AIが買い物を代行するとき、私たちに見える市場は誰が決めるのか

AIにオフィスチェアを買ってもらうとき、自分が何か重要な決定権を委ねていると考える人は、そう多くないだろう。予算を伝え、部屋は広くないこと、座り心地を重視したいことを説明して、提案を待つ。以前なら十数ものウェブページを開く必要があったのに、今は数個の質問に答えるだけで済む。このサービスの利点はわかりやすい。

見えにくいのは、その数個の提案が現れる前に、すでに多くの選択肢が除かれていることだ。どの店の情報を読み取れるか、どの価格を確認できるか、何を重要な条件とみなすか。そのすべてが最終的な提案を左右する。消費者は買うかどうかを決められるが、その判断の土台となる市場の見取り図は、すでに別のシステムによって整理されている。

だからといって、エージェントに買い物を任せることが必ず消費者の不利益になるわけではない。どんな比較にも取捨選択は必要で、人間の時間も市場を調べ尽くせるほどあるわけではない。考えるべきなのは、選別をAIに任せる割合が増えたとき、目の前の答えが自分の利益に十分かなっていると、消費者は何を根拠に判断できるのかということだ。

2026年10月19日時点で、本稿が引用する公開資料だけでは、AIを使った買い物が一般に安くなるとは証明できない。これらの資料は、この変化を観察する出発点となるものだ。以下で扱う買い物の場面や制度のあり方は、Open Market Notesによる分析であり、特定のサービスを実測した結果ではない。

提案の前に、市場はすでに整理されている

Shopifyは2026年1月11日、Googleと共同開発した、エージェントと販売者の共通取引標準Universal Commerce Protocolを発表した。技術的な接続によって可能になる取引はある。ただ、接続後に何を勧めるべきかは、なお別の問題である。

たとえば、エージェントがA店とB店を調べられる一方、C店の在庫は確認できないとする。最初の2店については、十分に丁寧で、完全に正確な比較ができるかもしれない。しかし、消費者がその結果を市場で最良の選択肢だと理解すれば、証拠が裏づける範囲を超えた判断を受け入れたことになる。

こうした偏りは、悪意がなくても生じる。情報の欠落、接続にかかる費用、商品データを機械が正しく理解できるかどうか。そうした事情によって、ある店が候補に入り、別の店が視野から消えることがある。警戒すべきなのは、限られた範囲内の答えが、表現の上では際限のない権威を帯びてしまうことだ。

購入者にとっては、「最適な選択肢を見つけました」と言われるよりも、エージェントがどの販売経路を調べ、なぜほかの選択肢を比較できなかったかを知るほうが役に立つ。範囲の開示は提案の正しさを保証しないが、自分がどのような判断を受け入れるのかはわかるようになる。

商品情報にも同じ問題がある。2脚の椅子が同じ型番でも、一方の店は上階への搬入まで含み、もう一方は購入者が自分で運ぶ必要があるかもしれない。比較で販売価格しか残さなければ、機械は条件の異なる2つの取引を同じ商品として扱う。その結果できた順位は、計算に誤りがなくても、車を持たず、家具を運べない人には適さない可能性がある。

だから、市場をわかりやすく整理するほど、その過程で省かれた条件を説明することが重要になる。消費者が必要としているのは裏側の全詳細ではない。変われば別の商品を選ぶことになる、そうした条件である。

委任の境界は、取引の成立だけではわからない

エージェントが指示を実行できることと、購入者がどんな代償なら受け入れられるかを理解していることは同じではない。予算内で最も安い椅子が、部屋に合うとは限らない。当日届く代替品も、当初の選択を諦めるほどの価値があるとは限らない。利用者が「買っておいて」と言うとき、通常はこうした言い尽くされていない取捨選択もまとめて委ねている。

Anthropicが2026年9月24日に公表したProject Swapは、従業員のAIエージェントによる本の交換を試したものだ。統制された実験であり、小売の買い物全般に対応できる証拠とはみなせない。ここから生じる実際的な問いは、私たちはどのような証拠に基づいて、個々の選択をエージェントに委ねるつもりなのか、ということだ。

仕様が明確で、繰り返し購入する物なら、任せる内容は定めやすいかもしれない。座り心地や見た目の好み、生活習慣が関わる場合は、購入者自身も比較を通じて初めて好みがはっきりすることがある。このとき、適切に質問することは手続きの失敗ではない。まだ許可を得ていない決定が残っていると認めることだ。

Googleは2025年9月16日、署名付き承認記録で利用者の指示と取引を結ぶAP2を紹介した。2026年4月28日、Googleは同プロトコルのFIDO Allianceへの寄贈を発表した。こうした仕組みは購入が許可されているかを確認する助けになるが、承認記録だけでは、その購入に価値がある理由までは答えられない。

金額の上限を超えず、商品カテゴリーも間違えていない注文でも、配送条件のよい同じ商品を見落としていることはある。支払いが許可されていることと、選択に十分な根拠があることには、それぞれ別の証拠が必要だ。両者を混同すれば、実行手続きの確かさを、判断そのものの確かさと取り違えかねない。

サービスがある種の答えを好む理由

エージェントがどう選ぶのかを知るには、答え方を研究するだけでは足りない。サービスを提供する組織が、何をもって成功とするのかも知る必要がある。

あるチームが主に決済完了率で評価されているとしよう。当初の商品が品切れなら、すぐに購入できる代替品を勧めることが、その指標には有利かもしれない。評価に商品到着後の利用者の満足度も含まれるなら、元の商品が入荷するまで待つことにも、正式な選択肢とする理由が増える。これはあくまでインセンティブについての分析であり、既存の特定プラットフォームの行動を非難するものではない。

問題は、商業サービスが自らの利益を持ってはいけないということでもない。定額利用料、注文ごとの手数料、販売者からの料金は、いずれも事業の形として成り立つ。説明が必要なのは、その収入と提案の間にどのような関係があるかだ。消費者が定額利用料を払っているからといって、比較が十分だとは自動的に証明されない。販売者が費用を負担しているという理由だけで、提案は信用できないと決めつけることもできない。判断は、動機への称賛や疑念にとどめず、検証できる仕組みに向けるべきだ。

たとえば、どの販売者が比較に参加できるのか、料金の支払いが順位に影響するのか、利用者は除外された候補を見せるよう求められるのか。こうした問いには具体的な答えを出せる可能性がある。「常に利用者を第一に考える」という約束よりも検証しやすく、争いが生じたときの責任も明らかにしやすい。

エージェントが個人のアシスタントに近づくほど、人はその助言を自分のためだけに下された判断と受け止めやすくなる。だからこそ、サービスの商業上の関係は、その信頼が生まれる場所で説明されるべきだ。購入に問題が起きてから、利用者が自分で探すことになってはならない。

節約額は商品が手元に届いた後まで含めて計算する

AIによる買い物の利点を論じるなら、最後は説明のつく収支に立ち返る必要がある。

利用者がもともと500元で買えた商品について、エージェントが同じ商品を450元で見つけ、20元のサービス料を請求したとする。ほかの条件が同じなら、利用者の正味の節約額は30元だ。これは単なる計算例である。比較の基準を、商品ページで取り消し線を引かれた800元の表示価格に替えれば、いわゆる節約額は大幅に増える。だが、消費者がそれによって何かを余計に得たわけではない。その人がもともと利用できた選択肢こそ、比較の適切な出発点となる。

この計算は支払い時点で終えるわけにもいかない。商品が合わなければ、返品、探し直し、販売者とのやり取りで、それまでに節約した時間を費やすかもしれない。成功した注文の値引きだけを集計すると、失敗の費用が報告から消える。接続済みの販売者だけを比較すれば、読み取られていない市場が提案から消えるのと同じだ。

この2つには共通の難しさがある。評価する人に見える結果は、何を計算に含めたかによって変わる。範囲を先に示さなければ、見栄えのよい数字は、単に不完全な数字なのかもしれない。

時間に価値があるのは当然だが、価格を調べる時間が30分減ったからといって、給与が30分ぶん増えるわけではない。お金と時間は別々に記録し、価値があるかどうかは利用者が判断すればよい。利益の合計を大きく見せるために、暮らしのあらゆる便利さを収入に換算する必要はない。

こうしたサービスを始めようとするチームは、限られた商品カテゴリーから、信頼できる検証を始められる。人が比較する場合とエージェントが比較する場合で、予算、配送範囲、代替品の条件を近づけ、商品が届いて利用者が適否を判断できるまで記録を続ける。失敗した注文も記録に残すべきだ。そうして得られる結果は総取引額ほど目を引かないかもしれないが、消費者が実際に購入したサービスには、より近いものになる。

便利さには、問い直せる仕組みが必要だ

一般の消費者が、エージェントの比較を一つひとつ再確認することはできない。サービスを利用するために、その仕事をすべて自分でやり直す必要があるなら、委任する意味の大半は失われる。

ただし、すべてをやり直す必要がないことは、一つの答えを受け入れるしかないという意味ではない。サービスは検証可能な比較記録を残し、重要な箇所で範囲や費用を説明し、誤りが起きたときは誰が対応するのかを利用者に知らせることができる。説明すべきなのは観察できる事実であり、モデル内部の推論ではない。確保すべきなのは決定を修正する機会であり、買い物のたびに技術審査を行うことではない。

AIによる買い物に期待できるのは、もともと手間のかかることを、より少ない労力で済ませられる可能性だ。その便利さが最終的にどれだけ消費者の利益として残るかは、エージェントの注文の速さからは推し量れない。一度の成功した実演からもわからない。それは、比較が十分か、費用が明確か、後から生じる手間が減ったかによって決まる。

あのオフィスチェアの話に戻ろう。利用者は、すべての技術的な段取りを理解しなくても、満足して提案を受け入れてよい。ただし、「なぜ別の店を選ばなかったのか」と尋ねたとき、長く頼れるサービスなら、確かめられる答えを返せるはずだ。そうして初めて、労力を減らしながら、購入者が自分の決定を実際にコントロールし続けられる委任が可能になる。