投稿者 投稿日: カテゴリー AIニュース
国連とGoogleは2026年9月17日、世界統計をAIが直接読めるようにする「UN System Data Commons」を公開しました。
発表と同時に明かされたUNICEFの検証結果のほうが、日本のEC事業者にとっては重い意味を持ちます。主要な大規模言語モデル6種に世界開発指標を13万3,000件以上質問したところ、回答の平均精度はわずか21.2%でした。AIが数字を語るとき、その数字は5回に1回しか正しくない可能性があるということです。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）が解説します。
何が起きたか：国連の統計がMCP経由でAIに開かれた
UN System Data Commonsとは、国連システム各機関の統計を1つの知識グラフに統合し、AIから直接参照できるようにした公開プラットフォームのことです。Google公式ブログによると、基盤にはGoogleが2018年から進めるオープンソースのData Commonsが採用され、公開先はdata.un.orgです。従来のUNData portalが持っていた検索中心のデータベース画面を置き換え、自然言語での質問に答える形に変わりました。
技術面で最も注目すべきは、Model Context Protocol（MCP）に対応した点です。MCPとは、AIが外部のデータソースへ直接つなぐための共通規格のことです。これにより、AIエージェントが自ら権威ある数値を取りに行き、複数分野のデータを突き合わせ、グラフやレポート草案の形にまとめるところまで自動で行えます。国連側は26機関が参加を表明し、公開時点で約20機関のデータが利用可能、2027年までに国連システムの統計データセットの80%を載せることを目標に掲げています。Google.orgは200万ドルの資金と技術支援を提供しました。
日本のEC事業者にとっての論点：流入の1割はすでにAI経由
この発表がEC事業者に効いてくるのは、精度の数字と流入の数字が同時に出てきたからです。TechCrunchが報じたUNICEFのベンチマークは、OpenAIのGPT-4oとGPT-4o-mini、AnthropicのClaude Sonnet 4.5とHaiku 4.5、GoogleのGemini 2.5 FlashとGemini 2.0 Flashの6モデルを対象に13万3,000件以上の回答を評価し、平均精度21.2%という結果を出しました。さらに、回答の約5分の3はそもそも使える数字を返さず、モデルが判断を留保していたと説明されています。2日後に同じ質問を同じモデルへ投げ直したところ、両方で数字を返したケースのうち同じ数字が返ったのは約半分でした。なおこの検証はUNICEFのワーキングペーパーで、査読前である点は要確認として付記しておきます。
一方で流入側の数字も具体的です。UNICEFのデータサイトは月600万件を超える訪問があり、ChatGPTの回答内リンクをクリックして到達したセッションは2026年1月1日から9月14日までで前年同期比67%増、今年のセッション全体の6.4%を占めました。AIアシスタント経由は全体で約10回に1回の訪問に達すると同機関は見ています。これは自社ECサイトの流入構造にそのまま重なる話です。うるチカラでもChatGPTのWebトラフィックシェアが55.5%まで戻した件やAI検索時代のSEOの前提が変わる件を取り上げてきましたが、今回のUNICEFの数字は「AI経由の割合をここまで細かく出せる」という実務上の目安になります。
そして精度21.2%という数字は、他人事ではありません。国連ですら「AIが読める形に整えないと、AIは自組織の統計を正しく答えてくれない」という判断で数億円規模のプロジェクトを動かしたわけです。自社商品の価格、送料、在庫、サイズ、返品条件をAIが誤って答えれば、顧客はその誤情報のまま購入判断を下します。しかも今回の検証が示すとおり、AIの回答は再現性そのものが低く、同じ質問に二度同じ数字を返すとは限りません。
初動アクション：自社の数字をAIに正しく読ませる3つの手
第一に、価格・在庫・送料・返品条件といった一次データをページ上に構造化データで明示することです。AIが拾えるのは、結局のところページに書いてある数字だけです。schema.orgのProductとOffer、送料と返品のプロパティを埋めるだけでも、AIが推測ではなく参照で答えられる余地が増えます。
第二に、AI経由の流入を分けて計測することです。GA4の参照元でchatgpt.com、perplexity.ai、gemini.google.comなどを個別に見えるようにしておけば、UNICEFが出したような「セッションの6.4%」という粒度で自社の状況を把握できます。計測できていない流入は、増えても減っても手の打ちようがありません。
第三に、AIの回答を自分で監査する習慣です。自社の主要キーワードと商品名をChatGPT、Gemini、Claudeに月1回投げ、価格と在庫と送料が正しく返ってくるかを確認します。二日後に半分しか同じ数字が返らないという今回の結果を踏まえると、一度だけのチェックでは判定になりません。同じ質問を日を変えて二度投げる運用にしておくのが現実的です。
なお、MCPそのものへの対応は中小規模のEC事業者でも視野に入る段階です。うるチカラでは業務別のMCPコネクタの選び方でも整理していますが、国連が標準として採用したという事実は、MCPが一時的な流行ではなく前提側の規格になりつつあることを示しています。
まとめ
国連とGoogleが動いた理由は、AIに任せると数字が合わないからでした。精度21.2%という結果は、権威あるデータを持つ組織ですらAI可読化を後回しにできないことを意味します。日本のEC事業者が今日できるのは、自社の数字を構造化して明示すること、AI経由の流入を分けて数えること、AIの回答を定期監査することの3点です。Google側も、重要な数字を引用する前に元のソースを確認すべきだと明記しています。
参考文献
- Google The Keyword「Making global data easier to explore」
- TechCrunch「UN turns to Google to make its global data ready for AI agents」
- UN System Data Commons（data.un.org）
- Google Data Commons
- Google Developers Blog「Data Commons MCP」
※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/
引用元: TechCrunch
【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
