エージェントコマースは古いエンタープライズデータのミスを繰り返している

長い間、B2Bコマースは人間が閲覧するという単純な前提で機能してきました。

人間は製品ページを読み、仕様シートをスキムし、曖昧な言語を我慢することができます。なぜなら、彼らはフォローアップの質問を尋ねる方法を知っているからです。何かが不明確な場合、セールスリプレゼンタティブにメールを送ります。ルールが脚注に埋もれている場合、経験がギャップを埋めます。

B2B製品データは、この行動を中心に進化してきました。それは人間によって解釈される必要があるだけで、独り立ちする必要はありませんでした。AIの登場により、この前提はもはや当てはまらないことになりました。

エンタープライズデータでの同様の経験

この状況に似たものを思い出すことができます。10年前、エンタープライズはデータに関する非常に似た議論をしていました。倉庫は満杯で、データレイクはあふれていて、最終的にすべてのシステムは何かをエクスポートしていました。紙上では、会社はデータに富んでいました。実践では、ビジネスユーザーがアナリストを通訳者として使わない限り、基本的な質問に答えることができなかったため、ものごとは速く進みませんでした。SQLはボトルネックになりました。

エンタープライズデータは、システムが情報を保存する方法の周りに組織化されていました。行と列は存在しましたが、概念は存在しませんでした。収益は3つのテーブルにありました。「顧客」という言葉は、誰に聞いても、いつ聞いても5つの異なることを意味しました。メトリクスは、誰もそれらを明確に定義していないため、無限に議論されました。

エンタープライズデータのブレークスルーは、複雑さを受け入れてそれを包含することから来ました。セマンティックレイヤーは1つの例ですが、それはより広範な変化の一部でした。エンタープライズは、生のデータがデフォルトで使用可能であるという仮定を止め、ビジネスが実際に考え、運営している方法に合った翻訳レイヤーを構築し始めました。

メトリクスモデルは、1度定義した計算を、毎回の報告書で再導出するのではなく、実現しました。収益は、どこでも同じことを意味しました。誰かがそれをエンコードする時間を取ったからです。データモデルと次元スキーマも、構造的に同じことを実現しました。彼らはオペレーションテーブルを顧客、製品、注文、時間などの概念に変えました。ビジネスユーザーは、基本的な質問に答えるために何のジョインが必要かを理解する必要がなくなりました。関係はすでにそこにありました。

データカタログと管理された定義は、問題の別の部分を解決しました。彼らは、以前は人の頭の中に存在していた意味を捉えました。このフィールドは何を表していますか？いつ使うべきですか？その制限は何ですか？コンテキストは部族の知識からシステムの一部になりました。

これらのレイヤーは複雑さを吸収し、操作可能にしました。彼らは、世界を毎回から新しく解釈することなく、正しく推論できるように、より多くの人々とシステムに安定した抽象化を作成しました。B2Bコマースが今日欠けているものは、まさにこれです。

エージェント主導の発見が同じ再検討を引き起こしている

エージェントコマースは、B2B製品データを同じテストを通じて強制しています。メーカーとディストリビューターは製品情報が不足しているわけではありません。すでに大量の情報を保存しています。仕様からコンフィギュレーション、価格ロジック、契約上の制約までです。

問題は、ほとんどのデータが人間のために構造化されていることです。仕様はPDFにあります。ルールはオンラインにアップロードされなかった物理製品カタログで説明されています。例外は、バックオフィスのセールスプロセスで暗黙的に示唆されているのではなく、エンコードされています。コンテキストはセールスチームの頭の中にあり、機関の記憶に頼りすぎています。

AIエージェントはPDFをスキムして「アイデア」を理解しません。どの文が厳格な制約で、どの文がセールス言語であるかを知りません。フォーマットやトーンからルールを安全に推論することはできません。意味が明示的でない場合、エージェントはそれを未知として扱います。

非構造化データが悪いということではない

1つのことを明確にする必要があります。非構造化データは敵ではありません。そうでしたことは一度もありません。

エンタープライズ分析では、セマンティックレイヤーが現れたときに非構造化データが消えたわけではありません。構造の上に重ねられただけです。構造はルールと関係を扱い、非構造化コンテンツはニュアンス、説明、コンテキストを扱いました。

同じパターンがここでも適用されます。

エージェントは推論するために構造が必要です。彼らは明示的なルール、関係、制約、状態が必要です。彼らは、どの製品が互換性があるか、どの製品がコンフィギュレーション可能か、どの製品が許可されているか、またどのような条件下で適用されるかを知る必要があります。非構造化コンテンツだけでは、これを信頼性高く提供することはできません。

しかし、構造だけでは十分ではありません。エージェントは属性を取得するだけでなく、オプションを比較します。彼らはトレードオフを評価します。彼らは、何であるかといつそれを推奨するかを決定します。

物語は、意図、ポジショニング、ユースケースを説明する層です。これは、「この製品が存在する」ということと「この製品を選択するべき時」ということの違いです。エンタープライズデータの世界では、これは定義、ドキュメント、ビジネスコンテキストとして現れました。ここでは、エージェントが学ぶことができる製品レベルの説明として現れます。構造化製品データはエージェントに何が真実であるかを教えますが、物語はエージェントに何が重要かを教えます。

コマースはプレゼンテーションのために最適化されたが、推論のために最適化されていない

これは、不快な部分です。コマースインフラストラクチャは、エンタープライズデータが行ったように、本当の意味で飛躍を遂げることができませんでした。私たちは、より優れたPIMを構築しました。より豊かなカタログを構築しました。より美しい製品ページを構築しました。しかし、製品のための真のセマンティックレイヤーを構築することはできませんでした。私たちは、プレゼンテーションのために最適化しました。

人間がB2Bの購入を仲介していた限り、それは問題ではありませんでした。セールスリプレゼンタティブはエッジケースを説明しました。買い手は曖昧さを我慢し、すべての人がシステムを回避する方法を知っていました。

エージェントはそのバッファーを取り除きます。B2Bでは、亀裂がすぐに現れます。価格はアカウントによって異なります。在庫はリージョンによって異なります。互換性はコンフィギュレーションによって異なります。契約はデフォルトをオーバーライドします。エンタイトルメントは重要です。これらはすべて安全に推測することはできません。

エージェントが製品を評価するとき、美しく書かれた説明に感銘を受けることはありません。どの製品がフィットするか、どの製品が許可されているか、どの製品が互換性があるか、また次に何が起こるかを知りたいのです。そうした情報が明示的でない場合、エージェントは質問を尋ねることはしません。ただ、次の製品に移ります。

コマース企業が今すぐにする必要があること

これが転換点です。コマース企業は、製品データを人間が解釈するコンテンツとして扱い続けることができます。あるいは、機械が推論するインフラストラクチャとして扱い始めることができます。

そのためには、仕様が定義された意味を持つ属性になる必要があります。互換性は段落で説明されるのではなく、関係としてエンコードされる必要があります。価格はロジックとして表現される必要があります。エンタイトルメントは明示的になる必要があります。在庫は状態を持ち、正確な必要があります。

これは、エンタープライズが分析で行ったのと同じ動きです。生のデータとテーブルが十分でない場合、意味を定義する必要がありました。構造化されたコアが存在すると、物語はAIにとって唯一の真実の源ではなくなり、エージェントが現実の状況でそれをどのように適用するかを教える層になります。

これを行うメーカーとディストリビューターは、エージェントにとって読みやすくなります。彼らの製品は、評価、推奨、信頼されやすくなります。そうしない場合は、「データを持っている」ことはできますが、古いエンタープライズ倉庫のように機能します。技術的には存在しますが、実用的には使えません。

パターンは古いが、結果は新しい

これは推測ではありません。エンタープライズデータが同じサイクルを通過するのをすでに観察しています。唯一の違いは、ユーザーです。ビジネスアナリストではなく、自律エージェントです。ダッシュボードではなく、推奨です。遅い決定ではなく、瞬間的な除外です。

エージェントコマースは、10年前のエンタープライズデータの問題を暴露しています。企業がそれに気づき、製品データをエンタープライズが運用データを扱う方法で扱い始めるものは、すぐに適応します。そうしない場合は、PDFを追加し続け、説明を書き直し、エージェントが彼らの製品を選択しない理由を疑問に思うでしょう。

歴史は自分自身を繰り返しています。この時、機械が注意を払っています。