買い手のAIエージェント化に企業はどう備えるか

「買い手側のAIエージェント」とは、買い手企業に代わってベンダーの調査・比較・スコアリングを代行するAIのことである。人間の購買担当者が営業に会うより前に、この人間ではない"選定者"が購買候補の絞り込みを始めている。

こう聞くと、「AIエージェントに対応する」という新しい仕事が増えたように見える。しかし結論から言えば、新しい仕事は要らない。AIエージェントが読み取れるのは、企業が公開している情報だけだ。したがって備えの中身は、自社情報の整備に尽きる。具体的には、①決裁者・現場担当者など相手の役割ごとに必要な情報を用意する、②価格や導入効果を数値で示す、③製品・価格などの情報の最新版を一箇所にまとめて管理する――の3つだ。

この3つは、AIエージェントの登場よりずっと前から必要だった。BtoBの購買はもともと、複数の部門・役職の関係者（購買グループ）が関わって進む。相手ごとに情報を出し分け、根拠を数字で示し、最新の情報を一箇所に揃えておくことは、購買グループに応えるために本来必要な整備だった。それが進んでこなかったのは、営業・マーケティングなど部門をまたぐ合意形成が難しかったからだ。つまり、「エージェント対応」の名目で新しい予算を取る話ではない。これまで後回しにしてきた情報整備を、今こそ進める――本記事の主張はこれに尽きる。

「買い手がAIで選定する」と言われても、まだ実感は薄いかもしれない。しかしこの先で見ていくように、買い手の行動変化はすでに調査データに表れており、AIエージェントが使う技術的な仕組みも、一部はすでに稼働している。

日本の買い手も、営業に会う前に終わらせている

ワンマーケティング『2025年度版BtoB購買プロセス白書』（自社調べ・n=600）によれば、営業との初回面談時点で85.4%の購買担当者が候補を絞り込み済みだった（ほぼ決定29.2%＋数社に絞り込み56.2%／n=96）。2020年調査の79%から、前倒しがさらに進んでいる。

初認知の経路で最大なのは検索エンジンで28.7%。AI検索・生成AIはすでに8.8%に達し、専門誌7.2%・展示会6.8%を上回った。中価格帯（300万〜1,000万円）の商材ではAI検索の比率が21.7%まで伸び、既存取引先からの提案13.3%を超えている（n=83）。

情報源は増える一方で、減らない。増えている情報源の最大は企業サイトで19.7%、減っている情報源は最大でも8.3%にとどまる。実際に減っているのはDMと電話による売り込みだけで、買い手が能動的に取りに行く情報源はすべて増えている。

同様の傾向は海外でも確認されている。6senseが世界の約4,000名のB2Bバイヤーを対象に調査したところ、購買サイクルは2024年の11.3ヶ月から2025年には10.1ヶ月へ短縮し、最初の接触タイミングも購買プロセス全体の69%地点から61%地点まで前倒しになった。事前に本命を決めていたベンダーが、そのまま受注する確率は約80%にのぼる。6sense自身、公式ブログでこう表現している。「ほとんどの営業担当者が最初の接触をする頃には、購買グループはすでにベンダーを絞り込み、競合コンテンツを消化し、意見を固めてしまっている」

その「絞り込み」の一部を、AIエージェントが代行し始めている

Forresterは2026年を「GTM singularity」と名付けた。AIエージェントが、マーケティングと営業の発見・適格化・調査機能を代行できるほど成熟した転換点、という意味だ。同社の調査では、B2B組織の88%がすでにAIエージェントを導入済み、または導入を計画している（Forrester「State Of Customer Obsession Survey, 2025」）。

Forresterのリサーチディレクター、Dave Frankland氏はこう述べる。「GTM singularityは、B2Bリーダーにとっての警鐘だ。マーケティング・営業・提供のあり方そのものを、根本から再考せざるを得なくなる」。実際、2026年には売り手の20%がAIエージェント主導の価格交渉への対応を迫られると、Forresterは予測している。

もっとも、動きが均一に進んでいるわけではない。Deloitteの調査（米国のB2B供給者・買い手計1,000名超、2026年1月発表）では、買い手の約4割がすでにエージェント型AIを購買に活用している一方、供給者側で真に自律的なエージェント型AIまで踏み込んでいるのはわずか24%だった。

日本の供給者側は、さらに手前で止まっている。ワンマーケティング『レベニューオペレーション調査レポート2026』（自社調べ・N=400）では、マーケティング組織の成熟度は40問平均で2.40/4.00にとどまり、最上位の「先進レベル」に達した企業は7.5%。中でも弱いのが「リードステージの定義」と「マーケ・営業の目標共有」であり、多くの企業はAIエージェント対応の前提となる定義と目標の統一の時点で止まっている。

先行して動くことの意味は、単に早く始めて得をするという話ではない。買い手側のAIエージェントが参照できるデータが少ない業界ほど、先に構造化データを公開した企業が、比較のたびに優先的に候補へ挙げられやすくなる。空白地帯を先に埋めた者が、しばらくの間その位置を占め続けるということだ。

この変化への対応とは、自社の情報を人間の読者だけでなく、買い手側のAIエージェントが正確に理解・評価できる形で構造化し、提供することである。 LLMOが「生成AIの回答に引用されるための対策」であるのに対し、こちらは「買い手の購買判断そのものに使われるための対策」だ。狙う相手も、判断の重みも異なる。

つまり、AIエージェントにとって最適な情報を用意する必要がある

「AIエージェントにも配慮しよう」という掛け声だけでは、何も変わらない。実際に効くのは、エージェントが処理できる形でデータを公開する、具体的な技術的対応だ。ただし、着手の順序を間違えると、この対応は効果につながらない。

Anthropicが公開した「MCP（Model Context Protocol）」は、AIエージェントが外部のツールやデータに接続するための共通規格であり、すでに広く採用されている。ただし、MCPが決めているのは「つなぎ方」だけだ。買い手側のエージェントが「どの企業に、どんな接続先があるか」を見つけ出す仕組みは、まだ標準化が始まったばかりで（Googleも2026年6月に発見のための仕様を発表した段階）、接続先を用意すれば自動的に見つけてもらえる状態にはなっていない。

ここから、着手すべき順序が見えてくる。第1段階は、公開Web上の情報を機械可読にすることだ。価格・仕様・導入効果を数値化し、条件を明示し、比較可能な形式で提示する。これは今日から効く。人間の読者にもAI検索にも同時に効く対応であり、MCPサーバーの有無にかかわらず着手できる。第2段階は、製品・価格情報の大元（マスター情報）を一元化し、API経由で取り出せる状態にすることだ。第3段階が、MCPサーバーの公開である。ここは、買い手側のエージェントが自社を見つけに来る経路が整って初めて意味を持つ。順序を逆にすると、誰も叩きに来ないサーバーを作ることになる。

具体的な場面を想像するとわかりやすい。買い手側のエージェントが「月額5万円以下・10ユーザーまで対応可能なプラン」のような条件で、MCP経由で複数のベンダーへ問い合わせたとする。このとき返ってくるのは、構造化データを公開している企業だけだ。人間向けの文章でしか価格や機能を説明していない企業は、そもそも問い合わせの対象にすら含まれない。営業担当者がどれだけ優れた提案書を用意していたとしても、その手前で弾かれてしまっているということだ。

なお、絞り込みの先――条件を交渉する場面――でも、AIエージェントはすでに実務に入り込んでいる。調達支援を手がけるPactumは、調達側が設定した方針に基づき、AIエージェントが多数のサプライヤーと並行して交渉を実行する仕組みを提供している。担当者がキャンペーンの条件を一度設定すれば、影響を受けるサプライヤー全社へ、それぞれの事情に応じた提案を同時に展開する仕組みで、500社規模のサプライヤーとの契約調整を、従来の6〜12ヶ月から4〜6週間へ圧縮した実績もある。SAPも2026年3月、次世代版のSAP AribaでAIアシスタントJouleを調達ワークフローに直接組み込み、複雑な入札条件を自動比較する入札分析エージェントを発表した。静的な価格表は、いずれ動的な交渉インターフェースに置き換わっていく。売り手にとっての意味は、見つけてもらう対策の先に、交渉される対策が控えているということだ（BtoC領域ではGoogle・OpenAI等が決済までを担う規格の整備も進めているが、現時点ではBtoBの実務からはまだ距離がある）。

何から始めるか

やるべきことは、重さの違う3つに整理できる。順番を間違えて重い作業から手をつけると、そこで止まる。

1. 定義の言語化（所要：数日〜数週間・最も軽い。ただし最も後回しにされている）

最初に着手すべきは、ICP（理想的な顧客像）、購買グループの役割ごとの関心、自社の強み、競合と比較して劣っている点の言語化である。こうした情報は、実は解像度が低いまま放置されている企業が少なくない。営業担当者の人柄や関係構築で、なんとなく乗り切れてしまう領域だったからだ。しかし買い手側のAIエージェントは、担当者との相性や信頼関係を気にしない。判断基準は、これまで以上に明確な事実だけになる。

購買グループの役割ごとに、見ているものはまったく違う。ワンマーケティング『2025年度版BtoB購買プロセス白書』（n=600）によれば、意思決定者は5つの役割の中で最も「品質」を重視しておらず（45.6%）、最も「会社の信頼性」を重視している（33.3%）。実際、提案評価の1番目の決め手でも、品質26.5%に対し会社の信頼性24.7%まで差は1.8ポイントに縮まっている。エージェントは、購買グループの誰か1人のためだけに動くとは限らない。マーケ担当者向けの機能訴求しか用意していなければ、意思決定者が気にする信頼性や、他の役割が気にする論点には、エージェントも人も答えを見つけられない。

たとえば「弊社の料金プランは、成長企業のニーズに柔軟に対応できるよう設計されています。詳しくはお問い合わせください」という文章から、AIエージェントは価格を1つも抽出できない。「スタンダードプラン：月額5万円〜（10ユーザーまで）・オプション機能A/B対応・最短契約期間1ヶ月」のように、数字と条件を明示して初めて、比較の土俵に乗る。

最初につまずくのは、ここを「いつかやる」にしてしまうことだ。ICPと役割定義は他部門の協力がなくても、担当者一人で言語化を始められる。ここを起点にしないまま次の工程に進むと、数値化も一元化も、何を優先すべきかの判断基準を欠いたまま進むことになる。

2. 事実の数値化（所要：既存資産の棚卸しから数週間〜・中程度）

次に着手すべきは、コンテンツの二層化だ。人間向けにはストーリーや感情に訴える文章が有効だが、エージェントが評価するのは検証可能な一次情報――仕様・数値・条件――である。「導入後、業務効率が劇的に改善しました」という感想文からは、エージェントは何も比較材料を得られない。「導入前：月間処理500件／導入後：月間処理1,200件（+140%）・業界：製造業・従業員規模200〜500名・導入期間6週間」まで分解して初めて、他社事例との比較に使える。

既存のコンテンツを大きく作り変える必要はない。感想文の横に、根拠となる数値や条件を併記するところから始められる。最初につまずくのは、全事例を一度に数値化しようとして手が止まることだ。まずは主力商材の代表事例1〜2本からでよい。

3. マスター情報の一元化（所要：体制づくりを含め数ヶ月〜・最も重く、最も止まる）

最後に、最も重く、最も止まりやすいのがマスター情報の一元化である。マスター情報とは、「最新かつ正式な内容はこれ」と社内で言い切れる大元の情報のこと。これには外向きと内向きの2つのレイヤーがあり、混同すると対応を誤る。

外向きレイヤーは、買い手側のAIエージェントが直接読む情報――製品情報・価格・仕様・導入事例のマスター情報だ。多くの企業でこれは営業のPowerPointとPDFカタログとスプレッドシートに分散しており、社内でも最新版がどれか特定できない。ここを一元化し、数値と条件を持った形にすることが、買い手エージェント対応の本体になる。

内向きレイヤーは、MA/SFA/DWHに蓄積された自社の顧客データである。これは買い手エージェント対応ではなく、購買グループを役割ごとに捉えて情報を出し分けるための整備であり、企業→部門・プロジェクト→個人→役割という階層でデータを持ち直す話だ。買い手側の外部エージェントに、この顧客データを参照させることはない（させてはならない）。

両者はつながっている。誰に何を届けるべきか（内向き）が定義できて初めて、外向きに何を構造化すべきかが決まる。順序は内向きの定義が先である。

マスター情報の一元化が最も止まるのは、技術の難易度ではなく合意形成の難しさゆえだ。営業は自分たちの商談メモを、マーケティングは自分たちのキャンペーン資料を、カスタマーサクセスは自分たちの活用事例を、それぞれ別々の場所で管理していることが多い。誰か1つの部門の意思だけでは統合が進まず、部門を横断した合意形成こそが、実務上は一番の障壁になる。実務で機能させるコツは、範囲を先に狭めることだ。全社統合をいきなり狙わず、対象を1つの製品ラインに絞ってマスター情報を作る。合意も「最新版はここ」という1点を決めるだけにとどめる。情シス主導にはせず、価格情報の管理責任者を1人決めることから着手すると、部門間の綱引きが起きる前に実例が1つできる。この実例が、次の製品ラインを説得する材料になる。

まとめ

AIの進化はこれからも止まらない。問い合わせフォームに、人間ではなく相手企業のAIエージェントから直接メッセージが届く日も、そう遠くはないだろう。

そうした時代に効くのは、目新しい対策ではない。定義の言語化・事実の数値化・マスター情報の一元化という、エージェント以前から必要だった3つの整備を、順番通りに進めることだ。

とはいえ、人間向けのマーケティング・営業活動が不要になるわけではない。Gartnerの調査では、67%が営業担当者のいない購買体験を望むと回答している（2026年3月発表・646名調査）。一方、別のGartner調査では、69%が依然としてAIの提案を人間に検証してもらいたいと回答した（2026年5月発表）。AIエージェントが担うのは初期の調査・比較・絞り込みであり、最終的な合意形成や信頼の構築では、引き続き人が必要とされる。営業の役割は、説得者から最終確認者へと重心を移すだけだ。

この変化への対応をどれだけ急ぐべきかは、企業規模よりも検討期間の長さと関与者の多さに比例する。検討が長期化し、複数の決裁者が関わる高額商材ほど、買い手側のAIエージェントが介在する余地は大きい。逆に即決に近い低価格帯の商材であれば、優先度は下げてよい。自社の商材がどちらに近いかを基準に、着手の順番を決めればよいだろう。

この情報整理を先に済ませた企業は、AIエージェントによる審査でも、人間の営業現場でも、同時に有利になる。整理された情報は、機械にとってわかりやすいだけでなく、人間の営業担当者にとっても武器になるからだ。逆に後回しにした企業は、両方の場面で、気づかないうちに選択肢から静かに外れていくことになる。買い手エージェント対応という名前の新しい仕事は、どこにも存在しない。あるのは、購買グループ対応としてやり残していた仕事に、締め切りが来たという事実だけだ。