主体性のあるコマースを支える4つの層

生成AIは依然として主に研究と検討の段階にあり、最終的なクリックは少なくとも現時点では従来型のサイトで発生し、機械ではなく人間によるものである。  

しかし、公の議論の大半が依然として消費者向けショッピングアシスタントに焦点を当てている一方で、エージェントが大規模に検索・交渉・決済支援を可能にするインフラの変革は既に稼働している。特にB2Bフローにおいては、同意と責任の所在が明確であるため、その傾向が顕著である。  

初期の実証実験から、eコマースは急速にマルチエージェント・エコシステムへと進化していることが明らかになった。このエコシステムでは、パブリックエージェント、マーチャントエージェント、決済サービスプロバイダー（PSP）エージェント、カードネットワークエージェントがリアルタイムで交渉・取引を行う。このインフラストラクチャ内の各層は異なる役割と制御ポイントを有しており、それらを理解することが、エージェント型コマースの拡大に伴い、マーチャントの競争優位性を決定づけることになる。  

レイヤー1 - 消費者向けAIプラットフォーム：発見の新たな門番

2025年末までに、ChatGPTやPerplexityなどの公共AIプラットフォームは主要な発見チャネルとなり、消費者がどの店舗を訪れるかにますます影響を与えるようになった。  

2025年9月29日、 マスターカードの「Agent Pay」がChatGPT上で サービスを開始し、米国のカード保有者がチャットインターフェース内で直接購入を完了できるようになりました。一方、OpenAI はShopify と提携し 、 100万以上の加盟店をChatGPTの対話フロー を通じて検索可能かつ購入可能にしました。  

人間とは異なり、AIエージェントは視覚的階層を意味ある形でスクロールしたり解釈したりしない。ChatGPT、Perplexity、Claude、Geminiなどは、フィード、API、schema.orgマークアップから構造化されたデータを抽出する。  

商人ブランドのチームがあらゆる努力を払っても、ホームページやバナー、UXフローはエージェントにとってほとんど意味を持たない。

代わりに、エージェントは商品を属性、価格、在庫状況、ポリシーといったテーブルの行として評価し、複数の販売者間で解析・比較できる。  

商品フィードの属性カバレッジがほぼ完全（95%以上）な販売者は、属性情報が不足しているカタログと比較して、AIレコメンデーションでの露出率が高い傾向にあります。一方、配送期間・サイズ・返品ポリシーなどのデータが欠落している商品は、エージェントによって頻繁にスキップされます。  

エージェント型コマースにおける販売者の可視性を最大化するベストプラクティス：

1. フィードとschema.orgの製品マークアップを通じて、完全かつ構造化された製品データを公開し、エージェントがカタログを確実に解釈できるようにする。  
2. カタログ構造を、内部の商品管理ロジックだけでなく、自然言語クエリ（「200ポンド以下の防水ハイキングブーツで金曜日までに配達可能」）に合わせて調整する。
3. リアルタイムでの在庫と価格の同期を維持してください。エージェントは古いデータや不正確なデータを罰し、在庫状況や配送約束を日常的に誤って表示する販売者を迅速にランクダウンさせます。
4. エージェント対応のチェックアウトAPIを提供するか、新たなエージェント型コマース標準を採用し、脆弱なHTMLスクレイピングを回避する。
5. 信頼できるエージェントをホワイトリストに登録しつつ、不正防止対策を継続し、有益な自動化と悪用ボットを区別する。

エージェント型コマースが拡大するにつれ、人間の説得力（だけ）ではなく機械可読データを最適化する事業者が、エージェント主導の発見を支配するようになる。一方、ページビューのみを追求する事業者は、存在感を見失うリスクに直面する可能性がある。

レイヤー2 - マーチャントエージェント：可視化から 成果の所有へ

公開エージェント向けの最適化をすべて実施したとしても、可視性は確保できても、ブランド体験や取引結果、メッセージの消費者への伝達方法に対する制御は依然として得られません。最近の業界調査によれば、大半の大手小売業者は3年以内にエージェント決済が主流になると予測しているものの、大規模運用時にエージェント主導の購入、購入後の変更、返金といった処理を自社システムがどう扱うかについて、多くの企業がまだ定義できていません。

ここで特注の商社エージェントが活躍する場面となる。  

公共エージェントが「120ポンドのランニングシューズを火曜日までに配送」といった要求を持って到着すると、マーチャントエージェントがその意図を解釈し、マーチャントのカタログと物流にマッピングし、そのマーチャントが提供できる最良のオファーを組み立てる。 リアルタイムの在庫制約を管理し、納期を満たす配送・フルフィルメントオプションを選択し、商品やトレードオフの提示方法においてブランドの声（ブランドイメージ）を維持します。ページをスクレイピングして推測するだけのパブリックエージェントに任せるのではなく、マーチャントエージェントは能動的な交渉相手となり、バンドルを調整したり、プロモーションを適用したり、完全一致が存在しない場合に代替案を提案したりできます。  

時間の経過とともに、マーチャントエージェントはPSPやスキームへのデフォルトのインターフェースとなる可能性が高い。彼らはリアルタイムの在庫状況、価格設定、リスクシグナルを可視化し、インフラストラクチャの他の層がそれらを最適化できるようにする。このモデルでは、パブリックまたはブローカーエージェントが複数のマーチャントを横断的に調整し、各マーチャントエージェントは自社のビジネスにおけるコンバージョン率、マージン、顧客体験の最大化に注力する。  

主体的な商取引において、未来は単に発見されるのを待つのではなく、取引を 積極的に形成し 結果を掌握するエージェントを構築した商人たちのものとなる。

レイヤー3 - 決済エージェント：運用インテリジェンスセンター  

Agents within PSPs and global payment platforms like Nuvei increasingly handle the operational intelligence that turns intent into money movement at scale. They own fraud detection, routing optimization, authorization performance, dispute management, reconciliation, treasury decisions, and compliance enforcement across thousands of merchants and millions of transactions. As these control points converge in agentic commerce, the intelligence payment platforms will generate can compound across the entire value chain.  

A payment agent can operate within one of the following control points:

• Checkout and funding. Determining whether a transaction should be approved, which funding source to use, and which fraud signals to apply in real time. Intelligence here means learning new patterns of agent behavior and adapting as agents evolve. ‍
• Authorization and routing. Deciding whether to send a transaction through 3D Secure, which acquirer or route to choose based on live performance, and whether to bid dynamically on fees and routing paths. Recent case studies show that AI‑driven routing and risk optimization can reduce fraud losses by more than half and lift approval rates enough to deliver high‑single‑digit revenue uplifts for some merchants, especially in cross‑border and higher‑risk segments. ‍
• Post‑payment controls. Optimizing chargeback evidence, fund release timing, and liquidity management, with decisions that compound across thousands of transactions per day.

PSPs and payment platforms with globally distributed data, multi‑acquirer global setups, and embedded AI decisioning will be better positioned to train agent‑aware models across geographies and use cases.

The intelligence received from such PSPs can become a shared asset for merchants who want to benefit from agentic commerce without building every capability themselves and the entire infrastructure powering agentic commerce.  

Layer Four - Scheme Agents: Encoding trust and standards

Card networks are evolving beyond passive payment rails into intelligent orchestration layers that differentiate agents from human transactions and apply context‑specific security models.  

For example, in October 2025, Visa unveiled its Trusted Agent Protocol (TAP) - developed with Cloudflare - to provide cryptographic verification for AI agents during browsing and checkout. With it, merchants and PSPs can distinguish trusted agents from malicious automation with minimal changes to their infrastructure.

Meanwhile, Mastercard is working with partners including Microsoft, IBM, and Google to scale agentic commerce globally, and has announced plans to expand Agent Pay across Latin America.  

Scheme agents are beginning to detect and classify “agent-present” transactions via: ‍

• ‍Trusted Agent Protocol (Visa): Cryptographic signatures verify agent identity during browsing ‍
• Agent Pay (Mastercard): Special credentials prove "I'm ChatGPT acting for Alex B"

Scheme agents spot agent traffic through cloud IPs, automation fingerprints, and protocol flags. These distinguish legitimate agents from humans and malicious bots, then apply agent-specific rules such as lower friction for trusted agents, tighter scrutiny for unknown ones. They also coordinate authentication by preserving agent identity signals through the PSP → issuer → settlement flow.  

What remains undeveloped is broad, interoperable adoption of these standards, as well as clear liability rules that define what happens when an authorized agent makes a harmful decision on behalf of a consumer – or a business.  

As agentic commerce scales, scheme agents will increasingly be responsible for coordinating authentication, applying context‑aware fraud models, and enforcing emerging “agent‑present” categories that sit alongside today’s card‑present and card‑not‑present distinctions.  

At the same time, schemes are exploring how card network protocols (such as TAP and Agent Pay) could extend toward APM interoperability.  

Is your payment infrastructure ready for agentic commerce?

Industry surveys suggest that close to 60% of banks and large corporations expect agentic payments to be mainstream within the next three years, with early adoption clustering around recurring billing and B2B purchasing flows.  

It is likely only a matter of time before these patterns extends more broadly into B2C, particularly for repeat and low-risk purchases. eCommerce is evolving into a multi-agent ecosystem, where human intent is increasingly expressed indirectly rather than through clicks.

For merchants, the question is less whether agents are coming and more whether their infrastructure will be ready when agents become a primary interface for purchase.

‍[1] https://www.trade.gov/country-commercial-guides/japan-ecommerce-0 [2] https://www.nuvei.com/jp/posts/nuvei-launches-in-japan. [3] https://www.researchandmarkets.com/reports/5987254/japan-online-retail-forecast-28

Asaf Ben Gal is Director of AI & Analytics at Nuvei, leading the company’s AI strategy and applied machine learning initiatives to turn advanced technologies into measurable business impact.