# AIによる仕様決定はB2B購買をどう変えたか

> 技術者も購買担当も、サプライヤーのサイトを開く前にまずアシスタントに尋ねるようになった。その変化がスペックイン、デザインレジストレーション、そして代理店による需要創出に何をもたらすのか。候補リストを機械が組み立てる時代に、部品メーカーと代理店にとって何が残り、何が失われるのかを実測データから整理する。

**Language:** ja  
**Published:** 2026-08-09  
**Category:** Market · **Tags:** B2B buying, specification, design registration, distribution, AI search, demand creation  
**Canonical:** https://partsgraph.ai/ja/blog/how-b2b-buying-changed-ai-specification

## 要点

**AIはB2Bの購買プロセスと、製品の仕様が決まるあり方をどう変えたのか**

ベンダー評価の第一巡は、サプライヤーのウェブサイトを離れ、AIアシスタントの中へ移った。Forresterの調査では、いまやビジネスバイヤーの94%が購買プロセスのどこかでAIを使っており、生成AIまたは対話型検索をより意味のある情報源として挙げた買い手は、他のどの情報源についてそう答えた層の2倍に上る——ベンダーのウェブサイトも、製品の専門家も、営業も下回った。その実務上の帰結は、サプライヤーが商談の存在を知るより前に、アシスタントが自社の部品について読み取れた情報だけをもとに候補リストが組み上がってしまう、ということである。したがって仕様決定はいま、関係性のカバレッジではなく機械可読な情報の正確さに左右され、価値は機械が引用するデータを供給した者のもとに積み上がる。

---

## 実際に変わったのは何か

変わったのは、買い手がAIを使うようになったことではない。購買の流れの「どこで」使うのか、その位置である。

この三十年、産業分野の購買はまず検索から、あるいは代理店のサイト、カタログ、営業担当者から始まり、最後に候補リスト（ショートリスト）へと収束していた。サプライヤーの仕事は、その入口に存在していることだった——SEOで、フランチャイズ流通で、設計者の隣に座るフィールドアプリケーションエンジニア（FAE）で。早い段階での存在が、遅い段階での検討につながった。

> **Figure.** Where the shortlist is set in B2B buying, and why the deciding step is invisible to vendors.

その順序が逆転した。買い手はいまアシスタントから始め、候補リストに到達し、そのうえで初めてサプライヤーの接点に触れる——たいていは、すでに絞り込まれた決定を確認するためである。Forresterの2026年1月の分析では、購買プロセスのどこかでAIを使っているビジネスバイヤーは94%に達し、1年前の89%から増えていた。そして見出し以上に重要なのは、生成AIまたは対話型検索を*より意味がある、あるいはより重要な*情報源として挙げた買い手が、他のどの情報源についてそう答えた層の2倍に上ったことだ。ベンダーのウェブサイトも、製品の専門家も、営業担当者も下回った。

ここは丁寧に読む必要がある。AIが複数あるチャネルのひとつになった、という話ではない。AIが、業界の数十年をかけて築かれたチャネルを押しのけた、という話である。

## 評価はいま、どこで行われているのか

三つのデータセットが、それぞれ別の角度から同じ変化を指し示している。

| 調査 | 判明したこと | 含意 |
| --- | --- | --- |
| Forrester、ビジネスバイヤー、2026年1月 | 94%が購買プロセスでAIを使用。61%が勤務先から支給されたプライベートAIツールを使用。買い手がChatGPTを使う確率は消費者の約2倍、Copilotは約4倍 | 評価の相当部分が、こちらから計測できない企業内の導入環境の中で行われている |
| SparkToro、米国のGoogle検索、2026年初頭 | 68%がクリックなしで終了。1,000回の検索のうちオープンウェブに届くクリックは約276回で、2024年の374回から減少 | ページは訪問されるのではなく、機械に読まれ要約される度合いが高まっている |
| Adobe、米国小売サイト、2026年第1四半期 | AI経由トラフィックが前年同期比393%増。3月のコンバージョン率はAI経由以外より42%高く、訪問あたり収益は37%高い | AI経由の流入は絶対量では小さいが、購買意図が際立って高い |

Adobeの数字は小売のものであり、産業分野の購買は小売ではない。しかし、そこに現れている仕組みはチャネルを問わない。絞り込みをアシスタントが済ませているとき、その後に発生する訪問は閲覧ではなく*意思決定*である。Adobeはまた、そうした訪問者のサイト滞在時間が48%長く、閲覧ページ数が13%多いことも突き止めている。数は少なく、時期は遅く、質は高い——そしてそれは、アシスタントが自社を選んだかどうかに完全に依存している。

その土台にある規模は、けっして限界的なものではない。OpenAIは2026年2月、ChatGPTの週間アクティブユーザーが9億人を超えたと発表した。そのうち部品番号を確認している技術者がどれだけの割合を占めるにせよ、いかなる代理店のフィールド組織もかつて到達したことのない母数である。

## なぜこれは、マーケティング以上に仕様決定を直撃するのか

産業分野の利益が実際に生まれるのは仕様決定の場面であり、しかも仕様決定は、機械にとって影響を及ぼしやすい領域だからである。

マーケティングのファネルは、あるチャネルが弱っても緩やかに劣化していくだけだ。仕様決定は劣化しない——決着する。部品は部品表（BOM）に載っているか、載っていないかのどちらかであり、いったん載れば外すのに高いコストがかかる。12〜36か月というデザインインのサイクルは、決定と売上が数年隔てられることを意味する。

その価値を回収するための伝統的な仕組みが、デザインレジストレーション（設計登録）である。自社の部品を顧客製品に設計採用させたフィールドエンジニアを擁する代理店に対し、サプライヤーが追加マージン、価格プロテクション、あるいはそのプログラムでの単独供給という形で報いる。フランチャイズ契約、需要創出の目標、FAEの人員数——この装置一式は、ただひとつの問いに答えるために存在している。*このデザインインを起こしたのは誰か。*

アシスタント主導の仕様決定は、その問いの答えではなく、問いそのものを壊す。設計技術者が要件をアシスタントに説明し、パラメトリック情報つきで三つの候補部品を受け取り、そのうちのひとつでデザインレジストレーションを申請したとき、その需要を創出したフィールドエンジニアは存在しない。創出したのはデータである。そして、データにどう報いるかについて、まだ誰も合意していない。

もともと無理のかかっていた仕組みでもあった。顧客が生産を受託製造業者に外部委託する場合、デザインレジストレーションは長く機能不全に悩まされてきた。設計が行われる場所と、注文書が現れる場所がまったく別だからだ——登録は書面の上では生き延びるが、その商業的な論理はほころんでいく。機械が組み立てた候補リストは、同じ負荷をプロセスの末端ではなく先頭にかける。データに投資した代理店が、必ずしも関係を握っている代理店とは限らず、パラメトリック情報が機械に読めたメーカーは、そもそも一度も声をかけられていないかもしれない。

## 自社の部品が回答に現れるかどうかは、何で決まるのか

この仕組みは具体的に押さえておく価値がある。多くの営業・マーケティング部門が、これを検索順位の問題であるかのように考えているからだ。

仕様に関する質問に答えるとき、アシスタントはおおよそ四つのことを行う。要件を制約条件に翻訳し、候補となるレコードを取得し、制約条件に照らして絞り込み、残ったものを根拠づける。部品はこの四段階のどこででも脱落しうるが、マーケティング部門がこれまで最適化してきた対象に似ているのは、最後のひとつだけである。

| 段階 | 部品が脱落する理由 | 誰の課題か |
| --- | --- | --- |
| 取得 | 機械可読なレコードが存在しない、あるいはブラウザ以外のクライアントに対してページが空を返す | マーケティングではなくエンジニアリング |
| 制約条件による絞り込み | 買い手が指定したパラメータ——温度グレード、パッケージ、認証、ライフサイクル状態——がレコードに存在せず、適合を確認できないため除外される | 製品データ |
| 名寄せ | 部品番号が自社サイト、代理店の掲載情報、データシートの間で食い違い、どのレコードが正典なのかアシスタントが判断できない | データガバナンス |
| 根拠づけ | レコードは存在し、整合してもいるが、証跡がない——試験条件も、改訂情報も、出典もない | ドキュメンテーション |

二行目が、静かな致命傷である。AEC-Q100のグレード1品を求められたアシスタントは、認定状況を検証できない部品を候補に含めない。除外したことを報告もしなければ、含みを持たせもしない。データがないことは、その性質がないこととして扱われる——慎重な道具としては正しい振る舞いであり、実際には要件を満たしている部品を持つサプライヤーにとっては壊滅的な結果である。

## 候補リストを機械が組み立てるとき、価値を得るのは誰か

| 当事者 | かつての強みの源泉 | 残るもの | 失われるもの |
| --- | --- | --- | --- |
| 部品メーカー | ブランド選好と、流通経由のFAEによるリーチ | 正典となるパラメトリックレコードを自ら保有すること——自社部品について権威ある情報源はメーカーだけである | メッセージの伝達を流通に依存する構図。アシスタントが読むのは、フランチャイズ契約を持つ相手ではなく、最も読み取りやすい相手である |
| 正規代理店 | フィールドのカバレッジ、デザインレジストレーション、現地在庫 | メーカー横断で正規化されたデータ、実在庫と納期、契約価格——単一のメーカーには提供できないもの | 人的接触に紐づけられる需要創出。関係性だけを拠りどころにした差別化 |
| カタログ通販商社 | 検索での露出と品揃えの広さ | 構造化され、問い合わせ可能な品揃えの広さ。機械にとって最も突き合わせやすい情報源であること | 有料検索の経済性。かつて届いていたクリックが、アシスタントの中で完結してしまう |
| CEM／受託製造業者 | 承認済み代替品に関する購買上の交渉力 | ツールに組み込まれた承認ベンダーの判断ロジック | ほとんどない——CEMは機械可読な代替品データの改善から利益を得る |

傾向は一貫している。強みの源泉は*誰を知っているか*から*自社の部品について機械が何を検証できるか*へ移る。フィールド組織を競争上の堀としてきた組織にとっては居心地の悪い結論であり、良質なデータを持ちながらフィールド組織をまったく持たない者にとっては、本物の突破口である。

## これは断絶なのか、それとも新しいチャネルにすぎないのか

正直に答えるなら、ディスカバリーの変化には十分な裏づけがあり、取引の変化にはない。

Gartnerは、エージェンティックAIプロジェクトの40%超が2027年末までに中止されると予測し、その理由としてコストの膨張、事業価値の不明確さ、リスク管理の不備を挙げている。この予測はよく持ちこたえている。OpenAIはShopifyの加盟店が十数社ほど稼働した段階で2026年3月に自社のInstant Checkoutを撤回し、Deloitteの報告では、エージェンティックAI技術を何らかの形で使っているB2Bサプライヤーは4分の1にも満たない。

産業分野の購買には、小売にはない摩擦がさらにある。契約価格は交渉で決まり、守秘の対象である。承認には、Forresterが数える社内13名の関係者と社外9名の影響者が関わり、購買部門は53%の案件で意思決定者として振る舞う。適合性の文書——RoHS、REACH、紛争鉱物、UKCAおよびCEの宣言書——は、決定について主張されるのではなく、決定に添付されなければならない。

そのどれも、アシスタントが候補リストを書くことを止めはしない。止めるのは、アシスタントが発注することのほうだ。この二つはまったく別の主張であり、両者を混同することが、この市場で最もよくある誤りである。

## メーカーや代理店は、何をすべきなのか

1. **アシスタントがいま自社の部品について何と言っているかを確かめる。** 実在する部品番号を五つ選び、答えの分かっている事実質問を五つ、三つのアシスタントに投げてみる。たいていのチームは二十分以内に、具体的で修正可能な誤りを見つける。
2. **自社のカタログページを、ブラウザ以外の素のクライアントで取得してみる。** Partsgraphが2026年8月に世界984の代理店・メーカードメインを監査したところ、38%が標準的な非ブラウザクライアントに対して読み取り可能なカタログページを返さず、AI可視性スコアの中央値は100点満点中50点だった。原因として最も多いのはクライアントサイドレンダリングである。
3. **正典となるレコードをひとつに定める。** PIM、PDFのデータシート、ERPに散らばったパラメトリック情報は、三つの異なる答えを生む。アシスタントは自分が見つけたものを引用するだけで、それがどれだったのかを誰にも告げない。
4. **適合性とライフサイクル状態を、文書ではなくデータとして公開する。** 生産終了、ラストタイムバイの期日、地域ごとの認可は、アシスタントの回答で誤りが生じやすく、しかも誤ったときに商業的に致命傷となりやすい項目である。
5. **エージェントに直通の経路を用意する。** Microchipは2025年11月、検証済みの製品仕様、データシート、在庫、価格、納期をAIクライアントに公開する公式のModel Context Protocolサーバーを公開した。それに続く例は目立って少ないままだ——同じ2026年8月の監査では、984ドメインのうちMCPエンドポイントを掲げていたものはひとつもなかった。
6. **需要創出のルールを、チャネル側が書き換える前に自ら書き換える。** デザインレジストレーションが機械発の仕様決定を評価できないままなら、代理店はそれを生み出すデータへの投資をやめ、その問題はメーカーが引き受けることになる。

## 複利で効いてくる部分

買い手がタブを十二枚開く時代に戻る、というもっともらしい未来は存在しない。アシスタントが仕様に関する質問にいったん正しく答えれば、その種の質問における既定の情報源になる。そして既定は自己強化する——引用される回答はさらに強化され、機械に読み取れるサプライヤーが引用される。

時間差は、この事態を和らげるどころか悪化させる。2026年に勝ち取った仕様採用が売上として現れるのは2028年である。つまり、デザインイン率が静かに下がっていたと2028年に気づく企業が見つめることになるのは、その二年前に、特定の誰かによってではなく、誰も所有していない仕組みの中で下されたデータ品質の判断なのだ。

*アシスタントがいま自社のカタログについて何と言っているかを知りたければ、[/audit](/audit) の無料グレーダーが、機械が実際にそれをどう読むかを診断する。*

## よくある質問

### AIを使った購買は、営業との対話を本当になくしてしまうのか

いいえ——対話を後ろにずらし、幅を狭めるだけである。Forresterの2026年の調査は、購買の意思決定に社内およそ13名の関係者と社外9名の影響者が関与し、購買部門が53%の案件で意思決定者として振る舞う姿を描き出している。その人たちは今も会い、今も交渉し、今も実績照会を求める。変わったのは、最初の対話の場にすでに候補リストを携えて現れる点だ。いまや営業の対話は、自社チームが提供したのでもなく、見ることすらできないかもしれない一連の前提の上で進んでいく。

### これは消費者向けAIショッピングの誇大宣伝を、産業分野に当てはめただけではないのか

ディスカバリー（製品発見）の変化については、どちらの分野でも十分な裏づけがある。Adobeの計測では、2026年第1四半期に米国小売サイトへのAI経由トラフィックが前年同期比393%増となり、3月にはAI経由以外のトラフィックより42%高いコンバージョン率を示した。ForresterのB2Bデータは、ビジネス購買でも並行した動きが起きていることを示している。まだ裏づけがないのは、自律的な産業取引のほうだ——Deloitteの報告では、エージェンティックAI技術を何らかの形で使っているB2Bサプライヤーは4分の1にも満たない。ディスカバリーは現実、取引は思弁と捉えるべきである。

### デザインレジストレーションとは何か、そしてなぜAIによる仕様決定がそれを脅かすのか

デザインレジストレーション（設計登録）とは、自社の部品を顧客製品に設計採用させた代理店に対して部品メーカーが報いる仕組みであり、通常は追加マージン、価格プロテクション、あるいはそのプログラムでの単独供給という形をとる。報いている対象は需要創出——フィールドアプリケーションエンジニアが設計に影響を及ぼすために費やした時間である。人間が関与するより前にアシスタントが候補リストを提示したのなら、需要を創出したのはフィールドではなくデータということになる。それをどう評価に反映するのかについて、まだ誰も合意していない。

### どの買い手が、どのAIツールを使っているのか

Forresterの調査では、ビジネスバイヤーの61%が自組織から支給されたプライベートAIツールを使っており、買い手がChatGPTを使う確率は消費者のおよそ2倍、Microsoft Copilotはおよそ4倍、そしてChatGPTとCopilotの利用者の半数超が自社ファイアウォールの内側で使っていることが分かった。最後の点は商業的に重い意味を持つ。評価のかなりの部分が、計測もできず、アナリティクスにも現れず、リターゲティングもできない企業内の導入環境の中で進んでいるということだからだ。

### 検索がクリックなしで終わるなら、ウェブのコンテンツにまだ意味はあるのか

意味は薄れるどころか増している——ただし理由が変わった。SparkToroの計測では、2026年初頭の米国のGoogle検索の68%がクリックなしで終わり、オープンウェブに届くクリックは1,000回の検索あたりおよそ276回、2024年の374回から減少した。自社のページはもはや、主としてトラフィックの源ではない。回答の中身を決める、学習と検索取得の基盤である。訪問されるためではなく、引用されるために公開するのだ。

### 代理店は危機感を持つべきか、それともこれは好機なのか

その両方であり、分かれ目はデータにある。メーカーをまたいで正規化された正確なパラメトリックデータを、実在庫と納期とともに保持している代理店は、まさにアシスタントが必要とし、単一のメーカーには提供できない存在である。一方、フィールドのカバレッジと関係の深さを差別化要因としてきた代理店は、より危うい立場にある。機械は電話に出ないからだ。生き残る資産はカタログであって、カバレッジマップではない。

### この変化はどのくらいの速さで進むのか

トラフィックのグラフが示唆するよりは遅く、購買サイクルが織り込めるよりは速い。産業分野のデザインインのサイクルは12〜36か月に及ぶため、2026年にアシスタントによって仕様採用された部品が売上として現れるのは2028年である。この時間差こそが戦略上の問題だ。売上への影響が自社の数字に見えるようになる頃には、それを生んだ仕様決定はすでに3年前のもので、しかもその時点の自社データが語っていた内容に基づいて下されている。

## 出典

1. [Forrester, B2B Buyers Make Zero-Click Buying Number One (22 January 2026)](https://www.forrester.com/blogs/b2b_buyers_make_zero_click_buying_number_one/)
2. [Forrester, 2026 Buyer Insights: GenAI Is Upending B2B Buying (press release, 21 January 2026)](https://www.forrester.com/press-newsroom/forrester-2026-the-state-of-business-buying/)
3. [SparkToro, In 2026, Less than One Third of Google Searches Still Send a Click](https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/)
4. [Adobe, Generative AI-powered shopping rises with traffic to US retail sites (Q1 2026)](https://business.adobe.com/blog/generative-ai-powered-shopping-rises-with-traffic-to-retail-sites)
5. [TechCrunch, AI traffic to US retailers rose 393% in Q1 (16 April 2026)](https://techcrunch.com/2026/04/16/ai-traffic-to-us-retailers-rose-393-in-q1-and-its-boosting-their-revenue-too/)
6. [Search Engine Land, OpenAI: ChatGPT now has 900 million weekly active users](https://searchengineland.com/chatgpt-900-million-weekly-active-users-470492)
7. [EE Times, The Inside Story About Demand Creation and Design Registration](https://www.eetimes.com/the-inside-story-about-demand-creation-and-design-registration/)
8. [Digital Commerce 360, Agentic commerce faces reality check in B2B ecommerce (10 March 2026)](https://www.digitalcommerce360.com/2026/03/10/agentic-commerce-faces-reality-check-in-b2b-ecommerce/)
9. [Gartner, Over 40% of agentic AI projects will be canceled by end of 2027 (25 June 2025)](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027)
10. [Microchip Technology, Microchip unveils Model Context Protocol (MCP) Server (6 November 2025)](https://ir.microchip.com/news-events/press-releases/detail/1344/microchip-technology-unveils-model-context-protocol-mcp-server-to-power-ai-driven-product-data-access)

## Other languages

- English: https://partsgraph.ai/blog/how-b2b-buying-changed-ai-specification/md
- Deutsch: https://partsgraph.ai/de/blog/how-b2b-buying-changed-ai-specification/md
- Français: https://partsgraph.ai/fr/blog/how-b2b-buying-changed-ai-specification/md
- Español: https://partsgraph.ai/es/blog/how-b2b-buying-changed-ai-specification/md
- Italiano: https://partsgraph.ai/it/blog/how-b2b-buying-changed-ai-specification/md
- Nederlands: https://partsgraph.ai/nl/blog/how-b2b-buying-changed-ai-specification/md
- Polski: https://partsgraph.ai/pl/blog/how-b2b-buying-changed-ai-specification/md
- Português: https://partsgraph.ai/pt/blog/how-b2b-buying-changed-ai-specification/md
- Svenska: https://partsgraph.ai/sv/blog/how-b2b-buying-changed-ai-specification/md
- Türkçe: https://partsgraph.ai/tr/blog/how-b2b-buying-changed-ai-specification/md
- 한국어: https://partsgraph.ai/ko/blog/how-b2b-buying-changed-ai-specification/md
- 简体中文: https://partsgraph.ai/zh/blog/how-b2b-buying-changed-ai-specification/md

---

Partsgraph — the agent-ready parts data layer. Free AI-visibility grader: https://partsgraph.ai/ja/audit