Agentic Commerce gentager en gammel fejl med virksomhedsdata

I lang tid har B2B-handel fungeret under en simpel antagelse: Mennesker søger.

De læser produktsider, scroller gennem specifikationer og tolererer vagt sprog, fordi de ved, hvordan de skal stille følgespørgsmål. Når noget er uklart, sender de en e-mail til en salgsrepræsentant. Når en regel er gemt i en fodnote, fylder erfaringen hullerne.

B2B-produktdata er udviklet helt omkring dette adfærdsmønster. Det har aldrig behøvet at stå alene; det har kun behøvet at være fortolkelig for et menneske. Med AI er denne antagelse ikke længere gyldig.

Vi har været her før med virksomhedsdata

Hvis dette føles bekendt, skal det. For et årti siden havde virksomheder en meget lignende diskussion om data. Lagerhuse var fulde, data-søer var overfyldte, og ultimativt eksporterede hver system noget. På papir var virksomheder data-rige. I praksis bevægede ingenting sig hurtigt, fordi forretningsbrugere ikke kunne besvare grundlæggende spørgsmål uden analytikere som deres oversættere. SQL blev et flaskehals.

Virksomhedsdata var organiseret omkring, hvordan systemer gemte information, ikke omkring, hvordan mennesker tænkte om forretningen. Rækker og kolonner fandtes, men begreber fandtes ikke. Omsætning boede i tre tabeller. “Kunde” betød fem forskellige ting afhængigt af, hvem man spurgte, og hvornår. Målinger blev diskuteret uendeligt, fordi ingen havde defineret dem klart.

Gennembruddet i virksomhedsdata kom fra at acceptere kompleksitet og indeholde den. Semantiske lag er et eksempel, men de var en del af en bredere skift. Virksomheder standsede med at forestille sig, at rå data var brugbar som standard, og startede med at bygge oversættelseslag, der svarede til, hvordan forretningen faktisk tænkte og opererede.

Målingsmodeller gjorde dette ved at definere beregninger én gang i stedet for at genskabe dem i hver rapport. Omsætning betød det samme overalt, fordi nogen havde taget sig tid til at kodificere det. Data-modeller og dimensionelle skemaer gjorde det samme strukturelt. De omdannede operationelle tabeller til begreber som kunde, produkt, ordre og tid. Forretningsbrugere behøvede ikke længere at forstå, hvor mange joins der var nødvendige for at besvare et grundlæggende spørgsmål. Relationerne fandtes allerede.

Data-kataloget og styrede definitioner håndterede en anden del af problemet. De fangede mening, der tidligere boede i menneskers hoveder. Hvad repræsenterer dette felt? Når skal det bruges? Hvad er dets begrænsninger? Kontekst standsede med at være stamme-kendskab og blev en del af systemet.

Sammen absorberede disse lag kompleksitet og gjorde den operativ. De skabte stabile abstraktioner, der tillod flere mennesker — og flere systemer — at tænke korrekt uden at genfortolke verden fra scratch hver gang. Det er præcis, hvad B2B-handel mangler i dag.

Agent-led opdagelse udløser den samme regnskab

Agentic handel tvinger B2B-produktdata gennem samme test. Producenter og distributører mangler ikke produktinformation. De gemmer allerede enorme mængder af det: fra specifikationer til konfigurationer til prissætningslogik til kontraktbegrænsninger.

Problemet er, at næsten alt denne data er struktureret for mennesker. Specifikationer lever i PDF’er. Regler forklares i en fysisk produktkatalog, der aldrig kom online. Undtagelser antydes i en bagkontor-salgproces, snarere end kodificeret. For meget afhænger af institutionel hukommelse, når kontekst lever i salgsteamets hoveder.

En AI-agent scroller ikke gennem en PDF og “får ideen”. Den ved ikke, hvilken sætning er en hård begrænsning, og hvilken en er salgssprog. Den kan ikke sikkert slutte regler fra formatering eller tone. Hvis mening ikke er eksplolit, behandler agenten det som ukendt.

Dette handler ikke om, at ustruktureret data er dårlig

Det er værd at være klart om noget. Ustruktureret data er ikke fjenden. Det har aldrig været.

I virksomhedsanalyse forsvandt ustruktureret data ikke, da semantiske lag dukkede op. Det lagdes oven på struktur. Struktur håndterede regler og relationer. Ustruktureret indhold håndterede nuance, forklaring og kontekst.

Det samme mønster gælder her.

Agenter behøver struktur for at tænke. De behøver eksplisitte regler, relationer, begrænsninger og tilstande. De behøver at vide, hvad der er kompatibelt, hvad der er konfigurerbart, hvad der er tilladt og under hvilke betingelser noget gælder. Ustruktureret indhold alene kan ikke pålideligt give det.

Men struktur alene er ikke nok. Agenter henter ikke kun attributter. De sammenligner muligheder. De vurderer kompromiser. De beslutter både hvad noget er og når det skal anbefales.

Narrativ er laget, der forklarer intention, positionering og brugsområder. Det er forskellen på “dette produkt findes” og “dette er, når du skal vælge det”. I virksomhedsdata-verdenen dukkede dette op som definitioner, dokumentation og forretningskontekst. Her dukker det op som en produkt-niveau forklaring, som agenter kan lære fra. Mens struktureret produktdata fortæller agenten, hvad der er sandt, hjælper narrativ det med at beslutte, hvad der betyder noget.

Handel er optimeret til præsentation, ikke tænkning

Dette er den ubehagelige del. Handelsinfrastruktur har aldrig rigtigt gjort springet, som virksomhedsdata gjorde. Vi byggede bedre PIM’er. Vi byggede rigere kataloger. Vi byggede pænere produktsider. Men vi byggede aldrig et sandt semantisk lag for produkter; vi optimerede til præsentation.

Så længe mennesker mæglede B2B-køb, var det i orden. Salgsrepræsentanter forklarede kanttilfælde. Købere tolererede tvivl, og alle vidste, hvordan de skulle arbejde omkring systemet.

Agenter fjerner denne buffer. I B2B viser revnerne sig med det samme. Priser varierer efter konto. Tilgængelighed ændrer sig efter region. Kompatibilitet afhænger af konfiguration. Kontrakter overtager standarder. Rettigheder betyder noget. Ingen af disse ting er sikkert gættelige.

Når en agent vurderer et produkt, er det ikke imponeret af en vel-skrevet beskrivelse. Det vil vide, hvad der passer, hvad der er tilladt, hvad der er kompatibelt og hvad der sker herefter. Hvis denne information ikke er eksplolit, spørger agenten ikke om klargørelse; det flytter bare videre.

Hvad handelsvirksomheder skal gøre nu

Dette er vendingepunktet. Handelsvirksomheder kan fortsætte med at behandle produktdata som indhold, som mennesker fortolker. Eller de kan starte med at behandle det som infrastruktur, som maskiner tænker over.

Det betyder, at specifikationer skal blive til attributter med defineret mening. Kompatibilitet skal kodificeres som relationer, ikke forklaret i afsnit. Priser skal udtrykkes som logik. Rettigheder skal være eksplisitte. Tilgængelighed skal være tilstandsfuld og præcis.

Dette er præcis det samme trin, som virksomheder havde at tage med analytics. Når rå data og tabeller ikke var nok, skulle mening defineres. Og når denne strukturerede kerne findes, stopper narrativ med at være den eneste kilde til sandhed for AI og bliver laget, der lærer agenter, hvordan de skal anvende den sandhed i virkelige situationer.

Producenter og distributører, der gør dette, vil blive læselige for agenter. Deres produkter vil være lettere at evaluere, lettere at anbefale og lettere at stole på. De, der ikke gør det, vil stadig “have data”, men det vil fungere som gamle virksomheds-lager: teknisk til stede, men praktisk ubrugeligt.

Mønsteret er gammelt, men konsekvenserne er ikke

Ingenting af dette er spekulativt. Vi har allerede set virksomhedsdata gå gennem denne præcis cyklus. Den eneste forskel nu er brugeren. I stedet for forretningsanalytikere er det autonome agenter. I stedet for dashboards er det anbefalinger. I stedet for langsomme beslutninger er det øjeblikkelige udelukkelse.

Agentic handel afslører et årtiers gammelt virksomhedsdata-problem. Virksomheder, der erkender det — og behandler produktdata på samme måde, som virksomheder lærte at behandle operationel data — vil tilpasse sig hurtigt. De, der ikke gør det, vil fortsætte med at tilføje PDF’er, omskrive beskrivelser og undre sig over, hvorfor agenter aldrig synes at vælge dem.

Historien gentager sig. Denne gang er maskinerne opmærksomme på det.