データスタックについて考えてみてください。それは、あらゆる販売チャネルからデータを収集し、それを統合して洞察を導き出し、そして行動を起こすために不可欠なソフトウェアサービスの集合体です。
従来のマーケットプレイスデータスタックでは、ブランドや代理店は、すべてのユースケースを事前に計画する必要がありました。
ダッシュボードは使い勝手が悪く、構築も面倒だったため、ログインするたびに確認したい最も重要なデータポイント（クリック率？シェア・オブ・ボイス？在庫レベル？）をすべて把握する必要がありました。
そして、あなたのチーム、あるいはソフトウェアパートナーに、それらのダッシュボードをゼロから構築してもらったのです。
このシステムの問題点は、一日の中で、ダッシュボードの範囲を超えるような疑問が生じる可能性があるということです。
ダッシュボードで質問への回答が得られなかった場合はどうなるでしょうか？ 新しいダッシュボードの作成を依頼する必要があり、その場合も作成に数日かかるか、SQLを活用して自分で答えを見つける必要があります。
その結果、実際には誰も必要としていないほど多くのダッシュボードが生まれてしまった。それらのダッシュボードは、特定の質問に答えるために設計されたものの、その後は使われなくなったのだ。
MCPはマーケットプレイスのデータスタックをどのように変えているのか？
AIエージェントとMCPの台頭は、マーケットプレイスのデータスタックを根本的に変革した。
これで、スタックの基盤となるのは、ビジネスインテリジェンスプラットフォームであろうとAIエージェントであろうと、既に作業している場所であればどこにでも信頼できるデータを送信できる、AI対応のデータ基盤となります。
この新しいデータスタックを使えば、あらかじめ用意された多数のダッシュボードに頼る必要はありません。
代わりに、自然言語を使ってAIエージェントに詳細な質問を投げかけ、Slackやメールに直接アラートを送信するワークフローを構築することができます。
一番良い点は、補助的な質問に答えるのが難しくなくなったことです。
例えば、仕事の合間にふと分析に関する疑問が浮かんだとしましょう。「上位5つのASINのNTB率は過去1年間でどのように変化したのか？」といった具合です。
以前は、NTB率の推移を示す新しいダッシュボードを構築するか、分析チームと何度もやり取りしてこの質問に答えるために、数日を費やす必要がありました。
これで、IntentwiseのAIエージェントにAMCデータを取り込むだけで、ClaudeはNTB率の推移を数分で簡単に視覚化できます。 AI Gateway MCP ありません。
新しいAI対応データ基盤
このAI主導のデータスタックの基盤となるのは、新しく改良されたデータストアです。
ご存知かもしれませんが、データストアとは、Amazon、Walmart、TikTokなどからのすべてのデータを集約する中央ハブのことです。
これまでと同様、すべての重要なデータが格納されていますが、今後はその上にセマンティックレイヤーが構築される必要があります。
優れたセマンティックレイヤーは、すべてのデータセットにわたる隠れた関連性を見つけ出し、さらに業界に関する特定のコンテキストに関するレイヤーを追加することで、AIエージェントがユーザーの意図をより深く理解できるようにします。
セマンティックレイヤーは、例えば在庫のカバー日数を計算する方法をAIエージェントに指示し、さまざまな製品の平均リピート購入率など、ブランド固有の情報を提供します。
セマンティックレイヤーは、AIエージェントから質の高い応答を得ること、そして作成するダッシュボードが高度な基準を満たすことを保証するための鍵となります。
AIデータスタックの、アクション満載の未来
次に起こるのは、分析と実行の融合だと私たちは考えています。
例えば、AIエージェントが作成したダッシュボードや、AIエージェントが提示する応答の中に、何か重要なことに気づいたとしましょう。
広告や商品を変更するために別のプラットフォームにアクセスしてクリックする必要はなく、AIエージェントがすぐにそれを実行できるべきです。
IntentwiseのようなMCPは、アクションをますます重視するようになり、すべての作業が1つのシームレスなハブで行われるようになっています。
AIエージェントに、広告を出しているASINのうち在庫が少ないものを尋ね、それらの広告キャンペーンを一度にすべて一時停止するように指示することができます。