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再現している

長い間、B2Bコマースは単純な仮定の下で機能してきました: 人間はブラウズする。

製品ページを読み、スペックシートをスキムし、曖昧な言語を我慢するのは、フォローアップの質問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、その行動を中心に進化してきました。人間によって解釈できるだけでよかったのです。AIの登場により、その仮定はもはや当てはまらない。

エンタープライズデータと同じ経験

これが馴染みのある話に感じられるのであれば、それは当然です。10年前、エンタープライズはデータについて非常に似た会話をしていました。倉庫は満杯で、データレイクはあふれ、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。実践的には、ビジネスユーザーがアナリストなしで基本的な質問に答えることができないため、スピードは出ませんでした。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かったため、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、それはより広範なシフトの一部でした。エンタープライズは、生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、毎回報告書でそれらを再導出するのではなく、1回で計算を定義することでこれを行いました。収益は、誰に聞いて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りました。データモデルと次元スキーマも同様のことを構造的に行いました。運用テーブルを顧客、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必要なジョインの数を理解する必要がなくなりました。関係はすでにありました。

データカタログ と管理された定義は、問題の別の部分を処理しました。人々の頭の中に住んでいた意味を捉えました。フィールドは何を表しますか? いつ使用するべきですか? 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。正しく推論できるように、より多くの人々やシステムが安定した抽象化を作成できるようになりました。これが、現在B2Bコマースが欠如しているものです。

エージェント主導の発見が同じ試練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: 仕様から構成まで、価格ロジックから契約上の制約まで。

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に住んでいます。ルールはオンラインに来なかった物理的な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示されており、エンコードされていません。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」を取得しません。どの文章が厳格な制約で、どれ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測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。

これは非構造化データが悪いということではない

何かについて明確にする価値があります。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去ったわけではありません。それは構造の上にレイヤー化されました。構造はルールや関係を処理しました。非構造化コンテンツはニュアンス、説明、コンテキストを処理しました。

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。明示的なルール、関係、制約、状態が必要です。互換性、構成可能性、許可、適用条件が何であ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それを信頼性高く提供できない。

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、トレードオフを評価し、決定します。何かが何であるか、いつ推奨するべきかを決定します。

物語は、意図、ポジショニング、ユースケースを説明するレイヤーです。これは、「この製品は存在する」ということと「これを選択するべき時」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。構造化製品データがエージェントに何が真実であるかを教えるのに対し、物語は何が重要であるかを教えます。

コマースはプレゼンテーション用に最適化され、推論用には最適化されていない

これが不快な部分です。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飛躍を決して行いませんでした。より良い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決して行いませんでした。プレゼンテーション用に最適化しました。

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が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除去します。B2Bでは、亀裂はすぐに現れます。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変わります。互換性は構成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。どれも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、よく書かれた説明に感銘を受けることはありません。互換性、許可、互換性、次のステップについて知りたいのです。情報が明示的でない場合、エージェントは質問のための明確さを求めません。ただし、それは次に移動します。

コマース会社が今すぐに行う必要があること

これが変曲点です。コマース会社は、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、エージェント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。価格は論理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である必要があります。在庫は状態的で、正確でなければなりません。

これは、エンタープライズが分析で行わなければならなかったのと同じ動きです。生データとテーブルが十分でなかったとき、意味が定義される必要がありました。構造化されたコアが存在するようになると、物語はエージェントが真実を現実の状況で適用する方法を教えるレイヤーになり、唯一の真実源ではなくなりました。

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取りやすくなります。彼らの製品は、評価、推奨、信頼されやすくなります。そうでない場合、まだ「データを持っています」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、実用的には使用できない。

パターンは古いが、結果はそうではない

これは推測ではありません。エンタープライズデータがこの正確なサイクルを通過するのを見ているのと同じです。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、推奨事項です。遅い決定ではなく、即時の除外です。

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露呈しています。会社がそれを認識し、エンタープライズが運用データを扱う方法と同じように製品データを扱う会社は、迅速に適応します。そうでない場合、PDFを追加し続け、説明を書き直し、エージェントが選択することはないと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、機械は注意を払っています。