【イベントレポート】Shoptalk Spring 2026 最速レポート AI時代、小売の競争力はどこに生まれるのか？
「AIが商品を選ぶ」。その言葉が比喩ではなくなった。
2026年3月、米国・ラスベガスで開催された世界最大の小売テックカンファレンス Shoptalk Spring 2026。本報告会では、現地参加者によるファーストハンドのレポートと、Lazuliが提唱するAI-Readyフレームワークの解説、そしてプロダクトのライブデモをお届けしました。
本レポートでは、当日の主要な議論とインサイトをまとめてお伝えします。
01. 購買の主体が変わった
今回のShoptalkで最も鮮烈だったのは、「AIというチャネルが増えた」のではなく、「意思決定の構造そのものが変わった」 という認識の共有です。
AIエージェントは検索エンジンとは異なります。検索は「複数の選択肢を比較する場」でしたが、AIは「1〜2点を選んで推薦する」仕組みです。つまり、AIに選ばれなければ、顧客に届く機会すら存在しない。
「AIに選ばれるナンバーワンにならなければ、存在しないのと同じだ」
この問いを軸に、世界トップ企業の先進事例が語られました。
02. 先行企業が実践していること
Sephora × OpenAI｜接客をオフサービスへ
SephoraとOpenAIの連携は、エージェンティックコマースの現在地を象徴する事例です。ChatGPTとの会話の中でSephoraのビューティーアドバイザーが登場し、肌質や悩みをヒアリングしながら商品を提案、そのまま購買まで完結する。
企業の接客ノウハウをAIに教え込み、自社サイトの外でも「Sephoraらしい接客」が届く。これが「オフサービス型AIコマース」の先進事例です。
e.l.f. Beauty｜24四半期連続成長の理由
米国カラーコスメのユニットシェア1位、24四半期連続成長。その背景にあるのは、デジタルコミュニティの強さと、「AIに理解されるための商品データ整備」を1年前から始めていたという先行投資でした。
CEOのコープラ氏は語っています。「ブランドとしてその場に存在しなければ、存在しないのと一緒だ。」AIの推薦対象になるためには、まず商品情報の持ち方とコンテンツの作り方を変えることが必要であり、そのためには組織の変革が先決だと。
Stitch Fix｜文脈で精度を上げる
Stitch Fixは、CDPによる顧客データと商品タグを掛け合わせることで、マッチング精度を高め続けています。顧客の好み・体型・予算・過去の反応・スタイリストとのやり取り——これらすべてが「文脈データ」として機能し、AIの推薦精度を向上させています。
03. AIが参照する「文脈」の正体
AIは何を参照して商品を選ぶのか。Shoptalkで浮かび上がったのは、**スペックや価格ではなく「人の経験・意見・本音」**が意思決定の材料になるという事実です。
RedditのCEOは、「インターネットは情報から意見へと移行している」と語りました。AIがRedditを参照する頻度が高いのは、そこに構造化された「生の声」があるからです。
ブランドにとっての示唆は明確です。消費者のリアルな声を集め、編集し、文脈として設計すること。それ自体が、AI時代のブランド資産になります。
04. オムニチャネルは「統合」から「意味統合」へ
「チャネルをつなぐ」時代から、「顧客の文脈をつなぐ」時代へ。
Home Depotは、AIアシスタント「Magic Apron」によって、複数回の来店・複数商品にまたがる「プロジェクト単位」の購買体験を実現しています。CEOが「ホームデポはプロジェクト型の小売店だ」と語ったように、商品ではなく課題解決を軸に据えた設計です。
Wayfairは、実店舗を開設した後にNPSスコアが大幅に上昇。ECが軸であっても、「信頼と確認の場」としての店舗が持つ力を証明しました。
一方、AIを導入したにもかかわらず苦戦しているMacy'sの事例は、重要な教訓を示しています。AIは入れた。しかし、その根底にある商品データが文脈を持っていなかった。クーポン施策への依存が続き、売上低迷も継続。「AIを入れること」と「AIに選ばれる状態をつくること」は、まったく別の話です。
企業 | AI-Readyな取り組み |
|---|---|
The Home Depot | 「Magic Apron」でプロジェクト単位の提案・購買を支援。商品ではなく課題解決が軸。 |
Lowe's | 「MyLowe's」でAIによる動画付き手順＋商品提案。従業員向けAIコンパニオンも展開。 |
Wayfair | 実店舗開設後にNPS急上昇。AIスタイリストでコーディネート→ARシミュレーション→購買まで完結。 |
Walmart | Store of the Future：文脈編集された売り場。VIZIO買収で視聴→購買データを一気通貫で取得。 |
Macy's | Ask Macy's 導入も文脈データ不足で機能不全。クーポン依存が続き、売上低迷継続。 |
05. AI-Readyとは何か——Lazuliの5ステップ
Lazuliは、エージェンティックコマース時代に「AIに理解され、推薦される状態」を AI-Ready と定義し、5つのステップで整理しています。
ステップ | 内容 | ポイント |
|---|---|---|
Reality | 現実のデータを集める | 商品データ・POS・レビュー・店頭会話 |
Structure | データを整える | SKU統合・属性整理・欠損補完 |
Meaning | 意味をつくる | スペック → 文脈へ変換（「軽量」→「長時間歩いても疲れない」） |
Delivery | AIに届く形にする | 構造化データ・FAQ・会話型コンテンツ |
Learning | 学習し続ける | AI検索結果・CVR・顧客行動から改善 |
核心は Meaning（意味）のステップです。「300gの靴」はスペックですが、「長時間歩いても疲れない靴」は文脈です。AIは意味で選ぶ。だからこそ、商品データを文脈として設計し直すことが、次の競争力になります。
06. プロダクトデモ——AI-Readyを技術で実装する
当日後半では、LazuliのプロダクトによるライブデモをPM・池が実演しました。
シナリオは「メーカーからPDFカタログを受領し、自社の商品マスターへ変換する」という実務に直結したプロセス。5つのステップで、AIが理解できるデータをどう生み出すかを可視化しました。
①データ抽出：PDF・CSV・Excel等から自動で構造化データを生成
②データ正規化：全角・半角統一、余白・誤字補正など、ノイズを除去
③カテゴリー推定：AIが商品特性から自動カテゴライズ
④スキーママッピング：出力スキーマへ動的変換、欠損項目を自動補完
⑤エンリッチング＋バリデーション：AEOキーワードを自動生成し、NG表現・必須項目をチェック
ステップ①〜③はすでに実用レベルで稼働。④⑤についてはコンサルティングで補完しながら対応しています。
まとめ——今、問われていること
今回の報告会を通じて浮かび上がったのは、一つのシンプルな問いです。
「あなたの商品データは、AIに読めますか？」
情報量ではなく、構造と文脈。スペックではなく、意味。チャネル統合ではなく、意味統合。
日本企業の多くは、まだAIの効率化フェーズにいます。しかし、情報インフラを整えないままAIを導入しても、できあがるのは「チープなAI」でしかない——奥谷氏の言葉は、そのまま警鐘として受け取るべきです。
エージェンティックコマースの時代は、すでに始まっています。AI-Readyな状態を今から設計することが、次の3〜5年の競争力を決定づけます。
Lazuliは、商品情報とAIの力で、企業のAI-Readyな状態づくりをご支援します。
プロダクトへのご興味・ご相談は、お気軽にお問い合わせください。