製造業 (BtoB メーカー) のための AI エージェント対応ガイド

「〇〇用のセンサーで AC100V 対応のもの」「△△業界向けの XX 試験機」 — AI に技術部材を聞く調達担当者や設計エンジニアが、ここ数年で目に見えて増えてきた。BtoB メーカーのサイトは、AI が仕様で正しく拾えないと、指名検索の手前で選択肢から外される時代に入っている。

BtoB の購買プロセスは「仕様確認 → 適合性判断 → 見積依頼」が基本フローで、最初の仕様確認を AI で済ます、というケースがエンジニアを中心に急増している。具体的にはこんな質問が AI に投げられている。「100V / 200V 切替可能な 3A までの DC 電源モジュールを作ってる国内メーカーは?」「真空蒸着で使える耐熱 300℃ のシリコンチューブ、内径 3mm の在庫品があるサプライヤー」「ISO 9001 + IATF 16949 認証済みの精密プレス加工メーカー、関東圏」。

これらの質問に AI が答えるとき、貴社の Web サイトが仕様で検索可能 = 製品ページから技術スペックがテキストで取れる状態でなければ、回答の選択肢に入らない。逆に整っていれば、カタログ請求や商談の前段階で AI 経由のリードが取れる、という構造になっている。本記事では BtoB メーカーの Web サイトを AI エージェント対応にするための実装を、ページの種類ごとに整理する。

製品一覧ページ

AI に「この会社は何を作っているか」を一覧で伝えるのが目的。カテゴリツリーは必ず HTML で出すこと (アコーディオン UI でも、初期 HTML 上には全カテゴリ + サブカテゴリが含まれていればよい)。各カテゴリページの description には「センサー」だけでなく「測定範囲 0-100 kPa の圧力センサー」のような具体的な仕様レンジを入れておくと、AI が条件絞り込みで拾える確率が上がる。

品番検索や型番検索の UI を持っているサイトなら、大量の品番をテーブルで HTML 化しておく。AI が品番リストから目当ての型番を引ける構造になっていると、エンジニアが「型番 PD-3000 系列の上位機種は?」のような質問を AI に投げた時に答えられる。

製品詳細ページ

ここが一番大事。AI に製品の仕様を完全に把握してもらうための場所だ。

最重要なのが Product の JSON-LD で、特に additionalProperty を空欄なく埋めること。name + value + unitText の組み合わせで意味が機械可読になり、AI が「測定範囲 0〜100 kPa の圧力センサーを探している」のようなクエリで自社製品を引き当てられるようになる。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "PD-3000 圧力センサー",
  "model": "PD-3000",
  "sku": "PD-3000-100",
  "brand": {
    "@type": "Brand",
    "name": "株式会社サンプル"
  },
  "manufacturer": {
    "@type": "Organization",
    "name": "株式会社サンプル",
    "url": "https://example-corp.example/"
  },
  "category": "産業用圧力センサー",
  "description": "AC100V 動作、測定範囲 0-100kPa、IP67 防水、出力 4-20mA の汎用圧力センサー",
  "image": "https://example-corp.example/products/pd-3000.jpg",
  "additionalProperty": [
    { "@type": "PropertyValue", "name": "測定範囲", "value": "0-100", "unitText": "kPa" },
    { "@type": "PropertyValue", "name": "電源電圧", "value": "AC100V" },
    { "@type": "PropertyValue", "name": "出力", "value": "4-20mA" },
    { "@type": "PropertyValue", "name": "保護等級", "value": "IP67" },
    { "@type": "PropertyValue", "name": "動作温度", "value": "-20〜+80", "unitText": "°C" }
  ]
}
</script>

additionalProperty でスペックを列挙する形は、Schema.org が定める製造業向けの正解パターンだ。

スペック表は HTML テーブルで書くこと、これも重要。画像化してしまうと AI から読めない。データシート PDF や CAD データへのリンクには rel="alternate" を付けて関連付ける。STEP / IGES / DXF のような CAD フォーマットへのリンクもあると engineering 系 AI が拾ってくれる。

ナビゲーション設計として、「同等品」「上位機種」「下位機種」のような関連製品の内部リンクを充実させておくと、AI がカタログ全体を縦横に traversable な構造として把握しやすくなる。

技術仕様 / アプリケーション例

「この製品はどんな用途に使えるか」を AI に理解してもらうためのページ群。業界別の使用例を独立した URL で持っておくのが効く (「半導体製造装置での使用例」「食品工場での使用例」のように)。画像には alt とキャプションを必ず付けて、「半導体ウェハ搬送装置に組み込まれた PD-3000」のような具体性のあるテキストにする。

「精度 ±0.5% F.S.」「応答時間 5 ms 以下」のような数値は、PDF だけでなく必ず HTML の本文に書く。AI から見ると HTML だけが現実的な参照可能ソースだと思った方がいい。

PDF カタログの扱い

ここが BtoB メーカーの最大の落とし穴になる。製品情報の中心が PDF カタログにあるサイトは多いが、AI は PDF を効率的に読めない (テキスト抽出に失敗するケースが多々ある)。

対応策は 3 つ。1 つ目、PDF と同等の情報を HTML や Markdown でも公開する。カタログ全体の HTML 版ページを別途用意するのが一番確実。2 つ目、PDF には必ずテキストレイヤを付ける。画像 PDF (スキャン PDF) は AI が読めないので NG、InDesign や Word から書き出した PDF にする。3 つ目、PDF へのリンクには rel="alternate" を付けておく。

<a href="/catalogs/pd-3000-spec.pdf" rel="alternate" type="application/pdf">
  PD-3000 製品カタログ (PDF, 2.3MB)
</a>

可能なら製品詳細ページの本文に PDF の主要内容をテキストで転載しておくこと。手間はかかるが、AI 経由の発見可能性が大幅に上がる。

適合・認証情報

AI が「ISO 9001 取得」「UL 認証」のような条件で絞り込めるようにしたい。取得認証一覧ページに ISO 9001、IATF 16949、ISO 14001、RoHS、REACH などをテキスト + 認証番号 + 取得日付の形で並べる。各製品の詳細ページの仕様表にも「準拠規格: RoHS 2.0, REACH」のような行を入れておく。

Schema.org の Certification 型で構造化しておくと、AI が認証の有効性も判定できる。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Certification",
  "name": "ISO 9001:2015",
  "certificationIdentification": "JP-12345",
  "issuedBy": { "@type": "Organization", "name": "JQA" },
  "validIn": "https://example-corp.example/",
  "validFrom": "2023-04-01",
  "expires": "2026-04-01"
}
</script>

代理店・販売店情報

国内製造業は代理店経由販売が多い構造になっている。AI に「〇〇社の代理店は?」と聞かれた時に答えられるよう、代理店一覧ページを地域別 + 業界別で持っておくのがよい。各代理店のページに連絡先、担当地域、取扱製品を載せて、LocalBusiness の JSON-LD で構造化しておく。海外代理店もあるなら多言語サイトとの整合性を取りつつ同じパターンで。

多言語サイト

国内製造業の海外展開でよくあるパターン。hreflang を全ページで出すことが最重要で、<link rel="alternate" hreflang="ja" href="..."> <link rel="alternate" hreflang="en" href="..."> のように 2 言語分を必ず併記する。

URL 設計は /en/products/... のようにパスで分岐するのが推奨。example-corp.example と en.example-corp.example のサブドメイン分岐より AI フレンドリーで、canonical 関係が明確になる。

製品の JSON-LD は両言語で完全に同期させる (英語版でも additionalProperty を完備)。製品仕様の単位は、日本語版は mm / kPa / °C で、英語版は inches / psi / °F も併記しておくと海外エンジニアに親切。

YomuScore のチェック項目との対応

製造業で特に重要になるチェック項目を整理しておく。

YomuScore check	製造業での重要度
P10 / P11 (JSON-LD)	全製品詳細ページに `Product` + `additionalProperty`
P12 (見出し構造)	スペック / 用途 / 認証 / 関連製品の h2 階層
P15-P20 (Markdown ミラー)	主要製品カタログだけでも対応推奨
S10 (sitemap.md)	カテゴリ別の階層的目次
P14 (用語集)	業界用語集ページ。品番命名規則・単位換算表も併設
Product schema	`additionalProperty` を空欄なく埋める

業界用語集ページは特に効くと思う。「品番命名規則 (PD = 圧力センサー、3000 = シリーズ番号、-100 = 仕様コード)」のような対応表を載せておくと、AI が品番から仕様を逆引きできるようになる。単位換算表 (kPa ↔ psi、L/min ↔ gpm) も置いておくと海外向けの引用効率が上がる。

関連リンク