AIに買い物を任せた後、誰が見張る?AIコマースを支えるDataDome×Experian

DataDomeとExperianの連携で、AIコマースの身元確認と買い物中の行動確認はどう変わるのか。購入への同意との違い、ECが導入前に確かめたいことを具体例で解説します。
買い物をAIに任せるとき、「このAIは誰の代理なのか」が分かるだけで安心できるでしょうか。頼んだ商品を探している途中で、許可していない操作を始める可能性まで考えると、入口の本人確認だけでは足りません。
DataDomeとExperianの提携は、AIの身元と、買い物中の行動を続けて確かめるための取り組みです。Experianは2026年10月1日、DataDomeがAgent Trustの連携先に加わったと発表しました(発表内容)。
この記事では、提携の役割分担と、EC担当者が自社の購入導線で確認できることを整理します。
AIコマースの途中も確認する、今回の提携
今回の提携では、Experianが人と代理AIの関係を確かめ、DataDomeがアクセス中の振る舞いを評価します。「誰のために来たのか」と「今、何をしているのか」を組み合わせる考え方です(DataDome公式の提携説明)。
Experianは「誰の代わりか」を確かめる
Experian側の役割は、確認した消費者と、その人が使うAIエージェントを結び付けることです。公式説明では、この結び付きにHuman-to-Agent Bindingという名称を使っています。人が権限を与える段階で、その関係を示すトークンを発行する仕組みと説明されています。
ただし、身元を確認できたことと、すべての買い物を任せたことは同じではありません。たとえば「自分のために商品を探すAI」だと分かっても、購入上限や届け先まで自由に変えてよいとは限りません。EC側では、身元の情報から購入条件を勝手に補わず、別の情報として扱う必要があります。
DataDomeは「途中で何をしているか」を見る
DataDome側は、訪問中のリクエストや行動を継続して評価する役割を担います。提携ページは、承認された代理の範囲と、その後の振る舞いを結び付けて判断する考え方を示しています(公式の役割分担)。ここでいうリクエストとは、商品ページを開く、情報を送るといった、サイトへの個々の要求です。
つまり、入口で身元を確認した後も、そのAIが許された範囲で操作しているかを見続けるということです。会員証で身元が分かっても、店内のどんな操作でも許されるわけではない、と考えると区別しやすくなります。これは役割を説明する例えで、実店舗と同じ判定をするという意味ではありません。
本人確認を通ったAIも、行動の確認は続く
AIコマースでは、身元を確かめる情報と、操作を許可する情報を分けて扱うことが大切です。ひとつの「安全」という表示だけにまとめると、どこまで確認できたのかが見えなくなります。
正しい身元と、正しい操作は別の情報
正しい利用者に結び付いたAIでも、想定した購入条件から外れた操作は起こり得ます。たとえば「予算内の椅子を比較して」と頼んだ場面を考えてみてください。価格を調べること、カートへ入れること、支払いを済ませることは、それぞれ別の操作です。
サイトが見るべきなのは、単に同じ訪問が続いているかだけではありません。その操作を今行ってよいのか、利用者が許した条件から変わっていないかも判断材料になります。
以下は、運用を整理するための本記事の例です。
| 確認したいこと | 残したい情報の例 | それだけでは分からないこと |
|---|---|---|
| 誰の代理か | 利用者とAIの結び付き | 今回の購入を許したか |
| 何をしたか | 閲覧・変更・注文の記録 | その変更が希望どおりか |
| どこまで任せたか | 対象商品・予算・有効期限 | その後の操作が範囲内か |
この表は両社製品の設定項目や、提供済みの管理画面を再現したものではありません。
信頼スコアは、購入への同意の代わりにならない
DataDomeには、AIエージェントを評価するAgent Trust Scoreの公式説明があります。スコアは0〜100で、身元や行動などから継続的に評価されますが、これは購入者の「買ってよい」という意思表示ではありません(Agent Trust Scoreの公式資料)。
たとえば、来訪者の評価が高くても、注文金額を本人が見ていないなら、金額の確認が済んだことにはなりません。運用ルールには「エージェントを通す条件」と「注文を成立させる条件」を別々に書きます。
なお、Agent Trust ScoreはDataDomeの既存機能の資料であり、今回新しく発表されたExperian向け設定画面ではありません。今回の提携だけを根拠に、特定の点数を設定すれば導入が完了すると考えるのは早計です。
買い物の流れで見る、AIコマースの3つの確認
購入導線を調べるときは、代理の確認、途中の操作、注文時の許可を順に見ると整理しやすくなります。ここからは「椅子を探して購入する」という架空の例で、自社で作れる確認表を示します。
商品を探す間の操作を追う
商品を探している間は、どの商品を見て、どの条件を変えたかを確認します。最初に1社のエージェント、1つのテスト商品、1つの購入条件へ対象を絞ります。本番のお客様の注文を使わず、まずは利用できるテスト環境で行ってください。
- 「肘掛け付きの椅子を探す」など、AIへ渡す依頼を記録します。
- 商品一覧、詳細、カートの順に、進んだ場所と時刻を確認します。
- 色や数量の変更があれば、依頼に含まれた操作か照合します。
- 途中で止まった場合は、エラー表示と直前の操作を残します。
うまく買えなかった場合も、AIを遮断したのか、商品の条件に合わなかったのかでは直す場所が変わります。「注文がゼロだった」という結果だけでなく、どの段階まで到達したかを分けて記録するのがポイントです。
注文の条件と購入者の許可を別に確かめる
注文の直前には、商品・数量・合計金額・配送条件と、購入者の許可を照合します。たとえば椅子が1脚から2脚へ変われば、最初に示した見積もりと同じ注文ではありません。商品の本体価格が同じでも、配送先や送料が変わる場合があります。
本記事の確認表では、次のように「注文内容」と「許可の記録」を分けます。
| 項目 | 確認例 |
|---|---|
| 注文内容 | 商品名、数量、総額、配送先、配送条件 |
| 許可の対象 | どの注文内容に対して許可したか |
| 許可の時点 | 内容変更より前か、後か |
| 結果 | 注文番号の有無、未完了・取消の状態 |
ここに個人情報や決済情報を無制限に複製する必要はありません。必要な項目と参照先を決め、実際の保存方法や閲覧権限は自社の運用に合わせて設計します。
日本のECが導入前に確認したいこと
日本のECが今回の発表を検討する際は、まず自社の契約と購入基盤で利用できる範囲を確認します。2026年10月4日時点で確認した提携ページだけでは、日本での一律の提供条件や料金までは確定できません。
使える範囲・料金・必要な契約を確認する
導入相談では、自社のサイト構成と、任せたい操作をセットで伝えると話を進めやすくなります。「AIに対応していますか」だけでなく、商品検索、ログイン、カート、決済のどこを対象にするかを示しましょう。
問い合わせ文は、たとえば次のようにまとめられます。
当社は日本向けのECサイトを運営しています。
商品閲覧から注文確定までのうち、今回の連携で利用できる範囲を教えてください。
対応するAI、必要な両社の契約、追加費用、導入作業、検証環境の条件も確認したいです。
回答では「利用可能」「個別相談」「未対応」を分けて残します。将来の対応予定を、今日から使える機能として社内へ案内しないようにします。
通常の購入を止めていないかも確かめる
AI向けの判定を追加した後も、人が普通に買えることを確認します。エージェントのアクセスが減っても、同時に通常の注文が失敗していれば、改善したとは判断できません。
確認用には、人が操作する購入と、AIへ任せる購入を別のテストとして用意します。商品表示、カート変更、確認画面、注文完了まで、両方がどこで止まるかを同じ表へ残してください。
エラーが出たら、対象の時刻、ページ、操作、表示メッセージを控えて担当者へ渡します。最初から全面的に条件を厳しくするのではなく、影響を確認できる範囲で調整する進め方が現実的です。
AIコマースの対応状況を、自社で確認する
今回の提携からEC担当者が持ち帰れるのは、AIへの信頼を入口だけで判断しない、という観点です。ただし、すべてのECが同じ製品をすぐに導入しなければならない、という発表ではありません。
まずは自社の購入導線について、次の3点を担当者へ確認してみてください。
- AIが誰の代理かを確認する情報は、どこで受け取るか。
- 商品選択から注文までの操作は、どの記録で追えるか。
- 最後の購入許可は、どの注文内容と結び付いているか。
たとえば購入許可と注文内容の対応が分からなければ、決済や注文を管理する担当者へ、金額・数量が変わったときに再確認する仕組みを聞いてみてください。三つの問いを担当者に割り振り、確認済みの範囲と未確認の範囲を同じ表に残すと、次の作業を決められます。
AIから商品を見つけてもらう対策と、訪問後に購入を安全に進める設計は、つながっています。購入画面でAIに何を任せられるのかを知りたい方は、ShopifyのWebMCPチェックアウト解説も参考にしてください。
出典・参考データ
この記事を書いた人
水島 翔吾株式会社kairos 代表取締役 / AgentSignal 開発者
AI クローラー・AI 流入計測と AIO 診断ツール AgentSignal を開発。実測データを元に AI 検索時代の計測と対策を書いています。
関連記事

AIによる販売・予約
Meta Museのスキルの作り方|繰り返す修正を次のチャットで使う
Meta Museで繰り返す修正を自分用の手順書にまとめ、別のチャットで使う方法を解説。スキル化の判断表、会議メモのテンプレート、結果の確認方法を掲載します。
公開

AIによる販売・予約
Meta Museで写真からフリマ出品の下書きを作る|商品名・説明・価格案のプロンプト
Meta Museに商品写真と現物メモを渡し、フリマの商品名・説明・価格案を作る手順を紹介します。メルカリを例に、コピー用プロンプト、相場の確認方法、誇大表現を避ける確認表、下書き保存までを解説します。
公開

AIによる販売・予約
Meta Museアプリで文章を要約する小アプリを作る|スペースでAI推論を試す手順
Meta Museのスペースで、入力したメモを要約する小アプリを試します。チャットに貼る検証用の指示文と、レート制限・APIキー・出力形式の切り分け方を紹介します。
公開




