Agensbasert handel gjentar en gammel feil med bedriftsdata

I lang tid har B2B-handel fungert under en enkel antakelse: Mennesker blar.

De leser produktsider, skummer over spesifikasjoner og tolererer vag språk fordi de vet hvordan de skal stille oppfølgingspørsmål. Når noe er uklart, sender de en e-post til en salgsrepresentant. Når en regel er gravert i en fotnote, fyller erfaringen gapet.

B2B-produktdata har utviklet seg fullstendig rundt dette mønsteret. Den har aldri måttet stå på egne ben; den har bare måttet være tolkbar for et menneske. Med AI er denne antakelsen ikke lenger gyldig.

Vi har vært her før med bedriftsdata

Hvis dette føles kjent, burde det gjøre det. For et tiår siden hadde bedrifter en svært lignende diskusjon om data. Lagre var fulle, datainnsjøer var overfylt, og til slutt eksporterte hvert system noe. På papir var selskapene datarike. I praksis ble ingenting gjort raskt fordi forretningsbrukere ikke kunne svare på grunnleggende spørsmål uten analytikere som deres oversettere. SQL ble et flaskehalseri.

Bedriftsdata var organisert rundt hvordan systemer lagret informasjon, ikke hvordan mennesker tenkte om bedriften. Rader og kolonner eksisterte, men konsepter gjorde ikke. Inntekt bodde i tre tabeller. “Kunde” betydde fem forskjellige ting avhengig av hvem du spurte og når. Metrikker ble diskutert endeløst fordi ingen hadde definert dem tydelig.

Gjennombruddet i bedriftsdata kom fra å akseptere kompleksitet og inneholde den. Semantiske lag er ett eksempel, men de var en del av en bredere endring. Bedrifter sluttet å late som om rådata var brukbar som standard og startet å bygge oversettelseslag som matchet hvordan bedriften faktisk tenkte og opererte.

Metrikkmodeller gjorde dette ved å definere beregninger en gang i stedet for å gjenopprette dem i hver rapport. Inntekt betydde det samme overalt fordi noen hadde tatt seg tid til å kode det. Datamodeller og dimensjonskjemaer gjorde det samme strukturelt. De omgjorde operasjonstabeller til konsepter som kunde, produkt, bestilling og tid. Forretningsbrukere trengte ikke lenger å forstå hvor mange koblinger som var nødvendige for å svare på et grunnleggende spørsmål. Relasjonene var allerede der.

Datakataloger og styrede definisjoner håndterte en annen del av problemet. De fanget mening som tidligere bodde i folks hoder. Hva representerer dette feltet? Når bør det brukes? Hva er begrensningene? Kontekst sluttet å være stammekunnskap og ble en del av systemet.

Sammen absorberte disse lagene kompleksitet og gjorde den operativ. De skapte stabile abstraksjoner som tillot flere mennesker — og flere systemer — å tenke riktig uten å reinterprettere verden fra scratch hver gang. Det er nettopp det B2B-handel mangler i dag.

Agensbasert oppdagelse utløser samme oppgjør

Agensbasert handel tvinger B2B-produktdata gjennom samme test. Produsenter og distributører har ikke mangelen på produktinformasjon. De lagrer allerede enorme mengder av det: fra spesifikasjoner til konfigurasjoner til prisløgikk til kontraktbegrensninger.

Problemene er at nesten all denne dataen var strukturert for mennesker. Spesifikasjoner bor i PDF-er. Regler forklares i en fysisk produktkatalog som aldri kom online. Unntak antydes i en bakkontor-salgsprosess, i stedet for å kode det. For mye avhenger av institusjonell hukommelse når konteksten bor i salgsteamets hoder.

En AI-agent skimrer ikke en PDF og “får ideen”. Den vet ikke hvilken setning som er en hard begrensning og hvilken som er salsspråk. Den kan ikke trygt slutte regler fra formatering eller tone. Hvis mening ikke er eksplisitt, behandler agenten det som ukjent.

Dette handler ikke om at ustrukturert data er dårlig

Det er verdt å være tydelig på noe. Ustrukturert data er ikke fienden. Det var aldri det.

I bedriftsanalyse forsvant ikke ustrukturert data når semantiske lag dukket opp. Det ble lagt på toppen av struktur. Struktur håndterte regler og relasjoner. Ustrukturert innhold håndterte nyanser, forklaring og kontekst.

Det samme mønsteret gjelder her.

Agenter trenger struktur for å tenke. De trenger eksplisitte regler, relasjoner, begrensninger og tilstander. De trenger å vite hva som er kompatibelt, hva som er konfigurerbart, hva som er tillatt og under hvilke betingelser noe gjelder. Ustrukturert innhold alene kan ikke pålitelig gi det.

Men struktur alene er ikke nok heller. Agenter henter ikke bare attributter. De sammenligner alternativer. De vurderer kompromisser. De bestemmer både hva noe er og når det bør anbefales.

Narrativ er laget som forklarer intensjon, posisjonering og brukstilfeller. Det er forskjellen på “dette produktet eksisterer” og “dette er når du bør velge det”. I bedriftsdata-verdenen dukket dette opp som definisjoner, dokumentasjon og forretningskontekst. Her dukker det opp som en produktnivå-forklaring som agenter kan lære fra. Mens strukturert produktdata forteller agenten hva som er sant, hjelper narrativ det å bestemme hva som teller.

Handel har blitt optimalisert for presentasjon, ikke resonnering

Dette er den ubehagelige delen. Handelsinfrastruktur har aldri virkelig gjort spranget bedriftsdata gjorde. Vi bygget bedre PIM-er. Vi bygget rikere kataloger. Vi bygget penere produktsider. Men vi bygget aldri et sant semantisk lag for produkter; vi optimaliserte for presentasjon.

Så lenge mennesker mediert B2B-kjøp, var det greit. Salgsrepresentanter forklarte unntak. Kjøpere tolererte tvetydighet, og alle visste hvordan de skulle arbeide rundt systemet.

Agenter fjerner denne bufferten. I B2B vises sprekker umiddelbart. Priser varierer etter konto. Tilgjengelighet endres etter region. Kompatibilitet avhenger av konfigurasjon. Kontrakter overstyrer standarder. Berettigelse teller. Ingen av dette er trygt antagelig.

Når en agent vurderer et produkt, er det ikke imponert over en velformulert beskrivelse. Det vil vite hva som passer, hva som er tillatt, hva som er kompatibelt og hva som skjer neste. Hvis denne informasjonen ikke er eksplisitt, spør agenten ikke om forklaring; den flytter bare videre.

Hva handelsbedrifter må gjøre nå

Dette er vendepunktet. Handelsbedrifter kan fortsette å behandle produktdata som innhold som mennesker tolker. Eller de kan begynne å behandle det som infrastruktur som maskiner resonerer over.

Det betyr at spesifikasjoner må bli attributter med definert mening. Kompatibilitet må bli kodet som relasjoner, ikke forklart i avsnitt. Priser må bli uttrykt som logikk. Berettigelse må bli eksplisitt. Tilgjengelighet må bli tilstandsfulle og presise.

Dette er nettopp det samme skiftet bedrifter måtte gjøre med analyser. Når rådata og tabeller ikke var nok, måtte mening bli definert. Og når denne strukturerte kernen eksisterer, slutter narrativ å være den eneste kilde til sannhet for AI og blir laget som lærer agenter hvordan de skal bruke den sanheten i virkelige situasjoner.

Produsenter og distributører som gjør dette, blir leselige for agenter. Deres produkter vil bli enklere å evaluere, enklere å anbefale og enklere å stole på. De som ikke gjør det, vil fortsatt “ha data”, men den vil fungere som gamle bedriftslagre gjorde: teknisk til stede, men praktisk ubrukelig.

Mønsteret er gammelt, men konsekvensene er ikke

Ingenting av dette er spekulativt. Vi har allerede sett bedriftsdata gå gjennom denne eksakte syklusen. Den eneste forskjellen nå er brukeren. I stedet for forretningsanalytikere, er det autonome agenter. I stedet for dashboards, er det anbefalinger. I stedet for langsomme beslutninger, er det øyeblikkelig eksklusjon.

Agensbasert handel avdekker et tiår gammelt bedriftsdata-problem. Selskapene som erkjenner det — og behandler produktdata på samme måte som bedrifter lærte å behandle operasjonell data — vil tilpasse seg raskt. De som ikke gjør det, vil fortsette å legge til PDF-er, omformulere beskrivelser og undre seg over hvorfor agenter aldri ser ut til å velge dem.

Historien gjentar seg. Denne gangen er maskinene oppmerksomme.