ชั้นข้อมูลที่การค้าแบบ Agentic ไม่สามารถเพิกเฉยได้

เอไอเอเจนต์ได้เปลี่ยนจากผู้ช่วยค้นหาเป็นผู้ซื้ออัตโนมัติแล้ว ยักษ์ใหญ่ในอุตสาหกรรมกำลังแข่งขันกันเพื่อครอบครองชั้นธุรกรรม และการเคลื่อนไหวล่าสุดของ Amazon ทำให้การเคลื่อนไหวนั้นเป็นรูปธรรมแล้ว Alexa for Shopping ซึ่งถูกสร้างขึ้นจากการควบรวมกิจการระหว่าง Rufus และ Alexa+ จะติดตามราคาและจดจำบริบทข้ามอุปกรณ์ จากนั้น ด้วย Auto-Buy จะทำการซื้อโดยอัตโนมัติเมื่อสินค้าถึงราคาที่ตั้งไว้ โดยไม่ต้องมีการตรวจสอบหรือชำระเงินแบบธรรมดา

การค้าแบบ Agentic คือตลาดที่คาดว่าจะมีมูลค่ามากกว่า $5 ล้านล้าน ในการค้าระหว่างประเทศโดยปี 2030 Amazon ไม่ได้ดำเนินการเพียงอย่างเดียวในการพยายามแย่งชิงส่วนแบ่งในภาคส่วนนี้ Google, OpenAI และ Perplexity ก็ได้เข้ามาแข่งขันในตลาดการค้าแบบ Agentic เช่นกัน การเคลื่อนไหวนี้ทำให้ผู้บริโภคมีความสบายใจมากขึ้นในการมอบหมายการตัดสินใจซื้อขายให้กับ AI โดยปริมาณการเข้าชมเว็บไซต์ค้าปลีกใน美国ที่ขับเคลื่อนด้วย AI เพิ่มขึ้น 393% ในไตรมาสแรกของปี 2026

ประสบการณ์ของผู้บริโภคเป็นสิ่งที่เข้าใจได้ง่าย สิ่งที่มองไม่เห็นคือโครงสร้างพื้นฐานที่ทำให้การค้าแบบ Agentic นี้เป็นไปได้ เมื่อเอไอเอเจนต์ทำธุรกรรมโดยอัตโนมัติ มันจะเชื่อถือข้อมูลสินค้าโดยสมบูรณ์ ไม่มีมนุษย์ที่จะตรวจสอบสินค้าผิดหรือ分类สินค้าผิด ซึ่งทำให้ชั้นข้อมูลเป็นส่วนสำคัญที่สุดของการค้าแบบ Agentic

พื้นฐานของการค้าแบบ Agentic

การอภิปรายเกี่ยวกับการค้าแบบ Agentic มักจะพูดถึงเอเจนต์ — โมเดล อินเทอร์เฟซ หรือประสบการณ์ แต่สิ่งที่决定ความสำเร็จไม่ใช่เอเจนต์เอง แต่เป็นชั้นข้อมูลที่รองรับการค้าปลีก

เมื่อผู้บริโภคขอให้เอเจนต์ซื้อสินค้าหรือซื้อสินค้าในราคาถูกที่สุด การทำธุรกรรมดูเหมือนจะง่าย แต่เบื้องหลัง เอเจนต์ต้องตัดสินใจหลายอย่าง มันจำเป็นต้องระบุสินค้าที่ถูกต้อง ตรวจสอบคุณลักษณะและความพร้อมของสินค้า เปรียบเทียบตัวเลือกต่างๆ และเชื่อมโยงการซื้อเข้ากับคลังสินค้าและเครือข่ายจัดส่งที่ถูกต้อง

ไม่เหมือนกับผู้ซื้อแบบมนุษย์ เอไอเอเจนต์ไม่สามารถพึ่งพา直觉ในการเติมช่องว่างหรือแก้ไขความไม่สอดคล้องกัน ทุกขั้นตอนในการทำธุรกรรมต้องได้รับเชื้อเพลิงจากข้อมูลที่มีโครงสร้างและเป็นไปตามมาตรฐานทั่วทั้งระบบ หากส่วนใดส่วนหนึ่งของพื้นฐานนี้หายไปหรือไม่สมบูรณ์ เอเจนต์จะไม่หยุดเพื่อตรวจสอบ แต่จะทำงานโดยใช้ข้อมูลที่มีอยู่และทำธุรกรรมโดยอัตโนมัติ หรือล้มเหลวในการทำธุรกรรมทั้งหมด ซึ่งทำให้เกิดประสบการณ์ของผู้ใช้ที่ไม่สอดคล้องกันและไม่น่าเชื่อถือ

ที่ที่ชั้นข้อมูลพังทลาย

ตามที่ Mirakl ระบุว่าน้อยกว่า 1% ของหน้าผลิตภัณฑ์ในการค้าปลีกที่ตรงตามมาตรฐานขั้นต่ำสำหรับการแนะนำโดยเอไอเอเจนต์ ตัวระบุสินค้าแตกต่างกันระหว่างระบบของซัพพลายเออร์และระบบภายใน ระบบคลังสินค้าล้าหลังความเป็นจริง และข้อมูลที่เกี่ยวกับตำแหน่งยังขาดมาตรฐานทั่วทั้งเครือข่ายจัดส่ง

เมื่อมนุษย์อยู่ในวงจร ข้อมูลที่ไม่ดีสามารถจัดการได้ ผู้ซื้อจะสังเกตเห็นสินค้าที่ไม่ถูกต้อง หรือผู้จัดการคลังสินค้าจะทราบว่าระบบคลังสินค้าล้าหลังความเป็นจริง มนุษย์เติมช่องว่างจากประสบการณ์ แต่ปัญหาก็คือเอไอเอเจนต์ไม่มี直觉เช่นนั้น มันจะอ่านข้อมูลที่ได้รับและทำธุรกรรมหรือล้มเหลวในการทำธุรกรรมทั้งหมด

เมื่อข้อมูลไม่ถูกต้อง การทำธุรกรรมก็จะไม่ถูกต้อง การซื้อสินค้าที่ไม่ถูกต้อง ส่งไปยังที่อยู่ที่ไม่ถูกต้อง ในราคาที่ไม่ถูกต้อง เอเจนต์ทำงานตามที่ออกแบบมา แต่ข้อมูลที่อยู่ด้านล่างไม่ถูกต้อง

ชั้นข้อมูลที่เอเจนต์ทุกตัวพึ่งพา

คุณภาพข้อมูลที่ไม่ดีทำให้องค์กรสูญเสียเงินอย่างน้อย $12.9 ล้าน ต่อปี โดยเฉลี่ย ซึ่งมาจากสภาพแวดล้อมที่มีมนุษย์อยู่ในวงจร ในการค้าแบบ Agentic ตัวเลขนี้เพิ่มขึ้น การทำธุรกรรมโดยอัตโนมัติที่เอเจนต์ทำผิดพลาดจะเพิ่มต้นทุน

รองเท้าผ้าใบที่ระบุว่าเป็น “รองเท้าผ้าใบรถไฟ” ในแพลตฟอร์มหนึ่งและ “รองเท้าผ้าใบทุกพื้นที่” ในอีกแพลตฟอร์มหนึ่ง เป็นสินค้าเดียวกัน แต่เอไอเอเจนต์ไม่สามารถยืนยันได้ว่ามันเหมือนกันโดยไม่มีตัวระบุสากล

นั่นคือสิ่งที่ตัวระบุสินค้าที่ฝังอยู่ในบาร์โค้ด UPC ช่วยแก้ไขปัญหาได้ สัญญาณที่สามารถสแกนได้เหล่านี้สามารถบรรจุ GTIN (หมายเลขสินค้าการค้าโลก) ซึ่งเป็นส่วนหนึ่งของระบบมาตรฐานทั่วโลกที่ใช้โดยมากกว่า 2 ล้านบริษัทเพื่อระบุสินค้าในห่วงโซ่อุปทานทั่วโลก บาร์โค้ด GTIN ที่สามารถสแกนได้ให้สินค้ามีเอกลักษณ์เดียวที่ยืนยันแล้วทั่วทั้งร้านค้า คลังสินค้า และแพลตฟอร์มที่สัมผัสกับมัน เมื่อเอเจนต์เปรียบเทียบราคาของรองเท้าเหล่านั้นบน Amazon และ Target GTIN คือสิ่งที่ยืนยันว่ามันกำลังเปรียบเทียบรองเท้าเดียวกัน

มาตรฐาน เช่น มาตรฐานจาก GS1 US ให้ภาษาที่ใช้ร่วมกันในการระบุสินค้า ตำแหน่ง และหน่วยงาน ซึ่งเป็นภาษาเดียวกับที่เอไอเอเจนต์ต้องการในการสื่อสาร พูดคุย และตัดสินใจ เมื่อมีเอไอเอเจนต์เข้ามาในห่วงโซ่อุปทานมากขึ้น — เอเจนต์หนึ่งจัดการการซื้อ เอเจนต์อีกตัวหนึ่งจัดการคลังสินค้า และอีกเอเจนต์หนึ่งจัดการการขนส่ง — พวกมันต้องการแบ่งปันข้อมูลข้ามระบบที่สร้างโดยบริษัทต่างๆ ตัวระบุที่เป็นมาตรฐานทำให้สิ่งนั้นเป็นไปได้

GTIN เป็นส่วนหนึ่งของเฟรมเวิร์กที่กว้างขึ้น สำหรับเอไอเอเจนต์ ภาษาที่ใช้ร่วมกันที่มันให้มาเป็นความแตกต่างระหว่างการทำธุรกรรมที่เสร็จสมบูรณ์อย่างถูกต้องและที่ไม่ถูกต้อง

ข้อมูลสินค้าที่ไม่สมบูรณ์มีศักยภาพที่จะทำให้สินค้าถูกถอดออกจากชุดตัวเลือกของเอเจนต์โดยสิ้นเชิง สำหรับแบรนด์ที่เล็กกว่า นั่นคือปัญหาการมองเห็นที่มีอยู่

ข้อมูลที่พร้อมสำหรับเอเจนต์เทียบกับสิ่งที่บริษัทส่วนใหญ่มี

การได้รับข้อมูลที่พร้อมสำหรับเอเจนต์หมายถึงการรับรองว่าสินค้าทุกชิ้นในแคตตาล็อกมีตัวระบุที่เป็นเอกลักษณ์และถูกยืนยันในระดับโลก มันหมายถึงคุณลักษณะที่สมบูรณ์และสอดคล้องกันทุกระบบที่คู่ค้าทำการค้า มันหมายถึงข้อมูลคลังสินค้าและราคาที่สอดคล้องกันในเวลาจริง ไม่ใช่การอัปเดตเป็นชุด

การวางเอไอเพิ่มเติมบนข้อมูลที่ไม่สมบูรณ์จะทำให้ได้คำตอบที่ผิดพลาดมากขึ้น พื้นฐานต้องถูกต้องก่อน

Gartner คาดการณ์ว่ามากกว่า 40% ของโครงการ AI ที่ใช้เอเจนต์จะถูกยกเลิกภายในปี 2027 โดยอ้างถึงต้นทุนที่เพิ่มขึ้น ผลตอบแทนที่ไม่ชัดเจน และการควบคุมความเสี่ยงที่ไม่เพียงพอ คุณภาพโครงสร้างพื้นฐานข้อมูลเป็นปัจจัยสำคัญที่ส่งผลต่อทั้งสามสิ่ง บริษัทที่สร้างระบบการค้าแบบ Agentic โดยไม่ตรวจสอบชั้นข้อมูลกำลังแก้ปัญหาที่ไม่ถูกต้อง

ที่ที่ผู้ค้าปลีกและแบรนด์ควรเริ่มต้น

1. ตรวจสอบตัวระบุสินค้าข้ามทุกระบบ สินค้าทุกชิ้นในแคตตาล็อกต้องมีตัวระบุที่ถูกยืนยันและเป็นเอกลักษณ์ในระดับโลก ตัวระบุที่หายไปหรือซ้ำกันคือสาเหตุที่ทำให้เอเจนต์ข้ามสินค้าโดยสิ้นเชิง
2. มาตรฐานการระบุชื่อคุณลักษณะ ขนาด น้ำหนัก รุ่น และความพร้อมต้องมีความหมายเหมือนกันทุกระบบที่คู่ค้าทำการค้า การระบุชื่อคุณลักษณะที่ไม่สอดคล้องกันจะไม่มองเห็นได้โดยมนุษย์และเป็นอันตรายต่อเอเจนต์
3. ส่งต่อข้อมูลข้ามคู่ค้าในเวลาจริง บริษัทส่วนใหญ่อัปเดตคลังสินค้าและราคาโดยชะลอการอัปเดต — ทุกชั่วโมง ทุกคืน หรือการอัปเดตด้วยมือ เอเจนต์ที่ทำการซื้อไม่ chờการอัปเดตครั้งถัดไป
4. พิจารณาความพร้อมของข้อมูลเป็นข้อกำหนดเบื้องต้นสำหรับการลงทุน AI ที่ใช้เอเจนต์ บริษัทที่สร้างระบบการค้าแบบ Agentic โดยไม่ตรวจสอบชั้นข้อมูลกำลังแก้ปัญหาที่ไม่ถูกต้อง ระลึกไว้ว่าเอเจนต์เป็นสิ่งสุดท้ายที่ต้องปรับแต่ง แต่ชั้นข้อมูลต้องเป็นข้อแรก

ผู้ค้าปลีกและแบรนด์ที่ลงทุนในพื้นฐานนั้นจะสามารถค้นหาและทำธุรกรรมได้ง่ายขึ้นสำหรับเอเจนต์ที่ตัดสินใจซื้อขายแทนผู้บริโภค ผู้ที่รอจะแข่งขันกันเพื่อความมองเห็นในระบบที่ไม่ได้สร้างมาเพื่อค้นหาพวกเขา เอเจนต์เป็นส่วนที่มองเห็นได้ แต่คำถามที่สำคัญกว่านั้นคือว่าข้อมูลที่อยู่ด้านล่างมันพร้อมหรือไม่