Agentic commerce: jak przygotować sklep, żeby AI go polecało

Agentic commerce to handel, w którym zakup za człowieka wykonuje agent AI: ChatGPT, Gemini albo asystent wbudowany w przeglądarkę czy system sam wyszukuje produkty, porównuje oferty i coraz częściej domyka transakcję. Twój sklep przygotujesz do tego nie nową kampanią, tylko robiąc go czytelnym dla maszyny: kompletne dane strukturalne (Product, Offer, cena, dostępność), czyste i pełne feedy produktowe, dane dostępne przez API, wiarygodne recenzje oraz jednoznaczne ceny i stany na szybkiej, stabilnej stronie. Poniżej konkretna checklista i sposób, żeby sprawdzić, czy AI już Cię poleca, zanim ruch przez agentów urośnie na tyle, że różnica stanie się widoczna w przychodzie.

Czym jest agentic commerce i dlaczego to nie kolejny buzzword

W klasycznym zakupie online człowiek wpisuje zapytanie, przegląda wyniki, wchodzi na strony, porównuje i klika. W agentic commerce ten łańcuch przejmuje agent AI działający w imieniu klienta: rozumie intencję (na przykład "kup mi buty do biegania po asfalcie do 400 złotych z darmowym zwrotem"), przeszukuje oferty, zawęża je do kilku, ocenia je po cenie, dostępności i opiniach, a następnie przedstawia rekomendację albo od razu realizuje zamówienie. Człowiek zatwierdza wynik, a nie przechodzi całą ścieżkę.

To nie jest scenariusz na przyszłą dekadę. McKinsey szacuje, że agentic commerce wpłynie na 3-5 bln USD globalnego handlu detalicznego do 2030 roku, a globalne badanie Riskified z 2025 roku wskazuje, że 73% kupujących korzysta już z AI na którymś etapie zakupu, najczęściej do podsuwania pomysłów, streszczania recenzji i porównywania cen. W 2026 roku Google, OpenAI i Shopify wprowadzają własne mechanizmy agentic commerce, które pozwalają agentowi przejść od odpowiedzi do zakupu bez opuszczania interfejsu asystenta. Kierunek jest jasny: część decyzji zakupowych zapada tam, gdzie Twojej strony nikt nie ogląda.

Zero-click: dlaczego sklep musi być czytelny dla agenta

Najważniejsza zmiana kryje się w słowie zero-click. Agent nie ogląda Twojego banera, nie czyta emocjonalnego nagłówka i nie reaguje na kolor przycisku "Dodaj do koszyka". Czyta dane: nazwę produktu, atrybuty, cenę, dostępność, oceny. Jeśli te dane nie są jednoznaczne i maszynowo dostępne, dla agenta Twój produkt po prostu nie istnieje, choćby dla człowieka wyglądał świetnie. Tak jak w wyszukiwarce liczyła się indeksowalność, tak w agentic commerce liczy się to, czy maszyna potrafi bez wątpliwości odczytać, co sprzedajesz, za ile i czy jest na stanie.

Ten sam mechanizm rządzi widocznością w odpowiedziach generatywnych szerzej, nie tylko przy samym zakupie. Zasady przygotowania sklepu pod modele opisujemy osobno w tekście o GEO dla eCommerce; agentic commerce to jego transakcyjne przedłużenie, w którym stawką jest nie wzmianka, lecz sfinalizowana sprzedaż. Dlatego czytelność dla agenta traktuj jak higienę danych, a nie jak kolejny kanał marketingu do obsłużenia.

Checklista: co przygotować, żeby agent Cię wybrał

Poniższa tabela zestawia to, czego agent AI szuka w trakcie zakupu, z tym, czego potrzebuje od Twojego sklepu, i z konkretnym sposobem, żeby mu to dać. Potraktuj ją jak listę kontrolną i przejdź wiersz po wierszu z własnym sklepem w ręku.

Fakty rynkowe: McKinsey (wpływ 3-5 bln USD do 2030) i globalne badanie Riskified 2025 (73% kupujących używa AI). Dostęp: 26.07.2026.

Dwa wiersze z tabeli zasługują na podkreślenie, bo najczęściej są zaniedbane. Pierwszy to dane strukturalne: bez poprawnych Product i Offer agent zgaduje albo pomija Twoją ofertę. Jak je zbudować i jakich błędów unikać, rozkładamy krok po kroku w tekście o danych strukturalnych pod AI. Drugi to feed i dostępność przez API: jeżeli cała wiedza o produkcie żyje wyłącznie w warstwie renderowanej w przeglądarce, agent może jej nie zobaczyć. Gotowe prompty, w tym do generowania i sprawdzania danych strukturalnych, zebraliśmy w Bibliotece AI, żeby ten etap dało się przejść szybciej niż od zera.

Jak sprawdzić, czy AI Cię poleca: nowy nawyk pomiaru

W klasycznym SEO patrzysz na pozycje i ruch z wyszukiwarki. W agentic commerce potrzebujesz nowego nawyku, bo znaczna część interakcji nigdy nie trafia do Twojej analityki: klient pyta agenta, agent czyta dane i poleca albo pomija, a Ty w statystykach sklepu nie widzisz niczego. Dlatego widoczność w AI trzeba mierzyć aktywnie, a nie czekać, aż pokaże się w raporcie ruchu.

Najprostszy start nie wymaga narzędzi. Wypisz kilkanaście realnych pytań zakupowych z Twojej kategorii, takich, jakie zada klient (na przykład "polej mi dobry ekspres kolbowy do domu do 2000 złotych" albo "gdzie kupię X z szybką dostawą"). Raz w miesiącu zadaj te same pytania kilku modelom (ChatGPT, Gemini, Perplexity), zapisz, czy w odpowiedzi pojawia się Twoja marka i produkty, jak są opisane i czy dane się zgadzają. To da Ci prostą, powtarzalną miarę: jesteś wymieniany czy nie, i czy to, co model o Tobie mówi, jest prawdą.

Ten ręczny pomiar da się potem uporządkować i prowadzić regularnie zamiast dorywczo. W Seedlight robimy to w ramach usługi AI Visibility (GEO): systematycznie sprawdzamy, jak modele opisują markę i produkty, gdzie podają nieaktualne dane i czego brakuje w warstwie, którą czyta agent. Zastrzeżenie wprost, bo należy je postawić: nikt nie gwarantuje, że dany model Cię poleci ani z jaką częstotliwością, to zmienne, których nie kontrolujemy. Kontrolujesz za to jedno, i to dużo: czy Twoje dane są kompletne, jednoznaczne i dostępne dla maszyny. To jest ta część, którą warto domknąć.

Od czego zacząć

Praktyczna kolejność jest odwrotna do kolejności odkryć: najpierw pomiar, żeby wiedzieć, gdzie realnie stoisz, potem naprawa danych od najważniejszych. Zacznij od danych strukturalnych Product i Offer oraz od jednego czystego feedu jako źródła prawdy, bo to one rozstrzygają, czy agent w ogóle Cię zobaczy. Następnie zadbaj o dostępność danych przez API lub stabilny feed, o sygnały zaufania i o jednoznaczne ceny i stany. Na końcu dopnij szybkość i stabilność, bo agent, który czeka na wolną stronę, po prostu wybierze szybszą konkurencję.

Jeśli budujesz albo rozwijasz platformę, tę czytelność dla agentów najtaniej wpiąć w fundament, a nie doklejać ją później wtyczkami. Seedlight buduje platformy eCommerce frameworkiem BEAM tak, żeby dane strukturalne, feedy i wydajność były częścią architektury od początku, a nie łatą po fakcie. Agentic commerce niczego w tym nie wywraca: nagradza sklepy, które i tak mają uporządkowane dane, jednoznaczne ceny i szybką stronę. Dobra wiadomość jest taka, że przygotowanie pod agentów to w dużej mierze ta sama robota, która od lat pomaga ludziom kupować u Ciebie sprawniej. Tyle że teraz po drugiej stronie jest też maszyna, a ona nie wybacza brakujących danych.