Himanshu Jain、CommerceIQ の共同創業者兼プロダクト責任者 – インタビューシリーズ

Himanshu Jain、CommerceIQ の共同創業者兼プロダクト責任者として、複雑な小売および e コマースワークフローを自動化する AI エージェントの構築に注力しながら、プロダクト戦略と開発を主導しています。2017 年に CommerceIQ を共同設立して以来、データ、オートメーション、AI をデジタルコマースに適用する同社のアプローチを形作る手助けをしてきました。CommerceIQ に入る前、Jain は Boomerang Commerce でプロダクト戦略、事業開発、カスタマーサクセスのリーダーシップ役割を務め、主要小売業者と価格設定、品揃え、e コマース成長戦略に取り組みました。キャリアの初期には A.T. Kearney のマネジメントコンサルタントとして勤務し、Capital One UK では約5 年にわたり、プロダクトマネジメント、信用リスク、マーケティング戦略、分析、統計モデリングに従事しました。また、スタートアップの市場参入戦略を助言し、Amazon と e コマースに関する記事を Marketing Land に寄稿しています。

CommerceIQ は、消費者ブランドが e コマースチャネル全体でパフォーマンスを管理・最適化できるよう設計された、AI 搭載の小売コマースプラットフォームです。そのプラットフォームは売上、リテールメディア、デジタルシェルフ、コンテンツ、在庫、競合データを統合し、1,500 以上の小売業者と 85 カ国にわたるパフォーマンスをチームに一元的に可視化します。CommerceIQ は AllyAI テクノロジーを通じたエージェント型 AI にますます注力しており、リテールシグナルを分析し、アクションを推奨し、レポートを自動化し、広告入札と予算を最適化し、定義されたコントロール内で選択された e コマースワークフローを実行できる専門エージェントを提供します。同社はこのアプローチを、ダッシュボード中心の小売管理から、販売、メディア、コンテンツ、デジタルシェルフ全体にわたる継続的な AI 支援実行への転換と位置付けています。

CommerceIQ を共同設立する前に、プロダクトマネジメント、カスタマーサクセス、事業開発などで10 年以上働いてきました。エージェント型小売に取り組むきっかけは何ですか、そして過去の技術転換から得た教訓で今回の見方にどのように影響していますか？

エージェント型 AI が登場する以前のほとんどのソフトウェアは、人間の仕事をより速くすることを目的として設計されていました。Excel はモデル構築を迅速にし、ダッシュボードは意思決定を迅速にします。エージェント型小売で変わったのは、ソフトウェアが単に人間の作業を加速させるだけでなく、作業自体を自動で実行できるようになったことです。エージェントは新入社員のように環境を学習できます。プロセスや社内ガイドライン、実際の意思決定方法、そして目標に向けたエンドツーエンドの行動を、人間はコンテキスト提供やアウトプットの監査に留まり、すべてのステップを実行する必要がなくなります。これは、私が以前プロダクトマネジメントやカスタマーサクセスで扱っていたソフトウェアとは全く異なるカテゴリであり、私はこれが見た中で最も根本的な技術変革であり、漸進的なものではないと考えています。変化の速度もこれまでにないものです。スマートフォンが普及するまでには数年かかりましたが、エージェント型 AI は産業全体の働き方を変え、減速する気配はありません。過去の転換から私が最も重視している教訓は、過去の経験に基づいて予測する人々がここで誤った判断を下すということです。私が最も効果的だと感じるアプローチは、オープンマインドを保ち、実際に手を動かし、過去のサイクルではなく現在起きていることから学ぶことです。

「エージェント型コマース」（消費者が AI エージェントを使って商品を探し購入する）と「エージェント型小売」（ブランドがエージェントを使って販売方法を管理する）を区別していますが、両者がますます自動化される中で、消費者・ブランド・小売業者の関係はどのように変化すると考えますか？

小売の発見プロセスは何度か大きな変化を遂げてきました。80 年代・90 年代には、郵送されたチラシや店舗が注目商品を決め、人間がそれから選んでいました。Amazon が「エンドレスアイル」を創出し、キーワード検索ごとに無限の棚ができましたが、選択は依然として人間がタイトルを読んだりレビューをざっと見たりして行っていました。現在変化しているのは、人間とエージェントが共に購入するようになったことです。ユーザーが意図を示すと、エージェントはページ上のすべての製品、すべての主張、すべてのレビュー、すべての箇条書きをフルに読み取り、実際に必要なものに対する意図分析を行い、4〜5 件の推奨を提示します。最終的にユーザーが1つ選びますが、比較作業はエージェントがすでに実施しており、人間がざっと見る必要はなくなります。ブランド側では、エージェントが消費者とそのエージェントが求める情報に基づいて PDP コンテンツを最適化し、入札対象商品を決定し、マーチャンダイジングの管理を支援します。小売業者はこのループの真ん中に位置し、両サイド間でどれだけのシグナルが流れ、誰に何がどのようなプロモーションで表示されるかを制御します。このデータと意思決定の層は、ますます小売業者固有のものとなっています。

製品の発見は従来のキーワード検索を超えて、製品を比較し、選択肢を要約し、推奨を行う AI アシスタントへと移行しています。ブランドは、検索結果で上位表示を狙うだけでなく、AI エージェントからの推奨を獲得することを目指すようになると、製品コンテンツやデジタルシェルフ戦略をどのように再考すべきでしょうか？

人間はページをざっと読み、レビューの要約を読んで、数枚の画像を見る。エージェントはすべてのピクセルを読み取ることができる。ショッピングエージェント内でも、質問はキーワードに分解され、そのキーワードで検索が行われ、結果が抽出され、すべての製品が全文読まれ、そしてインテントアルゴリズムが表示するショートリストをランク付けする。つまり、コンテンツは従来の検索向けでも、ピクセルレベルの読み取り向けでも同時に機能しなければならず、どちらか一方だけではない。また、最適化するエージェントの種類も重要だ。Rufus、Sparky、Alexa Shopping などのショッピングエージェントは実際の購入が成立する場であり、そこで重要なのは製品ページ自体とそのすべての属性や主張だ。ChatGPT や Perplexity のような汎用エージェントは、ファネル上部のリサーチに近く、そこでの評価はメディア露出や引用、ブログ記事、サードパーティのレビューに近い。これらを同じ問題として扱うブランドは、間違った表面を最適化することになる。

「エージェント的 AI」という用語は現在、幅広い製品に適用されている。小売において、真の AI エージェントと従来のルールベース自動化、あるいは生成 AI インターフェースが上に乗った分析プラットフォームとを分けるのは何か？

ルールベースの自動化は「X が起きたら Y を実行する」というものだ。知能はなく、明示的にプログラムされていないことは処理できない。ダッシュボード上に生成インターフェースを重ねるだけでは、同じ静的インサイトを読みやすくするだけだ。本当のエージェントは考え、計画し、実行し、そして継続的に評価・適応できる。まるで訓練したジュニアアナリストのように。エージェントにコンテキスト、プロセス、ガイドライン、過去の意思決定を与えると、次のルールが発火するのを待つのではなく、目標に向かって実行し始める。私が実際に使うテストは次の通りだ：訓練した人間と同じように動作できるか、あるいは常に静的だったものの高速版にすぎないか、を評価する。

小売チームは従来、在庫、価格、商品ページ、小売メディア、検索パフォーマンス、競合活動を何千もの商品にわたって監視してきた。これらの運用上のギャップのうち、今日の自律 AI エージェントに最も適しているものはどれか、そして人間の判断が置き換えにくい領域はどこか？

私はこれを、意思決定に必要な判断の度合いとインパクトの大きさの 2×2 マトリックスとして考える。判断が低い作業はエージェントに丸投げできる。判断が高い、またはインパクトが大きい作業は人間が戦略的指針を提供し、結果を監査する。実務では、まずロングテール SKU とロングテール小売業者、つまり一年以上手が付いていないものから自動操縦に移す。ミスの影響範囲が小さいためだ。上位 SKU と上位小売業者は人間の層を残し、その層は単なる監査だけでなく、エージェントを訓練する手段でもある。何かを発見したら、エージェントに本来すべきこととその理由を伝える。そのフィードバックが時間とともにエージェントを改善し、単に一貫して平均的な状態に留まらせない。

専門エージェントは、孤立した目的に最適化すると独自の問題を生む可能性がある。メディアエージェントは在庫切れ寸前の商品に広告を増やすかもしれず、価格エージェントはマージンを犠牲にしてコンバージョンを向上させるかもしれない。複数のエージェントがブランドの広範な商業目標に向かって働き、個々の指標だけを最適化しないようにするにはどうすればよいか？

これが、独立したエージェントの集合ではなくオーケストレーターを構築した理由だ。私たちのオーケストレーターは Ally と呼ばれ、目標は売上成長であり、単一チャネルの指標ではない。機会とリスクを見極め、トレードオフを検討した上で、メディア、コンテンツ、価格といった作業エージェントに具体的なタスクを割り当て、すべてのエージェントが同じ情報を共有する。これにより、誰も孤立して最適化することがなくなる。この層がなければ、質問にある失敗モードがそのまま起こる。たとえば、在庫切れ寸前の商品にメディアエージェントが予算を投下してしまうのは、在庫情報を把握していないからだ。

小売データは小売業者ポータル、広告プラットフォーム、在庫システム、商品情報システム、社内分析ツールなどに分散していることが多い。エージェント型小売においてデータ品質とデータ統合はどれほど重要か、また AI エージェントにより大きな自律性を与えることで不完全なデータがより危険になるか？

データを正しい形に整える、すなわち実際の意味構造と適切なオントロジーを持たせることが、実務の大半を占める。単に生のフィードを横に並べるだけでは不十分だ。多くのチームは、ChatGPT に何かをアップロードしたり、既存システム上にエージェントを接続すれば済むと考えるが、結果は一貫せず、時に動作し、時に幻覚を起こし、信頼できない。自律性が高まると状況は悪化する。人間は悪いデータに気づき、行動前に修正できるが、エージェントは悪いデータを即座に、スケールで実行し、誰も気付く前に影響を及ぼす。

ブランドが AI エージェントに慣れてきたとき、どのアクションを自律的に実行させ、どのアクションを引き続き人間の承認が必要とするか、どのように判断すべきか？「AI が推奨する」から「AI が実行する」への移行は実務でどのように見えるか？

それは一度に大きくではなく、徐々に進めるべきです。ほとんどのチームは自動化が約10％、承認が必要な作業が約90％の状態から始めます。フィードバックループが回るにつれ、人間がエージェントを修正し、エージェントがその修正を取り込むことで信頼が築かれ、比率は20対80、さらに自動化される作業の量と価値の両方でシフトしていきます。その進行の出発点は、影響範囲が小さい作業、ロングテールSKUや、もともと積極的に管理していなかった小売業者です。そして、実績ができた時点で、よりインパクトが大きく判断が必要な意思決定へと拡大していきます。

小売メディアは従来、広告費用対効果（ROAS）などの指標に重きを置いてきましたが、広告が実際に増分売上を生み出しているかどうかを判断する関心が高まっています。AIは、ブランドが増分効果や収益性、広告予算の配分先についてより良い意思決定を行うのにどのように役立つでしょうか？

ブランドは測定に過度に惹かれすぎることがあります。四半期単位で深い増分効果の調査を実施するのは厳格に思えますが、調査が終わる頃には市場はすでに変わっていることが多いです。私はむしろ、チームが実用的なヒューリスティックを構築し、より速く行動に移すべきだと考えます。すでに自然検索で上位にランクインしている場合は、入札額を上げる必要はありません。そもそも得られるはずの売上に対して支払っているだけです。自然検索で低い順位にいる場合こそ、広告費が実際に効果を発揮する場面です。自社製品を知らない市場内のオーディエンスがいるなら、そこに予算を投じて教育するべきです。1.48ドルか1.68ドルかという増分効果の差について議論する時間は、行動しない時間です。より早く行動に移し、数値は完全に正確である必要はなく方向性が合っていればよい、ときが売上を伸ばす本質です。

もし購入者側のAIエージェントが発見、比較、購入をますます担当し、ブランド側のエージェントがコンテンツ、価格設定、広告、在庫を管理するようになれば、最終的には取引の両側に機械が影響を与えることになるでしょう。そのような環境でのeコマースはどのようになると考えますか？そして、最終的にAI主導の購買システムに対して目立つブランドと、見えなくなるブランドを分ける要因は何でしょうか？

私は、エージェント同士が自律的に取引を行う時代がすぐに訪れるとは考えていません。むしろ、人間とエージェントが双方で協働し、エージェントが比較や推奨を行い、人間が最終決定を下す、そしてブランド側でも同様にエージェントが実行し、人間が戦略を設定し重要な意思決定を承認する、という形が現実になると見ています。その世界では、物理的な製品自体が優れている必要があります。どんなに最適化しても、品質の悪い製品は救えません。その先に重要になるのはコンテキストです。エージェントが自社ビジネスについてどれだけの情報を持ち、どれだけ学習し、どれだけフィードバックを受け取っているかが鍵です。これが、愚かなミスをするエージェントと、ブランドの声や戦略を十分に理解し、実際の意思決定を任せられるエージェントを分ける要因です。勝ち残るブランドは、エージェントに適切なコンテキストと機能するフィードバックループを提供することを本業の一部と捉え、逆にそれを省くブランドはAI主導の購買システムから見えなくなるでしょう。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は CommerceIQ をご覧ください。