Mobile Disrupt 2026 参加レポート: 中古モバイル業界のショーケース
ttyfkyはじめに
先日、米国で開催された中古モバイル業界のカンファレンス Mobile Disrupt 2026 に参加しました。
Mobile Disrupt は、中古スマートフォン・中古デバイスの流通に関わるプレイヤーが一堂に会する業界カンファレンスです。 キャリアや OEM から、卸売事業者、リファービッシュ事業者、検品ツールやロボティクスのベンダーまで、 セカンダリーマーケットのサプライチェーンを構成する企業が集まり、セッションと Expo（展示会）が並行して行われます。 以前参加した MWC & GSMX の参加レポートで紹介した GSMX は仲卸業者（私からするとバイヤーと呼ぶ）とのコミュニケーション主体でしたが、 本イベントは中古スマホに軸足を置きつつ、検品ツールやオートメーション用の機械の展示なども行う、業界のショーケース的な位置付けです。
私は今回が初参加でした。グループでは伊藤忠商事と We Sell Cellular がスポンサーとして Expo に出展しており、 We Sell Cellular からは Belong の創業者のひとりである清水（元 COO）がパネルディスカッションにも登壇しました。 営業・オペレーションチームがツールベンダーやバイヤーとの商談と展示に注力する一方で、 私は気になるセッションと展示ブースを見て回ることに時間を使いました。
本記事では、その中から特に印象に残った「消費者データから見たトレードイン市場」「検品自動化の成熟」 「中古デバイス業務に特化したデータ基盤と AI エージェント」の 3 つの切り口で、業界テックの現在地をレポートします。
|
|
|
|
データで見るトレードイン市場: 意識と行動のギャップ
最も学びが多かったセッションの一つが、Alchemy 社による消費者インサイトの発表でした。 調査会社 CCS Insight と共同で実施したグローバル消費者調査に基づき、 トレードイン（下取り）とリファービッシュ品市場を定量的に分析した内容です。
紹介されたデータの中で象徴的だったのは、米国ではスマートフォン購入者の 87% が下取りを認知し関心を持っているのに、 購入時に下取りを提案された人は 60% に留まり、実際に利用したのは意向を持つ層の半分以下（約 44%）だという数字です。 つまり、需要が足りないのではなく、意識と行動の間のギャップこそが市場機会だという指摘です。
同社の発表によると、利用の障壁は、提示される下取り価値の低さ、古い端末や壊れた端末には価値がないという思い込み、 そしてデータセキュリティへの懸念の 3 点でした。 これに対する打ち手もデータで示されており、80% の消費者が購入時の即時割引で下取り意向が高まると回答し、 68% が見積額の受取保証で信頼感が増す、61% が査定額変更時に端末を返してもらえる選択肢を求める、 76% がデータ消去証明書の発行が安心につながると回答したとのことです。
リファービッシュ品側でも同じ構造のギャップ（関心 77% に対して購入経験 44%）が示され、 保証期間や返品ポリシー、診断結果の透明性が信頼獲得の鍵とされていました。 興味深かったのは、消費者の半数以上がグレーディング（品質等級）の定義を正確に理解していない（事業者が伝えきれていない）という指摘です。 業界全体での標準化と消費者教育が必要だという議論は、業界リーダーが集まる別のパネルディスカッションでも繰り返し登場しました。 米国は市場として日本の先を行っているのですがまだまだこのような課題があり、それは日本市場でも同様です。 にこスマ（EC・買取）は購入者・販売者にとって信頼できるサービスであることを心がけており、グレードの定義や査定の透明性を高めることに注力していますが、 今後も意識的に取り組むべき領域であると感じました。
検品自動化の成熟: Watch 検品とロボティクス
Expo では検品ツールやロボティクスのベンダーを中心に回りました。 全体を通じて感じたのは、数年前まで手作業が前提だった領域の自動化が着実に成熟しているということです。
象徴的なのが Apple Watch の検品です。 Watch の検品は従来ペアリング作業が必要で、スマートフォンに比べて自動化が難しい領域でした。 今回の展示では、ペアリングなしで主要なテストを 1 台あたり 1 分程度で実行し、 検品結果の記録からデータ消去、証明書の生成までを一連のフローで行えるツールが実運用ベースで動いていました。 ペアリングが必要なセンサーテスト向けの対応も進んでいるとのことで、 スマートフォンで起きた検品自動化の波が周辺デバイスに広がっていることを実感しました。
もう一つ面白かったのが検品ロボティクスです。 既存の検品ソフトウェアをロボットが物理的に操作する、 つまりロボットの指がスマートフォンの画面をタップしてテストを進めるブースがありました。 カメラテストではロボットが 1x/2x/5x の各カメラで撮影し、画像品質をアルゴリズムで判定します。 正直なところ「ここは人がやった方が速いのでは」と感じる工程もありましたが、 ロボットは休憩なしで長時間稼働できるため、スループットの総量では優位に立てるという整理は納得感がありました。 人とロボットの使い分けの議論は、この業界でも引き続き重要なテーマだと感じました。
中古デバイス業務に特化したデータ基盤と AI エージェント
エンジニアとして最も刺激を受けたのは、中古デバイス事業の倉庫管理業務（WMS）に特化した BI 基盤と AI エージェントのインテグレーションを提供するスタートアップ（Optima.engineering 社）の展示でした。
印象的だったのは開発者体験の設計です。 GitHub リポジトリを直接連携してデプロイする Vercel を意識した作りで、 ダッシュボードのプラットフォームはサービス側で持つ一方で、 各リポジトリの中でデータの定義、リネージ、そしてそのデータを使う AI エージェントの挙動までをコードとして定義できます。 その上で、購買需要の予測、入荷予測に基づく必要人員の提案、在庫回転の最適化提案、価格予測といった、 中古デバイス事業ならではのユースケースがパッケージされていました。
汎用の BI ツールや汎用の AI エージェント基盤は数多くありますが、この業界の業務は IMEI 単位の個体管理、 グレードによる価値変動、相場に連動した価格改定など、ドメイン特有の構造を持っています。 そこに特化したデータ基盤とエージェントをセットで提供するというアプローチは、 自分たちが取り組んでいる方向性とも重なるところが多く、それを抽象化してサービスとして提供しようという試みには刺激を受けました。
AI をテーマにしたパネルディスカッションでも、これと通じる議論がありました。 登壇者の間で一致していたのは、汎用モデルをそのまま業務に当て込むのではなく、 自社に蓄積されたデータを活かした目的特化型のモデルやエージェントを構築できる企業が差別化するという見立てです。 「データは弾薬であり、量より質。クリーニングやスキーマ設計といった地道な品質担保が勝敗を分ける」という言葉は、 AI 活用というテーマでありながら、結局はデータエンジニアリングの基本に立ち返る話でもありました。 あわせて、単一の万能 AI ではなく単一タスクに特化した複数エージェントを組み合わせ、 相互にクロスチェックさせた上で人間が最終判断するという設計論や、 測定可能なビジネス KPI に紐づかない AI 活用は「忙しさの自動化」に過ぎないという警句も、 実務家の集まるパネルらしい地に足のついた内容でした。
まとめ
初参加の Mobile Disrupt で持ち帰ったものを整理すると、次の 3 点になります。
1 つ目は、トレードイン市場の成長余地は「意識と行動のギャップ」にあり、 即時割引・受取保証・データ消去証明書といった打ち手がデータで裏づけられていることです。 2 つ目は、検品自動化が Watch などの周辺デバイスやロボティクスへと着実に広がっており、 人と機械の使い分けを設計するフェーズに入っていることです。 3 つ目は、この業界の AI 活用の主戦場が汎用ツールの導入ではなく、 ドメイン特化のデータ基盤とエージェント設計に移りつつあることです。
中古デバイスの流通は、供給構造の変化や各国の規制動向など、業界全体で向き合うべき課題も多い領域です。 一方で、今回見てきたように、検品・グレーディング・価格決定・在庫最適化といった業務のあらゆる場面に ソフトウェアとデータの介在余地が広がっており、エンジニアにとって面白いフェーズにあることは間違いありません。 来年は自分たちの取り組みをこうした場で発信する側に回れるよう、日々の開発に還元していきます。
Belong では、こうした業界の変化をソフトウェアとデータで支えるエンジニアを募集しています。 興味のある方は 採用ページ をご覧ください。