OpenAIのエンゲージメント統計が明らかにする厳しい真実。我々はエージェンティック・コマースを構築しているのではなく、チャットインターフェースを持つ強化されたコマンドラインツールを構築している。
これは3000語以上の長文記事です。コーヒーを用意してください。
TL;DR サマリー
- 最近のHacker Newsの議論によると、8億〜9億の大規模なユーザーベースにもかかわらず、OpenAIのユーザーはほとんどが週次でしかエンゲージメントしておらず、実際に支払っているのはわずか5%であることが明らかになった。このことは、我々が強力なAIの「ツール」を持っているが、日常生活に統合された真のAIの「エージェント」を構築していないという重大な欠陥を示している [4]。
- ユーザープロンプトによるツールと、積極的で自律的なエージェントの間には、アーキテクチャの深淵が存在する。「エージェンティック・コマース」の現状は、脆弱なAPIコールとヒューマン・イン・ザ・ループ（人間介入）による回避策に依存している。ある情報源はこれを「レンタブル・ヒューマン（貸し出し可能な人間）」と呼んでいる [3]。エージェントがコミュニケーション、取引、交渉を行うための普遍的なプロトコルが欠如しているためだ。
- エージェンティックなストアフロントの準備を達成するためには、ブランドが孤立したチャットボットの構築から、プロトコル主導の世界への貢献と準備に焦点を移さなければならない。これは、AI検索のための構造化データに執着し、サンドボックス化されたAI体験ラボを作り、監査可能でエージェント駆動の相互作用のためのシステムを設計することを意味する。
先週の月曜日、DTLAからベニスへ帰る途中の405号線で、AIの現状を完璧に示す光景を目にしました。新しい高級電気SUVが牽引されているところでした。その静かで流線型の新技術が、まさにフラットタイヤによって完全に無力化されていました。機械の自律性は日常的な現実の問題に直面した瞬間に壁にぶつかります。オーナーは電話をかけて解決策の調整を行っていました—非常に高価で、非常に身動きが取れないハードウェアのための人間APIとして。
これがAIの世界を悩ませている正確な問題であり、今週私の目を引いたHacker Newsスレッドで明らかになりました [4]。議論は、OpenAIが800〜900万のユーザーを持つ中で、どのようにして長期的に競争できるのかに集中していました。しかし、その会話の中で重要な事実は、中国やシリコンバレーの競争相手からの競争ではなく、単一の壊滅的な統計でした。ユーザーの大部分は日次ではなく週次でアクティブであり、支払っているのもわずか5%です。
数年間、日次アクティブユーザーに依存するシステムを構築してきた人にとって、この統計は大きな警鐘です。すべての誇張された期待にもかかわらず、私たちは風変わりな計算機のように使用される驚異的に強力なツールを構築しました—特定の問題が発生したときに取り出し、使用した後はしまう。私たちは、私たちの生活の裏で実行される欠かせない積極的なエージェントを構築していません。私たちには機能があり、パートナーがいません。そして、商業において、この区別はすべてです。
これはモデルの知性の失敗ではありません。アーキテクチャの失敗です。あなたのAIは失われた愛についてのソネットを書くことができますが、傷ついたスニーカーの返品交渉はできません。特注のハンドバッグのフォトリアリスティックな画像を生成できますが、シャトー・マルモンのスイートに発送してもらうために3者の異なるベンダーと調整することはできません。あなたのAIは405号線の路肩に停まったEVです—潜在能力の力を待っている人間が電話をかけるのを。
私たちはエージェントを構築しているのか、それとも単なる優れた計算機を作っているのか？
OpenAIと同じくらい強力なプラットフォームの低い日次エンゲージメントは、「AI戦略」に何百万も費やしているすべてのブランドにとって思い悩む瞬間を強いるはずです [4]。私たちは間違った指標に執着しています。チャットウィンドウの色をA/Bテストし、セッションエンゲージメントを分単位で測定しますが、真のエージェンティック・コマースにとって本当に重要な唯一の指標からは百万マイル離れています。それは、自律的なタスクの完了です。
エージェントはプロンプトを待ちません。エージェントには目標と任務があります。ニーズを予測します。非同期に操作します。あなたのロボロックスは99%の「AIアシスタント」よりもエージェントに近いです。単一の目標（床を掃除する）を持ち、環境をナビゲートし、例外に対応（ソファにぶつかる）し、あなたの介入なしにドックに戻って充電します。あなたが眠っているときも働いてくれます。
さて、あなたのブランドのチャットボットと比較してみてください。それは反応的なシステムです。個性を持った強化された検索バーです。質問に答えることはできますが、ユーザーが現れて質問しなければなりません。ユーザーを製品に導くことはできますが、彼らが複数のサイトで3週間もハイキングブーツを探しているのに気づいて、パタゴニアから新作を積極的に提案することはできません。これはエージェントが何であるかについての根本的な誤解を表しています。
この表は、我々の直面しているアーキテクチャ上および機能上の違いを明確にしています：
| 特徴 | AIツール（現在） | AIエージェント（未来） |
|---|---|---|
| アクティベーション | ユーザープロンプト、同期 | 目標志向、非同期 |
| 状態管理 | 大部分がステートレス、セッションベース | 永続的、目標と履歴の長期メモリー |
| 主な機能 | 情報検索と生成（質問に答える） | タスク実行と調整（物事を実行する） |
| 相互作用モデル | Q&A、コマンドと応答 | 交渉、委任、承認 |
| 成功指標 | セッションの長さ、ユーザー満足度スコア | 委任されたタスクの成功した自律的完了 |
| 実体例 | あなたに製品ページを見つけるチャットボット。 | 限定版スニーカーが落ちると同時に自動で購入するエージェント。 |
そのHacker Newsの議論では、ユーザーがメールを作成したり、コードをデバッグしたり、プレゼンテーションを作成したりする必要があるときに主に関与しているユーザーベースが強調されました [4]。これらは個別のタスクです。これはツールベースの行動です。エージェント行動への飛躍—AIが旅行を管理し、取引を実行し、ストアフロントを運営する—は繰り返しのステップではありません。それはまだ起こっていないアーキテクチャの革命です。
ユニバーサルコマースプロトコルの深刻な欠如
20年間、我々はAPIに基づいて商業を構築してきました。RESTおよび後のGraphQLは共通語となりました。製品はProductオブジェクトです。注文はOrderオブジェクトです。これはクリーンで構造化され、予測可能でした。この全てのパラダイムは、エージェンティック時代においては負担です。
AIエージェントは厳格なAPIコールを考えていません。目標で考えます。「このセーターを返品したいけれど、青いものが欲しいし、金曜日までにサンタモニカのオフィスに配達してもらう必要がある。」こんな目標で。
この情報をPOST /returnsエンドポイントでどのように表現しますか？できません。現在のアーキテクチャでは、ユーザー（または人間のカスタマーサービス担当者）がオーケストレーターとして行動することを強いられ、何十もの異なるAPIコールと手動プロセスを結びつけるのです：
- 青いセーターが在庫にあるか確認。
- サンタモニカのオフィスに配達できるか確認。
- 配達のタイムラインを確認。
- 元のセーターの返品を開始。
- 送料ラベルを生成。
- 青いセーターの新規注文をする。
- 返品からのクレジットを新規購入に適用。
これは脆弱で悲惨なワークフローです。自主エージェントに任命された場合、このプロセス全体をブランド自身の自律エージェントと交渉できるようにすべきです。しかし、彼らはお互いに話す言語を持っていません。我々は基盤となる層、つまり**ユニバーサルコマースプロトコル（UCP）**またはそれに相当するものが欠けています。
エージェント間の通信に対する共有プロトコルがなければ、現在の現実に留まることになります。「エージェント」は、ユーザーの目標を一連の事前定義されたAPIコールに翻訳するのが非常に得意な言語モデルです。これは自律性ではなく、高度なスクリプティングです。
以下は、現在のデータフローがどのようなもので、プロトコル主導の世界ではどのように見えるべきかを示しています：
違いは明白です。最初のものは線形で脆弱なスクリプトです。二番目は、二つの自律システム間の耐久性があり、目標指向な交渉です。プロトコルは魔法です。モデルではありません。それは動詞を提供します：propose、accept、negotiate、confirm、execute。これらがなければ、世界中の知性は単純なAPIゲートウェイの背後に留まっています。
あなたのAIは「レンタブルな人間」が必要で、それは悪い兆候です
UCPのようなプロトコルが存在するまで、我々は人々を使ってAIの能力の穴を補わなければなりません。ある興味深いHackernoonの記事はこの概念を突き止め、「レンタブルな人間」の必要性を呼びかけています [3]。その中では、物理的なロボットを構築するのではなく、AIがデジタルでできないタスクを実行するための人間のネットワークへのアクセスが必要であると主張されています—エージェンシーの最終マイルの問題です。
これは未来の予測ではありません。すでに起こっています。「あなたのAI」が複雑な会議をスケジュールするとき、それはしばしばスケジューリングサービスのAI支援の人間が電話をかけている場合です。エージェンティックなシステムがレストランを予約することを約束する場合、それはレストランの公開番号にかけて、音声認識を使って電話ツリーをナビゲートするか、さらに悪く、ギグワークプラットフォームの人間にタスクを派遣するかもしれません。
これはアーキテクチャの足枷です。システムの自律性が手動プロセスの薄いベールの上にあることを示しています。製品を市場に出すための現実的な橋として機能する可能性がありますが、これを長期戦略として頼ることは砂の上に家を建てることになります。人間APIは遅く、高価で、スケールしません。彼らは405号線の路肩にいる牽引車です。
ヒューマン・イン・ザ・ループの失敗モード
商業建築家として、「レンタブルな人間」モデルは私をゾッとさせます。これは修正が難しく監査が不可能なエラーの大きな面積を導入します。人間APIが悪い日を迎えた場合はどうなりますか？注文を聞き間違える？間違った住所を書き留める？あなたの完璧で決定論的なシステムは、今や人間の過失という混沌の影響を受けています。AIが派遣した人間が高価な顧客を逃した場合、誰が責任を負うのか？
ヒューマンAPIから構造化データへ
「レンタブルな人間」を排除する唯一の方法は、非構造化された人間中心のプロセスを構造化された機械可読なものに変換することです。あなたの店の営業時間は、InstagramのJPEGの中に埋もれていてはいけません。エージェントが解析できるように、構造化データとして公開されるべきです。返品ポリシーは法的文書の10ページのPDFであってはならない。機械可読なルールのセットとして提示されるべきです。これはエージェンティックストアフロントの準備のための魅力的ではない、基礎的な作業です。AIエージェントが人間に助けを求める必要がないほど洗練され、文書が整っているデジタルファサードを構築することが求められています。
セキュリティの世界からの教訓：HackerOneのAIバリデータ
商業が行き詰まる中、情報セキュリティ分野は効果的な狭い範囲のエージェントを展開するためのマスタークラスを提供しています。HackerOne、主要なバグバウンティプラットフォームが最近、脆弱性報告を検証するAIエージェントを発表しました [2]。これは素晴らしいものであり、私たちはそれをメモすべきです。
ワークフローについて考えてみてください。研究者が潜在的な脆弱性を提出します。以前は、HackerOneの人間アナリストがバグを再現して真偽を確かめるために時間を費やさなければなりませんでした。これは時間を要する繰り返しのタスクであり、エージェントにとって最適な仕事です。新しいAIエージェントは報告を取り込み、自動的に脆弱性を検証することを試み、成功した場合には人間にフラグを立てます。これは明確で測定可能な目標を持っています。制約された環境で操作します。その成功または失敗は二元的であり、簡単に監査可能です。
今、ショッピングエージェントの無限の混沌と対比させてみてください。「シルヴァーレイクでのパーティー用のクールなアウトフィットを見つけて。」『クール』とは何ですか？どんなパーティーですか？予算はどのくらいですか？文脈は無限です。成功基準は主観的です。
これが、一般的なモデルに対して週次エンゲージメントがなぜ発生するのかという理由です [4]。ユーザーが意味のある、あいまいなタスクを委任するには失敗のコストが高すぎます。ユーザーがひどい贈り物を想像したり、間違った店から注文したりするかもしれないLLMに全てのホリデーシッピングを委託することはありません。しかし、「新作のキャリーオンがAbbot Kinneyの店に在庫が戻り、価格が$120未満の場合には注文をするようにアラートを設定して。」というタスクは確実に委託する可能性があります。
それは検証可能で制約された、自動化可能なタスクです。HackerOneエージェントの成功は、真に役立つ商業エージェントの最初の波は全知のオラクルではなく、狭い範囲で完璧に実行される超特化した単一タスクの労働者になることを教えてくれています。
あなたのブランドにとっての意味：いじくり回すのをやめ、設計を始めなさい
あなたのマーケティングチームはおそらく「AI体験ラボ」を運営していますが、これは広告文やソーシャルメディア画像を作成するために異なる生成AIツールに何十ものサブスクリプションを契約していることを意味します。これは、あなたの基盤の商業アーキテクチャが真のエージェンシーをサポートできないのなら、時間とお金の無駄です。
あなたは、派手なフロントエンドアプリケーションから退屈で重要なバックエンドインフラストラクチャへ焦点を移す必要があります。あなたのシステム全体を自律エージェントによって理解可能でナビゲート可能にする準備をしなければなりません。
エージェンティックなストアフロントの準備のためのチェックリストは以下の通りです：
-
スキーマ監査を実施する： 製品、ポリシー、操作を表す全てのデータを確認してください。それは構造化されていますか？機械可読ですか？エージェントは、セール中に購入されたアイテムの返品ポリシーを解析する際に、壁のようなテキストを解析せずに判断できるでしょうか？これはAI検索のための構造化データの作業であり、その密接な関連との共存、生成エンジン最適化（GEO）です。データが混沌としているのであれば、エージェントは無力です。
-
内部エージェントサンドボックスを構築する： 顧客向けのエージェントを無制限に実行させる前に、内部チーム向けに作成してください。在庫とロジスティクスを監視する単一の目標を持つエージェントを作成します。それは、販売速度やサプライチェーンデータに基づいて特定のSKUがいつ不足するかを予測できるでしょうか？配達期間を逃す注文にフラグを立てられるでしょうか？内部オペレーションを訓練場として使用して、監査可能で信頼できるエージェントを構築してください。
-
取引だけでなく交渉のために設計する： 次世代の商業プラットフォームは、単なる
OrderAPIを持つべきではありません。それにはNegotiationAPIが必要です。エージェントが提案を行い、カウンターオファーを受け取り、修正された目標について承認を得ることができるエンドポイントが必要です。上記のUCP図のやり取りをどのように処理するかについて考え始めてください。これは真の商業AIアーキテクトの領域です。
CTO.LAでは、私のチームと私は、チャットボットとエージェンティックな作業力の違いを理解しているブランドのためにこれらのシステムを設計する日々を送っています。我々は単にLLMに接続しているのではなく、あなたの最も価値ある顧客がアルゴリズムである世界に備えるために商業の配管を再構築しています。ロサンゼルスや他のどこにいても、あなたが週次アクティブのおもちゃを超えて、真の自律商業を駆動するシステムを構築する準備ができているなら、ぜひお話しましょう。
あなたのAIはメルローズでウィンドウショッピングをできるわけではありません、まだ
エージェンティック・コマースの究極の試練は完璧なチェックアウトフローではありません。それは、AIが発見の messy かつ美しい人間のプロセスを再現できるときです。「私は500ドルの予算を持っている。今週末のギャラリーオープニングに着て行くユニークなジャケットを、フェアファックスとラ・ブレアの間で見つけてほしい。私はミニマリストのやや傷んだスタイルが好きです。サプライズを期待しています。」
エージェントがこれを達成するには、単に在庫データベースにクエリを送るだけでは不十分です。文化を理解する必要があります。ローカルなブティックのInstagramストーリーの非構造化データを解析する必要があります。レビューを読み、ブランドの美学を理解し、さらには近隣の雰囲気を推測する必要があります。歩道でのセールやサンプルセールの支払い方法を交渉する必要があります。
我々はこの現実からまだ遠く、世界で最も進んだAIの低い日次エンゲージメント数がその証拠です [4]。我々はまだ機械に話すことを教えている段階です。会話をすること、ましてや買い物をすることを教え始めてもいません。次の10年間に勝つブランドは、今日最も派手なAIデモを持っているブランドではありません。彼らは静かに明日のエージェントが車から出て有用なことを行うことを可能にする堅牢でプロトコル主導のアーキテクチャを構築しているブランドです。