AIエージェント時代に中小企業は勝てるのか、UCPとAEOで変わる販売の仕組み

目次

1. AIは過去の蓄積をリセットしてくれるわけではありません
2. 「AIを使えば稼げる」という話にも同じ落とし穴が
3. 本当に起きているのはAmazonの崩壊ではなく、販売構造の地殻変動
4. UCPやACPによって、AIは商品を紹介する存在から取引する存在へ変わる
5. Shopifyが狙っているのは次のAmazonではなく、AI時代の商取引インフラ
6. それでも中小企業が自動的に有利になるわけではない
7. Amazonが消えるわけでもない
8. 起きつつあるのはAmazon飛ばしより大きいサイト飛ばし
9. SEOがAEOに置き換わる、というほど単純でもない
10. その先で問われるのはAIから買えるかどうか
11. 情報へのアクセスが民主化されても、判断までは民主化されない
12. AIを使うと賢くなった気がする、という別の問題もある
13. 道具に頼ると人が退化するという議論自体は新しくない
14. AIは脳のアウトソーシングから司令塔のアウトソーシングまで可能にする
15. 新しいAI技術を使うことと、その技術が本当に必要かを判断することは別
16. JevでSEO分析をしただけでは、価値のある分析になったとは限らない
17. 必要なのはAIの答えを受け取る力ではなく、答えを確かめながら一緒に考える力
18. だからこそ基礎知識を飛ばせない
19. これらはAI以前から変わっていない問題
20. むしろAIは依頼する側にも強力な武器になっている
21. AIの民主化で、本当に能力の差は縮まるのか
22. AIを使えば勝てるのではなく、AIを理解しなければ競争のルールすら見えなくなる
23. AIと共生するために、何を任せて何を残すかを自分で決める

AIは過去の蓄積をリセットしてくれるわけではありません

確かに、中小企業や個人にとってのチャンスはあります。市場調査、コンテンツ制作、プログラミング、データ分析、広告クリエイティブの制作など、これまで大企業でなければ難しかった仕事を、少人数の会社や個人でもAIを使って進められるようになりました。以前なら専門家を何人も集めなければできなかったことを、一人でこなせる場面も増えています。これは非常に大きな変化です。

ただ、そこから「だから中小企業や個人が大企業に勝てる」と考えるのは少し危険だと思っています。AIを使えるのは、中小企業や個人だけではないからです。

AmazonもGoogleもMicrosoftもShopifyも、国内外の大企業もAIに投資しています。しかも大企業には、何十年もかけて積み上げてきた顧客データ、ブランド、販売網、物流、資金、人材、取引関係、購買履歴、広告データがあります。

AIは、こうした蓄積をリセットして全員を同じスタートラインに並べてくれる魔法ではありません。むしろ資産を持っている企業がAIを使いこなせば、その資産をこれまで以上の速さと規模で活かせるようになります。「大企業は古い仕組みにしがみつき、中小企業や個人だけがAIで逆転する」という単純な話にはなりません。

大事なのは企業の規模そのものではなく、AIによって何が変わっているのかを理解し、その変化に合わせて自分たちの事業や仕事を作り替えられるかどうかだと考えています。

「AIを使えば稼げる」という話にも同じ落とし穴が

これとよく似ているのが、「AIを使ってもなぜ稼げないのか」という議論です。よく挙げられる理由は、誰でもAIで文章や画像を作れるので制作物がコモディティ化して価格競争になる、AIに丸投げしただけでは品質が低くてお客さんに選ばれない、AIを使うこと自体が目的になって商品や集客、販売導線といったビジネスの設計ができていない、といったものです。

どれも理解できる説明ですが、私は「AIでは稼げない」という言い方にはあまり賛成できません。正確には、AIを使ったという事実そのものに、それほど大きな経済価値はないということではないでしょうか。

たとえばAIのおかげで、3時間かかっていた記事制作が30分で終わるようになったとします。生産性は大きく上がりました。しかし同じことを競合10社もできるなら、それだけで販売価格が上がるわけではありません。供給が増えれば、その作業の値段はむしろ下がっていく可能性があります。

問われるのは、その30分で作ったものを誰に売るのか、なぜ自分から買ってもらえるのか、競合と何が違うのか、どうやってお客さんを獲得し、どうやって使い続けてもらうのか。そしてAIで生まれた余力を、次の価値づくりにどう回すのかという部分です。

AIが強力だからこそ、単純な作業だけを商品にしているなら、かえって厳しくなるかもしれません。誰でもできることをAIが速くすれば、「誰でもできること」の供給が増えるだけだからです。反対に、顧客理解、商品設計、ブランド、営業力、専門性、独自のデータ、コミュニティといったものを持っている企業がAIを使えば、それらをさらに大きくできます。

ここでも、AIそのものが競争優位になるのではなく、AIはすでにある能力や仕組みを増幅すると考えた方が実態に近いと思います。

本当に起きているのはAmazonの崩壊ではなく、販売構造の地殻変動

とはいえ、「大企業が強いのだから何も変わらない」という話でもありません。販売の仕組みそのものには、すでに大きな地殻変動が起き始めています。

たとえばユーザーがAIに「出張で使える軽くて防水のリュックを1万円以内で探して」と頼んだとします。AIはAmazon、楽天市場、Yahoo!ショッピング、メーカーの公式サイト、Shopifyで運営されているD2Cブランドなどから商品情報や価格、在庫、配送条件を集めて比較し、「この商品が条件に一番合っています。メーカー公式が8,900円で最安です」と答え、そのまま購入まで済ませてしまう。

この場合、Amazonには訪問すら発生しません。

ここで影響を受けるのは、Amazonへのアクセス数だけではありません。Amazonの中には、検索結果にスポンサー商品が並び、商品ページを経て購入に至るという巨大な広告の仕組みがあります。メーカーは「Amazonで検索している人」に見つけてもらうために広告費を払ってきました。購買の入口がAIエージェントに移れば、この広告経済圏そのものが揺らぎます。

これまで「どの商品を買うべきか」を決める場所には、Google検索やAmazonの検索結果、楽天のランキングがありました。その位置にAIが座る可能性が出てきた、というのが今起きている変化の本質です。

そうなると、「Googleで何位なのか」「Amazonの検索結果で何位なのか」だけでは足りなくなります。AIが自社の商品を見つけられるか、正しく理解できるか、比較の候補に入れるか、そして購入まで実行できるかという新しい問題が加わります。

これはAmazonだけの話ではありません。楽天市場、Yahoo!ショッピング、価格比較サイト、メーカーの公式サイト、アフィリエイトメディアなど、「人がサイトを訪れること」を前提にしてきたWebビジネス全体に関わる変化です。

UCPやACPによって、AIは商品を紹介する存在から取引する存在へ変わる

この流れを理解するうえで重要なのが、UCPやACPといった規格です。

GoogleとShopifyが共同で開発したUCP（Universal Commerce Protocol）は、AIエージェントと販売事業者が、商品の発見から購入手続き、注文、購入後の対応までをやり取りするためのオープンな規格です。2026年1月にGoogleが発表しました^[1][2]。

一方でOpenAIは、Stripeと共同でACP（Agentic Commerce Protocol）を開発しました。販売事業者が構造化した商品データをChatGPTに提供し、ChatGPTが商品を理解したうえで、在庫などの情報を踏まえてユーザーに提示し、購入までつなげるための仕組みです^[3]。なおOpenAIは2026年3月、ChatGPT内で決済まで完結させる方式を見直し、商品の発見に力を入れつつ、購入は各事業者のチェックアウトで行う形に舵を切っています^[4]。

Googleはさらに、決済を担うAP2という仕組みも進めています。2026年4月に公開されたAP2 v0.2では、事前にユーザーが許可した条件の範囲内であれば、人がその場にいなくてもエージェントが購入を完了させる使い方まで想定されています^[5]。

AIはもう「おすすめの商品はこちらです」とリンクを返すだけの存在ではありません。商品を見つけ、比較し、選ぶのを手伝い、在庫を確認し、決済まで行うところにまで入ってきています。Webマーケティングにとって非常に大きな変化です。

MCPとUCPは競合ではなく、階層が違います

ここで混同しやすいのが、MCPとUCPの関係です。

UCPは、A2AやAP2、MCPといった既存の規格と組み合わせて使えるよう設計されています^[1]。AIエージェントがMCPなどで事業者のシステムにつながり、その上でUCPのルールに沿って商品、在庫、カート、割引、配送、決済を扱う。MCPかUCPかではなく、両者を組み合わせて使うものと考えた方が実態に近いと思います。

Shopifyが狙っているのは次のAmazonではなく、AI時代の商取引インフラ

この動きを一番わかりやすく体現しているのがShopifyです。

もともとShopifyは、ブランドがShopifyでECサイトを作り、人がそのサイトを訪れて購入するためのサービスでした。ところが今は、ChatGPTやGeminiなどのAIが商品を探し、その裏側でShopifyの商品情報や在庫、価格、購入機能を呼び出して取引を成立させる構造を作ろうとしています。Shopifyは自社の商品カタログ（Shopify Catalog）を通じて、ChatGPT、Microsoft Copilot、GoogleのAI Mode、Geminiといった複数のAIに加盟店の商品を届ける仕組みを整え、Shopifyでサイトを作っていないブランドでもカタログに商品を載せられるAgentic planまで用意しています^[6][7]。

Shopify自身も「AIは商取引の新しい入口であり、その裏側にいるのがShopifyだ」という趣旨の発信をしています^[6]。言い換えると、Shopifyは「ECサイトを作るための会社」から、「世界中の商品をAIエージェントから買えるようにする基盤」へと立ち位置を広げようとしているわけです。

AIに「来週北海道に行くから、防水で軽い靴を1万5000円以内で買っておいて」と頼めば、AIがAmazonや楽天、Shopifyのブランドを横断して比較し、条件に一番合った商品をShopify上の店舗から買う。ユーザーはその店舗のサイトを一度も見ていないのに、そこから商品を買っていることになります。

ShopifyはAmazonの競合というより、AIエージェント時代の決済基盤やクラウド基盤のような位置を取りにいっていると見ると理解しやすいと思います。

国内に目を向けると、LINEヤフーのAgent iのようなエージェントが、UCPのようなオープンな商取引の仕組みにつながっていくのか、それともYahoo!ショッピングを中心にした閉じた経済圏を作るのかも、今後の大きな分かれ道になりそうです。

それでも中小企業が自動的に有利になるわけではない

ここまで読むと、メーカー直販や小規模なECに追い風が吹いているように見えます。実際、これまで小さなD2CブランドがAmazonと戦うには、SEOや広告、インフルエンサー施策で自力で人を集めるしかありませんでした。AIが世界中の商品から条件に合うものを選ぶ世界なら、集客力ではなく商品が条件に合っているかどうかで選ばれる可能性が出てきます。

ただし、これは自動的には起こりません。場合によっては逆になります。

仮にAIが100万点の商品の中から5点だけをユーザーに見せるとしたら、ECモールの検索結果よりもむしろ露出の枠は狭くなります。AIが公平に商品を選んでくれる保証もありません。AIによって誰にでもチャンスが開かれるどころか、AIに選ばれる一部の企業に需要が集中することも十分に考えられます。次の覇権争いは、AIの商品選びのロジックを誰が握るのか、という形になるかもしれません。

そこで重要になるのが、自社の商品をAIがどれだけ正確に理解できるかという準備の度合いです。AIがWebページを読み取って商品を理解する世界なら、AI向けのSEOくらいの話で済みます。しかしUCPやMCPを経由すれば、AIエージェントは次のような情報を直接取得できるようになります。

• 在庫、価格、割引
• 配送日、返品条件
• レビュー、SKU、サイズなどの商品属性
• 購入の機能そのもの

今のECは、人がページを見ることを前提に作られています。これからは、AIがデータを読むことも前提にしなければなりません。人が見るための画面と、AIが読むためのデータの窓口が分かれていく可能性があり、この準備ができているかどうかは、数年後にはかなり重要な経営上の指標になると思います。

Amazonが消えるわけでもない

一方で、Amazonが簡単に負けると考えるのも危険です。

Amazonには購買履歴、レビュー、物流、Prime、在庫、決済、価格データ、返品のしやすさ、巨大な商品カタログがあります。どれもAIエージェントの時代でも強い資産です。

起きる可能性が高いのは、Amazonが消えることではなく、人が訪れる目的地から、商品を供給するインフラへと役割が近づいていくことだと思います。ユーザーはAmazonのサイトを開かなくても、ChatGPTやGemini、Agent iを通してAmazonの商品を買う。そのときにAmazonがAI側に主導権を奪われるのか、それともAmazon自身がエージェントを握るのかが勝負どころになります。

起きつつあるのはAmazon飛ばしより大きいサイト飛ばし

もう一段先まで考えると、Amazon飛ばしよりもさらに大きな変化が見えてきます。サイトそのものが飛ばされる、という変化です。

楽天もYahoo!ショッピングも、価格.comもGoogle検索も、メーカーの公式サイトも、「人が訪れる場所」という前提が崩れる可能性があります。商品を探す、比べる、薦める、取引するという役割を、AIがまとめて引き受けるようになるからです。

そうなったときに残るのは、商品、在庫、価格、物流、決済、顧客対応といった裏側の部分です。EC事業者の競争は、サイトに人を集める競争から、AIエージェントから注文を受ける競争へと変わっていきます。Web黎明期以来の、かなり大きな入口の変化だと思います。

「Amazon飛ばし」という言葉は、この変化を少し小さく切り取っているのかもしれません。本当に問われているのは、誰が購買の意思決定の門番になるのか、という点です。

SEOがAEOに置き換わる、というほど単純でもない

こうした変化を受けて、「SEOは終わりで、これからはAEOだ」という話も増えました。これにも少し注意が必要です。

AEO（Answer Engine Optimization）は一般的に、ChatGPTやGemini、Google AI OverviewなどのAIの回答の中で、自社の情報が取り上げられたり、引用されたり、推薦されたりしやすい状態を作る取り組みを指します。ただし、UCPやACPのような正式な通信の規格ではありません。

少なくともGoogleについては、SEOとAEOを完全に別物として扱うのは正確ではありません。GoogleはAI OverviewやAI Modeに表示されるための特別な技術要件はなく、従来のSEOの基本がそのまま有効だと説明しています^[8]。AI Modeでは、一つの質問をいくつかの小さな問いに分けて同時に検索するQuery fan-outという仕組みも使われています^[9]。

企業側にできるのは、自社や商品が何者なのかをはっきりさせ、検索エンジンやAIがアクセスできる状態にし、正しく理解されインデックスされる情報を用意することです。そのうえでユーザーの問いに対して取り上げられる情報を作り、信頼できる情報源になることで、AIの回答の根拠や引用元として使われる可能性を高めていく。

「生成AIの学習データに自社を覚え込ませれば勝てる」といった話ではありませんし、AEOを新しい裏技のように捉えるべきでもないでしょう。SEO、構造化された情報、エンティティ、一次情報、ブランド、外部からの評価、商品データなどを含めて、人だけでなくAIからも見つけられ、理解され、使われる状態を作ることだと考えた方がわかりやすいと思います。

その先で問われるのはAIから買えるかどうか

そしてAEOだけでも足りません。AIが答えるだけなら、「AIに引用されるか」が大事です。AIエージェントが実際に行動するようになると、「AIから使えるか」「AIから買えるか」まで問われるようになります。

企業としては、見つけられ、理解され、比較され、選ばれ、機能を使われ、最後に購入されるという一連の流れ全体を考える必要が出てきています。

情報へのアクセスが民主化されても、判断までは民主化されない

ここでもう一つ大事になるのが、人の側の問題です。

生成AIのおかげで、これまで専門家に聞いたり、本を何冊も読んだりしなければ得られなかった情報に、ごく低いコストでアクセスできるようになりました。これは「知らないからできない」という壁を大きく下げています。

しかし、情報にアクセスできることと、その情報を正しく扱えることは同じではありません。同じAIの回答を読んでも、自社に当てはまるのか、前提は正しいのか、何が抜けているのか、どのリスクを優先すべきか、そもそも問いの立て方が間違っていないかを判断しなければなりません。

AIによって情報の値段は下がっても、判断するための知識の価値までなくなったわけではありません。情報と選択肢が爆発的に増えたぶん、判断力の重要性はむしろ高くなっているとも言えます。

AIを使うと賢くなった気がする、という別の問題もある

この点について興味深い研究があります。

2025年10月にオンラインで公開され、その後『Computers in Human Behavior』に掲載された研究では、最初の実験で246人がAIを使って20問の論理推論問題に取り組みました。AIを使った参加者の成績は比較対象の集団より平均で3問高かった一方で、本人たちは自分の成績を平均で4問分高く見積もっていました。さらに、AIに関するリテラシーが高いほど、自己評価の正確さが低いという相関も報告されています^[10]。

これは「AIに詳しい人ほど能力が低い」という話ではありません。AIによって実際の成績が上がっても、自分がどこまで理解して正解したのかを正確に把握できるとは限らないということです。

かなり重要な問題だと思います。AIが優秀になるほど、「AIができたこと」と「自分が理解してできること」の境界が見えにくくなるからです。

道具に頼ると人が退化するという議論自体は新しくない

もちろん、便利な道具によって人の能力が落ちるという議論は、AIで初めて出てきたものではありません。

電卓が広まれば暗算をしなくなり、カーナビが広まれば道を覚えなくなり、検索エンジンが広まれば情報を記憶しなくなり、翻訳ソフトが広まれば外国語を覚えなくなる。技術の歴史では何度も繰り返されてきた話です。

だから「AIに頼ると考えなくなるので、AIは使うべきではない」という結論も極端です。能力の一部を便利な道具に外部化すること自体は、必ずしも悪いことではありません。人はそうやって空いた時間を、より高度な仕事に使ってきました。

ただ、AIには従来の道具と少し違うところがあります。

AIは脳のアウトソーシングから司令塔のアウトソーシングまで可能にする

電卓に任せるのは主に計算で、地図アプリに任せるのは経路探索、翻訳ソフトに任せるのは翻訳です。どれも比較的限られた機能を外に出す道具でした。

一方で生成AIは、調べる、要約する、比較する、仮説を立てる、文章を書く、コードを書く、計画する、評価する、意思決定を支えるといった、複数の知的な作業を横断できます。AIエージェントになれば、その判断をもとに実際の処理まで行います。

AGIがいつ実現するのか、そもそも何をもってAGIと呼ぶのかについては今も議論があります。しかしAGIを待たなくても、生成AIの汎用性はすでに従来のソフトウェアとはかなり違います。

そのため私は、単なる脳のアウトソーシングというより、使い方によっては脳の司令塔まで外に出せてしまう道具として考えた方がよいと思っています。便利であると同時に、依存したときに影響が及ぶ範囲も広いということです。

新しいAI技術を使うことと、その技術が本当に必要かを判断することは別

ここで、最近話題になっているJevを例に考えてみます。

Jevは、TypeSafe AIが2026年9月に早期アクセスとして公開したモデルで、同社は「System One Model」と呼んでいます。一般的なLLMのように文章を生成することを目的にしておらず、入力された情報に対して、あらかじめ決めた選択肢から選ぶ、段階的に評価する、YesかNoかを確率で返すといった形で、構造化された判断を返します。文章を1トークンずつ生成するLLMと違い、こうした判断を速く安く処理できるのが特徴だとされています^[11]。

使い方によっては、これは非常に合理的です。たとえばAIエージェントは、次のような判断を何度も繰り返します。

• 問い合わせをどの部署に回すのか
• どのツールを使うのか
• 取ってきた情報を採用するのか、もう一度検索するのか
• 人に確認を求めるのか

そのすべてに大きな生成AIを使う必要があるとは限りません。選択肢が決まっている判断はJevのようなモデルに任せ、文章を書く必要があるところだけLLMに渡す。判断するモデル、文章を生成するモデル、APIやプログラムで確定的に処理する部分を、役割に応じて組み合わせる設計は十分に考えられます。実際、Jevの解説でも、処理の振り分けや分類、スコアリング、検証といった用途が挙げられ、文章による説明が必要な場面では生成モデルを使うよう案内されています^[12]。

ただし、大事なのはJevを使うことそのものではありません。その処理にJevが必要なのか。普通のLLMで十分なのか。もっと小さなLLMでよいのか。ルールベースで処理できるのか。従来型の分類モデルで足りるのか。そもそも、その判断を自動化する価値があるのか。こうしたところから考える必要があります。

Jevは自由に文章を生成しないので、存在しない文章や項目を勝手に作ってしまうタイプのハルシネーションは構造的に起きにくくなっています。しかしそれは、判断そのものが常に正しいという意味ではありません。選択肢の中から間違ったものを選ぶこともありますし、間違った判断に高い確率を付けることもあり得ます。出力があらかじめ決めた型から外れないことと、判断が100％正しいことは別の話です。速度やコストの優位についても、今のところは同社自身の評価が中心だと指摘されています^[13]。

この違いを理解しないまま、「速い」「安い」「ハルシネーションしない」という言葉だけを見て導入するのであれば、AIを理解して使っているとは言いにくいと思います。

JevでSEO分析をしただけでは、価値のある分析になったとは限らない

たとえばJevを使って、大量の検索キーワードを、情報収集、比較検討、購入や申し込み、特定サイトへの移動といった検索意図に分類するとします。大量の検索語句を一定の基準で素早く仕分けるという用途だけで見れば、Jevの特徴と相性はよいかもしれません。

しかし「JevでSEOのキーワード分析をしました」という事実だけを成果と捉えてしまうと、本質を見失います。

SEOで知りたいのは、検索語句にラベルを付けることそのものではありません。その検索をしている人は何を求めているのか、その前後にどんな検索をしているのか、関連する検索語句がどんなまとまりを作っているのか、実際の検索結果にはどんなページが並んでいるのか、自社のどのページが評価されているのか、その検索が認知、比較、購入のどこにつながっているのか、流入したあとにどれくらいコンバージョンしているのか、事業としてどの検索需要を取りにいくべきなのか。こうした情報を行き来しながら判断する必要があります。

一つの検索語句に複数の意図が含まれていることもあります。「光回線 速度」という検索だけを見れば情報収集に見えても、その人が続けて「光回線 比較」「ドコモ光 速度」「光回線 おすすめ」と検索しているなら、比較や契約に向かう一連の行動の途中かもしれません。

反対に、モデルが検索意図を4種類に極めて高い精度で分類できたとしても、その4分類そのものが事業の意思決定に役立たなければ、大きな価値はありません。間違った問題を速く正確に解いても、価値のある分析にはならないのです。これはJevの問題ではなく、Jevをどこに使うかを設計する人の側の問題です。

Jevを使う前に考えておきたいこと

• 何のために分類するのか
• どの情報を判断材料として渡すのか
• 分類の枠組みそのものは適切か
• 曖昧なものや複数の意図を持つものをどう扱うのか
• どの程度の誤りまで許容するのか
• 信頼度が低いときにLLMや人に戻すのか
• 分類結果から最終的にどんな施策を決めるのか

そこまで考えて初めて、「この処理にはJevを使う価値がある」という技術選択になります。順番が逆なのだと思います。「Jevがあるから何かに使ってみよう」ではなく、「この問題を解くのに何が必要かを考えた結果、Jevが合っていた」であるべきです。

必要なのはAIの答えを受け取る力ではなく、答えを確かめながら一緒に考える力

これはJevだけの話ではありません。ChatGPTでもGeminiでもClaudeでも同じです。

生成AIに質問すると、きれいに整った文章で答えが返ってきます。検索や分析、コードの作成、データの処理までAIがこなすようになると、人は結果だけを見て済ませることもできてしまいます。ここで危ないのは、答えが出たことを、考えたことと勘違いしてしまうことです。

本来は、自分なりに問題の構造を考え、AIに仮説をぶつけ、別の可能性を出させ、前提を疑い、反論させ、一次情報と照らし合わせ、自分の専門知識や現場の情報と比べ、ロジックのおかしなところを見つけ、必要なら問いそのものを作り直す。そのうえで、自分が最も妥当だと思う判断にたどり着くという過程があるはずです。

AIはこの過程のほとんどを手伝ってくれます。しかし、この過程そのものを手放してしまうと、AIが賢くなるほど、自分では間違いに気づけなくなっていきます。

Jevが話題だからJevを使う。AEOが話題だからAEO対策をする。MCPが話題だからMCPを入れる。AIエージェントが話題だからエージェントを作る。これでは技術の名前が変わるたびに振り回されてしまいます。

必要なのは、新しい技術をむやみに否定することでも、すぐに飛びつくことでもありません。その技術が何を得意としていて、何を捨てることでその特徴を実現しているのか。自分たちの問題のどこに合うのか。既存のやり方より本当に優れているのか。システム全体として価値が増えるのか。それを判断できるだけの基礎知識を持つことです。

そして、その判断そのものにもAIを使えばいいのだと思います。たとえば次のように問いかけることができます。

• この技術を導入しない方がいいケースを挙げてください
• 既存の手法と比べてください
• この設計の前提を疑ってください
• この分析から出した結論が間違っている可能性を検討してください

理想は、人だけで考えることでも、AIだけに考えさせることでもありません。人が基礎知識と問題意識を持ち、AIと何度も考えを往復させながら、より妥当な答えを組み立てていくことです。何を採用して何を捨て、どこまでAIに任せるのかを最後に決めるのは人です。

だからこそ基礎知識を飛ばせない

「AIが教えてくれるのだから、基礎知識はもう要らない」という考え方には賛成できません。AIが強力になるほど、基礎知識は役割を変えながら残り続けると考えています。

マーケティングなら広告だけでなく、商品、価格、LP、営業、リピート、ブランドまで関わってきます。システム開発ならコードだけでなく、要件、UX、セキュリティ、保守、事業としての成り立ちまで関わります。AIが個別の答えを大量に出してくれても、それらをつないで全体を設計する知識がなければ成果にはなりません。

これらはAI以前から変わっていない問題

AIのハルシネーションは確かに問題です。ただ、間違った情報をもっともらしく示されるという問題自体は、AIの前からありました。

Web制作会社から「サイトが古いのでリニューアルしましょう」と言われる。広告代理店から「広告費を増やしましょう」と言われる。SEO会社から「記事数を増やしましょう」と言われる。コンサルタントから「御社の課題は認知度です」と言われる。それらが本当に根本原因を突き止めた提案だったとは限りません。

問題はサイトではなく商品だったかもしれません。アクセス数ではなく成約率だったかもしれませんし、認知度ではなく継続率、広告ではなく価格設計だったかもしれません。

人の専門家も間違えますし、営業上の理由から、自社が売れるサービスを解決策として提示することもあります。昔から依頼する側も、示された原因は本当に原因なのか、その解決策で本当に問題が解決するのかを判断する必要がありました。AIの時代になって、この原則が急に生まれたわけではありません。

むしろAIは依頼する側にも強力な武器になっている

一方で、以前と大きく違うこともあります。依頼する側も、AIを使って以前よりはるかに簡単に調べられるようになったことです。

SEO会社から提案を受けたなら、「この提案をGoogleの公式ドキュメントと照らし合わせてください」とAIに頼めます。システム会社から見積もりが出てきたら、「この構成が必要な理由と、もっと簡単な代わりの案を教えてください」と聞けます。コンサルタントから課題を示されたら、「この分析が間違っている可能性を5つ挙げてください」と反論させることもできます。

もちろん、そのAIの答えもあらためて確認する必要はあります。それでも、専門家の説明を確かめるための情報にアクセスするコストは、以前とは比べものにならないほど下がりました。

これは中小企業や個人にとって大きなチャンスです。AIは専門家の代わりをするだけの存在ではなく、専門家に仕事を頼む側の力を高めてくれる存在でもあります。

AIの民主化で、本当に能力の差は縮まるのか

AIについて「知識や技術が民主化された」という表現をよく見かけます。アクセスという意味ではその通りです。以前なら多くのお金や時間が必要だった能力に、ごく低いコストで手が届くようになりました。

ただ、アクセスの民主化と、成果の民主化は別物です。Excelは多くの人が使えますが、全員が高度な財務モデルを作れるわけではありません。インターネットはほぼすべての企業が使えますが、すべての企業がGoogleやAmazonになったわけでもありません。

AIも同じです。ただ一つ決定的に違うのは、AIのレバレッジが非常に大きいことです。同じ「AIを使っている」でも、その中身には大きな幅があります。

• 検索の代わりにAIを使う人、文章を少し直してもらう人
• 専門家の補佐として使う人、複数のAIを使い分ける人
• 自社のデータとつなぐ人、MCPやAPIで業務システムと接続する人
• AIエージェントに一連の業務を任せる組織
• 会社そのものをAI前提で設計し直す組織

AIは24時間動かせて、複製もでき、複数の処理を並行して進められます。一人の能力を少し底上げするだけでなく、組織そのものの処理能力を変える可能性があります。

一見するとAIは能力差を縮める技術に見えますが、長い目で見ると逆のことが起きる可能性も十分にあります。AIを深く理解して使いこなす人や組織と、少しだけ使う人、ほとんど使わない人との間に、これまで以上に大きな差が生まれるかもしれません。

AIを使えば勝てるのではなく、AIを理解しなければ競争のルールすら見えなくなる

中小企業や個人にチャンスがあることは間違いありません。以前なら資金や人手、専門家の不足で諦めていたことが、一人や少人数でも実行できるようになっています。

しかし「AIが大企業を倒してくれる」「ChatGPTを使えば大企業と同じことができる」「AIを使えば稼げる」という理解では、かえって危ないと思います。

AmazonにはAmazonの資産があり、GoogleにはGoogleの検索基盤があり、Shopifyには巨大なコマース基盤があります。そして彼ら自身もAIを使います。その一方で、UCP、ACP、MCP、AIエージェント、AI検索などによって、これまで彼らに有利だった競争のルールそのものが変わる可能性もあります。だからチャンスはあります。ただし、チャンスがあることと、その恩恵を自動的に受けられることは別の話です。

必要なのは、AIツールを一つ覚えることではありません。LLMとは何か。AI検索はどうやって情報を探しているのか。RAGやグラウンディングとは何か。AIエージェントとは何か。MCPは何をするものなのか。UCPやACPで販売はどう変わるのか。AEOが何を意味し、何を意味しないのか。そして、それが自分たちのお客さん、商品、業務、競争環境にどう影響するのか。

すべてをエンジニアのように理解する必要はありません。しかし全体像と基礎を押さえていなければ、「AI対策」「AEO対策」「AI導入支援」といった名前で出てくる施策が、本当に自社の課題を解決するものなのか判断できません。

これはSEOや広告の時代も同じでした。違うのは、今回の変化がマーケティングの一分野にとどまらず、調査、開発、販売、顧客対応、意思決定、組織運営まで横断していることです。影響の範囲がまるで違います。

AIと共生するために、何を任せて何を残すかを自分で決める

AIを使うことで、これまで人が覚えていたことや考えていたことの一部は、AIに任せるようになっていくでしょう。その結果、使わなくなる能力も出てくると思います。

それをすべて「退化」と呼ぶ必要はありません。電卓で浮いた時間でより高度な数学を扱えるようになったように、AIのおかげで単純な調査や作業から解放され、その時間を別の思考に使うこともできます。

問題は、何をAIに任せ、何を人の側に残すのかを、自分で決めているかどうかです。

作業をAIに任せることと、判断まで無条件に任せることは違います。AIを使わないことが正解なわけでも、AIに全部任せることが正解なわけでもありません。基礎知識や考える力という土台を持ったうえで、任せた方がいい部分は積極的に任せ、人が判断すべきところではAIの答えを材料の一つとして使う。

AIを恐れて距離を置くのでも、AIを万能だと思って依存するのでもなく、どこまで任せるのかを自分で決められる状態を作ることが大切なのだと思います。

いつかAIが私たちの能力を均等にしてくれる時代が来るのかもしれません。しかし今起きていることを見る限り、むしろ逆の可能性も考えておくべきです。

新しいモデルや規格の名前を知っていることよりも、それが何を解決する技術なのかを理解し、自分たちの問題に本当に必要なのかを疑い、AI自身とも議論しながら判断できることの方が大切です。

AIによって「できること」の上限が一気に上がったからこそ、何を知っているかだけでなく、何を問い、何を疑い、何をAIに任せ、得られたものをどう成果につなげるか。そこに、これまで以上に大きな差が生まれていくのではないでしょうか。

---