Pro bono tanácsadást nyújtok egy New York-i Upper East Side-on található kiskereskedőnek, és legutóbbi videomegbeszélésünkön új útra tértünk. Strukturált adatok, katalógus-hírcsatornák, kapcsolat a Google Universal Commerce Protocol-jával vagy az OpenAI Agentic Commerce Protocol-jával. Arról azonban nem beszéltünk, hogy mi határozza meg, hogy megtörténjen-e az eladás: Ha egy mesterséges intelligencia-ügynök, nem pedig egy személy hajtja végre a tranzakciót, akkor is működik az alatta lévő pénztár?
A Shopify elnöke, Harley Finkelstein válaszolt a kérdés egy részére a cég 2026. februári eredményhívásán, és ez a szám nem kicsi. Az AI-alapú keresésen keresztül érkező rendelések száma 15-szörösére nőtt 2025 januárja óta, és már három különálló, az elmúlt évben kifejlesztett protokollon keresztül haladnak: a Google Universal Commerce Protocolján, az OpenAI Agentic Commerce Protocolján és a Salesforce Agentforce Commerce-én, amelyek inkább az Ucompeting szabványhoz való igazodást választották. Az Etsy eladói először a ChatGPT-n belül léptek életbe, majd a Shopify kereskedők, köztük a Glossier, a Spanx és a Vuori követték őket. Az OpenAI azóta visszavonult a natív csevegési fizetéstől, és a vásárlásokat a kiskereskedői alkalmazásokba helyezte át, ami a mögöttes kérdést inkább élesebbé teszi, mint kevésbé relevánssá.
E-mailt küldtem Konstantin Klyaginnak, hogy megtudjam, mi történik ezután. 2015-ben megalapította a QAwerkot, hogy megfelelő tesztelőpartnert biztosítson a szoftvernek, és az ügynökség azóta több mint 300 ügyfélprojektet tesztelt Észak-Amerikában, Európában és Afrikában. A láthatósági kérdésre az volt a válasza, hogy egy AI-platform eredményei között egy termék feltűnjön, az a könnyű fele, de a jelenlegi súrlódás nagy része lefelé van, abban a részben, amelyet még senki sem tesztel.
Egy ügynök nem vásárol semmit, mint egy ember
Kljagin keretezése egyszerű, ha meghallja: egy emberi vásárló következetlen tempóban böngészik, elterelődik, elhagyja a kocsit, és órákkal később visszatér hozzá. Az AI-ügynök gyors, strukturált API-hívásokat indít, kiértékeli a terméket a kapott kritériumok alapján, és másodpercek alatt végrehajtja a döntést. Ez a sebesség pontosan az, ami megtöri az emberekre hangolt rendszereket.
A sebességkorlátozás és a botészlelés az automatizáltnak tűnő viselkedés észlelésére szolgál, és pontosan így néz ki egy legitim bevásárlóügynök. Az egy folyamatos emberi látogatásra épülő munkamenet-logika lefojtja az ügynököt, amely lekérdez egy terméket, bezárja a munkamenetet, majd később visszatér a vásárlás befejezéséhez. Klyagin csapata más szabályozott iparágakban tesztelt többügynök-rendszereket, és mindig ugyanazt a kiváltó okot találja: a legtöbb minőségbiztosítási terv ellenőrzi, hogy a rendszer megfelelő kimenetet produkál-e, és szinte egyik sem ellenőrzi, hogy a környező infrastruktúra tolerálja-e a nem emberi szereplőket, akik gépsebességgel mozognak rajta.
Ez az, ahol a jól besorolt, jól optimalizált termék még mindig nem konvertálódik. A keresőoptimalizálási és a mesterséges intelligencia-láthatósági munka, amelyre a legtöbb kiskereskedő jelenleg összpontosít, teljesen előtte található.
A kudarc mintája nem az, amit kitalálsz
Valós példát kértem Klyagintól egy MI-ügynök által okozott fizetési, termékadat- vagy visszatérítési kudarcra, drámai történetre számítva. Nem látott olyan ellenőrzött gyártási incidenst, ahol egy ügynök maga okozta volna az ügyfél fizetésének kudarcát, és nem volt hajlandó egy közönséges e-kereskedelmi hibát ügynöki kudarcnak öltöztetni, és pontosan ezért a valódi válasza többet ér, mint egy gyártott anekdota.
Amit a csapata többször is talált, az egy finomabb probléma, amely abban a pillanatban válik súlyossá, amikor a vevő személy helyett szoftver lesz. Az egyik ügyfélprojektnél, a Pridefit nevű tölcsérnél a mérnökök azt találták, hogy két különálló komponens ugyanazon tervadatok saját másolatát tartotta fenn, kis eltérésekkel az árazásban és a kettő közötti attribútumokban. Előfordulhat, hogy egy emberi vásárló soha nem veszi észre, vagy csak frissíti az oldalt. Az AI-ügynöknek nincs vizuális kontextusa, és nincs ítélőképessége, amelyre visszamenne. Ha az egyik adatforrás alapján választ ki egy tervet, és a fizetés ellenőrzi a másikat, akkor az ár, a cikkszám vagy a rendelkezésre állás eltérése leállíthatja a tranzakciót olyan állapotban, amelyet az ügynök önmagában nem tud megoldani.
Klyagin csapata eltávolította a duplikációt, és központosította a tervadatokat, így a tölcsér minden része egy forrásból származott. Ám az ügynöki kereskedelemben a leggyakrabban tapasztalható minta általában nem az, hogy az ügynök rossz terméket választ ki. A rendszerek nem értenek egyet a vásárlás állapotával kapcsolatban: A készlettáblázat azt mondja, hogy egy változat készleten van, míg a pénztár azt mondja, hogy elfogyott, az időtúllépési kérelmet újra megkísérlik egy nem megfelelően idempotens végponttal szemben, vagy a visszatérítés a kereskedő oldalán törlődik, mielőtt a frissített rendelési állapot elérné az azt kezdeményező ügynököt. Az ember gyakran megvonja a vállát egy ilyen következetlenségtől, és rájön, mi is történt valójában. Az ügynöknek minden API-nak, minden terméktáblázatnak és minden rendelési állapotnak már egyetértenie kell.
3 Ellenőrzés, amelyet érdemes lefuttatni, mielőtt a negyedik protokollt üldözné
A Klyagin három konkrét tesztre irányítja az ügyfeleket, és úgy gondolom, hogy minden kiskereskedőnek, aki jelenleg a katalógus-szinkronizálásra és a strukturált jelölésre összpontosít, le kell futtatnia mindhármat, mielőtt hozzáadna egy negyedik AI-platformot a listához.
- Tesztelje be a checkout API-t úgy, ahogy az ügynök ténylegesen eléri. Egyszerre nem egy lassú emberi munkamenet, hanem sok párhuzamos hívás indult gyors egymásutánban. A több millió emberi munkamenetet incidens nélkül lebonyolító pénztár még mindig meghiúsulhat, amikor először találkozik ezzel a forgalmi mintával, és a legtöbb kereskedő, aki jelenleg csatlakozik az UCP-hez vagy az ACP-hez, valójában nem tudja, hogy az övék megteszi-e.
- A termékadatok pontosságát úgy ellenőrizze, ahogy a gép beolvassa, nem pedig úgy, ahogy a böngésző megjeleníti. Egy emberi látogató számára tökéletesen konzisztensnek tűnő oldal két, egymással nem egyetértő forrásból származhat, és az ügynök nem tudja észrevenni a hiányosságot, ahogyan az oldalt görgető személy.
- Az első próbálkozáskor ellenőrizze, hogy a visszatérítések és visszaküldések helyesen történtek-e. Amikor egy gép kezdeményezi a kérést, nincs ügyfélszolgálati képviselő a hurokban, hogy elkapja a részleges hibát vagy egy olyan állapotot, amely soha nem szinkronizálódik vissza.
E három közül egyiknek sem kell megvárnia az UCP, az ACP vagy az Agentforce Commerce továbbfejlődését. Az alapot tesztelik, mindhárom protokoll attól függ, hogy melyik, vagy melyik kombináció vezet a piacon.
My Take
Úgy gondolom, hogy az ipar visszafelé halad. Mindenki versenyez, hogy bekerüljön a ChatGPT-be és a Geminibe, mielőtt ellenőrizné, hogy a pénztár valóban befejezheti-e az eladást, ha egy ügynök megérkezik, és ez a láthatóság építése egy olyan alapon, amelyet még senki sem tesztelt. A műszaki keresőoptimalizálás révén a termék helyet kap az ügynöki eredmények között. Nincs mit mondani arról, hogy az ügynök megvásárolhatja-e, és jelenleg a második, nehezebb probléma az, amin szinte senki sem dolgozik.
Klyagin arra számít, hogy a minőségbiztosítás a következő néhány évben két összehangolt pályára oszlik. Az egyik, amely folyamatosan érvényesíti az ember tapasztalatait, a másik pedig azt, hogy az ügynök képes-e elemezni az adatokat, befejezni az API-hívásokat, és kiszámítható eredményt kapni, amikor gépsebességgel mozog a rendszeren. Ez nagyjából ugyanaz, mint az e-kereskedelmi minőségellenőrző csapatok egy évtizeddel ezelőtt, amikor mobilspecifikus tesztcsomagokat építettek, és azok a kiskereskedők, akik ezt mérnöki prioritásként kezelik most, megelőzve a Shopify saját számainak már folyamatban lévő volumenváltását, igazi előnyhöz jutnak mindenkivel szemben, aki továbbra is csak a megtalálásra összpontosít.
Ha 2026-ra vonatkozó e-kereskedelmi stratégiája nem áll meg abban, hogy egy mesterséges intelligencia platform eredményei között feltűnjön, akkor megoldotta a probléma azon részét, amely valójában soha nem volt a legnehezebb.
