Шар агентської комерції, який не можна ігнорувати

AI-агенти перейшли від пошукових помічників до автономних покупців. Найбільші платформи зараз змагаються за володіння тим транзакційним шаром, і останній крок Amazon робить це конкретним. Alexa для покупок, створена з об’єднання Rufus і Alexa+, відстежує ціни та запам’ятовує контекст на різних пристроях. Потім, з Auto-Buy, вона завершує покупку в момент, коли продукт досягає цілі, без огляду корзини або ручної оплати.

Агентська торгівля – це ринок, який, як передбачається, досягне обсягів понад $5 трильйонів у глобальному комерційному обігу до 2030 року. Amazon далеко не єдина, хто намагається вирізати частку цього сектора – Google, OpenAI та Perplexity також агресивно рухаються в напрямку агентської торгівлі. Це також збільшує комфорт споживачів з участю штучного інтелекту у процесі прийняття покупчих рішень, при цьому трафік, керований штучним інтелектом, на рітейл-сайтах США зросла на 393% у першому кварталі 2026 року.

Споживчий досвід легко зрозуміти. Що менш помітно, так це інфраструктура, яка робить це можливим. Коли агент штучного інтелекту здійснює транзакцію автономно, він повністю довіряє продуктним даним. Жоден людина не позначає неправильну варіацію або неправильно класифікований продукт. Це робить шар даних найбільш важливою частиною агентської торгівлі.

Фундамент агентської комерції

Розмова про агентську торгівлю в основному про агента – модель, інтерфейс або досвід. Але справжній визначник успіху не сам агент, а шар даних, який підтримує електронну комерцію.

Коли споживач просить агента повторно замовити пральний засіб або купити найдешевший кабель HDMI, який може прибути завтра, транзакція здається простою. Однак позаду сцени агент повинен прийняти серію рішень. Йому потрібно ідентифікувати точний продукт, який запитується, перевірити атрибути продукту та його доступність, порівняти варіанти на різних платформах та підключити покупку до правильної мережі інвентаризації та виконання.

На відміну від людини-споживача, агент штучного інтелекту не може покладатися на інтуїцію, щоб заповнити пробіли чи вирішити несумісності. Кожний крок у транзакції повинен бути підживлений даними, які структуровані та узгоджені по всіх системах, що беруть участь. Якщо будь-яка частина цього фундаменту відсутня або фрагментована, агент не зупиняється, щоб розслідувати. Замість цього він працює з тим, що є, і здійснює транзакцію, або не завершує транзакцію зовсім, створюючи несумісні та часто ненадійні користувацькі досвіди.

Де розбивається фундамент даних

За даними Mirakl, менше 1% сторінок електронної комерції зараз відповідають мінімальним стандартам для рекомендацій агентами штучного інтелекту. Ідентифікатори продуктів різняться між системами постачальників та внутрішніми системами, тоді як статус інвентаризації відстає від реальності. Дані про місцезнаходження також не мають стандартизації по мережі виконання.

Коли люди знаходяться в циклі, погані дані керуються. Покупець помічає неправильну варіацію, або менеджер складу знає, що система інвентаризації відстає. Люди заповнюють пробіли з досвіду; проблема полягає в тому, що агент штучного інтелекту не має такого інстинкту. Він читає дані, які йому надані, і здійснює транзакцію, або не завершує її зовсім.

Коли дані неправильні, транзакція неправильна. Завершена покупка неправильного продукту, маршрутизована в неправильне місце, за неправильною ціною. Агент виконував точно так, як був спроектований, але дані під ним не були такими.

Шар ідентичності, на який кожен агент спирається

Погана якість даних коштує організаціям щонайменше $12,9 мільйона на рік у середньому. Ця цифра походить з середовищ, де люди все ще знаходяться в циклі. У агентській торгівлі ця цифра тільки зростає. Кожна автоматична транзакція, яку агент робить неправильно, збільшує витрати.

Пара бігових кросівок, перерахована як “бігові кросівки” на одній платформі та “універсальні кросівки” на іншій, є тим самим продуктом, але агент штучного інтелекту не може підтвердити це без універсального ідентифікатора.

Це саме те, що допомагає вирішити ідентифікатор продукту, вбудований у штрих-код UPC. Ці сигнали можуть нести GTIN (Глобальний торговий номер товарів), який є частиною глобальної системи стандартів, використовуваної понад 2 мільйонами компаній для унікальної ідентифікації продуктів у глобальному ланцюгу поставок. Штрих-коди GTIN надають продуктам єдину, верифіковану ідентичність по всіх рітейлерах, складах та платформах, які до них дотикаються. Коли агент порівнює ціни на ці кросівки на Amazon та Target, GTIN підтверджує, що це дійсно порівнюються однакові продукти.

Стандарти, такі як ті, що від GS1 US, забезпечують спільну мову для ідентифікації продуктів, місць та сутностей, ту саму мову, яку агенти штучного інтелекту потребують для спілкування, координації та прийняття точних рішень. Коли все більше агентів штучного інтелекту входять у ланцюг поставок – один керує закупівлями, інший контролює інвентаризацію, третій відстежує логістику – їм потрібно обмінюватися даними по системах, створених різними компаніями. Стандартизовані ідентифікатори роблять це можливим.

GTIN є частиною цієї ширшої структури. Для агентів штучного інтелекту спільна мова, яку вони забезпечують, є різницею між транзакцією, яка завершується точно, і тією, яка не завершується.

Неповні дані про продукти мають потенціал повністю видалити продукт з набору варіантів агента. Для менших брендів це проблема видимості.

Дані, готові до агента, порівняно з тим, що мають більшість компаній

Отримання даних, готових до агента, означає забезпечення того, щоб кожен продукт у каталозі мав верифікований, глобально унікальний ідентифікатор. Це означає, що атрибути повні та узгоджені по всіх системах, які торкаються партнера. Це також означає, що дані про інвентаризацію та ціни синхронізовані в режимі реального часу, а не оновлюються пакетами. Дані, створені для перегляду людиною, не відповідають цьому стандарту.

Нанесення додаткового штучного інтелекту на фрагментовані дані призводить до швидших, більш впевнених неправильних відповідей. Фундамент повинен бути правильним спочатку.

За прогнозами Gartner, понад 40% проектів агентського штучного інтелекту будуть скасовані до 2027 року, посилаючись на зростаючі витрати, нечітку віддачу від інвестицій та недостатню контроль ризиків. Якість інфраструктури даних безпосередньо впливає на всі три чинники. Компанії, які будують агентську торгівлю без аудиту шару даних, розв’язують неправильну проблему.

Де рітейлери та бренди повинні починати

1. Перевірте ідентифікатори продуктів по всіх системах. Кожен продукт у каталозі потребує верифікованого, глобально унікального ідентифікатора. Відсутні або дублікатні ідентифікатори є найбільш поширеною причиною, через яку агенти пропускають продукти зовсім.
2. Стандартизуйте маркування атрибутів. Розмір, вага, варіант та доступність повинні мати однакове значення по всіх системах, які торкаються партнера. Несумісне маркування невидиме для людей і фатальне для агентів.
3. Синхронізуйте дані по партнерам у режимі реального часу. Більшість компаній оновлюють інвентаризацію та ціни з затримкою – щогодини, щонічно або вручну. Агент, який здійснює покупку, не чекає наступної актуалізації.
4. Розгляньте готовність даних як передумову для будь-яких інвестицій у агентський штучний інтелект. Компанії, які будують агентську торгівлю без аудиту шару даних, розв’язують неправильну проблему. Пам’ятайте, що агент є останнім, whom потрібно оптимізувати; фундамент даних повинен бути першим.

Рітейлери та бренди, які інвестують у цей фундамент зараз, будуть більш відкритими та транзакційними для агентів, які приймають рішення про покупку від імені споживачів. Ті, хто чекає, будуть змагатися за видимість у системі, яка ніколи не будувалася для їх пошуку. Агент є видимою частиною. Більш важливе питання полягає в тому, чи готові дані під ним.