GoogleとMeta、「AIが購買を完結する」EC基盤を同時始動——UCP・Gemini決済・Shoptalk発表を横断分析し、日本のEC事業者が今すぐ動くべき理由

「クリックして買う」時代の終わりが始まった

2026年第1四半期、ECの世界で歴史的な転換が同時多発的に起きている。Googleは1月11日にUniversal Commerce Protocol（UCP）を正式発表し、AIアシスタントGeminiの中で商品発見から決済まで完結する仕組みを稼働させた。3月24日にはGapがGemini内チェックアウトを導入した最初の大手ファッション企業となり、Old Navy・Banana Republic・Athletaを含む全ブランドをAI上で直接購入可能にした。同じ週、MetaはShoptalk 2026でInstagramとFacebook上のAIレビュー要約機能とアプリ内ワンタップ決済を発表している。

検索とSNSの2大プラットフォームが、ほぼ同じタイミングで「ユーザーを外部サイトに送らず、自分たちの中で取引を完結させる」方向に舵を切った。この同時性にこそ、業界構造の転換点を読み取るべきだ。

Google UCP——「検索」が「取引レイヤー」に変わる

UCPはShopify、Etsy、Wayfair、Target、Walmartといった大手小売と共同開発されたオープンスタンダードで、AIエージェントが商品の発見・比較・推薦・購入をウェブ横断的に実行できる共通プロトコルだ。

GoogleはUCP上に3つの機能を構築した。Business Agentはブランド専属のAI担当者として検索やGemini内で商品質問に応答する。Direct Offersは商人がAI Modeに限定割引を直接注入できる仕組み。そしてCheckout in AI ModeがGoogle内での購買完結を実現する。

Gapの事例が示唆的だ。商品情報はGap自身がGeminiに事前提供し、Webサイトからのクロールではない。つまりブランドがAIに渡すデータの質と粒度が、そのまま売上を左右する。Gapは同時にBold Metricsの「Agent Sizing Protocol」を活用したAIフィッティングツールも導入し、返品率削減とAI内コンバージョン向上の両立を狙う。Targetも同様にGemini内での直接購入を開始済みだ。

Meta Shoptalk 2026——SNSが「AI店舗」になる

一方Metaは、Shoptalk 2026で異なるアプローチからAIコマースに参入した。広告クリックやWebサイト訪問後に表示されるポップアップで、AIがユーザーレビューを要約し、ブランド情報・関連商品・割引情報を一画面に集約する。Stripe・PayPalと連携したワンタップ決済で、ユーザーはMetaアプリを離れることなく購入を完了できる。Adyen・Shopifyとの統合も進行中だ。

さらにMetaはクリエイターアフィリエイトを大幅拡大し、FacebookでAmazon・eBay・Temu（米国）、Mercado Libre（中南米）、Shopee（アジア）と提携。Instagram Reelsのクリエイターには22カ国の商品カタログへのアクセスを提供する。

2つの戦略の決定的な違い

GoogleとMetaのアプローチには明確な思想の差がある。Googleは**「意図→推薦→決済」のファネル全体をAIで置き換える**構造転換を志向する。UCPがオープンスタンダードであることは、サードパーティのAIエージェントも同じプロトコルで商取引を実行できることを意味し、長期的なエコシステム形成を見据えている。

Metaは**「発見→信頼形成→即時購買」のソーシャルコマース強化**に軸足を置く。AIレビュー要約はAmazonが2023年に先行した手法のソーシャル版であり、クリエイターアフィリエイト拡大は人間の推薦力とAIの情報整理力を掛け合わせる戦略だ。

共通するのは、どちらも「自社プラットフォーム外にユーザーを出さない」ことを明確にゴールにしている点だ。EC事業者にとっては、自社サイトへのトラフィックに依存するビジネスモデル自体が問い直される局面と言える。

日本市場への影響——今すぐ着手すべき3つのこと

TikTok Shop日本上陸から約1年で報じたように、日本でもプラットフォーム内完結型のコマースは急速に浸透しつつある。GoogleのAI ModeとUCPの日本展開時期は未発表だが、Geminiの日本語強化が進む中、2026年後半の上陸は現実的なシナリオだ。

日本のEC事業者が今すぐ着手すべきことは3つある。第一に、Google Merchant Centerのデータ精度の徹底的な向上。UCPではAIがMerchant Centerのデータを直接参照して推薦判断を下すため、フィード品質が売上に直結する。第二に、構造化データとスキーママークアップの整備。Product schema、Offer schema、Review schemaの3点セットがAIの理解度を決める。第三に、「ユースケース」ベースの商品説明への転換。「どんな場面で、誰が、なぜ使うか」をデータに落とし込むことが、AIの推薦精度を左右する。

ただし、日本の消費者は購入前に公式サイトで確認したい傾向が強く、プラットフォーム内完結への移行が米国ほど急速には進まない可能性もある。それでも、商品データの整備は「やって損のない投資」であることは間違いない。AIコマースの波が来た時に乗れるかどうかは、今日のデータ整備にかかっている。