• Anthropicは、接客から店舗運営までを支援するコマースAIエージェントの参照実装を公開しました。
• 価値の中心は、AIに提案・実行を進めさせつつ、決裁と権限をコードと人間に残す設計です。
• 日本企業はモデル選定より、データ接続・承認条件・効果測定を整えることから始める必要があります。

Anthropicが2026年9月2日、Claudeを使ったコマース向けAIエージェントの「設計図」を公開しました。顧客の商品探しを助けるだけでなく、カート作成、注文後の問い合わせ、さらに店舗側の在庫・価格・販促の判断まで支援する仕組みです。

これは、Claudeに新しい買い物機能が追加された、という話ではありません。企業が自社のECサイトや業務システムに組み込むための、完成品ではなく実装基盤が公開されたというニュースです。

ここで注目したいのは、華やかな接客画面よりも、その裏側の設計です。Anthropicが示したのは、AIを「答えるチャット」から会話から実行へ進む設計へ変える際に、何をAIへ任せ、何をコードと人間が握るべきかという実践的な考え方でした。

完成品ではなく「本番化の設計図」を公開

公開されたのは、単なるプロンプト集ではありません。顧客向けのショッピングエージェントと、店舗運営向けのマーチャントエージェントについて、参照実装、スキル、ツール接続、ガードレールをまとめたものです。

ソースコードはGitHubでApache 2.0ライセンスのもと公開され、Pythonで動くエージェント本体に加え、商品カードや在庫画面などを表示するデモも含まれています。

ただし、企業がそのまま導入すれば完成する製品ではありません。公開リポジトリも「参照実装」であり、実際の決済や本番の商品変更は行わないと明記されています。商品データ、認証、権限、法令対応を自社の仕組みに合わせて作り込む必要があります。

つまり価値は、ゼロから迷わずに済むことです。業務パターンを再利用することで、企業は土台づくりを短縮し、自社固有のデータとルールに集中できます。

顧客向けは、相談からカート作成まで

顧客向けエージェントは、商品カタログ、カート、チェックアウト、注文履歴、顧客の好みにつながります。たとえば「家族キャンプに必要な道具を800ドル以内でそろえたい」と相談すると、条件に合う複数の商品を探し、比較し、候補をカートにまとめます。

ここが従来の接客チャットとの違いです。質問に文章で答えて終わるのではなく、商品カードを表示し、比較を助け、カートを組み、最後は既存のチェックアウトへ引き渡す。購入直前まで仕事を進めるわけです。

Anthropicの発表では、Shopifyが自社のCatalog、Universal Commerce Protocol、Shopのサインイン機能と組み合わせ、商品発見からチェックアウト、注文後の質問まで対応するエージェント構築に活用すると説明しています。Accenture、Mastercard、Visaも、顧客企業や加盟店への展開を支援します。

Anthropicは、ある提携先でカート規模が約30〜35％大きくなり、顧客が購入を完了する可能性が約60％高まったと説明しています。ただし、Reutersの報道を含め、対象企業、比較条件、測定期間、検証方法は公表されていません。魅力的な数字ですが、一般的な効果として受け取るのではなく、各社が自社データで再検証すべき参考値です。

店舗向けは、在庫・価格・販促を提案

もう一つのマーチャントエージェントは、店舗やECの担当者を支援します。売上や在庫を調べ、「昨シーズンの商品を売り切るには何を値下げすべきか」「今週の販売を伸ばすにはどの販促がよいか」といった質問に答えます。

さらに、候補商品の抽出、価格変更案の作成、キャンペーン文面の下書きまで進めます。接客の自動化ではなく、販売、在庫、マーケティングをまたぐ店舗運営の意思決定支援です。

重要なのは、AIが勝手に価格を変えたり、販促を公開したりしない点です。AIはデータを集めて案を作りますが、本番反映の前には人間の承認を置きます。

この切り分けは現実的です。担当者は、複数の管理画面から数字を集め、表計算で整理し、関係部門へ確認する作業から解放されます。一方、値下げや告知の責任は組織に残ります。提案はAI、決裁は人間という形です。

なぜ「1エージェント＋複数スキル」なのか

技術面で最も興味深いのは、Anthropicが基本構成として「一つのエージェントに複数のスキルを持たせる」方式を選んだことです。商品検索担当、カート担当、注文担当といった複数のAIへ細かく分業させる構成ではありません。

理由は、買い物の会話では意図が頻繁に行き来するからです。顧客は商品を探しながら予算を変え、在庫を確認し、以前の購入履歴を踏まえて比較し、またカートへ戻ります。そのたびに別のAIへ引き継ぐと、好み、予算、選択理由などの文脈が抜けやすくなります。

一つのエージェントが会話全体を持ち、必要なときだけ商品検索、カート操作、注文照会などのスキルを読み込む。人にたとえるなら、担当者を次々に交代させるのではなく、一人の担当者が必要な業務マニュアルを開く形です。これにより、会話の文脈を一つに保つことができます。

Anthropicの技術解説では、複数の企業導入で、この構成が、全機能を一つのプロンプトに詰める設計とサブエージェント設計の双方より品質で一貫して優れ、多くの場合はタスク当たりのコストと遅延も低かったと説明しています。ただし、導入件数、評価条件、具体的な改善幅は公開されていません。したがって、これは公開ベンチマークの結論ではなく、Anthropicの導入経験から得た設計指針と見るべきです。

もちろん、複数エージェントが不要という意味ではありません。深い調査のように、文脈を切り分けられる独立作業には有効です。コマースのように状態が密接につながる業務では、まず一つのエージェントから始める。この使い分けがポイントです。

以前の記事「新しいAIモデルだけ見ていてはダメ——「ハーネス」がAIエージェントの主戦場になる」でも触れた通り、実務ではモデル単体より、周囲の実行環境が成果を左右します。今回の設計図は、その具体例です。

お金を動かす権限はClaudeに渡さない

もう一つ重要なのが、安全設計です。Anthropicは、安全な振る舞いの指示はプロンプトにも置きますが、最終的な強制はハーネスとコードで行うとしています。ハーネスとは、AIの周囲でツール実行、権限、承認などを管理する仕組みです。

たとえば、AIは価格変更案やキャンペーン案を作れます。しかし、実際に公開する処理は、権限や上限額を確認するコードと、人間の承認を通して実行します。公開実装の説明によると、ショッピング側もカートは作れますが、エージェントが呼ぶチェックアウト基盤には課金機能そのものを持たせません。

これは、権限はコード側に残すという設計です。AIは「何をすべきか」を考えるのが得意ですが、「実行してよいか」の判定まで同じAIへ委ねると、誤操作や不正誘導への備えが弱くなります。

商品IDや注文IDも、AIが作った文字列をそのまま信用せず、サーバーが発行したIDだけを受け付けます。見えないところで、AIができる操作範囲を狭く定義する。この仕組みが、本番導入には欠かせません。

日本企業の勝負は、モデルよりデータと業務設計

今回の発表から日本企業が学ぶべきなのは、「Claudeを入れればECが変わる」という話ではありません。競争力を左右するのは、商品マスタ、リアルタイム在庫、価格、顧客同意、販促実績を、AIが安全に使える形で接続できるかどうかです。

同じモデルを使っても、商品名や属性がばらばらで、在庫更新が遅く、部署ごとにデータが閉じていれば、適切な提案はできません。逆に、データが整い、APIが用意され、承認条件が明確なら、モデルを替えても仕組みは活かせます。競争力は接続設計で決まるのです。

導入は、いきなり顧客向けの自動購入から始める必要はありません。まず社内向けに、売上・在庫の照会だけを行う。次に価格や販促を提案させ、人間が承認する。そして評価結果を見ながら、顧客向けの商品提案やカート作成へ広げる。この順番なら、効果とリスクを同時に測れます。

KPIも、チャットの利用回数だけでは足りません。カート投入率、購買転換率、平均注文額、在庫回転、提案の承認率、誤操作件数まで追う必要があります。部門横断で同じ数字を見ることで、AIを「接客チャット」で終わらせず、事業を動かす業務エージェントへ育てられます。

Anthropicが公開したのは、完成した店員ではなく、店員を安全に働かせる職場の設計図です。日本企業にとって最初の一歩は、モデル選定より先に、AIへ見せるデータ、使わせる道具、止める条件を一枚に書き出すことだと思います。

よくある質問（FAQ）

Q1. Anthropicが公開したものは、そのまま使えるECサービスですか？

いいえ。商品探しやカート作成、店舗運営支援の参照実装であり、実際の決済や本番の商品変更を行う完成品ではありません。各社は商品データ、認証、権限、法令対応を自社の仕組みに合わせて実装する必要があります。

Q2. AIエージェントは価格変更や販促公開まで自動で行いますか？

AIは候補抽出や価格変更案、キャンペーン文面の下書きまで進められますが、本番反映の前には人間の承認を置く設計です。権限や上限額の確認は、AIではなくコード側で強制します。

Q3. 日本企業はどこから導入を始めるべきですか？

まずは社内向けの売上・在庫照会から始め、次に価格や販促の提案を人間の承認付きで試す流れが本文の提案です。商品マスタ、在庫、価格、顧客同意、販促実績を安全に接続できるデータと業務設計が土台になります。

AI活用や業務自動化を、動画でも分かりやすく解説しています。
YouTubeチャンネル「いけともch」

Claudeを使って、日々の仕事を自動化する具体的な方法をまとめました。
『Claude 最強のAI自動化術』

実際に手を動かしながらAI活用を身につけたい方はこちらです。
生成AIハンズオン

■合わせて読みたい

■関連記事