Agentic Commerce - rewolucja AI w zakupach online

Agentic commerce to model handlu, w którym autonomiczny agent AI (Claude, ChatGPT, Gemini, Perplexity) wykonuje cały proces zakupowy w imieniu klienta - od wyszukania produktu, przez porównanie ofert, po finalizację płatności. Klient podaje wyłącznie intencję, a nie listę kroków.

W klasycznym e-commerce każdy etap należy do człowieka: wpisanie frazy, przeglądanie kart produktów, porównanie cen, kliknięcie kup teraz, wpisanie danych karty. W modelu agentowym te kroki przejmuje maszyna, która łączy się z systemami sklepów i analizuje ustrukturyzowane dane, a nie ładny layout.

Warto rozdzielić dwa pojęcia, które łatwo pomylić. Chatbot reaguje - odpowiada na pytanie i czeka na kolejne polecenie. Agent działa proaktywnie: sam ustala cel, planuje kroki, podejmuje decyzje i doprowadza zadanie do końca, bez nadzoru na każdym etapie.

Mechanizm opiera się na trzech zdolnościach: rozumowaniu, planowaniu i działaniu. Agent rozumie kontekst zapytania typu coś na ból pleców dla osoby pracującej przy biurku, rozkłada je na podzadania i wykonuje je sekwencyjnie, korzystając z API i feedów produktowych zamiast renderowania strony jak przeglądarka.

Typowy scenariusz zaczyna się od intencji, a nie od frazy. Użytkownik mówi: znajdź i zamów laserową drukarkę WiFi do biura, budżet 1500 zł, dostawa jutro. Agent rozkłada to na konkretne kroki i realizuje je samodzielnie.

Proces zwykle przebiega w pięciu etapach. Każdy z nich może być w pełni zautomatyzowany albo zatrzymany do akceptacji człowieka - zależnie od poziomu zaufania, jaki nadał użytkownik.

Kluczowa różnica wobec tradycyjnego lejka: na agenta nie działa storytelling, perswazja wizualna ani sztuczna presja czasu. Liczy się jakość, kompletność i struktura danych. To przesuwa ciężar z warstwy marketingowej na warstwę informacyjną sklepu.

Bo wszystkie elementy układanki już istnieją i zaczynają się ze sobą komunikować. To nie wizja z prezentacji, tylko działające produkty łączone w jeden ekosystem.

Po pierwsze - modele językowe osiągnęły poziom rozumienia kontekstu zakupowego wystarczający do podejmowania prostych decyzji. Po drugie - pojawiły się otwarte protokoły, które pozwalają agentom dogadać się ze sklepem maszyna-do-maszyny. Po trzecie - płatności cyfrowe i computer use domknęły ostatni etap, czyli faktyczne złożenie i opłacenie zamówienia.

Dochodzi do tego presja po stronie użytkownika. Delegowanie powtarzalnych, nudnych zakupów (materiały biurowe, FMCG, części zamienne) maszynie jest naturalnym kierunkiem - tak jak wcześniej zautomatyzowaliśmy przelewy czy subskrypcje. Adopcja idzie od najprostszych, najmniej emocjonalnych kategorii.

Żeby agenci i sklepy mogły się porozumieć, potrzebne są wspólne standardy komunikacji. To najczęściej pomijany, a najważniejszy fragment układanki - większość poradników kończy na Schema.org i nie tłumaczy, że za checkout odpowiadają osobne protokoły budowane przez różne konsorcja.

Dla właściciela sklepu praktyczny wniosek jest jeden: nie stawiasz na jeden protokół, bo rynek jeszcze się nie skonsolidował. Bezpieczna kolejność to najpierw poprawne dane produktowe i Schema.org (fundament, z którego korzysta każdy agent niezależnie od protokołu), a dopiero potem integracje pod konkretny ekosystem, gdy zobaczysz z niego realny ruch. Inwestowanie w dedykowany serwer MCP, zanim masz uporządkowany feed, to budowanie dachu bez fundamentów.

Twój nowy klient to maszyna, która czyta dane, a nie ogląda zdjęć. To zmienia priorytety od warstwy wizualnej w stronę warstwy informacyjnej i technicznej.

Agent nie kliknie w baner, nie zareaguje na hasło tylko dziś -50 procent, nie da się rozproszyć popupem i nie ulegnie dark patterns. Ocenia fakty: tytuł, cenę, materiał, wymiary, wariant, dostępność - w formacie czytelnym dla maszyny. Brak któregokolwiek z tych pól to brak produktu w porównaniu.

Drugą konsekwencją jest przesunięcie SEO w stronę GEO i LLMO. Walczysz już nie tylko o pozycję na liście wyników, ale o to, żeby Twój produkt znalazł się w odpowiedzi generowanej przez model. Sklep coraz częściej staje się zapleczem danych, a nie zawsze miejscem docelowym klienta - zakup może domknąć się w ChatGPT czy Gemini.

Kto na tym straci? Sklepy z cenami w stylu zapytaj o cenę, bez Schema.org, bez API produktowego i bez spójnych specyfikacji. Kto wygra? Te z kompletnymi, ustrukturyzowanymi i wiarygodnymi danymi, które maszyna może bez tarcia przetworzyć. Dobrze zaprojektowane od podstaw sklepy internetowe mają tu przewagę, bo dane produktowe są w nich od początku traktowane jak kapitał, a nie dodatek.

Zacznij od danych, nie od integracji. Najwięcej efektu da uporządkowanie tego, co agent czyta w pierwszej kolejności, czyli warstwy danych produktowych i Schema.org.

Kolejność ma znaczenie. Schema.org i jasne opisy to klasyczna zasada 80/20 - dają większość widoczności dla agentów przy najmniejszym nakładzie. API i serwer MCP to inwestycja, która ma sens dopiero, gdy fundament jest gotowy i monitorujesz realny ruch od asystentów.

Dobrym testem domowym jest sprawdzenie, czy model w ogóle rozumie Twój produkt. Wklej Claude lub ChatGPT opis ze swojej karty produktu i poproś o wypisanie wymiarów, materiału i zastosowania. Jeśli model się gubi albo zgaduje - agent zachowa się tak samo i pominie produkt.

Zacznij od tego, czego już używasz - analityki i logów serwera. Ruch od agentów rozpoznasz po user-agent (np. GPTBot, ClaudeBot, PerplexityBot) oraz po nietypowych wzorcach: brak interakcji z elementami wizualnymi, szybkie odpytywanie kart produktów, wejścia bezpośrednio na strukturalne dane.

Warto rozdzielić w raportach sesje od ludzi i od botów AI, a następnie patrzeć na konwersję i średnią wartość zamówienia osobno dla każdego segmentu. To pokazuje, czy asystenci faktycznie kupują, czy tylko indeksują katalog.

Dlatego traktujemy przygotowanie pod agentic commerce nie jako osobny projekt futurystyczny, lecz jako higienę danych produktowych, która zwraca się już dziś - w Merchant Center, w SEO i w rich snippetach.

Rób teraz to, co i tak się opłaca niezależnie od tempa adopcji agentów: porządkuj dane produktowe, wdrażaj Schema.org, udostępniaj ceny bez logowania i pilnuj spójnego feedu. To inwestycja bez ryzyka - działa dla ludzi, dla Google i dla AI jednocześnie.

Poczekaj z tym, co jest jeszcze niestabilne i kosztowne: dedykowane serwery MCP pod konkretny model, programy partnerskie dla agentów czy głębokie integracje checkoutu pod jeden protokół. Rynek protokołów się dopiero ściera (ACP, UCP, MCP), więc wcześnie postawiona integracja może wymagać przebudowy.

Nie próbuj też zoptymalizować wszystkiego naraz. Wybierz jedną kategorię produktów o jasnych specyfikacjach - elektronika, części, materiały eksploatacyjne - i na niej przetestuj pełen łańcuch: dane, feed, widoczność w odpowiedziach AI. Wnioski przeniesiesz potem na resztę asortymentu.

Największym błędem byłoby potraktowanie agentic commerce jako mody, którą można przeczekać. Nawet jeśli pełna automatyzacja zakupów rozłoży się na lata, warstwa danych, której wymaga, jest dokładnie tą samą, której Google i klienci oczekują od dobrego sklepu już teraz.

• Agencja AI - jak wybrać partnera i bezpiecznie zaplanować wdrożenie
• Jak wdrożyć chatbota do sklepu internetowego krok po kroku
• Jak działają rekomendacje produktowe AI w sklepie internetowym?
• Agent AI: ile kosztuje wdrożenie i utrzymanie w firmie?
• Regulacje dotyczące sztucznej inteligencji: praktyczny przewodnik dla małej firmy
• Jak optymalizować konwersję dzięki AI: 6 pomysłów dla firmy
• Rodzaje sztucznej inteligencji: które rozwiązania mają sens w firmie
• Integracja Kaufland.cz z ChatGPT: jak przygotować opisy produktów bezpiecznie
• Automatyzacja AI na Podhalu - jakie procesy warto wdrożyć w firmie?
• Google AI Studio: jak testować Gemini i tworzyć prototypy AI