Agentic commerce. Kiedy to nie klient, a AI robi zakupy

Wyobraźmy sobie sytuację, w której planowanie rodzinnej kolacji dla sześciu osób, uwzględniające preferencje wegetariańskie i bezglutenowe w ramach budżetu 300 zł, zajmuje nam zaledwie kilka sekund. Nie spędzamy czasu na przeglądaniu ofert, zarządzaniu koszykami czy przechodzeniu przez proces płatności. Zamiast tego delegujemy całe zadanie inteligentnemu asystentowi, który przeszukuje stany magazynowe lokalnych sklepów, stosuje nagrody lojalnościowe, składa zamówienia u wielu sprzedawców i koordynuje czas dostawy.

Taką wizję przyszłości kreśli raport Deloitte „Agentic commerce: Redefining retail economics”, który definiuje agentic commerce (a-commerce) jako fundamentalną zmianę. Inteligentni agenci działają w imieniu konsumentów i współpracują bezpośrednio z systemami detalistów.

Kim jest agent zakupowy?

Warto jednak zacząć od rozróżnienia agentów AI, gdyż jak wskazuje Jarosław Sokolnicki, CTO & Co-founder w exeAI, „agent zakupowy” to dziś kilka zupełnie różnych bytów z różnymi celami i modelami biznesowymi.

Ekspert wskazuje, że po stronie sklepu lub marketplace’u funkcjonują systemy wdrażane przez sprzedawcę, których nadrzędnym zadaniem jest zwiększenie konwersji i wartości koszyka. Z kolei banki i fintechy oferują swoim klientom narzędzia koncentrujące się na finansach użytkownika, optymalizujące jego wydatki i bezpieczeństwo transakcji.

Na kolejnym froncie rozwiązania, takie jak Google AI Mode czy Amazon Rufus wspierają technicznie użytkownika, a zarabiają na ekosystemie reklamowym z własnym modelem przychodowym.

Z kolei agenci personalni kupującego reprezentują interesy użytkownika i mogą działać lokalnie na urządzeniu, jak OpenClaw z lokalnym modelem językowym lub są dostarczane przez zewnętrzne platformy, takie jak ChatGPT, Gemini czy przyszłe rozwiązania bankowe.

Sokolnicki podkreśla, że każde z tych rozwiązań interpretuje pojęcie „najlepszej decyzji zakupowej” w inny sposób.

Mechanizm działania autonomicznych agentów zakupowych

Proces zakupowy realizowany przez agenta zaczyna się od zdefiniowania celu przez użytkownika, następnie obejmuje analizę dostępnych opcji i kończy się podjęciem decyzji zakupowej.

Agent nie ulega emocjom ani storytellingowi marki. Jego decyzja to wynik wielokryterialnej optymalizacji: kompletność danych produktowych, weryfikowalne opinie, dostępność w czasie rzeczywistym, polityka zwrotów i cena

– Agent nie ulega emocjom ani storytellingowi marki. Jego decyzja to wynik wielokryterialnej optymalizacji: kompletność danych produktowych, weryfikowalne opinie, dostępność w czasie rzeczywistym, polityka zwrotów i cena. Marka i wcześniejsze preferencje użytkownika mają znaczenie tylko wtedy, gdy zostały jawnie zdefiniowane jego parametry zlecenia – mówi Jarosław Sokolnicki.

Ekspert zaznacza, że jest w tej kwestii istotne zastrzeżenie.

– Badania potwierdzają, że modele językowe wykazują systematyczne preferencje markowe zakodowane w danych treningowych, niezależne od instrukcji użytkownika – dodaje Jarosław Sokolnicki.

Powołuje się na badanie „Global is Good, Local is Bad?”, które wykazało konsekwentne faworyzowanie globalnych marek kosztem lokalnych graczy. Podczas konferencji IASEAI’26 zaprezentowano wyniki testów dwunastu modeli od sześciu dostawców, które pokazują, że preferencje są spójne i przewidywalne, a sama instrukcja „bądź obiektywny" nie wystarcza, by je wyeliminować.

– Dla lokalnych graczy e-commerce to ryzyko strukturalne – podsumowuje Jarosław Sokolnicki.

Od SEO do AEO

Sokolnicki wskazuje, że dla e-commerce kluczowe jest odejście od SEO na rzecz AEO – Agent Experience Optimization.

Sklepy, które wygrają w erze agentic commerce, to nie te z AI, ale te z bezbłędną infrastrukturą danych

– Sklepy, które wygrają w erze agentic commerce, to nie te z AI, ale te z bezbłędną infrastrukturą danych – wskazuje Jarosław Sokolnicki.

Ekspert wskazuje, że w tym zakresie ustrukturyzowane dane produktowe, obejmujące m.in. cenę, dostępność, opinie, politykę zwrotów i czas dostawy, stają się dziś podstawą widoczności oferty.

Równie istotne są aktualne stany magazynowe w czasie rzeczywistym. Agent, który natrafia na nieaktualne dane, natychmiast pomija taką ofertę.

Ważną rolę odgrywa także wsparcie dla protokołów agentowych, takich jak MCP (Anthropic), A2A (Google / Linux Foundation) czy UCP (Universal Commerce Protocol), które umożliwiają agentom odkrywanie ofert, prowadzenie negocjacji i finalizację transakcji bezpośrednio w ramach ekosystemów takich jak Google, ChatGPT czy rozwiązania bankowe. Sklepy nieobecne w tych protokołach mogą zostać wykluczone z procesu zakupowego – niezależnie od jakości swojej oferty.

Nowa rola płatności w erze AI

Zdaniem Joanny Erdman, prezeski zarządu Fundacji Polska Bezgotówkowa, analizując stopień wdrożenia AI w e-commerce trzeba wyjść od obserwacji, że płatności przestały być już tylko „końcem ścieżki zakupowej”.

Prezeska wskazuje, że przy prognozowanych 55 mld urządzeń IoT do 2035 r., płatność staje się „funkcją kontekstu”, czyli jest inicjowana przez urządzenie, a nie człowieka.

AI w świecie płatności jutra to przede wszystkim trzy filary: zarządzanie ryzykiem pojedynczej transakcji, hiperpersonalizacja oraz głęboka integracja z zewnętrznymi systemami agentic commerce

– AI w świecie płatności jutra to przede wszystkim trzy filary: zarządzanie ryzykiem pojedynczej transakcji, hiperpersonalizacja oraz głęboka integracja z zewnętrznymi systemami agentic commerce – dodaje Joanna Erdman.

Przeczytaj: Gotowi na AI, niegotowi na zmianę. E-commerce mierzy się z luką wdrożeniową

Płatności bez człowieka

Globalne sieci płatnicze dostosowują swoją architekturę do obsługi transakcji inicjowanych bezpośrednio przez autonomiczne boty, co przesuwa środek ciężkości handlu z systemów wspomagających człowieka, na systemy sterowane przez AI.

Tego typu rozwiązaniem jest m.in. Mastercard Agent Pay, które umożliwia agentom AI dokonywanie autoryzowanych płatności w czasie rzeczywistym, otwierając tym samym drogę do pełnej automatyzacji zakupów w ramach interakcji konwersacyjnych.

System opiera się na istniejącej infrastrukturze tokenizacji firmy – dzięki temu dane są chronione, a oprócz tego można obsłużyć złożone scenariusze, zarówno w zakupach konsumenckich jak i firmowych. To istotne, bo w ramach zakupów często liczy się sposób dostawy lub możliwość zapłaty do zagranicznego sprzedawcy.

Filarem tego nowego standardu jest Verifiable Intent (tworzony wspólnie z Google), który ma na celu kryptograficzne potwierdzanie intencji zakupowej użytkownika oraz ochronę jego prywatności.

To podejście współgra z innymi inicjatywami, jak protokół AP2, który wykorzystuje podpisane mandaty do minimalizowania ryzyka oszustw w transakcjach agentowych.

Ważnym momentem dla tej technologii była przeprowadzona w marcu pierwsza płatność w Europie w pełni wykonana przez agenta AI w regulowanym środowisku bankowym Banco Santander i z wykorzystaniem Mastercard Agent Pay.

Komentarz partnera cyklu

Zakupy z autonomicznymi agentami

Autonomiczni agenci zakupowi przejmują kolejne etapy ścieżki zakupowej klienta – od wyszukiwania ofert, przez porównywanie cen i parametrów produktów, aż po rekomendację najlepszego wyboru. Najważniejsza zmiana polega jednak na tym, że dziś agenci nie tylko doradzają, ale działają proaktywnie, mogą również zrealizować płatność w imieniu użytkownika, działając w ramach jasno określonych uprawnień i zasad. To moment, w którym AI przestaje być wyłącznie warstwą informacyjną, a staje się pełnoprawnym uczestnikiem procesu zakupowego.

Przeanalizujmy co to oznacza – Agent może, na zlecenie klienta, dokonać transakcji finansowej narzędziem płatniczym. To może stanowić pewne wyzwania związane z bezpieczeństwem danych, a tym samym środków finansowych klienta. W rozwiązaniach takich jak Mastercard Agent Pay płatność nie jest realizowana przez przekazanie danych karty, lecz dzięki tokenizacji – poprzez unikalny, zaszyfrowany token, przypisany zarówno do użytkownika, jak i do konkretnego agenta, co pozwala zachować przejrzystą kontrolę i identyfikowalność każdej transakcji. Jednym z elementów niepewności może być zdeterminowanie, czy dany agent jest bezpieczny. Dlatego w naszym rozwiązaniu i w ramach naszego ekosystemu kluczową rolę odgrywa proces Know Your Agent: tylko zarejestrowani i zweryfikowani agenci mogą inicjować płatności, a każda ich akcja jest rozliczalna i możliwa do audytu w sieci płatniczej. Dzięki temu agent przestaje być „czarną skrzynką”, a staje się transparentnym uczestnikiem ekosystemu.

Mając 50 lat doświadczenia w chronieniu środków finansowych naszych klientów i dzięki narzędziom z zakresu zarządzania dostawcami, bezpieczeństwa płatności i cyberbezpieczeństwa, możemy ustanawiać standardy i dawać ramy działania, a także sprawdzać bezpieczeństwo agentów, którzy mają dostęp do naszego ekosystemu płatniczego.

Równie istotne jest świadome potwierdzanie intencji i zgody klienta – użytkownik decyduje, na co agent ma pozwolenie, w jakim zakresie i na jakich zasadach. To połączenie tokenizacji, weryfikacji agenta oraz zgody opartej na intencji sprawia, że zakupy realizowane przez AI mogą być nie tylko wygodne, ale przede wszystkim bezpieczne i godne zaufania.

Małgorzata Domagała

Wiceprezes, dyrektorka ds. produktów i rozwiązań Mastercard na Polskę, Czechy i Słowację

Co się dzieje po zakupie?

Działanie agenta nie kończy się po wykonaniu przelewu. Analizy AgileIntel pokazują, że przejmują oni pełną odpowiedzialność za zarządzanie po zakupie, co obejmuje monitorowanie statusu dostaw w czasie rzeczywistym, zarządzanie subskrypcjami oraz proaktywne rozwiązywanie problemów.

Autorzy raportu podkreślają, że faza posprzedażowa jest kluczowa dla budowania lub utraty zaufania, co potwierdza Jarosław Sokolnicki, wskazując, że tradycyjna lojalność emocjonalna traci na znaczeniu tam, gdzie decyzję podejmuje algorytm.

Lojalność przenosi się na poziom danych first-party i profilu preferencji użytkownika. Kto nim zarządza, ten realnie wpływa na decyzje agenta. Marki budujące dane first-party i maszynowo czytelne programy lojalnościowe mają szansę „zakodować się” w instrukcjach agenta i utrzymać przewagę konkurencyjną

– Lojalność przenosi się na poziom danych first-party i profilu preferencji użytkownika. Kto nim zarządza, ten realnie wpływa na decyzje agenta. Marki budujące dane first-party i maszynowo czytelne programy lojalnościowe mają szansę „zakodować się” w instrukcjach agenta i utrzymać przewagę konkurencyjną – mówi Jarosław Sokolnicki.

Ekspert wskazuje też, że należy zachować ostrożność, ponieważ tego typu rozwiązania są jeszcze na wczesnym, formacyjnym etapie tego procesu.

– Agent uczący się zachowań użytkownika może pewne sygnały zinterpretować jako intencję zakupu, której ta osoba wcale nie miała. Znamy to ze świata rekomendacji algorytmicznych: system zoptymalizowany pod konwersję bardzo szybko przestaje działać dla użytkownika, a zaczyna działać na użytkowniku – dodaje Jarosław Sokolnicki.

Główne wnioski

1. Agentic commerce to fundamentalna zmiana: decyzje zakupowe coraz częściej podejmują algorytmy, nie konsumenci.
2. Wygrywać będą firmy z uporządkowanymi, aktualnymi danymi i gotowością do integracji z ekosystemami AI, a nie tylko te z najlepszym marketingiem.
3. Widoczność oferty zależy od jej „czytelności dla maszyn”, a brak integracji z protokołami agentowymi może wykluczyć sklep z procesu zakupowego.