大半の組織は、いまだに自社のデジタルトランスフォーメーション（DX）の整理に追われている。筆者は日々さまざまなブランド企業と話をしているが、彼らはEコマースがP&L（損益計算）上のどこに位置づけられるべきかを議論し、主要な小売業者にクリーンな商品データを送ろうと四苦八苦している。システム同士が連携していないため、いまだにスプレッドシートを使ってキャンペーンや企画書を管理しているのが実態だ。
そのような状況であるにもかかわらず、彼らは今、「エージェンティックトランスフォーメーション（AIエージェント化）」を進める必要に迫られている。
拙速なAIエージェント導入がもたらす「コストのかかるノイズ」
DSIがニールセンIQ（NielsenIQ）と共同で実施した調査によると、64%の組織が「パイロット運用の煉獄」から抜け出せずに停滞しており（要メールアドレス登録）、41%のリーダーは信頼性の欠如を理由にAIツールをまったく使用していないことがわかった。
組織がこの現実を飛び越えて先を急ぐと、AIエージェントに投資し、有望なパイロットを走らせた後、技術とは無関係の壁にぶつかることになる。AIエージェントが機能するためには、クリーンで構造化され、属性情報が豊富な商品データが必要だが、大半のケースにおいてそれらが不足しているからだ。また、組織全体で目標を共有し、人とエージェントが会社にとって最善の集合的意思決定を下せるようにする必要がある。それができなければ、AIエージェントが「あるブランドから別のブランドへ予算を移転すること」を提案したとしても、マネージャーたちは自身のP&Lを守ることに終始してしまう。
あるパーソナルケアブランドが、北米と欧州における主力SKU（最小管理単位）について、回答エンジンに最適化されたタイトルを作成するパイロット運用を行った。北米では、信頼できる唯一の情報源（シングルソース・オブ・トゥルース）を格納したPXM（商品体験管理）プラットフォームがあったため機能した。しかし、それを欧州に展開した際、そこには信頼できる唯一の情報源が存在せず、必要なデータがないためにAIエージェントは役に立たなかった。
テクノロジーは機能したものの、その土台が機能していなかったのだ。
「準備不足」の本当の実態
筆者は、ブランド企業のリーダーたちとAIへの準備状況について話す際、シンプルな一連の質問を投げかけるようにしている。その回答は、どんな成熟度評価よりも雄弁に実態を物語る。
「商品データが実際にどこに存在し、誰がそれを所有しているか把握しているか?」
「商品データについて信頼できる唯一の情報源はあるか。あるいは、最新バージョンが誰かのExcelファイルの中に眠っていないか?」
「AIエージェントが推奨事項を提示するために商品属性を抽出した場合、必要な情報が見つかるか。あるいは、入力したチームによって3つの異なる意味を持つような、抜け漏れのある項目、不統一なフォーマットや専門用語ばかりが見つかることになるのか?」
かつて筆者が支援したある飲食料品ブランドは、グルテンフリー製品を販売していた。しかし、同社の情報源において、それらの製品には「GF」「gluten-free」「does not contain gluten」など、すべて異なるタグが付けられていた。彼らはAIエージェントを使用してコピーや画像を制作したが、どの製品にそのラベルを適用すべきか混乱が生じていたため、大半のコンテンツでグルテンフリーであることがアピールされなかった。もしそのコンテンツがPDP（商品詳細ページ）に掲載され、消費者がグルテンフリー製品を探していたとしても、それらの製品が検索結果に表示されることはなかっただろう。
最も難しい問いの一つは、複数のブランドを展開する組織がビジネス全体をどのように評価しているか、という点だ。データに基づき、AIエージェントが「あるブランドから別のブランドへと予算をシフトすることが、ビジネス上より賢明な決定である」と推奨したとして、組織はそれに従って行動できるだろうか。それとも、影響を受けるブランドのマネージャーが、自らのインセンティブを守るためにその推奨を却下してしまうだろうか。
同時に進行する2つのトランスフォーメーション
組織がDXの完了か、それともエージェント化の開始かを選択できるわけではないため、今という時代は本当に困難だ。これら2つを同時に進めなければならない。市場が立ち止まることはなく、変革に終わりはない。
インターネットの利用者数が100万人に達するまでには、およそ4年かかった。しかし、ChatGPTはわずか5日でそれを達成した。Eコマースへの適応に与えられていた「数年」という猶予期間は、AIにおいては消滅した。それでも、必要とされる根本的な作業は、Eコマースの初期から語り継がれてきたことと同じである。すなわち、クリーンなデータ、接続されたシステム、そして単に議論するだけでなく「実際に実験を繰り返す」文化だ。
特にCPG（日用消費財）ブランドにとって、賭けとなるものは具体的だ。消費者に代わって自律的に製品を調査し購入するAIエージェントである「エージェンティック・コマース」は、すでに大手小売業者によってテストされている。消費者のAIエージェントが最適なプロテインパウダーを探す際、そのエージェントは商品データを直接照会する。属性情報が不完全、不統一、あるいは機械ではなく人間が読むためのフォーマットになっているブランドは、単純に検索で見つけられなくなる。ブランド企業が10年かけて解決しようとしてきた「デジタルシェルフ（デジタルの棚）」の問題は一段と難化し、これからは「エージェンティック・シェルフ」への最適化を迫られることになる。
AIは増幅装置である。ただし、良いものも悪いものも増幅する。データが不適切であれば、AIがそれを改善してくれることはない。優れたプロセスが確立されていれば、AIはそれを大きく加速させることができる。
準備を整えるために真に必要なこと
前進するための現実的な道のりは、エージェンティックトランスフォーメーションに関する華やかなコンテンツが示唆するものよりも、はるかに地味なものだ。
まずは、業務のプロセスが「あるべき姿」ではなく、「実際にどのように機能しているか」をマッピングすることから始めよう。承認待ちで仕事が滞っているのはどこか。情報はシステムではなく、誰の頭の中だけに存在しているか。共有インフラを構築しなかったために、3つのチームが同じ課題に別々に対処しているような場所はどこか。これらのボトルネックは、AIを導入したからといって解消されるわけではない。それどころか、AIエージェントが達成できる成果の限界となってしまう。
データの土台を修復することだ。完全で一貫性のあるPXMを導入すること。それは、AIが確実に読み取れる構造化された属性情報を用意することを意味する。この作業は時間がかかり、地味なものであるが、これこそが成果を生み出すAIと、単にノイズの発生を加速させるだけのAIとの分かれ道になる。
必要に迫られる前に、部門横断的なオーナーシップを構築することだ。筆者が見てきた、実際にAIで前に進んでいる組織には1つの共通点がある。コマーシャル、マーケティング、サプライチェーン、財務を横断するタスクフォースを結成し、ベストプラクティスで足並みをそろえ、AI投資に共同予算を割り当てていることだ。これらのAIタスクフォースは、ベストプラクティスを共有するための「AIハブ」としても機能する。
現実的なタイムライン
エージェンティックトランスフォーメーションは、一夜にしてすべてを変えるものではない。真のリスクは、歩みが遅すぎることではなく、まったく進まないこと、あるいは誤った方向に急速に進んでしまうことだ。自社のデータ、システム、文化、評価構造に真摯に向き合うことに時間をかける組織は、AIプラットフォームを導入して「土台は勝手に整うだろう」と期待しているだけの組織よりも、はるかに有利な立場に立つことができるだろう。
