著者：Guy Wuollet（a16z Crypto）
翻訳：深潮 TechFlow
深潮の読み解き： Uberは極めてシンプルな需要表明によって乗客とドライバーをつないだが、現実の取引の多くは、複数人の調整や動的な予算、複雑な条件を伴うため、長らくオンライン化が難しいままだ。AIエージェントはこの状況を変えつつあり、システムがより細分化され非標準的な商品・サービスを軸に二者間マッチングネットワークを再構築できるようにしている。
a16z Cryptoチームは、暗号資産領域で成熟した「インテント（Intents）」とオーダーフロー・オークションのモデルを踏まえ、エージェント型商業ネットワークの収益メカニズムとコールドスタートの道筋を解きほぐした。ソフトウェア開発が限りなくゼロコストに近づく時代において、履行実績の評判と双方向のトラフィックを蓄積できる機械のネットワークこそが、真の長期的な参入障壁になる。
Uberは人々に極めてシンプルな需要表明の方法を提供した。甲地点から乙地点へ車で向かう、というものだ。その後はネットワークが、あなたが納得できる価格で送迎サービスを提供してくれるドライバーを自動でマッチングする。ドライバーが増えるほど乗客は車を呼びやすくなり、乗客が増えるほどドライバーがネットワークに参加する動機も強まる。
私は、AIエージェント（Agents）がこの種の二者間ネットワークを、極めて広範な商品・サービスのカテゴリーを軸に築くことを可能にすると考えている。エージェントは人間がより複雑な選好を表明するのを助け、そうした選好に正確に応えようとする供給側を見つけ出すことができる。
こうした取引の一部は実はすでに存在しているが、価格が高すぎたり調整が極めて煩雑だったりするために、大多数の普通の人々を締め出している。一方で、人手による手配コストが高すぎるというだけの理由で、誰も試みたことすらない需要もある。エージェントはさらに、私たちがこれまで想像すらしたことのない新たな取引を数多く生み出すだろう。これらすべては起業家に残された巨大な機会だ。
簡単で身近な日常の一場面を想像してみよう。友人たちを集めて食事会を開く、というものだ。各人の空き時間、予算の上限、そして店の味の好みはそれぞれ異なっている。
今日では、たいてい誰か一人の友人がグループチャットの「調整役」を押し付けられる。一人ひとりの要望を聞き取り、ネット中を探し回ってレストランを探し、選んだ店が条件を満たさないとグループに戻って何度も再交渉する。一方で、多くのレストランは火曜の夜にテーブルをいくつも空けているのに、予定がまだ固まっていない会食グループにリーチする有効なチャネルを持っていない。
これをあなたのパーソナル・エージェントに任せれば、友人のエージェントと直接すばやくすり合わせ、明確なリクエストを一つにまとめ上げられる。「ミッション地区（Mission）で6人のディナー、一人あたり60ドル未満、時間は夕方5時半から8時の間、寿司でなければ何でもよい」といった具合だ。
すると各レストランのエージェントが、自店の空きテーブルに応じて即座にオファーを競う形で応答できる。ある店は5時半の早い時間帯向けにより有利な割引を提示し、別の店は6人で分け合うのに適したファミリー向けセットを自ら提案するかもしれない。あなたのエージェントは、すべてのオファーと全員の選好を比較し、あらかじめ委任された範囲内で自動的に予約を完了するだけでよい。
こうして、夜6時になっても空席があるレストランは、消費者がどこで食べるかをまだ決めていない段階で、早めの食事を厭わない層へ直接狙いを定めてオファーを投げかけられる。買い手側のグループには明確な選好と予算があり、売り手側のレストランには余った席と下限価格の余地がある。唯一欠けているのは、双方のエージェントが互いを発見し取引を成立させるための基盤ネットワークそのものだ。
Uberは、ネットワークが比較的シンプルな移動の要望を軸にいかに売り手と買い手をマッチングできるかを証明した。エージェントはこのモデルを、会食のような複雑な制約条件を伴う消費へと広げる見込みがある。これまでの大半のインターネット・ネットワークは人間の操作習慣のために築かれてきたが、今や私たちは機械のためのネットワークを構築する必要がある。
起業家は、専用のマッチング・ハブを築くことに着手できる。個人のエージェントが複雑な要望を市場に持ち込み、供給側がその要望を巡って競争的に履行する、という構図だ。
エージェント取引ネットワークの構築方法
実際のところ、暗号資産の領域ではすでに「インテント（Intents）」という概念を巡って、成熟した組織化のパラダイムが提供されてきた。ユーザーは最終的に望む取引結果を宣言するだけで、各サービス提供者がその結果を届けるために互いに競り合う。
UniswapX を例に取れば、ユーザーは署名して注文を発行し、交換したいトークンと受け入れ可能な条件を明記する。マーケットメイカーのソルバーは複数の流動性ソースをまたいで競争を繰り広げ、この取引の成立を争う。
AIエージェントは、まさにこの「インテント・モデル」を日常の商業領域へと拡張できる。大規模言語モデル（LLM）は日常の自然言語の会話を供給側が実行可能な標準化されたリクエストに変換し、エージェントはネットワーク全体を探してオファーを集め、取引の細部を確定する役割を担う。こうした低い参入障壁のやり取りは、従来は煩雑だった調整コストを押し下げ、6人での会食のような中小額の消費でも採算が取れるようにする見込みがある。
かつてUberの価値を支えたのと同じネットワーク効果が、こうしたより複雑な取引の場面でも徐々に積み上がっていく。新たなレストランが一軒加わるたびに、食事をする側には精度の高いマッチングの選択肢が一つ増える。厳しい食事制限や時間の制約がある小規模なグループにとっては特にそうだ。
さらに、需要を発信するグループの数が増えるにつれ、レストランが追加の回転収入を得る機会は大きく膨らむ。それによってレストランは自社の予約システムをネットワークに接続し、より狙いを絞ったオファーを出すよう促される。単一都市の参加度が臨界点に達しさえすれば、このネットワークはそのままより多くの消費カテゴリーへ展開できる。
コールドスタートの戦略としては、起業家は単一都市の飲食シーンから切り込めばよい。初代プロダクトは、ユーザーが友人も誘いたくなるよう、実際に大量の時間や金銭を節約できなければならない。同時に、提携レストランには普段は取り込めない純粋な増分注文を見せなければならない。双方が旨みを味わって初めて、継続的に定着し新たなメンバーを招き入れるようになる。
商業化については、エンドコンシューマー向けのエージェント自体は完全に無料で開放し、「オーダーフロー・ペイメント」（Payment for Order Flow）に似たモデルで稼ぐことができると私は考える。具体的には、ユーザーが何を望み、最大いくらまで払うかを宣言し、その後は各供給者にオファーを競わせて需要を満たす。
エージェントが会食の手配に300ドルを提示し、裏側で270ドルで受ける意向のレストランとマッチングしたとしよう。ネットワーク・プラットフォームはその差額を留保するか、レストランへの取引流入に成功したルーティング手数料として受け取ることができる。このマッチング収入は、逆に消費者のAI推論の計算コストを直接補助することもできる。
もちろん、プラットフォームは透明性を確保しなければならない。ユーザーは、自分のエージェントがどのように収益を上げているのか、また多数のオファーの中から選別・順位付けする際の根底にあるロジックを、明確に理解できるべきだ。消費者が金銭の意思決定をどこまで委ねる気になるかは、結局のところ、この選別メカニズムへの信頼の度合いにかかっている。
この種のビジネスモデルが長期的な参入障壁を持つ理由
人工知能がソフトウェア複製の限界費用を大きく引き下げるにつれ、使い勝手のよいソフトウェアを持っていること自体はもはや希少ではない。特定のネットワーク内部に留まり取引を続けようとする個人や事業者の関係網こそが、より中核的な競争の堀へと変わりつつある。インターネット時代を振り返れば、Facebook、eBay、Uberといった最も偉大な企業はいずれもこの法則に従っている。参加者が増えるほど、ネットワーク全体は個人にとってより有用になる。
エージェント商業に向けたマッチング・ネットワークも、同じように揺るぎにくい先行優位を蓄積できる。競合他社は機能もインターフェースも極めて似たソフトウェアを素早く模倣できるかもしれないが、それでも信頼性高く履行を続けられる売り手と買い手をゼロから集めなければならない。レストランの事例に戻れば、それは自ら進んでオファーを出す地元レストランを十分にカバーし、いつでも発注できる消費者グループを大量に抱えることを意味する。
一つひとつのマッチング取引が確実に実行されることを保証すること自体が、ネットワーク基盤を築く上での重要な一環だ。提携レストランは、リクエストを送ってくるエージェントが会食チーム全体の支払い権限を確かに取得していると確信できなければならない。食事をする側もまた、オファーを受け入れると確認した時点で、合意した価格で確実に席を確保できると確認する必要がある。
したがって、ネットワークはエージェントの権限を認証し、予約の中核条件を記録し、資金決済を円滑に手配する検証メカニズムを自前で備えなければならない。同時に、グループが急に予約をキャンセルした場合やレストランが約束どおり席を確保しなかった場合といった履行の異常事態が起きた際に、双方が事前に取り決めた処理の仕組みを明確に理解しているべきでもある。
起業家はこれらの信頼インフラを取引市場と同時に構築していけばよい。買い手と売り手がネットワーク内で頻繁にやり取りを始めれば、プラットフォームは自然と信頼できる記録の仕組みを蓄積し、誰が常に約束を厳格に果たしているのかを示せるようになり、成熟した紛争仲裁のプロセスも整えられる。参加者が優れたオファーを発掘でき、履行も極めて確実なネットワークであれば、誰もが次の取引の際にまずそこへ戻るようになるのは自然なことだ。
創業者がほかに構築できるエージェントネットワーク
飲食予約は、私が考え方を説明するために用いた単純化した一例にすぎない。実際には、AIエージェントは特色ある垂直型の取引ネットワークを数多く築く手助けができる。とりわけ以下の方向性は探求に値する。
- 移動と出張：個人のエージェントが複数の同行者の日程や費用予算をすり合わせ、その後まとめて複数のホテルや航空会社とパッケージで価格交渉を行い、全員が納得する旅程を確定する。チームが出発日や目的地の選択に柔軟性を持てば、従来の固定的なキーワード検索では届かない隠れた割安オファーを引き出せることも多い。
- 企業向け調達：企業専用の調達エージェントは24時間365日オンラインで待機し、上流のサプライヤーと先物の供給量や価格固定期間について動的に交渉する。比較検討の際には納品スケジュールと支払いサイトを同時に勘案し、調達側には総合コストを確定させ、売り手側には予見可能な安定した受注需要を提供できる。
- 計算資源市場：エージェントはハードウェア仕様、データセンターの地理的な立地、タイムウィンドウに応じて、計算タスクの負荷とネットワーク全体の遊休計算資源を自動で精緻にマッチングできる。企業はこのネットワークを通じて先物の計算容量を事前に購入し、事業拡大期に計算コストが急騰するリスクを効果的にヘッジすることもできる。
- オンライン紛争仲裁：取引の各当事者は契約時に、紛争が生じたら共通の仲裁フォーラムに委ね、従来の司法制度よりはるかに速い効率で判断を受けることをあらかじめ取り決めておける。同じ仲裁ルールを採用する売り手と買い手の組が一組増えるたびに、このフォーラムの後続の市場参加者に対する魅力と信頼性は高まっていく。
- 物理デバイスネットワーク：エージェントは分散型のドローン配送ネットワークから輸送能力を直接調達したり、ネットワーク接続されたセンサー機器からリアルタイムデータを購入したりできる。新たな機器が一台接続するたびに、物理ネットワークのカバレッジ半径が直接広がるか、エコシステムの他の参加者がまさに必要としている新たなサービス能力が積み上がる。
- 協働型の健康・医療研究：個人ユーザーは健康データを安全に共有プールへ流し込み、クラウドソーシング型の研究プロジェクトに参加できる。データ提供者の母数が大きくなるほど、前例のない規模の臨床対照研究を支えられるようになり、これまで小規模サンプルの集団では到底解けなかった医学的課題の克服につながる。
さらに、「実際の人間関係」を巡っても豊かなネットワーク起業の機会が育まれている。機械知能がますます安価になり、いずれほぼ無料になっていくとき、現実社会では依然として、実在する身元を検証し、専門的な資格を裏書きし、深い信頼関係を結ぶための有効な手段が切実に求められている。より多くの仕事が従来の雇用機関から切り離されていくにつれ、職業上の評判・資格のネットワークや会員制クラブ、そしてそれに類する組織は、かえってますます価値を高めていく。
おわりに
真のビジネスチャンスは、人々が心の底から実現したいと願う取引の中にこそ潜んでいる。ただ今日の時点では、そうした取引を手作業で調整しマッチングさせるための時間と金銭のハードルが高すぎるだけだ。そして未来に最も大きな規模を持ついくつかのエージェント・ネットワークは、ほぼ必然的に、私たちが今はまだ想像もできない全く新しい交換の場面から生まれるだろう。
ある具体的で細かな垂直市場から切り込み、まず二者間の需要と履行を回し、次に実のある増分価値で双方の参加者を絶えず仲間を誘うよう動機づけていく。もしあなたがエージェント・ネットワークの構築に取り組んでいるなら、ぜひ話を聞かせてほしい。
