午前9時、ある会社の購買AIが「部品を500個、来週までに」と取引先のAIへ問い合わせます。売り手側は在庫と生産計画を確認し、「300個なら希望日、残りは3日後」と回答。買い手側は分納を受け入れる代わりに送料の調整を求め、予算内なら発注まで進める——。人間の営業担当者なら、ごく普通の商談です。
これをAI同士で行う未来は、もう空想だけではありません。異なる企業のエージェントが互いの能力を見つけ、仕事を依頼するための共通仕様が整い始め、決済では「誰が、どこまで購入を許可したか」を暗号技術で証明する仕組みも登場しています。ただし、会話が成立することと、契約として安心して任せられることの間には、なかなか立派な谷があります。
私は、企業間取引を変える本当の分岐点はAIの話術ではなく、本人性・権限・支払い・監査を一続きに証明できるかだと見ています。値切り上手なAIより、越えてはいけない線を理解し、後から理由をたどれるAIのほうが先に職場へ入るでしょう。
AI同士の商談を支える共通言語がそろい始めた
最初に押さえたいのは、AIエージェント同士の交渉が、自由なおしゃべりだけを意味しないことです。企業で必要なのは、相手が何をできるかを知り、依頼内容と期限を渡し、途中経過と成果物を決まった形で受け取る仕組みです。ここには、すでに具体的な土台があります。
A2Aは異なる会社のエージェントをつなぐ
Agent2Agent（A2A）Protocolは、異なる開発基盤やベンダーで作られたエージェントが、能力を公開し、タスクを委任し、結果を交換するためのオープン標準です。Googleが開発を始め、Linux Foundationへ寄贈され、現在は複数の大手IT企業が参加する運営体制になっています。
A2Aの特徴は、相手の内部モデルや思考過程を見せ合わなくても協力できる点です。いわば、厨房を公開しなくてもメニューと注文方法は共有できるレストランのようなもの。企業は機密のシステムを抱えたまま、外部エージェントへ仕事の入口を用意できます。
既存のEDIに判断と対話が加わる
企業間の電子取引そのものは新しくありません。受発注や請求書を標準形式で交換するEDIは長く使われ、OASISのUniversal Business Language（UBL）にも、見積依頼、見積回答、注文、変更、取り消しなどの文書モデルがあります。
従来の仕組みは、決められた項目を正確に渡すのが得意です。エージェントが加わると、「在庫が足りなければ代替品を探す」「納期を優先する代わりに価格上限を少し広げる」といった条件付き判断まで自動化の範囲に入ります。置き換えというより、堅い帳票のレールに柔軟な判断役が乗る、と考えると分かりやすいでしょう。
取引成立には会話より四つの証明が要る
エージェントが気の利いた提案を返しても、それだけでは会社の注文になりません。相手企業から見れば、本物の代理人なのか、購入権限があるのか、提示条件が改ざんされていないかを確かめる必要があります。企業間のAI商談には、少なくとも四つの層が必要です。
| 必要な層 | 確認すること | 欠けた場合の問題 |
|---|---|---|
| 本人性 | どの企業・サービスのエージェントか | 偽装ボットを取引先と誤認する |
| 権限 | 金額、品目、期間、相手先の範囲 | 担当外の契約や過剰購入へ進む |
| 合意 | 価格、数量、納期、返品条件 | 自然言語の解釈違いが契約争いになる |
| 証跡 | 誰が何を承認し、何が実行されたか | 誤発注時の原因と責任を追えない |
この四層は一つの万能規格で完成するのではなく、通信、ID、社内承認、契約文書、決済の仕組みを組み合わせて作られます。プロトコル名を一つ導入すれば自動商談が完成、というほど世の中は親切設計ではありません。
身元確認と委任された権限を分ける
「正規の購買AIである」と「100万円まで発注してよい」は別の証明です。NISTはソフトウェア／AIエージェントの本人性と認可に関する構想文書で、エージェントの識別、認証、最小権限、代理行為、監査、否認防止を検討課題に挙げています。これは裏返せば、業界全体の答えがまだ固まっていないことも示します。
実務では、目的ごとに短命な資格情報を発行し、金額上限、購入可能な品目、取引先、期限を細かく絞る設計が現実的です。権限を渡した人が異動したり、取引条件が変わったりしたとき、すぐ失効できることも欠かせません。AIへ「会社のカードを渡してよろしく」は、未来的というより単に豪快です。
決済は利用者の意図を改ざんできない形で残す
GoogleのAgent Payments Protocol（AP2）は、利用者の指示や購入条件を暗号署名された「Mandate」として残し、誰が何を許可したかをたどれるようにする考え方です。上限金額や対象商品を先に指定しておけば、条件内は自動、超えた場合は人の追加承認へ戻せます。
VisaのTrusted Agent Protocolも、加盟店が正規の商取引エージェントと悪意あるボットを区別できるよう、署名を使った認識の仕組みを示しています。決済分野が先行するのは自然です。お金が動く場面では、「AIがそう判断しました」だけでは帳簿も担当者の胃も納得しません。
契約条件は自然言語と構造化データを二重に持つ
交渉中の説明は自然言語でも、成立条件は数量、通貨、期限、配送場所、返品可否などの明確な項目へ落とす必要があります。「なるべく早く」「常識的な価格で」のまま自動発注へ進めば、AI同士は仲良くても経理が泣きます。
国連国際商取引法委員会の自動契約モデル法は、AIを含む自動システムや機械間取引による契約の形成・履行を法的に認識する枠組みを示しています。ただし各国の国内法を自動的に統一するものではありません。国境をまたぐ取引では、準拠法、紛争処理、予想外の出力を誰へ帰属させるかを契約で決める作業が残ります。
最初に広がるのは自由交渉より条件付き発注だ
企業がいきなり大型契約をAIへ丸投げする可能性は高くありません。先に広がるのは、選択肢が限られ、失敗時に止めやすく、効果を数字で測れる取引です。交渉という言葉から価格の駆け引きを思い浮かべますが、初期の主役は在庫、納期、数量、サービス水準の調整でしょう。
消耗品と部品の補充は相性がよい
工場や倉庫では、在庫量、需要予測、設備の保守予定から必要数を計算できます。購買AIが複数の供給側エージェントへ見積もりを依頼し、価格だけでなく納期、分納、品質認証、輸送時の排出量まで比較する。承認済みの取引先と定型品に限定すれば、人がすべてのメールを往復するより速くなります。
ただし、最安値を選ぶだけでは不十分です。安い部品が生産停止を招けば、調達価格の差など軽く吹き飛びます。AIへ渡す目的関数には、停止損失、代替可能性、品質履歴、地政学的な供給リスクも必要です。評価項目を決める仕事は、購買担当者から消えるのではなく、むしろ重要になります。
物流とクラウド資源はリアルタイム調整へ向かう
物流では、荷量、車両、倉庫の空き、到着予定が刻々と変わります。荷主AIと物流会社AIが、遅延を避けるための代替便や一時保管を小刻みに調整できれば、人が気づく前に詰まりを逃がせます。クラウドやソフトウェアライセンスも、利用量に応じて枠を増減する条件付き取引と相性があります。
ここで大切なのは、変更回数そのものを成果にしないことです。AIが細かく契約を組み替えすぎると、請求、税務、監査が追いつかなくなります。少額・短期・取り消し可能な範囲から始め、一定額を超えたら人へ戻す設計が堅実です。
導入企業は交渉範囲を先に文章化する
- 自動で合意できる品目、金額、取引先、期間を限定する
- 価格以外に納期、品質、返品、供給継続性の優先順位を決める
- 条件が矛盾した場合と、根拠データが古い場合は停止させる
- 人へ戻す金額閾値と、緊急停止を実行できる担当者を定める
- 提案、反対提案、承認、発注、変更を同じ取引IDで記録する
これらは地味ですが、AIの性能比較より先に必要です。社内での委任範囲については「AIエージェントに仕事を任せる前に決めること」でも詳しく扱っています。社外取引では、その権限を相手企業も検証できる形へ拡張する点が新しい難所です。
便利な自動商談は新しい失敗も高速化する
人が一日に処理できる見積もりには限界があります。エージェントは何千件でも比較できますが、誤った条件や攻撃も同じ速さで広げてしまいます。自動化の価値が大きいほど、止め方を先に作る必要があります。
外部情報が交渉方針を書き換える恐れがある
取引先の商品説明や添付文書に、エージェントを誤誘導する命令が埋め込まれる「外部文書による指示注入」は重要な脅威です。たとえば、仕様書を読むはずのAIが、文書中の命令に従って承認先や配送先を変えてしまう。信頼できないデータと実行命令を分離しなければ、交渉窓口が攻撃経路になります。
対策は、閲覧権限と発注権限を別のエージェントへ分ける、重要項目を構造化データと照合する、取引先変更や送金先変更には人の再承認を求める、といった多層化です。一つの賢いAIへ全部任せるより、相互確認する少し不便な仕組みのほうが安全です。
AI同士が意図せず価格をそろえる可能性もある
複数企業の価格設定AIが似たデータと利益目標を使えば、明示的な相談がなくても価格が高止まりする懸念があります。交渉を自動化するほど、競争法の観点から、どの情報を交換したか、価格判断に何を使ったかを説明できなければなりません。
市場全体の最適化と、個々の企業の利益追求は同じではありません。業界共通のエージェント基盤を使う場合でも、競合他社の機密価格や将来計画が混ざらない分離設計が必要です。便利な共通脳が、うっかり巨大な談合会議室になっては困ります。
監査ログは文章量より因果関係が重要になる
すべての会話を保存しても、「なぜこの発注が成立したか」が分からなければ監査には使いにくいでしょう。元の依頼、利用した価格表、権限証明、比較した候補、承認、最終注文を同じ取引IDで結び、改ざん検知できる形で残す必要があります。
社内エージェントの証跡設計については「AIエージェントは行動を説明できるか」も参考になります。企業間取引では、自社ログだけでなく、相手側の記録とどこまで突き合わせるかが次の課題です。
5年後は制限付き代理人、10年後は機械市場へ
技術の部品は急速にそろっていますが、企業間の自由な自動交渉が一気に広がるとは考えにくいでしょう。契約、責任、競争、公正な取引、税務は会社ごとに違い、国境を越えればさらに複雑です。未来は、狭い範囲で信頼を積み上げる順番で進みます。
2031年は承認済み取引網の中でAIが条件を調整する
5年後の2031年には、登録済みの取引先、定型品、予算枠、標準契約の範囲で、エージェントが見積もりから発注まで進める企業が増えると予測します。人は一件ずつメールを書く代わりに、交渉方針と例外条件を設計し、高額契約や新規取引先だけを判断します。
この段階のAIは、会社を代表する万能営業ではなく「細かな条件を調整できる制限付き代理人」です。標準化が進みやすい消耗品、物流枠、クラウド資源、保守部品から広がり、法務や品質保証が個別判断を必要とする取引は人に残るでしょう。
2036年は需要と供給が人より細かく出会う
10年後の2036年には、企業の在庫、設備稼働、物流能力、電力需要などが、許可された範囲でエージェント市場へ提示される可能性があります。余った倉庫枠を数時間だけ貸す、再生可能電力が多い時間へ計算処理を移す、部品不足を複数社で補う。小さすぎて人が交渉できなかった取引が成立しやすくなります。
ここで価値を持つのは、最も賢い単独エージェントより、信頼できる資格情報と契約部品を多くの相手と交換できるネットワークです。A2Aが会話の共通路を作り、決済・ID・契約の標準がその上へ重なるなら、企業ソフトウェアは「記録する道具」から「条件内で取引する主体」へ近づきます。
この予測が外れる三つの条件
未来が予定どおり来ない条件も明確です。第一に、主要企業が独自規格へ囲い込み、相互運用が進まないこと。第二に、誤発注や不正利用の責任分担が定まらず、保険や紛争処理が追いつかないこと。第三に、エージェントの本人性と権限を安価に検証できず、確認コストが人の処理費用を上回ることです。
反対に、注目すべき兆しはAIモデルの点数ではありません。取引先のエージェントを認証できるか、委任権限を途中で失効できるか、誤った合意を止めて人へ戻せるか。その三つが実運用でつながったとき、AI同士の商談はデモから会社の日常へ移ります。未来の営業会議は短くなるかもしれませんが、権限表は少し厚くなりそうです。
