月で確認できる価格変更・セール参加の形跡
条件：
- すべての数字に取得元URLと確認日を明記する
- 推測で埋めず、確認できない項目は「確認不可」と書く
- 最後に「自店が今週対応を検討すべき変化」を3点以内で要約する
2本目はレビュー傾向分析です。レビューは競合が公開している一次データの宝庫ですが、引用の扱いと法規制への配慮をプロンプト側で縛っておく必要があります。
プロンプト2：競合商品のレビュー傾向分析
あなたはECのVOC（顧客の声）分析の専門家です。
次の商品について、公開されているレビューの傾向を調査してください。
対象：
- 商品カテゴリ：{ジャンル（例：食品ギフト、サプリ、家電）}
- 分析したい競合商品：{商品名またはURL}
分析項目：
1. 高評価レビューで繰り返し言及される購入理由の上位3つ
2. 低評価レビューで繰り返し言及される不満の上位3つ
3. ギフト用途・自宅用途など購入シーンの言及傾向
4. 自店の商品ページ・同梱物・FAQに反映できる改善仮説を5つ
条件：
- レビュー原文の引用は1〜2文以内にとどめ、出典ページのURLを添える
- 件数や割合を示す場合は「閲覧できた範囲での傾向」と明記する
- 効能効果をうたう表現（薬機法・景表法に抵触しうる文言）の改善案は出さない
3本目は新商品・トレンド調査です。バイヤー業務の下調べを想定し、日付の確認を必須にしてあります。トレンド調査は情報の鮮度が命なので、記事日付のない情報源を弾かせる設計にしました。
プロンプト3：新商品・トレンド調査（次の仕入れ・企画向け）
あなたはECバイヤーのリサーチアシスタントです。
{ジャンル}カテゴリについて、直近3か月の新商品・トレンドを調査してください。
調査項目：
1. 直近3か月に発売・話題化した新商品と、そのメーカー・ブランド
2. SNSやメディアで言及が増えているキーワード・成分・機能
3. 楽天市場・Amazonのランキング上位で入れ替わりが起きている価格帯
4. 上記をふまえ、自店で企画・仕入れを検討すべき候補3つと理由
条件：
- 発売日や記事日付が確認できる情報源を優先し、URLと日付を明記する
- 根拠のないトレンド語（「話題沸騰」など）は使わない
- 最後に「今回の調査で確認できなかったこと」も正直に列挙する
4本目が今回の目玉で、Brainのメモリを前提にした週次の再利用指示です。Maxでない場合は、冒頭の「先週と同じ」を前回の出力フォーマットの貼り付けに置き換えれば同じ運用ができます。
プロンプト4：週次の定点観測（Brainのメモリを前提にした再利用指示）
先週と同じフォーマット・同じ調査対象・同じ出典の優先順位で、
今週分の競合定点観測を実行してください。
追加の指示：
1. 先週から変化があった項目だけを冒頭に「変化サマリ」としてまとめる
2. 価格・ポイント倍率・送料条件の変化は、先週の値と今週の値を並べて示す
3. 新しく確認された競合商品・新規参入店舗があれば末尾に追記する
4. 前回私が修正を指示した点（出典の書き方・対象店舗の追加など）を
今回も反映していることを冒頭で1行確認する
条件：
- 出典URLと確認日を全項目に付ける
- 変化がなかった項目は「変化なし」と明記し、省略しない
メモリが仇になる3つの失敗パターン
便利さの裏返しで、メモリ機能には固有の失敗があります。5,000社支援の中で何度も再現したパターンとして、AI以前の定点観測でも起きていた事故がそのままメモリで増幅されるケースを3つ挙げます。
1つ目は「古い相場観の固定化」です。セール期をまたぐと競合の実売価格は数日で動きますが、メモリが過去の価格帯を文脈として持っていると、新しい調査結果の解釈がその古い相場に引っ張られることがあります。回避策は、プロンプト1のように取得日と出典URLを全項目に強制すること、そしてBrain利用時はCustomize画面を月1回開いてメモリの棚卸しをすることです。メモリは資産ですが、賞味期限のある資産だと考えてください。
2つ目は「モデル切替による基準のブレ」です。タスク途中でオーケストレーターを替えると、比較の粒度や表現の基準が微妙に変わることがあります。Perplexity自身も、モデルをまたぐと作業スタイルの不一致が起きうる点を認めています。回避策は、評価基準・出力フォーマット・用語定義をタスクの最初に明文化しておくことです。基準がプロンプトに書いてあれば、どのモデルに切り替えてもそこへ戻れます。
3つ目は「出典確認の省略」です。定点観測が自動化されるほど、人間は出力を読み流すようになります。ある食品ジャンルの中規模店舗の事例では、AIが要約した競合のクーポン情報が実際には終了済みのキャンペーンで、価格対抗の判断を誤りかけたことがありました。対策は単純で、価格変更や出店判断など金額の絡む意思決定に使う数字だけは、リンク先の一次情報を人間が開いて確認する運用を崩さないことです。
KPI設計と費用・工数目安
費用は2026年7月時点で、Perplexity Proが月額20米ドルです。Brainの対象となるMaxは月額200米ドル（2025年の提供開始時の公式価格。最新の料金は公式サイトで要確認）で、個人事業〜中小規模の店舗ならまずProで型を作る判断が妥当です。ChatGPT PlusやClaude Proと並行契約するかどうかは、リサーチ業務をPerplexityに寄せるか、文章生成を含めて分散させるかで決めることになります。
工数の目安は、週次の競合定点観測（競合5店舗・3モール横断）で、手作業なら週90〜120分かかっていたものが、プロンプト運用の定着後は出力確認と修正指示で週20〜30分程度に収まるケースが多く見られます（支援先での観測にもとづく目安。商材と競合数で変動します）。KPIとしては、調査の実施率（毎週予定どおり回った週の割合）、価格変化への対応リードタイム（競合の値下げ検知から自店の意思決定までの日数）、レビュー分析から商品ページ改善に反映した施策数の3つを推奨します。調査時間の短縮そのものより、「調査が止まらなくなったことで意思決定が速くなったか」を測る設計が本筋です。
導入時の隠れコストにも触れておきます。プロンプトの初期チューニングに2〜3週間、担当者が出力の癖を掴むまでにさらに2週間程度を見込んでください。ここを「導入したのに楽にならない」と誤解して1か月で止める店舗が一定数あります。立ち上げ期の工数はむしろ増えるものと最初から合意しておくのが、経営側の仕事です。
今後の展望と独自考察
Brainの登場は、EC事業者にとって「調査する側」と「引用される側」の両面で意味を持ちます。ここまでは調査する側の話でしたが、独自考察として後者に触れておきます。Perplexityは2025年11月にショッピング機能の刷新を進め、マーチャント向けの仕組みも整備してきました。経緯はPerplexityのマーチャントプログラム解説にまとめています。エージェントがメモリを持つということは、ユーザーの過去の購買リサーチの文脈が次の商品推薦に引き継がれるということです。一度「この店舗の情報は正確だった」と学習されれば継続的に参照され、逆に情報が古い・出典が曖昧な店舗は静かに候補から外れていく。AI検索経由の流入を狙うGEO（生成AI検索最適化）の観点では、商品情報の正確性と更新頻度が、これまで以上に複利で効く時代に入ったと読んでいます。
技術面では、タスク途中のモデル切替は「1タスク1モデル」という常識の終わりを示すものです。GPT-5.6系、Gemini 3.5系、Claude系という2026年7月時点の最新モデル群を、ユーザーが意識せず適材適所で使う方向へ業界全体が動いており、Perplexityはその実装をいち早く一般ユーザー向けUIに載せた形です。EC事業者にとっての実利は、モデル名の暗記ではなく「設計は高性能モデル、反復は低コストモデル」という原則を業務フローに埋め込むことにあります。BrainはまだResearch Previewであり、仕様変更の可能性も高い段階です。今後の機能追加は公式チェンジログで追えるので、月1回の確認を運用に組み込んでおくと安心です。
よくある質問
BrainはPerplexityの無料プランやProプランでも使えますか
いいえ、2026年7月時点では使えません。BrainはMaxおよびEnterprise Maxサブスクライバー向けのResearch Previewとして提供されています。Proユーザーは、本記事のプロンプト4のように前回フォーマットを明示的に貼り付ける運用で、定点観測の再現性をある程度代替できます。
タスク途中のモデル切替はどこで操作できますか
Computerのタスク内で、フォローアップのターン間にオーケストレーターモデルを選び直す形で切り替えられます。タスクを最初からやり直す必要はなく、それまでの文脈を保ったまま次のターンから新しいモデルが指揮を執ります。Webではモデル選択UIから操作できます。
ChatGPTのメモリ機能とは何が違いますか
Brainとは、ユーザーの好みではなく「エージェントが行った作業の成否」を記憶する仕組みのことです。従来型のメモリ（ChatGPTのメモリ機能など）はユーザーの属性・好みの記憶が中心でした。Brainは何が成功し、どこを修正されたかを覚えて仕事のやり方自体を改善する点が構造的に異なります。
競合店舗の調査はモールの規約違反になりませんか
公開されている商品ページやレビューを閲覧・分析する行為自体は通常の市場調査の範囲です。ただし、大量の自動アクセス（スクレイピング）は各モールの利用規約で制限されている場合があるため、AIリサーチでも常識的な頻度にとどめ、取得した情報の再配布は行わないでください。個別の判断が必要な場合は各モールの規約確認が先です。
モデルはどれを選ぶべきですか
調査設計や比較軸づくりの初回はClaude Fable 5などの計画・指揮に強いオーケストレーターを、毎週の定型収集はより低コストのモデルを選ぶ2段構えが定石です。タスク途中で切り替えられるようになったので、最初の選択で悩みすぎる必要はなくなりました。
調査内容をメモリに残したくない場合はどうしますか
はい、削除できます。Brainのメモリはすべて出どころのセッションや情報源にリンクされており、設定のCustomize画面から個別に確認・削除が可能です。取引先情報など残したくない調査を扱ったあとは、Customizeを開いて該当メモリを消す運用をルール化しておくと安全です。
導入の最初の一歩は何をすればよいですか
最初の一歩は、Proプラン（月額20米ドル）を契約し、本記事のプロンプト1を自店の商材に書き換えて1回実行することです。出力を見て監視対象と調査項目を修正し、翌週も同じ調査を回す。この「2回目を実行する」ところまでが最初の一歩だと考えてください。定点観測は2回目から価値が生まれます。
無料プランのままでもEC競合調査に使えますか
はい、使えますが制約があります。無料プランでも検索と基本的な回答生成は可能なので、単発の競合調査ならプロンプト1〜3を試せます。ただし高性能モデルの利用回数や詳細リサーチの実行回数に制限があり、週次の定点観測を安定運用するには不向きです。業務利用なら月額20米ドルのProが実質的なスタートラインになります。
まとめ
2026年6〜7月のPerplexityの更新は、メモリ（Brain）とモデル切替という2つの軸で、リサーチ業務の再現性とコスト効率を一段引き上げるものでした。EC事業者がやるべきことは明確です。まずProプランでプロンプト1〜3の型を作り、週次の定点観測を業務として定着させる。定着したらプロンプト4の再利用運用に進み、規模と成果に応じてMaxとBrainでの自動化を検討する。この順番なら、月額20米ドルから始めて失敗が小さく済みます。競合が調査を止めている間に、自店だけが毎週の変化を掴み続けている状態。それがこの2つの新機能がもたらす、いちばん地味で確実な競争優位です。
参考文献
- Perplexity公式ブログ・Self-improving Memory for Agents（2026年6月18日）
- Perplexity公式チェンジログ・Brain, faster Computer models, and website publishing（2026年7月13日）
- Perplexity公式ブログ・Inside the Rise of Enterprise AI Model-Switching
- MarkTechPost・Perplexity Launches Brain（2026年6月18日）
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
