エージェンティックコマースとは？EC発注で判断すべき3つの論点

「ChatGPT から買い物ができるようになったらしいが、うちのECは対応しなくていいのか」。役員会や経営会議でこう問われて、答えに詰まった経験をお持ちの方は少なくないのではないでしょうか。エージェンティックコマースという言葉は 2025 年秋以降に一気に広まりましたが、いざ自社のこととして考えると「何をどこまでやればいいのか」がまったく見えてきません。

情報を集めようとしても、状況はあまり改善しません。用語を解説した記事は数多くありますが、その多くは「AIに選ばれるブランドになるためのマーケティング施策」で締めくくられています。EC事業部が本当に決めなければならないのは、来期の予算に何を計上し、何を見送るかという発注の話です。ところが「システム改修としていくらかかるのか」「そもそも自社で開発する必要があるのか」に踏み込んだ情報は、驚くほど見つかりません。

この判断が難しいのは、技術的な難易度が高いからではなく、標準がまだ固まりきっていないからです。現に、先行して登場した仕組みのなかにはすでに縮小されたものもあります。だからこそ「やる／やらない」の二択ではなく、「今すぐ手を付けるもの」「準備だけ進めるもの」「標準が固まるまで待つもの」の3段階に切り分ける判断軸が必要になります。この切り分けができれば、対応を見送るという結論にも根拠を持って説明できます。

本記事では、エージェンティックコマースの定義と従来のECとの構造的な違いを整理したうえで、ACP・AP2 といったプロトコルが担う範囲を「自社で実装が必要な部分」と「カートシステム・決済代行に任せられる部分」に翻訳して解説します。そのうえで、システム投資を3段階に分ける具体的な判断軸と、発注前に押さえておきたい責任分界点の論点をお伝えします。

—Free Download / 資料ダウンロード

はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ

この資料でわかること

AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。

こんな方におすすめです

• AI導入を検討しているが、何から始めればよいか分からない
• ベンダーの選び方や費用感がつかめず、判断できない
• 社内でAI導入の稟議を通すための資料が必要

詳しく見る

フォームから無料ダウンロード

お名前必須

会社名必須

メールアドレス必須

電話番号任意

ご質問・ご要望任意

プライバシーポリシーに同意の上、送信します。

ダウンロードする

入力いただいたメールアドレスにPDFをお送りします。

エージェンティックコマースとは？AIが購買を代行する商取引

エージェンティックコマース（Agentic Commerce）とは、AIエージェントが人に代わって商品の探索・比較・購買実行までを自律的に担う商取引の形態を指します。従来の「AIが候補を提案し、人が決めて買う」段階から一歩進んで、購買プロセスの実行そのものをAIに委ねる点が特徴です。

エージェンティックコマースの定義と3つの構成要素

エージェンティックコマースを構成する要素は、大きく3つの工程に分解できます。

このうち「探索」「比較」は、AIチャットのショッピング機能としてすでに一般的になりつつあります。エージェンティックコマースを従来と分かつのは3つ目の「決済」、つまりAIが購買の実行主体になる点です。

なお、AIエージェント自体の定義や自律性のレベル分けについてはAIエージェントとはで詳しく整理しています。エージェンティックコマースは、そのAIエージェントを商取引の領域に適用した応用形と捉えると理解しやすくなります。

AIレコメンド・会話型コマースとの境界線はどこか

「それは従来のAIレコメンドと何が違うのか」という疑問は、この分野で最も混乱しやすいポイントです。境界線は、意思決定と実行の主体が誰かに置くと整理できます。

つまりレコメンドや会話型コマースは「人の判断を助ける」仕組みであるのに対し、エージェンティックコマースは「人の判断を代行する」仕組みです。この違いは、システム側に求められる要件にも直結します。人が最終的にサイトを訪れて確認するなら、UI の作り込みが効きます。しかしAIが読み取って判断するなら、効くのはUIではなく、機械が読み取れる形で整備された商品データのほうです。

市場規模の予測と、まだ確定していないこと

市場規模の予測としてよく引用されるのが、マッキンゼーによる試算です。同社は 2030 年までに、米国の小売領域でエージェンティックコマースが介在する売上が最大 1 兆ドル、世界全体では 3 兆〜5 兆ドル規模になり得ると見込んでいます（Retail Dive）。数字の桁だけを見れば、無視できない潮流であることは確かです。

一方で、投資判断をする立場としては、確定していない部分も同じ重みで押さえておく必要があります。象徴的なのが、OpenAI が ChatGPT 内に実装した決済機能「Instant Checkout」の経緯です。2025 年 9 月に Stripe との共同開発として発表されたこの機能は（Stripe ニュースルーム）、約半年後の 2026 年 3 月に提供終了が報じられました（CNBC、日経クロステック）。連携したマーチャント数が想定を下回り、利用者の多くは調査・比較まではAIで行っても、購入自体は従来どおり店舗側のサイトで完結させる傾向があったことが背景として挙げられています。OpenAI はチャット内決済から商品発見の強化へと軸足を移す方針とされています。

この事実は「エージェンティックコマースは来ない」ことを意味するものではありません。むしろ読み取るべきは、探索・比較の領域はすでに実用段階に入っている一方で、決済実行の領域は各社が方式を模索している最中であるという段階の違いです。この段階差が、後述する投資判断の切り分けの根拠になります。

従来のECとエージェンティックコマースは何が違うのか

エージェンティックコマースの仕組みを理解するうえで最も重要なのは、個々の機能ではなく購買導線そのものの構造変化です。ここを押さえると、「何に投資すべきか」を自力で判断できるようになります。

「人が選ぶ導線」から「AIが選ぶ導線」への転換

従来のECでは、検索エンジンやモールから自社サイトに人を集め、サイト内を回遊してもらい、カートに入れてもらうという導線が前提でした。この前提のもとでは、ページの表示速度、写真の見せ方、カート導線の摩擦の少なさといったUI・UXの改善が売上に直結します。

エージェンティックコマースでは、この前提が一段階手前にずれます。ユーザーがまずAIに相談し、AIが候補を絞り込んだうえで結果を提示するため、自社サイトが候補に入るかどうかが、サイトを訪れてもらう前の段階で決まるようになります。サイトのUIをどれだけ磨いても、AIの候補リストに載らなければ評価される機会そのものが失われます。

この変化は、SEOで起きたこととよく似ています。検索結果の1ページ目に入らなければサイトの出来を見てもらえないのと同じ構造が、AIエージェントによる候補選定の段階でも起きるということです。

発見・意思決定・取引の3レイヤーで見る変化

構造変化をもう少し分解すると、次の3つのレイヤーで整理できます。

注目していただきたいのは、3つのレイヤーで対応の難易度と緊急度が大きく異なる点です。「発見」「意思決定」の2レイヤーで求められるのは、商品データの整備という、比較的枯れた技術で対応できる領域です。一方「取引」レイヤーは仕様がまだ流動的で、しかも自社単独ではなくカートシステムや決済代行の対応状況に依存します。

すでに動いている国内外の実装例

潮流が実在することの確認として、代表的な動きを簡潔に挙げます。

• 国内モール: LINEヤフーは「Yahoo!ショッピング AIエージェント」として、商品選びから購入、注文後の配送状況確認までを生成AIが支援する機能を提供しています（LINEヤフー ニュースリリース）。楽天も「Rakuten AI」を軸としたAIエージェントコマース戦略を進めており、店舗選びの支援などに展開しています（ネットショップ担当者フォーラム）
• 海外プラットフォーム: Amazon のショッピングアシスタント「Rufus」、Perplexity のショッピング機能、ChatGPT のショッピング機能など、商品発見をAIが支援する実装が広がっています
• プロトコル整備: 後述する ACP・AP2・UCP といった、AIエージェントと事業者の間をつなぐ標準仕様の策定が各社主導で進んでいます

ここで押さえておきたいのは、国内モールの動きは「モール内でAIが選ぶ」形が中心だという点です。モールに出店している事業者にとっては、モール側のデータフィード仕様に沿って商品情報の解像度を高めることが当面の対応になります。自社ECサイトを持つ事業者は、これとは別に自社サイト側の対応を考える必要があります。

事業者側・消費者側それぞれのメリットと、その裏側にあるコスト

メリットの整理も、コストと対にして見ておくと投資判断に使いやすくなります。

事業者にとって見落としやすいのが、右列の「ブランド体験を伝える機会が減る」という点です。AIが比較・提示を担うと、選定基準は価格・在庫・配送条件といった構造化しやすい属性に寄りやすくなります。ブランドの世界観やストーリーで差別化してきた事業者ほど、この変化の影響を検討する価値があります。

エージェンティックコマースを支える仕組みとプロトコル（ACP・AP2）

エージェンティックコマースの話が分かりにくくなる最大の原因は、ACP・AP2・MCP・UCP といった略語が同時に登場することです。ここでは各プロトコルが担う範囲を整理したうえで、自社でどこまで実装が必要になるのかを線引きします。

ACP（Agentic Commerce Protocol）が担う範囲

ACP は、OpenAI と Stripe が共同開発した、AIエージェントと事業者が取引するための共通仕様です。Apache 2.0 ライセンスのオープンソースとして公開されており（agenticcommerce.dev）、Stripe を利用していない事業者でも既存の決済事業者と組み合わせて採用できる設計とされています。

マーチャント側の実装要素は、大きく次の4つに整理されます（Stripe 公式ドキュメント、OpenAI 開発者向けドキュメント）。

一覧にすると重厚に見えますが、この4要素のうち、事業者が自前でゼロから作らなければならない部分は限られます。この点は後ほど詳しく整理します。

AP2（Agent Payments Protocol）と決済承認のモデル

AP2 は Google が主導する、AIエージェントによる支払いの承認を扱うプロトコルです。2025 年 9 月に、Mastercard・PayPal・American Express などを含む 60 社超のパートナーとともに発表されました（Google Cloud ブログ）。

AP2 の中核にあるのは「マンデート（Mandate）」と呼ばれる、暗号署名された権限の連鎖です。

AP2 の設計思想は、「ユーザーはこの購入を承認したか」という問いと「決済そのものが有効か」という問いを分離する点にあります。前者を署名の連鎖で証明し、後者はカードネットワークや銀行送金といった既存の決済手段に委ねる構造です。AIが購買を代行する以上、「誰が承認したのか」を後から検証できることが不可欠になるため、この分離は責任分界点の議論にも直結します。

MCP・UCP との関係を1枚に整理する

混同されやすい周辺の略語も、担当する層で整理すると見通しがよくなります。

ここから読み取れるのは、ACP と UCP が「カート層」で競合的な立ち位置にあり、AP2 は「承認層」として別の役割を担っているという構図です。MCP はコマース専用の仕様ではなく、AIが外部システムと接続するための土台にあたります。

そして重要なのは、カート層の標準が現時点で一本化されていないという事実です。OpenAI 陣営と Google 陣営がそれぞれ仕様を打ち出している段階であり、どちらが主流になるか、あるいは併存するのかは確定していません。

自社実装が必要な部分とカート・決済代行に任せられる部分

ここまでの整理を、発注スコープの検討に使える形に翻訳します。

この表から見えてくるのは、SaaS カートと決済代行を利用している事業者にとって、プロトコル対応の大半は「自社で作るもの」ではなく「ベンダーの標準対応を待つもの」であるという点です。一方で商品データの中身の整備だけは、どんな構成であっても自社の責任範囲として残ります。ここが投資判断の分かれ目になります。

エージェンティックコマースが自社のシステム発注に与える影響

ここからが本題です。エージェンティックコマースを踏まえて、来期の予算に何を計上し、何を見送るのか。その判断軸を整理します。

投資を3段階に分ける判断軸（今すぐ／準備のみ／待つ）

投資判断の基準として有効なのが、「後戻りしにくさ」です。エージェンティックコマースが期待どおりに普及しなかった場合でも無駄にならない投資と、特定の仕様に賭ける投資とを分けて考えます。

この3段階の切り分けは、そのまま経営層への説明資料として使えます。「対応しない」ではなく「①は今期実行し、②は設計まで、③は標準の動向を見て判断する」と示せば、意思決定を先送りしているのではなく、不確実性に応じて投資を段階化していることが伝わります。

今すぐ発注してよい「商品データの機械可読化」

①の中心にあるのが、商品データの機械可読化です。具体的には次のような作業が該当します。

• 商品マスタの正規化: 商品名・型番・カテゴリ・属性の表記揺れをなくし、AIが同一商品として認識できる状態にする
• 属性項目の拡充: サイズ・素材・対応機種・保証期間など、比較の判断材料になる属性を構造化された項目として持つ
• 在庫・価格の鮮度確保: 更新頻度の低いフィードでは、AIが提示した内容と手元の在庫がずれ、注文後のキャンセルにつながる
• 配信経路の整備: モールのデータフィード、自社サイトの構造化データ、必要に応じてAPIという複数の出口に同じデータを配信できる形にする

これらはいずれも、AIエージェント対応のためだけの作業ではありません。モール出店の商品情報最適化、サイト内検索の精度向上、広告フィードの品質改善といった既存施策と重なるため、投資が無駄になりにくい領域です。

なお、商品データをAPIとして外部に配信するアーキテクチャを本格的に検討する場合は、ヘッドレスコマースという構成の選択肢が関わってきます。フロントエンドとバックエンドを分離しておくと、将来的にAIエージェント向けの配信経路を追加する際の改修範囲を抑えやすくなります。ただしこれは大がかりな構成変更になるため、エージェンティックコマースだけを理由に判断すべきものではありません。

LLMO・構造化データ対応は既存のSEO改修の延長で発注できる

もう一つ、①に含めてよいのが LLMO（大規模言語モデル向けの最適化）観点の対応です。AIが商品を候補として選ぶ際、参照するのは商品ページの構造化データと、外部の比較記事・レビューなどの情報です。

対応の具体像は、次のように整理できます。

いずれも既存のSEO改修の枠組みで発注でき、専用のAI開発予算を新規に確保する必要はありません。ベンダーへの依頼としても「構造化データの実装範囲を Product / Offer まで拡張する」といった具体的な要件に落とせるため、見積もりの妥当性を評価しやすい領域です。

発注を急がなくてよい領域と、その見極め方

③に分類した「標準確定を待つ」領域について、待ってよいと判断する根拠を整理します。

• カート層の標準が一本化されていない: ACP と UCP がそれぞれ推進されており、どちらに合わせるかを今決めると、外れた場合に投資が無駄になります
• 先行事例が方式変更を経験している: Instant Checkout のように、発表から半年で提供形態が変わった例があります。仕様が安定する前の自社実装はリスクが高い状態です
• カート・決済代行の標準対応が見込める: チェックアウトAPI や委任決済トークンの取り扱いは、SaaS カートや決済代行が標準機能として提供する可能性が高い領域です。ベンダーのロードマップを確認するほうが先です

見極めの実務としては、次の3点を確認するだけでも判断の精度が上がります。

1. 利用中のカートシステム・決済代行に、エージェンティックコマース対応のロードマップがあるか（営業担当に確認する）
2. 自社ECの流入に占めるAI経由（AIチャット・AI検索からの参照）の割合が、どの程度で推移しているか（アクセス解析の参照元で確認する）
3. モール出店をしている場合、モール側のAIエージェント機能に必要なデータフィード要件を満たしているか

特に2番目は、社内説明の材料として有効です。AI経由の流入がまだ小さいのであれば「今は①の投資に集中し、流入が一定水準を超えた段階で②③を再検討する」という定量的な発動条件を設定できます。

なお、自社ECがSaaSカートなのか、パッケージなのか、フルスクラッチなのかによって、対応の発注範囲は大きく変わります。構成方式ごとの向き不向きはECサイト構築はフルスクラッチ・SaaSどちら？月商規模別の判断基準で整理していますので、自社の現在地を確認する材料としてご覧ください。

RFP・要件定義に入れておきたい記述

今期の改修を発注する際、エージェンティックコマース対応そのものを要件に入れなくても、将来の対応コストを下げるために書き込んでおきたい記述があります。

特に2番目の「注文経路の識別」は、後から追加しようとすると過去データを遡れないため、改修のタイミングで入れておく価値が高い項目です。AI経由の注文が増えたかどうかを測れなければ、②③に進む判断そのものができません。

エージェンティックコマース導入前に押さえるべきリスクと責任分界点

エージェンティックコマースの課題として、AIの判断精度・セキュリティ・法的責任の3点がよく挙げられます。ただし発注する立場にとって重要なのは、リスクを一般論として知ることではなく、そのリスクを誰が負うのかを契約と要件に落とし込むことです。

なりすまし・不正注文の検知責任は誰が負うか

AIエージェント経由の注文が増えると、従来の不正検知の前提が崩れる可能性が指摘されています。従来の不正検知は「人間らしくない挙動」をノイズとして捉える設計が中心でしたが、AIエージェントによる正当な注文もまた高速かつ機械的です。そのため、正規のエージェントによる注文と、なりすましによる不正注文の区別が難しくなるという構造的な課題があります（かっこ株式会社 不正検知Lab）。

責任分界点として整理しておきたいのは次の点です。

多くの場合、技術的な検知そのものは決済代行や不正検知サービスの領域です。開発ベンダーに求めるべきは「検知できるようにする」ことではなく、「後から検証・集計できるログを残す」ことだと切り分けると、要件が具体化しやすくなります。

誤発注・返品時の責任の所在と契約条項

AIエージェントが意図と異なる商品を購入した場合、誰の責任になるのかという論点も残っています。現時点では、この領域の法的な整理が国内で確立しているとは言い難く、断定的な結論を示せる段階ではありません。

そのうえで、事業者側で先んじて手を打てるのは利用規約・特定商取引法に基づく表記の整備です。

• AIエージェント経由の注文をどう位置づけるか（利用者本人の注文として扱うかどうか）を規約に明記する
• 返品・キャンセルの条件が、AI経由の注文でも同一に適用されることを明示する
• 注文内容の最終確認をどの画面・どのタイミングで行ったとみなすかを整理する

なお前述の AP2 が「誰が承認したか」を署名で証明する構造を採っているのは、まさにこの責任の所在を後から検証可能にするためです。標準が普及すれば、この論点の一部は仕様側で吸収される可能性があります。現時点では、規約の整備で自社側のリスクを限定しつつ、標準の動向を追うのが現実的な対応になります。

開発ベンダー選定時に確認しておきたい観点

最後に、改修を依頼するベンダーを評価する際の確認観点を挙げます。エージェンティックコマース対応を掲げるベンダーが増えていますが、提案の妥当性は次の点で見極められます。

1. 「今やること」と「待つこと」を分けて提案しているか: すべてを今期に実装する提案は、標準未確定のリスクを織り込めていない可能性があります
2. 商品データの整備を含んでいるか: プロトコル対応だけを提案し、データの中身に触れていない提案は、成果につながりにくい構成です
3. 利用中のカート・決済代行の対応状況を確認しているか: 自社実装の範囲を決めるには、既存ベンダーの標準対応の見込みを踏まえる必要があります
4. 仕様変更時の対応方針を示しているか: 標準が変わった際の追加費用の考え方が提案段階で示されているかは、リスク配分を測る材料になります
5. 効果測定の方法を提案に含んでいるか: AI経由の流入・注文をどう計測するかが示されていなければ、投資判断の次のステップに進めません

まとめ：エージェンティックコマースへの投資判断を段階で決める

エージェンティックコマースとは、AIエージェントが商品の探索・比較・購買実行までを代行する商取引の形態です。従来のECとの構造的な違いは、購買導線が「人がサイトを回遊して選ぶ」から「AIが候補を絞って提示・実行する」に変わる点にあります。この変化により、UIの改善よりも、AIが読み取れる形での商品データ整備が効くようになります。

仕組みを支えるプロトコルとしては、商品発見からチェックアウトまでを扱う ACP、支払いの承認を署名で証明する AP2、カート層で ACP と競合する UCP、そしてAIと外部システムをつなぐ汎用仕様の MCP があります。このうちカート層の標準は一本化されておらず、先行実装が方式変更を経験している状況です。

したがって、投資判断は次の3段階で切り分けるのが現実的です。

この切り分けの根拠は「後戻りしにくさ」です。①はエージェンティックコマースが期待どおりに普及しなくても価値が残る投資であり、③は特定の仕様に賭ける投資です。経営層への説明では、対応する／しないの二択ではなく、この不確実性に応じた段階化として提示すると、判断の合理性が伝わりやすくなります。

あわせて、今期の改修を発注する際には、商品データの外部配信を前提とした構成、注文経路を識別できるログ設計、構造化データの拡張余地といった記述を要件に入れておくことをおすすめします。将来の対応コストを下げると同時に、②③に進むかどうかを判断するためのデータを手元に残せます。

次のアクション

システム改修の発注要件をどう書き起こすかでお悩みの場合は、システム開発 提案依頼書（RFP）のサンプルをご用意しています。要件の記載項目や依頼範囲の整理にご活用いただけます。

自社ECの構成を踏まえて、どこまでを今期の改修範囲にすべきか整理したい場合は、お問い合わせフォームからご相談ください。要件が固まる前の段階からご相談いただけます。

—Free Download / 資料ダウンロード

はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ

この資料でわかること

AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。

こんな方におすすめです

• AI導入を検討しているが、何から始めればよいか分からない
• ベンダーの選び方や費用感がつかめず、判断できない
• 社内でAI導入の稟議を通すための資料が必要

詳しく見る

フォームから無料ダウンロード

お名前必須

会社名必須

メールアドレス必須

電話番号任意

ご質問・ご要望任意

プライバシーポリシーに同意の上、送信します。

ダウンロードする

入力いただいたメールアドレスにPDFをお送りします。