Sprawdziliśmy 24 polskie sklepy: czy agent AI może w nich kupić

Agent zakupowy AI nie ogląda strony, tylko odczytuje rekord produktu. Sprawdziliśmy więc, co ten rekord zawiera w dwudziestu czterech polskich sklepach: dziewięć pól, bez których nie da się domknąć zakupu, od identyfikatora po warunki zwrotu. Odczytać udało się siedem sklepów. W żadnym z nich nie było jednostki sprzedaży, terminu dostawy ani warunków zwrotu zapisanych jako dane. Cena i waluta były wszędzie. Poniżej surowe liczby, metoda i to, czego z tych danych wyczytać nie wolno.

Trzy pola nie wystąpiły ani razu

Wynik zbiorczy dla siedmiu sklepów, które udało się odczytać. Kolejność od pól obecnych po zupełnie nieobecne.

Pomiar własny z 25 sierpnia 2026, po cztery karty produktu na sklep. Wynik powtórzony trzykrotnie z identycznym rezultatem.

Ta tabela ma prosty podział. Górna połowa to pola, których wymaga Google od kilku lat, żeby produkt pokazał się w wynikach zakupowych. Dolna to pola, których wyszukiwarka nie wymaga, bo do wyświetlenia oferty nie są potrzebne. Agent do kupienia potrzebuje obu połówek naraz.

Sklepy zrobiły dokładnie to, o co je poproszono, i ani kroku dalej.

Siedemnaście sklepów w ogóle nie dało się odczytać

To jest wynik ciekawszy od samych braków w polach, bo dotyczy większości próby. Rozkład przyczyn wygląda tak: siedem sklepów serwuje karty produktu zupełnie bez danych strukturalnych, cztery odrzucają ruch przedstawiający się jako bot, cztery nie mają mapy witryny z adresami produktów, a w dwóch nie udało się pobrać żadnej karty w wyznaczonym czasie.

Warto zatrzymać się przy drugiej grupie. Jedna z dużych sieci ma w pliku robots.txt wprost regułę zabraniającą wchodzenia na adresy kart produktu, a jednocześnie odrzuca zapytania z nagłówkiem bota kodem 403. Nie znamy powodów tej decyzji i mogą być dobre, na przykład ochrona przed skrapowaniem cen przez konkurencję. Skutek uboczny jest jednak taki, że sklep zamyka drzwi także tym robotom, które zasilają odpowiedzi modeli językowych.

Sprawdziliśmy przy okazji dostęp dziesięciu robotów AI, od GPTBota po ClaudeBota. Żaden z siedmiu czytelnych sklepów nie blokuje ich w robots.txt. To dobra wiadomość i zarazem sygnał, że blokady bywają skutkiem konfiguracji zapory, a nie świadomą decyzją zapisaną w pliku.

Wariant zaszyty w nazwie produktu, czyli błąd, którego nikt nie widzi

W czterech sklepach na siedem kolor albo wykończenie produktu siedzi w jego nazwie, a nie w osobnym polu. Nazwa w rodzaju „Wieszak samoprzylepny poczwórny czarny mat” jest dla człowieka zupełnie czytelna. Dla agenta to jeden produkt o długiej nazwie, a nie wersja kolorystyczna czegoś, co ma też inne wersje. Kiedy klient powie „czarny mat, rozmiar czterdzieści”, agent nie ma po czym zawęzić wyboru i idzie do sklepu, w którym wariant jest polem.

W jednym sklepie z produktami na wymiar dane strukturalne podawały cenę zero. To typowe dla konfiguratorów, które liczą cenę dopiero po wprowadzeniu wymiarów, ale agent odczyta taki rekord jako produkt darmowy albo pominie go w porównaniu. Rozłożyliśmy podobne przypadki pole po polu w tekście o tym, co widzi agent AI w Twoim sklepie.

Jak to mierzyliśmy

Metoda jest prosta i celowo powtarzalna. Dla każdego sklepu pobieramy plik robots.txt, znajdujemy mapę witryny, losujemy z niej karty produktu i odczytujemy z nich dane strukturalne schema.org. Sprawdzamy obecność dziewięciu pól, nic więcej. Cały pomiar jest deterministyczny, bez modelu językowego, więc ten sam sklep zawsze daje ten sam wynik, a każdy brak da się wskazać palcem w kodzie strony.

• Próba: 24 sklepy, w większości duże sieci i marki znane z reklam, plus kilka mniejszych.
• Zakres: do czterech kart produktu na sklep, wybieranych z rozrzutem po całej mapie witryny.
• Data: 25 sierpnia 2026. Pomiar powtórzony trzykrotnie, za każdym razem z tym samym wynikiem.
• Higiena: respektujemy robots.txt, przedstawiamy się w nagłówku User-Agent, zachowujemy odstęp między żądaniami i nie zapisujemy cudzych treści.

Blokad nie obchodziliśmy. Sklep, który odrzucił nasze zapytanie, jest w tym badaniu policzony jako nieczytelny i tyle.

Ograniczenia, które trzeba znać, zanim ktoś te liczby zacytuje

Próba jest mała i nielosowa, więc to nie jest reprezentatywny obraz polskiego eCommerce. Jest za to przechylona w stronę dużych sieci z własnymi zespołami technicznymi, a te mają zwykle lepsze dane niż średnia rynku. Jeśli więc te liczby są w czymś nietrafione, to raczej dlatego, że są zbyt optymistyczne.

• Cztery karty produktu na sklep pokazują szablon, a nie cały katalog. Sklep z kilkoma szablonami może mieć wyniki różne w różnych kategoriach.
• Sprawdzamy obecność pola, a nie poprawność wartości. Pole wypełnione błędnie liczy się tu jako obecne.
• Nie badamy zgodności między danymi strukturalnymi a feedem produktowym, bo feedy nie są publiczne. To luka, w której siedzi część najgroźniejszych błędów.
• Sklepy nieczytelne mogą mieć dobre dane, których po prostu nie udostępniają automatom. Z punktu widzenia agenta wychodzi na to samo, ale to nie jest ten sam problem.

Nasze narzędzie skłamało trzy razy, zanim powiedziało prawdę

Ta sekcja jest tu dlatego, że bez niej powyższe liczby byłyby mniej warte. Silnik, którym mierzyliśmy, w trakcie budowy trzykrotnie oskarżył sklep o coś, czego ten nie zrobił, i za każdym razem z innego powodu.

• Sklep publikował cenę, ale symbol waluty był zapisany encjami HTML, więc kwoty „nie było” na stronie. Narzędzie zgłosiło rozjazd, którego nie ma.
• Cena „1.299,00 zł” została odczytana jako 299, bo kropka jest tam separatorem tysięcy. Znowu rozjazd z niczego.
• Adres wzięty za kartę produktu okazał się listingiem kategorii, więc porównaliśmy dane jednego towaru z ceną innego.

Po trzeciej próbie wycięliśmy tę funkcję zamiast ją łatać. Wiarygodny pomiar rozjazdu ceny wymaga renderowania strony, a nie wyłuskiwania kwot z kodu. Dwa błędy poszły głębiej: jeden sklep pokazywał się z zaniżonym wynikiem, bo publikował status podatkowy w tablicy, a nie w obiekcie, drugi dlatego, że jego karta produktu nosiła dodatkowe rekordy sekcji „kupowane razem”. Oba naprawione, oba podnosiły cudzy wynik po naprawie.

Sprawdź swój sklep i zacznij od trzech pól

Ten sam pomiar możesz uruchomić na swoim sklepie za darmo w teście gotowości na agentów AI. Wpisujesz adres, dostajesz listę braków z instrukcją naprawy dla każdego oraz gotowy rekord do wklejenia. Jeżeli wynik pokaże te same trzy zera co u badanych sklepów, zacznij właśnie od nich: jednostka sprzedaży, dostawa i zwroty są jedynymi polami, przy których agent nie zgaduje, tylko rezygnuje.

A jeśli zastanawiasz się, czy w ogóle warto, zanim ruszysz z czymkolwiek większym, opisaliśmy tę kolejność w tekście o tym, co realnie potrafi asystent AI w sklepie. Krótko: dane produktowe naprawia się raz, a pracują na wyszukiwarkę, kanały sprzedaży i odpowiedzi modeli jednocześnie.