楽天「AI店長」の成否は商品データが決める — 機械学習エンジニアの視点で読む

楽天グループ株式会社 (以下、楽天) は8月5日、自社最大級のイベント「Rakuten AI Optimism」で、楽天市場の接客 AI「AI店長」の開発を発表しました。

本稿は発表から 10 日目にあたる8月14日時点の公開情報を整理し、EC の検索・推薦エンジンを開発する機械学習エンジニアの視点で、AI店長の設計を読み解きます。先に結論を述べると、AI店長の応答の品質を規定するのは、モデルの性能ではなく各店舗が持つ商品データの質だと筆者は考えます。

「AI店長」とは何か: 発表 10 日目の事実整理

楽天は8月5日から7日の3日間にかけて、パシフィコ横浜で「Rakuten AI Optimism」を開催しました。初日の基調講演で三木谷浩史会長兼社長が明らかにしたのが「AI店長」です。

日本ネット経済新聞の報道によれば、各店舗の店長やスタッフの知識・接客スタイルを学習した AI が、24 時間 365 日、商品相談への応答、商品の比較やレビューの紹介、注文手続きの支援までを担う構想です。

三木谷氏は基調講演で次のように説明しました。引用は、8月21日まで公開されている公式アーカイブ配信からの書き起こしです。

当然最終的には本当のリアルな人がやるのがベストなんですけども、現実的には24時間365日、何万という処理はできないということを考えていくと、その人のペルソナを読み込んだ上でですね『AI店長』を各店舗が持つ、ということをやっていきたい

基調講演ではスキンケア商品の接客デモが披露されました。デモに登場した AI店長には、三木谷氏が命名した仮称「イチコ」(楽天市場の「市」に由来) が付けられています。

一方、ネットショップ担当者フォーラムの展示レポートによれば、会場の展示エリアでは「マーチャントAI」という名称で、アバターのないテキストチャットベースのデモが紹介されています。「店長のアバター化」という構想と現段階の実装には、まだ距離がある点は押さえておくべきです。

提供時期については、楽天が8月10日の2026年度第2四半期決算説明会資料で「本機能は、年内のローンチを予定しています」と明記しています。DIGIDAY は「年内に一部店舗でテストを始める予定」と報じています。

AI店長は単独の施策ではありません。70 を超えるグループサービスを AI で横断する「スーパーエージェント」構想の、楽天市場側の要素として提示されています。

「AI店長」発表からの動き(2026年8月)

• 8月5日「Rakuten AI Optimism」基調講演で発表三木谷氏がスキンケア商品の接客デモを披露。AI店長の仮称は「イチコ」
• 8月5〜7日会場展示の名称は「マーチャントAI」アバターのないテキストチャットベースのデモを紹介
• 8月10日決算説明会資料に「年内のローンチを予定」と明記
• 年内一部店舗でテスト開始の予定DIGIDAY 報道より

出典: 楽天グループ 2026年度第2四半期決算説明会資料・各社報道(本文の出典リスト参照)/ 画像: Rakuten AI Optimism 公式サイト

すでに動いている Rakuten AI と公表数値

AI店長は構想段階ですが、楽天市場では AI 機能が既に稼働しており、効果の数値も公表されています。会話型アシスタント「AIコンシェルジュ」は 2025年12月に提供が始まり、1月5日には楽天市場のスマートフォンアプリへの搭載も発表されています。

決算説明会資料によれば、5月1日〜25日の測定では、従来の検索経由との比較で購入までにかかる時間が約 41% 短縮され、平均注文単価は 17% 上昇しています。

なお測定期間の異なる公表値として、1月3日〜22日の調査では平均注文額が約 41% 向上したと日経クロストレンドは報じています。効果量が測定時期で大きく変わっており、この種の数値は測定条件とセットで読む必要があります。

これらの数値は A/B テストの結果ではなく、経由別の比較です。AIコンシェルジュはギフトのように欲しい商品が曖昧な場面で使われやすいと報じられており、利用場面の偏りが数値に含まれている可能性があります。

一方、検索機能では A/B テストの結果が出ています。決算説明会資料によれば、楽天は独自の言語モデル「Rakuten Language Model」の小型モデルを全検索クエリに適用し、購入意図を判別しています。

型番検索なら購入意思決定段階とみなして完全一致に絞り、「夏休みのギフト」のような用途検索なら探索段階とみなして提案を広げる設計です。

6月23日〜30日の A/B テストでは注文数 +0.52%、流通総額 (GMS) +0.87% で、年換算で約 128 億円の押し上げに相当すると推定されています。1% 未満の改善は地味に見えますが、こちらは A/B テストで測った因果効果であり、先の 17% とは数値の性格が異なります。

公表されている楽天市場の AI 機能の効果

AIコンシェルジュ経由
購入までの時間

-41%

5月1日〜25日測定
従来の検索経由との比較

AIコンシェルジュ経由
平均注文単価

+17%

同上(経由別の比較)

検索 AI(A/B テスト)
流通総額(GMS)

+0.87%

年換算で約 128 億円の
押し上げに相当(推定)

※ 左2つは経由別比較のため利用場面の偏りを含みうる。右は A/B テストで測った因果効果で、数値の性格が異なる(本文参照)

出典: 楽天グループ 2026年度第2四半期決算説明会資料 / ロゴ: 楽天グループ公式サイト

紛らわしい点がひとつあります。サービス名の「Rakuten AI」と、楽天が開発する大規模言語モデル (LLM) の「Rakuten AI」(7B / 2.0 / 2.0 mini / 3.0) は別物です。後者のモデル群は楽天の公式アカウントから Hugging Face で公開されており、モデルの実物を誰でも確認できます。

Business Insider Japan は、取材時点で楽天市場の Rakuten AI の機能に言語モデルとしての Rakuten AI は使われておらず、AIコンシェルジュは OpenAI の技術も活用していると報じています。AI店長がどのモデルを使うかは公表されていません。

技術的含意: 接客 AI の品質は商品データが規定する

ここからが本稿の中心です。土台となる事実は 2 つあります。

第一に、DIGIDAY は AI店長の学習源について「各商品の詳細情報だけでなく、店舗が制作したコンテンツページや、過去の問い合わせ内容などを学習する」と報じています。決算説明会資料でも、AI店長は「店長の人柄や店舗の特徴、商品の特性を深く理解した」ものと説明されています。

第二に、三木谷氏自身が基調講演後のセッション「AI時代の勝ち筋」で、店舗が準備すべきことを問われて次のように答えたと ECのミカタは伝えています。

商品説明においては、『なぜ、この商品を買うべきなのか』という説明や"うんちく"の充実も重要だと思う。(中略) 商品ページにおいて、基本情報だけではなく、各店舗の思いが表現できているかどうかが、『AI店長』にとっては重要なファクターになってくる。その商品ページに何が書かれているのかによって、店舗ごとに『AI店長』の答えが変わってくる

設計の推定: 店舗ごとの学習ではなく、店舗データの参照

「商品ページを書き換えれば答えが変わる」という説明は、店舗ごとにモデルを学習し直す構成ではなく、店舗のデータを検索して応答の根拠に使う RAG (Retrieval-Augmented Generation) に近い挙動と読めます。

楽天市場の出店店舗は5 万を超えており、店舗ごとに個別で学習・運用する構成はコスト面で現実的ではありません。ただし楽天は実装方式を公表しておらず、fine-tuning を併用する可能性は残ります。

この推定が正しければ、LLM の性能が同じでも、根拠となる商品データが薄い店舗では応答が汎用的になるか、根拠のない生成 (ハルシネーション) のリスクが増えます。

三木谷氏が同じ回答の中で「誤った答えをしないためのアルゴリズムの開発」に言及していることは、楽天自身がこのリスクを認識している傍証と読めます。

では「商品データの質」とは何でしょうか。検索・推薦エンジンの開発では、商品データを「システムのどの処理に使われるか」で区別します。同じ観点で接客 AI への入力を分解すると、次の 3 層になります。

• 構造化属性 (サイズ・成分・型番・対応機種など)比較や絞り込みに対する応答の正確性を左右する
• 自由記述 (商品説明・「うんちく」・店舗の知見)応答の個性と説得力を左右する。三木谷氏の発言が指すのはこの箇所
• レビュー・Q&A・問い合わせ履歴用途や購入前の懸念に答える材料になる

発表されたデモの流れも、この分解と符合します。DIGIDAY によれば、デモの AI店長は「とにかくベタベタするのが苦手。さっぱり使いたい」という曖昧な相談に、商品の特徴で絞り込みを提案しました。

続けて「口コミはどんな感じ？」と問われると、レビューと利用者の声を示しています。2 層目と 3 層目が応答の材料になることの実例と読めます。

この分解は外形的にも確認できます。楽天が社外開発者向けに公開している Rakuten Web Service の 楽天商品検索API と 楽天属性検索API の出力仕様を、本稿の 3 層に対応付けると次の通りです。

• 構造化属性genreId (ジャンル)、itemPrice (価格)。ジャンル別の属性体系は楽天属性検索API で取得できる
• 自由記述itemName (商品名)、catchcopy (キャッチコピー)、itemCaption (商品説明文)
• レビュー・Q&A・問い合わせ履歴reviewCount (レビュー件数)、reviewAverage (レビュー平均)。Q&A・問い合わせ履歴は公開 API には現れない

Q&A・問い合わせ履歴が公開 API に現れないことは、公開 API が、店舗の持つデータのうち消費者向けに公開されている範囲を切り出したものにすぎないことの表れでもあります。したがって、公開仕様で確認できるのは、構造化属性・自由記述の 2 層と、レビューが存在すること (件数・平均) までです。

また、公開 API にこれらのフィールドがあることは、AI店長がそれを参照することの証拠ではありません。Q&A や問い合わせ履歴を含む 3 層目の全体像は、報道に基づく推定です。

「うんちく」の技術的な意味もここから導けます。検索エンジンの時代、商品ページの自由記述はキーワードマッチの対象であり、キーワードの詰め込みが最適化として機能する余地がありました。

接客 AI の時代には、自由記述は AI が応答する際の根拠となるテキストになります。「なぜこの商品を買うべきか」の理由・比較軸・文脈が書かれていなければ、AI が引用できる店舗固有の根拠は減り、応答は汎用的な説明になりやすくなります。

三木谷氏の「うんちく」発言は、店舗の思いを大切にせよという情緒論ではなく、応答の根拠付け (グラウンディング) の観点から技術的に合理的な要請だ、というのが本稿の中心的な主張です。

出店者に起きること: 「AI に読まれる」商品情報の整備

前節の推論が正しければ、出店者が商品ページの運用で行う作業も変わります。検索エンジン時代の SEO に相当する「AI に読まれるための商品情報の整備」が新しい業務になります。最適化の対象が、検索ランキングから「AI が引用できる根拠情報」へ移る点が違いです。

以下は楽天が公式に推奨した項目ではなく本稿の推論ですが、前節の 3 層に対応させると次の通りです。

• 構造化属性を埋めるジャンルごとの属性体系に沿った正確な入力は、AI店長が比較や絞り込みに答えるときの土台になる
• 「なぜこの商品か」を説明する自由記述を拡充する比較軸・利用シーン・店舗の知見を言葉にする
• 問い合わせやレビューへの応答を蓄積する過去の問い合わせ内容は学習源になると報じられている

なお、店舗側の AI 活用には既に実績が出はじめています。7月7日の楽天市場の記者説明会では、ギフトショップ「プチギフト momo-fuku (百福)」が問い合わせ対応を 1 件あたり 10 分から 1〜3 分に短縮し、月間 67 時間の対応を 20 時間に減らした事例が紹介されました。

これは受動的な問い合わせ対応の効率化であり、能動的に販売まで担う AI店長とは段階が異なりますが、店舗が AI に業務を委ねる土壌は既に作られつつあります。

国内エージェンティックコマースの現在地

最後に、エージェンティックコマース (Agentic Commerce: AI エージェントが商品の探索から購買までを代行・支援する商取引) の構図の中に AI店長を置いてみます。

楽天は、買い手側のエージェント (AIコンシェルジュ、スーパーエージェント構想) と売り手側のエージェント (AI店長) の両方を、自社プラットフォーム内で開発しています。

AI店長も Rakuten AI もプラットフォーム内製のエージェントであり、OpenAI と Stripe が主導する ACP (Agentic Commerce Protocol) や Google・Shopify が主導する UCP (Universal Commerce Protocol) のような、外部エージェントとの相互運用の取り決めとはレイヤーが異なります。

これらのプロトコルに対応するかどうかを楽天が公式に表明した事実は、本稿の執筆日である8月14日時点で確認できません。

国内では対照的な動きもあります。Yahoo!ショッピングは5月21日に「Apps in ChatGPT」への対応を、メルカリは6月23日に同機能での公式アプリの提供を始めており、外部の汎用 AI を販売チャネルとして受け入れる方向です。

国内 EC 大手の AI 対応 — 2つの路線

プラットフォーム内製 — 楽天市場買い手側 (AIコンシェルジュ) と売り手側 (AI店長) を自社プラットフォーム内で開発。ACP / UCP への対応表明は8月14日時点で確認できない

外部の汎用 AI と接続 — Yahoo!ショッピング・メルカリ「Apps in ChatGPT」に対応 (5月21日 / 6月23日)。外部の汎用 AI を販売チャネルとして受け入れる

※ 米中の先行事例 (Taobao / Tmall・Amazon) はいずれも内製路線。楽天も商品データ参照の公開 API (Rakuten Web Service) は従来から提供しており、単純な「閉鎖」ではない (本文参照)

出典: 各社発表・報道(本文の出典リスト参照)/ ロゴ: 各社公式サイト

ただし楽天を「閉鎖的」と単純化するのは正確ではありません。商品データの参照については、楽天は Rakuten Web Service という公開 API を以前から提供しています。

楽天市場の髙間執行役員も汎用 AI からの流入を「チャンスであり、入口として活用したい」と述べており、開くか閉じるかは取引レイヤーの設計次第という段階です。

EC モールが内製する接客 AI には、米中で先行事例があります。Alibaba の Taobao / Tmall は、買い手側の AI アシスタント「Taobao Wenwen」に加え、売り手側には接客チャットボットを含む AI ツール群を 2024 年初頭から全店舗に開放しています。

同年半ばには、24 時間対応の接客チャットボット「Ali Xiaomi」も無償で利用できるようになっています。

Amazon も買い手側の Rufus を「Alexa for Shopping」に統合し、売り手側にはコードネーム「Project Amelia」として発表した生成 AI アシスタントを展開しています。

両者と比べたとき、店長個人のペルソナや接客スタイルの再現を前面に出す楽天の打ち出し方は特徴的です。「楽天市場は自動販売機ではない」という三木谷氏の言葉どおり、店舗の個性を AI 時代にどう残すかという問いへの、楽天なりの回答と位置付けられます。

どの型のエージェンティックコマースでも、売り手が整備した商品データが応答と取引の根拠になる構造は変わりません。AI店長の正式リリースを待たずに出店者が今日から着手できるのは、商品データの整備です。

そしてこれは楽天市場に限らず、あらゆる EC プラットフォームで同じことが言えるはずです。AI店長のテストが始まったら、実測での検証を検討したいと考えています。

執筆後記WRITER'S NOTE

AI店長は、出店店舗を挟む B2B2C という楽天市場の特性を踏まえた、エージェンティックコマースへの楽天なりの回答だという印象を抱きました。

かつて Web 広告業界で RTB (Real-Time Bidding) の DSP (Demand-Side Platform) に携わった経験がある者としては、広告分野でも大きなプレイヤーである楽天 (Rakuten Marketing Platform) にとって、AI店長や Rakuten AI が「メディアとしての楽天」の方向性に影響を与えるのかも気になっています。

AI店長の設計の詳細を考察するには、店舗側のデータを管理する Rakuten Merchant Server (RMS) の仕様を理解する必要がありましたが、その仕様は本文で触れた公開 API とは異なり一般公開されておらず、不明点が多いのは心残りでした。その分だけ、想像を働かせる要素の多い執筆でした。

豊田 達也 — 全記事に執筆後記を掲載しています(編集方針)