Agentic Commerce

エージェント型コマースとは、定められた権限の範囲内で、AIエージェントが個人や企業に代わって商取引のタスクを実行する購買・販売の手法です。手作業で商品を検索し、比較して、決済手続きに進む代わりに、購入者は「150ドル以下で、互換性のあるヘッドホンを探して」といった目標を委任します。AIエージェント—目標に向けてアクションを選択し、実行するソフトウェア—は、選択肢を調査し、注文を準備して、購入前に承認を求めることができます。

エージェント型コマースの仕組み#

エージェント型コマースのワークフローは、意図、情報、アクションをつなぎます。大規模言語モデルは会話形式の要件を解釈し、接続されたツールは商品情報の取得、在庫確認、合計金額の計算、承認済み注文の送信を行います。モデルがアクションを提案し、販売事業者と決済システムがそれらを検証して実行します。

エージェントはツールの応答を確認し、次のステップを調整します。希望する商品が在庫切れの場合、代替品を探したり、別の配達日でもよいか尋ねたりします。Stripeのエージェント型コマースガイドでは、商品検索、決済手続き、支払い、信頼性を支える機能について説明しています。自律性の範囲はさまざまで、商品を調査するだけのワークフローもあれば、明示的な承認のもとで取引を行うワークフローもあります。(stripe.com)

関連用語とコマースプロトコル#

エージェント型コマースは、エージェント型AIの商業分野での応用を指し、特定のモデルや決済技術を指すものではありません。いくつかの用語と比較すると、その範囲がより明確になります。

• レコメンデーションシステム：顧客が気に入りそうな商品を順位付けします。エージェント型システムは、制約条件の確認、販売事業者とのやり取り、取引の進行も行えます。
• Agentic Commerce Protocol：購入者、エージェント、販売者、決済プロバイダーをつなぐインターフェースを定義します。このプロトコルはコマースのワークフローを支援しますが、より広い概念そのものを指すわけではありません。
• Model Context Protocol：AIアプリケーションをツールや外部コンテキストに接続します。コマースサービスへのアクセスを提供できますが、それ自体が決済手続きや支払い承認のワークフロー全体を定義するものではありません。(agenticcommerce.dev)

会話型コマースは、対話を通じたショッピングを指します。会話型インターフェースが必ずしも自律的であるとは限りません。エージェント型決済はさらに範囲が狭く、承認済みの支払いアクションを可能にします。たとえば、委任型決済トークンを使うと、認証情報への無制限のアクセスを許可するのではなく、金額、販売事業者、有効期限によって支出を制限できます。

実際のアプリケーション#

具体例を2つ紹介します。

個人向けショッピング支援：顧客は、指定された開口部に収まり、予算内で、期限までに届く食器洗い機を依頼します。エージェントはカタログの仕様を比較し、配送可能か確認して、設置費用を含む最終合計金額を提示します。寸法が曖昧な場合や合計金額が承認済みの上限を超える場合は、承認を求めます。メリットは、商品説明を生成するだけでなく、複数の制約条件を考慮した意思決定を連携して行えることです。

小売業の補充：調達エージェントは、販売記録とコンピュータービジョンによる在庫監視を組み合わせます。カメラベースのモデルが、商品がなくなった棚の位置を検出します。エージェントは補充注文を準備する前に、倉庫在庫、納品待ちの商品、承認済みサプライヤーを確認します。ビジョンは根拠となる情報を提供し、購買が適切かどうかは別個の調達ロジックが判断します。商品が隠れていたり、誤検出があったりすると、不要な注文につながる可能性があります。

実践的なコンピュータービジョンのワークフロー#

コンピュータービジョンは、購買エージェントそのものになることなく、エージェントに観測情報を提供できます。物体検出は、画像内の物体とその位置を特定します。

pip install ultralyticsを使用してultralyticsをインストールした後、こちらのドキュメントに記載された推論ワークフローでは、Ultralytics YOLOとYOLO26を使用して、機械可読な観測情報を生成します。

from ultralytics import YOLO

# このデモ用に、事前学習済みの検出モデルを読み込みます。
model = YOLO("yolo26n.pt")

# 公開されているサンプル画像を分析します。
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# 検出結果を、後続のアプリケーション向けにシリアライズします。
observations = result.to_json()
print(observations)

JSON出力には、検出ラベル、位置、信頼度スコアが含まれます。これは知覚からソフトウェアへのインターフェースを示すものであり、商品識別、在庫照合、決済手続きについて示すものではありません。小売業務に導入するには、タスク固有のデータとカスタムモデルのトレーニングが必要です。Ultralytics Platformは、このビジョンコンポーネントのデータセットへのアノテーション、トレーニング、デプロイを支援します。コマースにおける承認は、別の責任範囲です。(docs.ultralytics.com)

リスク、コンプライアンス、市場投入への準備#

エージェントは互換性を誤って解釈したり、古い価格情報を参照したり、商品ページなどの取得したコンテンツに埋め込まれた悪意ある指示であるプロンプトインジェクションに遭遇したりする可能性があります。購買権限がある場合、こうした失敗は金銭的な損失につながるおそれがあります。モデルの外部で適用されるツールの制限、支出上限、承認ゲートを通じて、過剰なエージェンシーを抑制してください。

マーケットプレイスでは、正確なカタログ、リアルタイムの在庫状況、明確な返品ポリシー、信頼性の高い決済インターフェースを提供する必要があります。Schema.orgのProductメタデータは商品情報の一貫した記述に役立ちますが、取引APIに代わるものではありません。

エージェント型コマースのコンプライアンスとは、普遍的な「エージェント型」認証を取得することではなく、委任されたワークフローに関連するプライバシー、決済セキュリティ、消費者保護、記録管理の義務を適用することです。NIST AIリスク管理フレームワークを活用して、評価と監督を体系化してください。まずは承認を必須とする購入から始め、取引記録を保持し、注文の重複を防ぎ、明確なキャンセルと紛争解決の手段を用意してください。(schema.org)