On 28 September, Dentsu Soken announced GREENLIGHT, an export-control solution built on AI agents. In pilots with Japanese companies, the step from receiving a classification request under the Foreign Exchange and Foreign Trade Act to presenting a provisional judgment fell from three business days to about 30 minutes. It goes on sale on 2 November. It is one more sign that AI in trade has moved from experiments to specific jobs with measurable results.
The large trading houses have been preparing their people for this for three years. Mitsubishi Corporation is making an AI qualification a requirement for promotion to manager by 2027. Yet when ITOCHU announced a partnership to put AI agents into companies last December, it noted that more than half of Japanese companies use generative AI while only about 10% get results beyond what they expected. The gap between those two numbers is not a model problem. AI is very good at work that has a rulebook. Most of what makes trade work is not written in any rulebook.
Speed was never the scarce thing.
An export-control list is public. A tariff schedule is public. A regulation can be looked up, and now an AI can look it up in minutes. That is real progress, and it frees people from hours of checking.
What is scarce is context. Why a buyer in Singapore stopped replying after the second sample. What price was conceded last year, and what was asked in return. Which inspector wanted which certificate. None of that is in a regulation. It sits in the history of the deal, and the history of the deal sits in people.
Where trade knowledge lives today.
In most Japanese companies it lives in email, Excel files and personal laptops. In large companies, people rotate every few years, and each rotation resets part of what the company knows about a market. The handover document covers the open orders, rarely the reasons behind them.
Trading companies were, historically, the answer to this problem: they held the market knowledge on behalf of manufacturers. Today both sides want something new. Manufacturers want that knowledge to stay with them as they build their own overseas business. Trading companies want it to survive their own rotations as desks change hands. The need is the same: a place where trade knowledge accumulates as a company asset, and an AI that answers from it.
What an AI colleague needs.
An AI that only knows public information gives the same answer to every company. An AI colleague worth having answers from your own record first: your price list, your past negotiations, the reasons your deals stalled. It should say where each answer came from, mark anything taken from the web, and refuse to guess a number it does not have.
That kind of AI improves with use. Every recorded meeting, every reason a buyer gave for saying no, makes the next answer more specific to the business. The value is not in the model. It is in what the company has written down for it to read.
This is the layer we are building
貿易クラウド2.0 (Boueki Cloud 2.0) records product data, buyer correspondence, regulatory research, quotes, shipments and meeting notes in one place, as assets of the company rather than of a person. On top of it sits an AI agent we call the AI 商社マン, an AI trade colleague that answers from the company’s own records first, shows its sources and does not invent prices. It does not retrain a model on customer data; it reads the company’s records each time it answers. We built it from what we learned supporting more than 450 Japanese companies in their overseas business, and we are now exploring how the same layer could help larger organisations keep a market’s knowledge when the people covering it move on.
Faster checking is welcome, and we use it ourselves. But the advantage that compounds is memory.
The litmus test
Ask one question of your overseas team: if the person handling your largest overseas account moved tomorrow, how much of what they know could an AI answer from your records?
If the answer is “almost nothing”, the AI you need is not a faster one. It is one with something to remember.
Related reading
- Banks are teaching AI to read trade documents. The better fix is a document nobody has to read.
- The bill of lading finally has a common language. It still can’t say ‘pay’.
- The money now moves in an hour. The title still travels on its own.
AIは輸出審査を30分で終えるようになった。それでも貿易が失い続けているのは、記憶だ。
9月28日、電通総研はAIエージェントを搭載した安全保障貿易管理ソリューション「GREENLIGHT」を発表した。国内企業との実証では、外為法に基づくリスト規制への対応で、判定依頼の受領から仮判定の提示まで従来3営業日かかっていた工程が、約30分に短縮されたという。提供開始は11月2日だ。貿易におけるAIが、実験の段階から、成果を測れる具体的な仕事へと移ってきたことを示す一例である。
大手商社はこの3年、人の側の準備を進めてきた。三菱商事は2027年までに、AIの資格を管理職昇格の要件にする。一方で伊藤忠商事は昨年12月、企業へのAIエージェント導入を支援する業務提携を発表した際、生成AIを使っている日本企業は半数を超えるが、期待以上の成果を得ているのは約1割にとどまると指摘した。この二つの数字の差は、モデルの問題ではない。AIはルールブックのある仕事が得意だ。そして貿易を動かしているものの多くは、どのルールブックにも書かれていない。
希少なのは、速さではなかった。
輸出規制のリストは公開されている。関税率表も公開されている。規制は調べればわかり、いまではAIが数分で調べてくれる。これは本物の前進で、人を何時間もの確認作業から解放する。
希少なのは文脈だ。シンガポールのバイヤーが2回目のサンプルの後に返信をやめたのはなぜか。昨年どこまで値引きし、その代わりに何を求めたか。どの検査官が、どの証明書を求めたか。どれも規制には書かれていない。それは商談の経緯の中にあり、商談の経緯は人の中にある。
貿易の知見は、いまどこにあるか。
多くの日本企業では、それはメールとExcelと個人のPCの中にある。大企業では数年ごとに人が異動し、そのたびに、ある市場について会社が知っていることの一部がリセットされる。引き継ぎ資料に載るのは進行中の受注で、その背景にある理由はめったに載らない。
もともと、この問題への答えが商社だった。メーカーに代わって市場の知見を持つ存在だ。いま、双方が新しいものを求めている。メーカーは、自社で海外事業を育てる中で、その知見を手元に残したい。商社は、自らの人事異動で担当が替わっても、その知見を失いたくない。必要なものは同じだ。貿易の知見が会社の資産として貯まる場所と、それを読んで答えるAIである。
AIの同僚に必要なもの。
公開情報しか知らないAIは、どの会社にも同じ答えを返す。持つ価値のあるAIの同僚は、まず自社の記録から答える。自社の価格表、過去の交渉、商談が止まった理由。答えごとに根拠を示し、Webから取った情報はそうと明示し、持っていない数字は推測しない。
そうしたAIは、使うほど良くなる。記録された会議、バイヤーが断った理由の一つひとつが、次の答えをその会社に合ったものにしていく。価値はモデルにあるのではない。会社がAIのために書き残したものにある。
私たちが構築している層
貿易クラウド2.0は、商品情報、バイヤーとのやりとり、規制調査、見積、出荷、会議メモを一か所に記録する。それらは個人のものではなく、会社の資産として残る。その上で動くのが、私たちが「AI商社マン」と呼ぶAIエージェントだ。会社自身の記録を最優先の根拠に答え、出典を示し、価格を作り出さない。顧客のデータでモデルを再学習させるのではなく、答えるたびに会社の記録を参照する。450社を超える日本企業の海外事業を支援してきた経験から生まれた仕組みで、いまは、担当者が替わっても市場の知見を組織に残すために、同じ層がより大きな組織でどう役立つかを探っている。
確認が速くなるのは歓迎すべきことで、私たち自身も使っている。だが、積み上がっていく強みは記憶のほうだ。
リトマス試験
海外部門に一つだけ聞いてみてほしい。最大の海外取引先を担当している人が明日異動したら、その人が知っていることのうち、どれだけをAIが社内の記録から答えられるか。
答えが「ほとんど何も」なら、必要なのは速いAIではない。覚えておくものを持ったAIだ。
