Agentic Commerce upprepar ett gammalt företagsdata-misstag

För länge sedan fungerade B2B-handel under en enkel förutsättning: Människor bläddrar.

De läser produktsidor, skummar specifikationer och tolererar vag språk för att de vet hur de ska ställa följdfrågor. När något är otydligt skickar de ett e-postmeddelande till en säljrepresentant. När en regel är begraven i en fotnot fyller erfarenhet i luckan.

B2B-produktdata utvecklades helt runt det beteendet. Den behövde aldrig stå på egna ben; den behövde bara vara tolkningsbar för en människa. Med AI är den förutsättningen inte längre giltig.

Vi har varit här förut med företagsdata

Om detta känns bekant, borde det göra det. För ett decennium sedan hade företag ett mycket liknande samtal om data. Lagerhus var fulla, data sjöar var överflödande och slutligen exporterade varje system något. På papper var företagen datarika. I praktiken rörde sig ingenting snabbt eftersom affärsanvändare inte kunde besvara grundläggande frågor utan analytiker som översättare. SQL blev en flaskhals.

Företagsdata var organiserad runt hur system lagrade information, inte hur människor resonerade om affären. Rader och kolumner fanns, men koncept fanns inte. Intäkter bodde i tre tabeller. “Kund” betydde fem olika saker beroende på vem du frågade och när. Mått diskuterades oändligt eftersom ingen hade definierat dem tydligt.

Genombrottet i företagsdata kom från att acceptera komplexitet och innesluta den. Semantiska lager är ett exempel, men de var en del av en bredare förändring. Företagen slutade låtsas att rådata var användbar som standard och började bygga översättningslager som matchade hur affären faktiskt tänkte och opererade.

Måttmodeller gjorde detta genom att definiera beräkningar en gång i stället för att omdefiniera dem i varje rapport. Intäkter betydde samma sak överallt eftersom någon hade tagit sig tid att koda dem. Data modeller och dimensionella scheman gjorde samma sak strukturmässigt. De förvandlade operativa tabeller till koncept som kund, produkt, order och tid. Affärsanvändare behövde inte längre förstå hur många kopplingar som krävdes för att besvara en grundläggande fråga. Relationerna fanns redan där.

Datakataloger och styrda definitioner hanterade en annan del av problemet. De fångade mening som tidigare levde i människors huvuden. Vad representerar detta fält? När ska det användas? Vilka är dess begränsningar? Sammanhang slutade vara stamkunskap och blev en del av systemet.

Tillsammans absorberade dessa lager komplexitet och gjorde den operativ. De skapade stabila abstraktioner som tillät fler människor — och fler system — att resonera korrekt utan att omdefiniera världen från scratch varje gång. Det är exakt vad B2B-handel saknar idag.

Agent-ledd upptäckt utlöser samma omprövning

Agentic handel tvingar B2B-produktdata genom samma test. Tillverkare och distributörer har inte brist på produktinformation. De lagrar redan enorma mängder av den: från specifikationer till konfigurationer till prissättningslogik till kontraktbegränsningar.

Problemet är att nästan all denna data var strukturerad för människor. Specifikationer lever i PDF:er. Regler förklaras i en fysisk produktkatalog som aldrig gjorde det online. Undantag antyds i en back-office-försäljningsprocess, snarare än kodas. För mycket beror på institutionell minneskraft när sammanhang lever i säljteamens huvuden.

En AI-agent bläddrar inte igenom en PDF och “får idén”. Den vet inte vilken mening som är en hård begränsning och vilken som är säljspråk. Den kan inte säkert härleda regler från formatering eller ton. Om meningen inte är explicit behandlar agenten den som okänd.

Detta handlar inte om att ostrukturerad data är dålig

Det är värt att vara tydlig med något. Ostrukturerad data är inte fienden. Den var aldrig det.

I företagsanalys försvann ostrukturerad data inte när semantiska lager visade sig. Den lades på toppen av struktur. Struktur hanterade regler och relationer. Ostrukturerat innehåll hanterade nyans, förklaring och sammanhang.

Samma mönster gäller här.

Agenter behöver struktur för att resonera. De behöver explicita regler, relationer, begränsningar och tillstånd. De behöver veta vad som är kompatibelt, vad som är konfigurerbart, vad som är tillåtet och under vilka förhållanden något gäller. Ostrukturerat innehåll ensamt kan inte tillförlitligt tillhandahålla det.

Men struktur ensam räcker inte heller. Agenter hämtar inte bara attribut. De jämför alternativ. De utvärderar avvägningar. De bestämmer både vad något är och när det ska rekommenderas.

Berättelse är det lager som förklarar avsikt, position och användningsfall. Det är skillnaden mellan “den här produkten existerar” och “det här är när du ska välja den”. I företagsdata-världen visade detta sig som definitioner, dokumentation och affärssammanhang. Här visar det sig som en produkt-nivå-förklaring som agenter kan lära sig från. Medan strukturerad produktdata berättar för agenten vad som är sant hjälper berättelsen den att bestämma vad som är viktigt.

Handel har optimerats för presentation, inte resonemang

Detta är den obekväma delen. Handelsinfrastruktur gjorde aldrig riktigt språnget som företagsdata gjorde. Vi byggde bättre PIM:er. Vi byggde rikare kataloger. Vi byggde vackrare produktsidor. Men vi byggde aldrig ett sant semantiskt lager för produkter; vi optimerade för presentation.

Så länge människor medierade B2B-köp var det okej. Säljrepresentanter förklarade undantagsfall. Köpare tolererade tvetydighet, och alla visste hur man skulle arbeta runt systemet.

Agenter tar bort den bufferten. I B2B visar sig sprickorna omedelbart. Priser varierar beroende på konto. Tillgänglighet ändras beroende på region. Kompatibilitet beror på konfiguration. Kontrakt åsidosätter standardvärden. Behörigheter är viktiga. Inget av detta kan säkert gissas.

När en agent utvärderar en produkt är den inte imponerad av en välskriven beskrivning. Den vill veta vad som passar, vad som är tillåtet, vad som är kompatibelt och vad som händer sedan. Om den informationen inte är explicit frågar agenten inte efter förtydliganden; den flyttar bara vidare.

Vad handelsföretag behöver göra nu

Detta är inflexionspunkten. Handelsföretag kan fortsätta behandla produktdata som innehåll som människor tolkar. Eller de kan börja behandla det som infrastruktur som maskiner resonerar över.

Det betyder att specifikationer måste bli attribut med definierad mening. Kompatibilitet måste kodas som relationer, inte förklaras i stycken. Prissättning måste uttryckas som logik. Behörigheter måste vara explicita. Tillgänglighet måste vara tillståndlig och exakt.

Detta är exakt samma drag som företag hade att göra med analys. När rådata och tabeller inte räckte till måste mening definieras. Och när den strukturerade kärnan finns slutar berättelse vara den enda källan till sanning för AI och blir det lager som lär agenter hur de ska tillämpa den sanningen i verkliga situationer.

Tillverkare och distributörer som gör detta kommer att bli läsbara för agenter. Deras produkter kommer att vara lättare att utvärdera, lättare att rekommendera och lättare att lita på. De som inte gör det kommer fortfarande att “ha data”, men den kommer att fungera som gamla företagslager gjorde: tekniskt närvarande, men praktiskt oanvändbar.

Mönstret är gammalt, men konsekvenserna är inte

Inget av detta är spekulativt. Vi har redan sett företagsdata gå igenom exakt samma cykel. Den enda skillnaden nu är användaren. I stället för affärsanalytiker är det autonoma agenter. I stället för instrumentpaneler är det rekommendationer. I stället för långsamma beslut är det omedelbar exkludering.

Agentic handel avslöjar ett decennier-gammalt företagsdata-problem. Företagen som känner igen det — och behandlar produktdata på samma sätt som företag lärde sig att behandla operativa data — kommer att anpassa sig snabbt. De som inte gör det kommer att fortsätta lägga till PDF:er, skriva om beskrivningar och undra varför agenter aldrig verkar välja dem.

Historien upprepar sig. Den här gången är maskinerna uppmärksamma.