「顧客」がもう人間だけではなくなりつつあります。調査会社Gartnerは2026年までに問い合わせ対応の20%が「マシンカスタマー」（人間に代わって購買判断を行うAIエージェント）由来になると予測しているとCMSWireなどの複数メディアが報じています。実際、Adobeによると、米国小売サイトへの生成AI由来トラフィックは2025年2月時点で2024年7月比1,200%増、その後2025年7月には前年同月比4,700%増に達したと報告されています。両者は比較基準（前月比か前年同月比か）が異なるため、連続した同一の比較として読むのではなく、それぞれ独立した観測結果として捉えるのが適切です。この変化の中で「AIエージェントに選ばれるサービス」とは何かが、実務・学術の両面で議論され始めています。海外の論文・企業事例を中心に整理します。
マシンカスタマーとは何か——市場の実態
数字で見る拡大のスピード
CX NetworkがBraze「CER 2026 Report」を引用して紹介した英国向け数値では、英国の消費者の14%がすでにAIエージェントを使ってブランドとやり取りし購買を行っており、この割合は2026年末までに37%へと倍増する見通しだとされています。この数値はCX Network記事内での引用値であり、Braze自身の公式発表内容と表現が異なる可能性があるため、正確な数値は一次資料（Braze公式発表）を確認することを推奨します。B2B領域については、一部の商用解説や業界報道で、AI調達交渉エージェントが「交渉先の約68%と合意し、平均3%前後のコスト削減を実現した」とする事例が紹介されていますが、今回確認できた範囲ではこの数値の一次ソース・対象企業名は特定できませんでした。確定的な実証値としてではなく、流通している参考事例として慎重に扱う必要があります。
「エージェント可読性（Agent Legibility）」という新しい評価軸
物流・小売分野の調査会社nShiftが2026年に発表した分析では、興味深い指摘があります。人間の消費者は曖昧さに寛容で、配送条件が多少分かりにくくても文脈から判断してくれますが、AIの購買エージェントは曖昧さに弱く、条件が不明確・不整合な場合は人間に確認されることなくその選択肢自体をスキップしてしまうとされています。この報告書は「オファーは人間にとって魅力的であるだけでなく、機械が比較できる形になっている必要がある」と述べ、この性質を「エージェント可読性（Agent Legibility）」と呼んでいます。
マシンカスタマーに選ばれるための設計原則
API設計の実務家・研究者による分析を統合すると、AIエージェントに選ばれるサービスには共通する設計上の特徴があります。
①決定論的な振る舞い（Deterministic Behavior）
ソフトウェア開発者向けメディアfreeCodeCampの解説によれば、AIエージェント向けの設計における「決定論的」とは、「常に同じ結果を返し続ける」という意味ではなく、「同じリクエストと同じサーバー側の状態であれば、エージェントがその挙動をモデル化できる形で振る舞う」ことを意味するとされています。人間は商品説明の文章から意図を推測できますが、エージェントはパターンから推測するため、パターンが一貫していないと自律的な判断が機能しなくなります。状態遷移（下書き→提出→承認、など）を明示的にモデル化し、単一のステータス項目に文書化されていない組み合わせを詰め込まないことが推奨されています。
②強固なスキーマと機械可読なメタデータ
API開発支援企業Apideckの分析では、多くのAPIが依然として「人間がドキュメントを読み、頭の中で足りない部分を補って理解する」ことを前提に設計されている点が問題視されています。エージェント対応のAPIは「どのフィールドが必須か・どんな型を期待するか・どんな検証ルールが適用されるか」を明確に記述した完全なスキーマを備える必要があるとされています。
③llms.txt：AI向けに整理された案内文書
2024年9月にJeremy Howard氏が提案した「llms.txt」という規格が、2026年にかけて複数の企業で採用が進んでいます。AIエージェントは限られたコンテキストウィンドウ（一度に処理できる情報量）しか持たないため、人間向けのHTMLサイトをクリックしながら回るような探索は非効率です。llms.txtは、サイトの重要な情報をプレーンテキストのMarkdown形式で要約し、エージェントが一度の取得で全体像を把握できるようにする仕組みです。CloudflareはこれをAgents・AI Gateway・Workersなどサービスごとに整理して提供しており、エージェントが必要な部分だけを取得できる設計になっているとされています。
④境界線上のガードレール（認証・検証・安全なデフォルト）
freeCodeCampの分析では、エージェント対応のAPI設計における3つ目の柱として、認証・入力検証・安全なデフォルト値によって「不安全な自律性」を防ぐガードレールの重要性が挙げられています。ブラウザのリダイレクトを要求するOAuthフローのように、人間の介在を前提とした認証方式は、エージェント同士（マシン・トゥ・マシン）の認証には適さないという指摘もあります。
学術研究に見る、AIエージェント時代のサービス設計
カスタマーサポートAIエージェントの設計原則（学術研究）
2026年に発表された、1億人規模のユーザーを抱えるサービスにおけるカスタマーサポートAIエージェントの構築に関する研究論文では、以下の5つの設計原則が提示されています。
- 信頼性（Reliable）：一貫した振る舞いを保ち、必要な場合は会話の文脈を保持したまま人間の担当者へ円滑に引き継ぐこと
- 正確性（Correct）：検証済みのツール・ナレッジベースに基づいた回答を行い、幻覚による詳細の捏造や誤った約束をしないこと
- 心地よさ（Delightful）：組織のブランドを反映した、共感的で簡潔かつ自然なやり取りを行うこと
- コンプライアンス遵守（Compliant）：規制・データ取り扱いポリシー・社内ルールへの準拠
- 測定可能性（Measurable）：オフライン評価とオンラインのビジネス指標（顧客満足度・タスク成功率など）の両方で品質を定量化できること
この論文はまた、単なる「プロンプトエンジニアリング（指示文の工夫）」では、本番システムが実際に必要とする要素を過小評価してしまうと指摘し、より広い「コンテキストエンジニアリング」という考え方の必要性を論じています。
学術論文自体もエージェント向けに再設計され始めている
興味深いことに、この「エージェントに選ばれる設計」という発想は、学術出版の分野にも波及しています。2026年に発表された研究では、AIによる研究エージェントが論文を扱う際、従来の論文の書き方（散文形式）では構造の再構築にコストがかかりすぎるという課題を指摘し、あらかじめ機械が読み取りやすい構造化されたメタデータ形式で論文を提供する「Agent-Native」な設計を提案しています。同様に、化合物と疾患の関係を問い合わせられる専用API（例：`/facts?subject=CompoundX&relation=affects&object=DiseaseY`）のように、エージェントが直接必要な情報だけを取得できる粒度の高いアクセスポイントを用意する設計も提案されています。
信頼と本人確認という課題
Visaの「Trusted Agent Protocol」
決済大手のVisaは自社の公式発表で「エージェンティック・コマース」を戦略的な方向性として位置づけ、AIエージェントによる同意ベースの決済を可能にするAPI群「Visa Intelligent Commerce」を提供しています。2025年には、正当なエージェントと悪意のあるボットを区別する「Trusted Agent Protocol」を発表しており、これは加盟店がエージェントの背後にいる消費者の存在を維持しながら、信頼できるエージェントを認識・検証できるようにする仕組みとされています。これらはVisa自身による自社サービスの発表であり、第三者による効果検証の結果ではない点に留意してください。
透明性・同意・制御の仕組みが競争力になる
コマース基盤企業commercetools（自社の製品・サービスを展開する立場から情報発信している点に留意が必要です）の分析では、2026年までに主要ブランドは透明性のある同意フロー・詳細なユーザー権限設定・エージェントの行動ログ・安全な決済認証・上書き（オーバーライド）機構・ポリシーに基づくガードレールを標準装備するようになるとされています。同分析は、こうした信頼の仕組みをシステムの中核に組み込むブランドほど急速に規模を拡大し、より高い顧客ロイヤルティを獲得する一方、手を抜くブランドは信頼・可視性・市場シェアを失うリスクがあると指摘しています。
この設計原則が当てはまりにくいケースと注意点
- すべての業種・サービスに同じ優先度で当てはまると考えるケース：エージェント可読性・API設計の重要性は、eコマース・SaaSのAPIを中心に議論されているものです。対面接客が本質的な価値を持つ業種や、高度な個別判断が必要なサービスでは、優先順位が異なる可能性があります
- 「機械可読にすれば十分」と考え、人間向けの使いやすさを軽視するケース：Apideckの分析が示すように、機械にとって理解しやすいAPIの多くは、実はそのシステムをまだ知らない人間の開発者にとっても理解しやすいという共通点があります。両者は対立するものではなく、多くの場合は同じ設計改善で両立します
- 予測されている普及率をそのまま自社の状況に当てはめるケース：Brazeの調査（英国消費者対象）やGartnerの予測は、特定の地域・業種を対象にした調査結果です。日本市場・特定の業種における普及速度は、これらの数字とは異なる可能性があります
- ベンダー発信の分析を中立的な調査結果と同列に扱うケース：nShift・commercetoolsのような分析記事は、自社の製品・サービスの訴求を兼ねて書かれている場合があります。示されている数値・予測は参考になりますが、独立した学術調査や第三者機関のデータとは性質が異なる点を踏まえて読む必要があります
- 信頼の仕組みを後回しにして機能実装だけを急ぐケース：Visaのトラステッド・エージェント・プロトコルやcommercetoolsの分析が示すように、認証・同意・ログといった信頼の基盤を欠いた状態でエージェント対応を進めることは、後になって顧客の信頼を損なうリスクを伴います
よくある質問
Q1. 「マシンカスタマー」と「エージェンティック・コマース」は同じ意味ですか？
関連していますが、厳密には異なる概念です。マシンカスタマーは「AIが人間に代わって購買判断を行う主体そのもの」を指す言葉として使われる一方、エージェンティック・コマースは「AIエージェントが商品の調査・比較・購入までを自律的に行う商取引の形態全体」を指す、より広い概念として使われています。両者はしばしば同じ文脈で語られますが、前者は主体、後者は仕組み・現象を指す言葉です。
Q2. 中小企業でも「エージェント可読性」への対応は必要ですか？
すべての企業が今すぐ大規模な対応を迫られるわけではありませんが、AI経由のトラフィックが増加している以上、無関係ではいられなくなる可能性があります。まずは自社の商品情報（価格・在庫・配送条件・返品ポリシーなど）が、人間だけでなく機械にとっても一貫性のある形で記載されているかを確認することが、大規模なシステム改修をせずに着手できる現実的な第一歩です。
Q3. llms.txtは自社サイトにも必要ですか？
必須ではありませんが、導入のコストは比較的低いとされています。既存のドキュメント・商品情報の中から重要な部分を抜き出し、プレーンテキストのMarkdown形式で整理するだけで作成でき、数時間程度の作業で対応できるという指摘もあります。AI検索エンジン・エージェント経由の流入を意識するサービスにとっては、着手しやすい対策のひとつです。
Q4. AIエージェントに対応することで、かえって人間の顧客体験が損なわれることはありませんか？
設計次第では起こりえますが、多くの実務家はそうではないと指摘しています。Apideckの分析が示すように、機械にとって分かりやすいAPI設計の多くは、実はその仕組みをまだ理解していない人間の開発者・利用者にとっても分かりやすい設計と重なります。「機械のための特別な仕組み」を別に作るのではなく、既存の情報をより明確・一貫性のある形に整理し直すことが、両者にとって有益な改善になるケースが多いとされています。
Q5. AIエージェントによる購買行動の増加は、日本でも同じペースで進みますか？
今回参照した調査の多くは英国・米国を中心としたものであり、日本市場での普及速度がまったく同じになるとは限りません。ただし、生成AIの検索・購買における利用は世界的な潮流であるため、時期や速度に差はあっても、同様の変化が日本でも段階的に進む可能性は高いと考えられます。国内の消費者動向・関連調査を継続的に確認することが望ましいです。
参照すべき情報
- Gartner（マシンカスタマーに関する予測・戦略的技術トレンド）：gartner.com
- Braze「CER 2026 Report」（英国消費者のAIエージェント利用実態調査）：braze.com
- arXiv（カスタマーサポートAIエージェントの設計原則に関する学術論文、Agent-Native構造化研究表現に関する学術論文）：arxiv.org/abs/2606.08867
- nShift・commercetools・Visaなど、コマース・決済関連ベンダーによる分析記事・公式発表（各社が自社製品・サービスの訴求も兼ねた立場で発信している点に留意してください）
まとめ
- マシンカスタマー（AIが人間に代わって購買判断を行う現象）は、2026年に入り急速に存在感を増している。CX Networkが紹介するBraze関連の数値では、英国の消費者の14%がすでにAIエージェント経由で購買を行い、2026年末までに37%への倍増が見込まれています
- AIエージェントに選ばれるサービスの鍵は「エージェント可読性」。人間は曖昧さを許容できますが、AIエージェントは条件が不明確だとその選択肢自体をスキップしてしまいます
- 実務レベルの設計原則は、決定論的な振る舞い・強固なスキーマ・llms.txtのような機械可読な案内文書・認証と検証のガードレールの4点に整理できる
- 学術研究では、信頼性・正確性・心地よさ・コンプライアンス・測定可能性という5原則が、大規模なカスタマーサポートAIエージェントの設計指針として提示されている
- Visaの「Trusted Agent Protocol」のように、エージェントの正当性を検証し消費者の存在を維持する信頼の仕組みが、今後の競争力を左右すると指摘されています
次のステップ
- 自社の商品情報・サービス条件（価格・在庫・配送・返品ポリシーなど）が、人間だけでなく機械にとっても一貫した形で記載されているか確認する
- llms.txtの導入を検討し、まずは重要なドキュメント・商品情報を整理したプレーンテキストファイルを作成してみる
- AIエージェント経由のアクセス・購買が自社サービスにどの程度発生しているか、アクセス解析やログで確認する
※本記事の情報は執筆時点のものです。サービス料金・制度の内容は変更される場合があります。最新情報は各公式サイトをご確認ください。収益・投資の効果は個人の状況によって異なります。本記事の内容は特定の商品・サービスへの加入を推奨するものではありません。
コメント