ニューヨークで開催されたあるイベントで、私は挙手を求めて講演を始めた。「AEO（回答エンジン最適化）やGEO（生成エンジン最適化）の測定に自信がある人は?」と尋ねると、数人の手が自信なさそうに挙がった。「組織内でエージェンティック・コマース（AIエージェントによる購買行動）の明確な計画を持っている人は?」と尋ねると、手が1つ挙がった。
彼らは新人ではなく、名だたるブランドのECやコンテンツのリーダーたちだ。それにもかかわらず、準備ができていると感じている人はほとんどいなかった。
それも無理はない。コマースにおけるAIをめぐる議論は変化が速く、行動よりも不安をかき立てる傾向がある。そこで、見方を変えてみよう。エージェンティック・コマースは、これまでに築き上げてきたものを消し去るような革命ではない。それは「第3の棚（シェルフ）」なのだ。
何十年もの間、ブランドは「実店舗の棚（フィジカル・シェルフ）」に合わせて最適化を行ってきた。その後、AmazonやWalmart.comが登場し、誰もが「デジタルの棚（デジタル・シェルフ）」について学んだ。そして今、「エージェンティック・シェルフ」が登場した。これは、AIエージェントが消費者に代わって買い物をする場所だ。今やブランドは、人間、アルゴリズム、そしてAIエージェントという3つの買い手に向けて最適化を行う必要がある。
幸いなことに、デジタル・シェルフの基本はエージェンティック・シェルフにそのまま活かせる。これまでに築き上げてきたものは何一つ無駄にはならないが、拡張する必要はある。私は「5つのC」フレームワークを採用することをお勧めする。これは、私の会社がAzomaと共同で作成したフレームワークだ。これを自社でどのように導入できるかを紹介しよう。
1. 網羅性（Completeness）
大手消費財メーカーにいた頃、私はシャンプーの製品属性として「電池は含まれていない」と記入しなければならなかった。ばかげているように聞こえるかもしれないが、今なぜそれが重要なのかを知れば納得がいくだろう。
LLM(大規模言語モデル)が製品を推奨するには、その製品を完全に理解する必要がある。つまり、自社製品を販売しているすべての小売サイトにおいて、製品の属性情報がすべて（大半ではなく、すべて）完全に記入されていなければならないということだ。
これは地味な作業だが、他のすべての前提条件となる。もし現在、属性の入力完了率を測定していないのであれば、今すぐ測定指標に加えるべきだ。
2. 文脈（Context）
ここが最も大きな意識改革が必要な部分であり、大半のブランドが最も遅れている部分でもある。文脈とはキーワードのことではない。自社の製品ページが、実際の買い手が抱く疑問に対して、競合他社よりも的確に答えているかどうかということだ。
私の好きな例を紹介しよう。私がダイニングテーブルを探していたとき、販売員から「（米国の）北東部では、湿度によって特定の素材が経年変化する可能性があるため、人工乾燥（キルンドライ）された木材を探すべきだ」と言われた。そのたった1つの文脈（背景情報）によって、それ以降のすべてのテーブルの見方が変わった。最終的に購入した製品のページにも「人工乾燥材」という表記はあったが、自分が住んでいる地域にとってなぜそれが重要なのかという文脈がなければ、見過ごしていただろう。
AIエージェントは、特定の人物や状況において、それが重要である理由を知る必要があるのだ。
このハードルはさらに高くなろうとしている。アマゾン・サイエンス（Amazon Science）は、「包括的な合成ペルソナ（CSP）とパーソナライズされた合成トレーニングデータを生成するためのフレームワーク」を発表した。これは本質的に、過去のインタラクションに基づいてユーザーの関心を推測するようAIをトレーニングするものだ。これらのペルソナに合わせて最適化を行うブランドは、検索結果に表示される可能性が高くなる。私たちは何年も前からパーソナライゼーションについて語ってきたが、これが初めて現実味を帯びて感じられた。
3. 引用（Citations）
これは私が最も気に入っている「C」だ。なぜなら、ほとんどのブランドがコマース戦略と結びつけて考えてこなかった「PR・広報」という機能を、この議論に持ち込むからである。
引用は、LLMが何を信頼するかを判断する基準となる。編集記事、お勧めリスト、専門家のレビュー、自社ウェブサイトなど、インターネット上のより多くの場所に自社のブランドや製品が登場するほど、モデルは自信を持ってその製品を推奨するようになる。
特に企業のウェブサイトは、非常に大きな機会損失となっている。かつて多くのブランドサイトは、店舗案内ページといくつかの基本的なコンテンツがあるだけだった。しかし今や、AIエージェントがそれらを常にスクレイピングしている。そして自社サイトは完全に自己所有のメディアであるため、必要に応じてページを追加したり、FAQを作成したり、誤った情報を修正したりできる。
自社のブランドサイトの管理者が誰なのか分からない場合は、まずその人を探し出すことだ。そして、PR・広報チームと協力して、メディアへの露出や編集者へのアプローチに取り組む。それらのスキルは、AIに対する視認性を高めるうえでも有効だ。
私が話を聞いたあるブランドでは、インフルエンサーが製品に関する不正確な情報を広めていた。そこで自社のウェブサイトにブログ記事を投稿して事実関係を正したところ、24時間以内にLLMの出力結果が変わったという。これは、SEOや従来のPRとはまったく異なるタイムラインだ。
4. 正確性（Correctness）
AIのハルシネーション（幻覚）は、不具合ではない。LLMはもっともらしい回答を予測するが、製品に関するシグナルが弱い、古い、あるいは矛盾している場合、モデルはそのギャップを埋めるために、時に誤った情報を生成してしまう。
私があるブランドと仕事をした際、彼らがChatGPTで自社製品を検索したところ、10年前の星1つのレビューに基づいた説明が表示された。より強力なシグナルがないため、モデルはその古い情報にしがみついていたのだ。
解決策は監査を行うことだ。主要なLLMで自社製品を検索し、どのような回答が返ってくるかを確認し、それらの回答がどこから来ているかを追跡する。そのうえで、他の「C」を活用して正しい情報を補強するのだ。
5. 顧客獲得（Customer Acquisition）
これは最も難しい「C」であり、まだ誰も完全には攻略できていない。目標は、AIの推奨から購入に至るまでの顧客体験（カスタマージャーニー）の全体を測定することだ。これは「金の卵を産むガチョウ（非常に魅力的な成果）」であるが、ほとんどのブランドにとっては、まだ理想郷（ユートピア）にすぎない。
それまでの間は、SKU（最小管理単位）ごとにテストと学習を繰り返すことだ。一部の製品グループに変更を加え、対照群（コントロールグループ）はそのままにして、何が起こるかを観察する。小さな実験の積み重ねが、やがて本物のシグナルとなる。
重要なのは始めることだ。これは単なる未来への投資ではない。より豊かな商品紹介ページや完全な属性情報は、現在の顧客にとってもメリットとなる。
大局的な視点：これは組織の変革である
コンテンツをAIに対応させることは1つの課題だ。しかし、組織をAIに対応させることは別の、より大きな課題であり、ほとんどの経営陣は前者にしか取り組んでいない。
私たちは、人間、テクノロジー、そしてエージェントが協働するハイブリッドな時代に突入しつつある。チームの体制、採用基準、事業計画のすべてを進化させる必要がある。全労働者の80%が、何らかの形で仕事のタスクの少なくとも10%を自動化されると予測されている。私は、削減される業務の大部分はキーボードを叩くような手作業になる可能性が高いと考えている。
問題は、それによって生まれた余力をチームがどう活用するかだ。まずは、キャンペーン情報が営業担当者のフィードに自動的に表示されるなど、部門間の壁（サイロ）を解消するためにAIが何をもたらすかから始まる。これは現時点でも可能だが、経営陣がそれを優先事項とした場合に限られる。
多くの人がAIを恐れており、それはもっともなことだ。これらの変化をどのように説明するかについての意図的な計画こそが、変革を遂げる組織と、立ち往生する組織を分ける境界線となる。
