Agentic commerce przenosi ścieżkę zakupową z wizualnego przeglądania stron do autonomicznych agentów AI, przez co ustrukturyzowane dane i infrastruktura czasu rzeczywistego stają się ważniejsze niż projekt frontendu. Sukces zależy od wdrożenia nowoczesnych atrybutów Schema.org i zadbania o to, by systemy bezpieczeństwa (HTTP 403) nie blokowały legalnych asystentów AI.

Większość z nas spędziła ostatnią dekadę na obsesyjnym dbaniu o ruch organiczny, wizualny storytelling i optymalizację współczynnika konwersji (CRO). Budowaliśmy piękne witryny sklepowe, które miały przekonać ludzi do kliknięcia. Ale reguły gry się zmieniły: w erze agentic commerce klientem nie zawsze jest człowiek klikający przycisk – bywa nim agent AI pobierający konkretną daną. Jeśli infrastruktura nie jest gotowa, by obsłużyć takiego agenta, sklep w praktyce nie istnieje.
Agentic commerce to przejście od przeglądania prowadzonego przez człowieka do autonomicznych agentów AI realizujących zakupy w imieniu użytkowników. Aby wygrać w tym środowisku, musimy przestawić się z projektowania wizualnego na logistykę danych. Prawdziwym wąskim gardłem nie są teksty marketingowe, lecz techniczna spójność danych ustrukturyzowanych i ukryte reguły bezpieczeństwa w stosie technologicznym, które traktują legalnych asystentów AI jak złośliwe boty. Widzieliśmy to już wcześniej: agenci AI tracą zaufanie, gdy zespoły nie potrafią przewidzieć zakresu ich działania, a to samo dotyczy danych, z których korzystają. Jeśli agent nie może zaufać danym, nie zrealizuje transakcji.

Zmiana: asystenci AI kontra wizualny projekt strony

Asystentów zakupowych AI nie interesują banery na stronie głównej, paleta kolorów marki ani starannie dopracowana sekcja „O nas”. Całkowicie omijają warstwę wizualną i odpytują backend przez feedy danych i ustrukturyzowane schematy. Gdy agent realizuje zakup w oknie rozmowy, tradycyjny model SEO polegający na „kierowaniu ruchu na landing page” przestaje działać.
Zmierzamy do świata, w którym Google AI Mode oznacza mniej kliknięć i wyższe standardy. W tym świecie feed produktowy nie jest już tylko narzędziem wspierającym kampanie PPC; to główny kanał sprzedaży. Jeśli dane nie są czytelne maszynowo, agent nie porówna ceny, nie zweryfikuje dostępności ani nie sprawdzi zasad zwrotów. Sklep nie trafia po prostu niżej w rankingu – zostaje całkowicie wykluczony z transakcji. To fundamentalna zmiana w myśleniu o autorytecie sklepu. Nie chodzi już o liczbę backlinków, lecz o to, ile czystych, weryfikowalnych danych można udostępnić automatycznemu scraperowi.

Wyniki audytu: analiza 141 kart produktów i 10-punktowy standard

Najnowsze dane pokazują ogromną lukę między deklarowaną a rzeczywistą gotowością. Audyt przeprowadzony przez Search Engine Journal objął 207 stron produktowych 29 globalnych marek e-commerce. Po odfiltrowaniu błędów i nieprawidłowych kategoryzacji końcową próbę 141 kart produktów oceniono według 10-punktowego standardu Universal Commerce Protocol (UCP) od Google. Standard ten sprawdza obecność kluczowych atrybutów technicznych w danych ustrukturyzowanych.
W szczególności 70% analizowanych stron produktowych całkowicie pomija trzy kluczowe atrybuty wprowadzone do standardu Schema.org w latach 2020 i 2021:

3. Zasady zwrotów (hasMerchantReturnPolicy.merchantReturnDays): Ustrukturyzowana gwarancja, która zmniejsza „tarcie” w procesie decyzyjnym AI.

Dlaczego GTIN i schemat to nowe SEO

Często widzimy, że schemat danych blokuje produkt, który chcą Państwo zbudować. W agentic commerce jest to dosłowne. Jeśli nie poda się ustrukturyzowanych zasad zwrotów ani okna dostawy, AI uzna transakcję za ryzykowną. Nie zaryzykuje. Da pierwszeństwo sprzedawcy, który zapewnia czytelną maszynowo gwarancję obsługi, a nie temu, który ukrywa ją w pliku PDF lub linku w stopce.

Bariery infrastrukturalne: systemy bezpieczeństwa blokujące agentów AI (HTTP 403)

Jedną z najczęściej pomijanych przeszkód technicznych jest konflikt między bezpieczeństwem a dostępnością. Audyt wykazał, że 15% początkowych stron produktowych zwracało błąd HTTP 403. Nie były to niedziałające strony; były to strony, na których systemy bezpieczeństwa blokowały automatyczne zbieranie danych.
To stawia osoby odpowiedzialne za operacje przed trudnym kompromisem. Jak pozwolić wartościowym agentom AI indeksować dane, jednocześnie trzymając złośliwe scrapery z daleka? Odpowiedzią jest zaawansowane zarządzanie botami, które potrafi rozpoznać sygnatury głównych protokołów AI. Jeśli firewall nadal stosuje toporne blokowanie adresów IP lub podstawowe filtrowanie user-agentów, najpewniej odcina Państwa od przyszłych klientów. Agentów AI trzeba traktować jako ruch klasy premium, a nie uciążliwość do ograniczenia. Wymaga to zmiany sposobu konfiguracji WAF (Web Application Firewall) i reguł rate limitingu, tak aby obsłużyć częste zapytania, jakich wymaga agentic commerce.

Strategiczna zmiana: od tworzenia treści do logistyki danych

Przejście na agentic commerce nie wymaga całkowitej przebudowy CMS. Najlepiej wypadające sklepy w audycie nie korzystały z własnych, drogich technologii; po prostu prawidłowo skonfigurowały istniejące pola. Większość danych potrzebnych agentowi AI – okresy zwrotów, czasy wysyłki i ważność cen – już istnieje w systemie ERP lub PIM. Problem ma charakter logistyczny: dane utknęły w magazynie, a nie trafiły do schematu.
Musimy przestać traktować feed produktowy jako drugorzędny eksport dla marketingu. Teraz to kręgosłup sklepu. Jak pisaliśmy już wcześniej, agentic commerce nagrodzi sklepy z lepszymi danymi produktowymi. Oznacza to zapewnienie dokładności w czasie rzeczywistym. Jeśli agent AI spróbuje przeprowadzić transakcję i okaże się, że produktu nie ma na stanie lub cena się zmieniła, oznaczy feed jako niewiarygodny. To cios w reputację, który znacznie trudniej naprawić niż złą recenzję. Agenci AI mają długą pamięć; jeśli dane zawiodą ich raz, mogą obniżyć priorytet sklepu w przyszłych zapytaniach, aby chronić doświadczenie użytkownika. Rekomendujemy odejście od jednorazowych dziennych aktualizacji feedu na rzecz aktualizacji sterowanych zdarzeniami, które odzwierciedlają stany magazynowe w czasie rzeczywistym.

Praktyczne rekomendacje: zarządzanie feedem i personalizacja

Aby przygotować się na tę zmianę, rekomendujemy skupienie się na trzech filarach technicznych. Po pierwsze, feed produktowy należy traktować jako główną witrynę sklepu. Musi być tak samo kompletny jak interfejs. Nie chodzi tylko o SEO; chodzi o zdolność do realizacji transakcji. Jeśli pole istnieje w Schema.org, warto dążyć do jego uzupełnienia. Nie należy czekać, aż wyszukiwarki zaczną go „wymagać”; agenci AI już to robią.
Po drugie, warto przejść na synchronizację danych w czasie rzeczywistym. Jeśli backend pokazuje 10 sztuk na stanie, dane ustrukturyzowane powinny odzwierciedlać to natychmiast. W świecie agentic commerce nieaktualne dane są odpowiednikiem tabliczki „Zamknięte” na drzwiach wejściowych.

Wreszcie należy przygotować się na nadejście Universal Commerce Protocol (UCP). Standard ten umożliwia łączenie kont klientów, co oznacza, że agenci AI będą w przyszłości mogli stosować spersonalizowane rabaty lojalnościowe i produkty z list życzeń bezpośrednio w czacie. Według analizy gotowości e-sklepów ci, którzy połączą swoje systemy lojalnościowe z protokołami AI, zyskają ogromną przewagę konkurencyjną. Będą mogli zaoferować agentowi doświadczenie „zalogowanego użytkownika”, umożliwiając płynne korzystanie ze środków na koncie sklepowym, punktów i cen dla członków bez odwiedzania strony przez użytkownika.

Kiedy nie stosować tego podejścia

Są przypadki, w których silne skupienie na infrastrukturze danych kosztem projektu wizualnego może być przedwczesne. Jeśli marka opiera się wyłącznie na emocjonalnym, wizualnym storytellingu wymagającym osobistego podejścia – jak w przypadku luksusowych produktów na zamówienie czy sztuki, gdzie „dane” (wymiary, waga) są drugorzędne wobec doznań estetycznych – model agentic commerce może jeszcze nie być głównym motorem. Jednak dla każdego sprzedawcy oferującego produkty standaryzowane, towary masowe lub artykuły, przy których decydują cena i szybkość, te poprawki infrastruktury są niepodlegające negocjacjom.

Najważniejsze wnioski

• Schemat to nowy interfejs: Jeśli kluczowe dane, takie jak zasady zwrotów czy czasy wysyłki, nie znajdują się w danych ustrukturyzowanych, dla AI nie istnieją.
• Proszę naprawić błędy 403: Warto przeanalizować ustawienia ochrony przed botami, aby nie blokować legalnych agentów AI od Google czy OpenAI.
• GTIN jest obowiązkowy: Bez unikalnych identyfikatorów agenci AI nie mogą uwzględnić sklepu w porównaniach cen ani zestawieniach produktów.
• Logistyka danych > treść: Sukces w agentic commerce zależy od przepływu danych z ERP do agenta, a nie od urody banerów.

Najczęściej zadawane pytania

Czy na potrzeby agentic commerce trzeba zmienić platformę e-commerce?

Nie. Większość standardowych systemów CMS i ERP już przechowuje potrzebne dane. Wyzwaniem jest prawidłowe zmapowanie tych danych na atrybuty Schema.org, takie jak shippingDetails i priceValidUntil, aby agenci AI mogli z nich korzystać. To zadanie konfiguracyjne, a nie migracja platformy.

Dlaczego GTIN jest tak ważny dla agentów AI?

GTIN działa jak uniwersalne powiązanie. Bez niego agent AI nie może jednoznacznie ustalić, że produkt jest tym samym, który oferuje inna strona. Uniemożliwia to agentowi dokładne porównanie cen lub cech i często prowadzi do całkowitego pominięcia oferty, aby uniknąć błędnej rekomendacji dla użytkownika.

Jak sprawić, by firewall przestał blokować agentów AI?

Należy odejść od masowego blokowania HTTP 403 i wdrożyć zarządzanie botami, które rozpoznaje i umieszcza na białej liście zweryfikowanych agentów AI głównych dostawców, nadal chroniąc przed złośliwymi scraperami. Zwykle wymaga to sprawdzania ciągu User-Agent i weryfikowania adresu IP względem znanych zakresów publikowanych przez Google lub OpenAI.

Praktyczne wskazówki

• Warto zmapować pola ERP dotyczące zasad zwrotów i czasu wysyłki bezpośrednio na tagi Schema.org, aby spełnić wymagania AI w zakresie przejrzystości.
• Należy sprawdzić, czy każdy produkt ma prawidłowy numer GTIN, aby asortyment był widoczny w porównaniach cen prowadzonych przez AI.
• Warto często aktualizować atrybut „priceValidUntil”, aby sygnalizować scraperom AI i agentom wyszukiwania świeżość danych.

Pełna analiza

Zapraszamy do zapoznania się ze szczegółowym audytem pokazującym, dlaczego duże e-sklepy nie zdają testu gotowości na AI.