Agentic commerce – co to jest i jak zmienia zakupy online?

Algorytm zamiast kursora – tak w skrócie wygląda nowy model zakupów online. Zamiast klikać „dodaj do koszyka”, wystarczy podać agentowi AI swój cel, a on sam wyszuka produkt, porówna oferty i opłaci zamówienie. Agentic commerce to zmiana, która stoi już za milionami transakcji i która dla właścicieli sklepów może oznaczać albo nowy kanał sprzedaży, albo algorytmiczną niewidoczność.

Z tego artykułu dowiesz się m.in.:

• Czym jest agentic commerce?
• Jak działa agentic commerce?
• Na czym polega 6 poziomów automatyzacji w handlu agentowym?
• Jakie są zastosowania agentic commerce?
• Jakie są korzyści z agentic commerce?
• Jakie wyzwania i ryzyka wiążą się z agentic commerce?
• Jak przygotować sklep na agentic commerce?
• Jak wygląda agentic commerce w Polsce?
• Jaka jest przyszłość agentic commerce?

Najważniejsze informacje:

• Agentic commerce to model, w którym autonomiczna AI przejmuje cały proces zakupowy – od wyszukania produktu po finalizację płatności – bez udziału człowieka.
• Agent łączy się z API sklepów, analizuje feedy produktowe, porównuje oferty i finalizuje zakup przez protokoły takie jak ACP, MCP lub UCP.
• Automatyzacja przebiega przez 6 poziomów: od prostych reguł subskrypcji aż po całkowicie autonomiczny handel agent–agent bez nadzoru użytkownika.
• Agenci AI automatyzują uzupełnianie zapasów, zakupy na zlecenie, wirtualne działy zakupów B2B i proaktywną obsługę tysięcy klientów jednocześnie.
• Agentic commerce przynosi wyższe konwersje, mniej porzuconych koszyków, nowe kanały popytu i automatyzację powtarzalnych operacji sprzedażowych.
• Główne ryzyka to ataki prompt injection, niskie zaufanie amerykańskich konsumentów (tylko 14% ufa agentom przy finalizacji zakupu), luka prawna i algorytmiczna presja cenowa.
• Gotowość sklepu wymaga architektury headless, kompletnych danych w PIM, wdrożenia schema.org, tokenizacji płatności i wsparcia dla protokołu ACP.
• BLIK i sieć paczkomatów InPost tworzą gotowy fundament techniczny dla agentów AI operujących na polskim rynku e-commerce.
• Do 2030 roku rynek agentyczny może osiągnąć 5 bilionów dolarów globalnie; Gartner prognozuje, że 90% zakupów B2B obsłużą agenci AI.

Czym jest agentic commerce?

Agentic commerce (w skrócie: a-commerce; tłumaczyć to można jako handel agentowy) to nowy model handlu elektronicznego, w którym autonomiczne programy – agenci AI – samodzielnie przeszukują oferty, porównują ceny i finalizują transakcje w imieniu użytkownika. Zamiast samodzielnie wpisywać frazy w wyszukiwarkę Google, przeglądać dziesiątki stron i ręcznie uzupełniać dane w koszyku zakupowym, konsument podaje agentowi swój cel, a resztą zajmuje się algorytm.

Agentic commerce to model handlu elektronicznego, w którym inteligentny agent AI działa z dużą autonomią jako pełnomocnik kupującego – od rozpoznania intencji zakupowej przez porównanie ofert aż po finalizację płatności.

Definicja agentic commerce

Przejście z modelu, w którym użytkownik sam wyszukuje i porównuje produkty, na model, w którym wystarczy określić potrzebę, a agent AI wykonuje resztę, badacze opisują jako zmianę od ekonomii uwagi do ekonomii intencji. Zakupy stają się w tym ujęciu niewidoczne – przenoszą się ze sfery świadomej decyzji w sferę algorytmicznej optymalizacji. Dla właścicieli sklepów internetowych oznacza to zmianę reguł gry: sklep przestaje walczyć o uwagę i wzrok klienta, a zaczyna walczyć o to, by być rozpoznawalny i wybrany przez algorytm.

Czym różni się od tradycyjnego e-commerce?

W klasycznym e-commerce każdy krok procesu zakupowego należy do człowieka – od wpisania frazy w wyszukiwarce, przez porównanie ofert, po wpisanie danych karty płatniczej. W modelu agentycznym użytkownik określa jedynie intencję zakupową (np. „znajdź mi buty trailowe do 400 zł z dostawą do piątku”), a agent AI obsługuje cały proces zakupowy samodzielnie. Tradycyjny e-commerce jest reaktywny – czeka na kliknięcie człowieka; agentic commerce jest proaktywny i sprawczy – to AI wykonuje zadanie. Różnica dotyczy też architektury technicznej: tradycyjny sklep projektuje się z myślą o człowieku przeglądającym stronę, sklep gotowy na agentów (w tym kontekście można spotkać sie z anglojęzycznym wyrażeniem agent-ready) musi udostępniać dane w formie maszynowo czytelnej przez API (interfejsy programistyczne).

Czym różni się od chatbotów i conversational commerce?

Handel konwersacyjny (ang. conversational commerce) polega na tym, że klient rozmawia z chatbotem, który doradza lub rekomenduje produkty – decyzja o zakupie i samo kliknięcie „kup teraz” pozostają po stronie człowieka. W modelu agentycznym rozmowa to zaledwie jeden z możliwych interfejsów. Agent AI nie informuje – on realnie inicjuje i finalizuje zakup, działając proaktywnie. Chatbot reaguje na komendę i trzyma się sztywnych schematów; agent planuje wieloetapowe działania i dostosowuje się do nieprzewidzianych okoliczności – na przykład szuka zamiennika, gdy konkretny produkt jest niedostępny.

Jak działa agentic commerce?

Mechanizm działania agentic commerce opiera się na trzech zdolnościach AI: rozumowaniu, planowaniu i działaniu. Agent nie przegląda stron tak jak człowiek – łączy się bezpośrednio z systemami sklepów przez API i analizuje ustrukturyzowane feedy produktowe (ustandaryzowane zestawy danych o produktach w formacie czytelnym dla maszyn). Cały proces odbywa się bez konieczności opuszczania przez użytkownika interfejsu, w którym wydał polecenie.

Proces zakupowy krok po kroku

Typowy scenariusz przebiega następująco. Użytkownik przekazuje agentowi cel – precyzyjny lub ogólny. Agent analizuje potrzebę, dopytuje o brakujące szczegóły (rozmiar, preferowane marki, termin dostawy) i przekształca ogólną intencję w konkretne zadanie. Następnie przeszukuje katalogi produktów wielu sprzedawców jednocześnie, sprawdza stany magazynowe w czasie rzeczywistym, porównuje ceny, uwzględnia kody rabatowe i koszty dostawy.

Po wyborze najlepszej opcji agent inicjuje sesję zakupu, uzupełnia dane do wysyłki i dokonuje płatności przy użyciu tokenizacji, czyli zastąpienia pełnych danych karty jednorazowym, wirtualnym „żetonem płatniczym”. Systemy takie jak Visa i PayPal wdrażają właśnie takie rozwiązania, pozwalające agentom bezpiecznie płacić w imieniu użytkownika w ramach ściśle określonych limitów kwotowych. Najbardziej zaawansowane systemy śledzą następnie przesyłkę i – w razie problemów – mogą samodzielnie zainicjować proces zwrotu.

Agenci AI uczą się na podstawie zachowań klientów i historii zakupów, tworząc trafniejsze rekomendacje niż tradycyjne silniki personalizacji. Inteligentny agent może przewidywać preferencje konsumentów na podstawie wcześniejszych zakupów i dynamicznie modyfikować proponowane rekomendacje – co zwiększa wskaźniki konwersji i zmniejsza liczbę porzuconych koszyków.

Protokoły ACP, MCP i UCP – znaczenie dla e-sklepów

Aby agentic commerce mogło działać sprawnie, potrzebne są wspólne standardy komunikacji machine-to-machine (M2M – komunikacja maszyna–maszyna bez udziału człowieka). Znaczenie mają tu trzy protokoły:

• ACP (Agentic Commerce Protocol) to otwarty standard opracowany przez OpenAI i Stripe (licencja Apache 2.0, co oznacza, że może go implementować każdy merchant, platforma e-commerce czy dostawca płatności bez opłat licencyjnych). ACP zawiera Delegated Payment Spec – pozwalający agentowi zapłacić za konkretny produkt w imieniu użytkownika – oraz Agentic Checkout Spec, który zapewnia, że sprzedawca pozostaje „jedynym źródłem prawdy” o stanie koszyka zakupowego i zamówienia.
• MCP (Model Context Protocol) od Anthropic daje agentom strukturalny dostęp do danych sklepu – stanów magazynowych, cenników i logiki procesu checkout.
• UCP (Universal Commerce Protocol) rozwijany przez Google ma spiąć całą ścieżkę zakupową, od odkrycia produktu w ekosystemach opartych na AI po obsługę posprzedażową.

Sklep nieobsługujący tych protokołów jest niewidoczny dla agentów, a rosnący ruch zakupowy trafia do tych, którzy zainwestowali w odpowiednią infrastrukturę danych i API.

Na czym polega 6 poziomów automatyzacji w handlu agentowym?

McKinsey opisuje agentic commerce jako krzywą automatyzacji złożoną z sześciu poziomów, które obrazują, jak dużą część zakupów klient jest gotowy powierzyć maszynie^[1]. Wdrażanie wyższych poziomów zależy przede wszystkim od ugruntowanego zaufania – ludzie chętniej delegują zakupy rutynowe i niskiego ryzyka, a zachowują osobiste zaangażowanie przy decyzjach emocjonalnych lub luksusowych.

Poziom 0 – Zaprogramowana wygoda

System działa według sztywnych reguł, bez elementu uczenia się. Przykładem są subskrypcje typu „auto-ship” – produkt wysyłany jest cyklicznie, a wszystkie parametry ustala człowiek.

Poziom 1 – Wsparcie

Agent analizuje, porównuje parametry i przedstawia podsumowanie za i przeciw. Decyzja o zakupie i płatność pozostają po stronie człowieka.

Poziom 2 – Kompletowanie

Agent tworzy gotowy do zatwierdzenia koszyk zakupowy na podstawie intencji użytkownika. Ostateczna decyzja należy do klienta.

Poziom 3 – Autoryzacja

Konsument udziela agentowi uprawnień do działania w ramach określonych zasad (guardrails – dosłownie „barierki bezpieczeństwa”). Agent samodzielnie finalizuje zakup, gdy warunki są spełnione (np. „kup, jeśli cena spadnie poniżej X zł”).

Poziom 4 – Autonomizacja

Agent działa na podstawie stałych celów, a nie jednorazowych zleceń. Dba o uzupełnianie zapasów i optymalizuje wydatki bez każdorazowej zgody użytkownika. Kontakt z człowiekiem to incydent, nie reguła.

Poziom 5 – Sieciowa autonomia

Handel odbywa się domyślnie w relacji agent–agent (A2A). Osobisty agent użytkownika negocjuje bezpośrednio z agentami sprzedawców, logistyków i systemów płatności.

Jakie są zastosowania agentic commerce?

Obszary zastosowań agentic commerce obejmują zarówno handel konsumencki, jak i zakupy firmowe – w każdym z tych segmentów AI przejmuje inne rodzaje zadań, lecz cel pozostaje wspólny: eliminacja powtarzalnej pracy po stronie człowieka i skrócenie czasu od intencji do transakcji.

Zakupy konsumenckie (B2C)

W handlu detalicznym agenci AI przejmują całą ścieżkę klienta, od inspiracji po finalizację zakupu. Automatyczne uzupełnianie zapasów produktów codziennego użytku to jeden z najprostszych scenariuszy: agent monitoruje zużycie środków czystości, kosmetyków czy karmy dla zwierząt i zamawia w optymalnym momencie po najlepszej dostępnej cenie. Przy bardziej złożonych zakupach użytkownik deleguje całe zadanie – agent analizuje recenzje, sprawdza dostępność i samodzielnie domyka transakcję.

W kategoriach takich jak elektronika czy sprzęt sportowy agent potrafi w ciągu sekund porównać specyfikacje techniczne setek modeli, szybciej i dokładniej niż człowiek, analizując preferencje, budżet i kontekst użytkownika w czasie rzeczywistym.

Zakupy firmowe (B2B)

W sektorze biznesowym wpływ agentów AI może być nawet głębszy niż w handlu detalicznym. Gartner prognozuje, że do 2028 roku 90% zakupów firmowych będzie realizowanych za pośrednictwem agentów AI, a przez automatyczne giełdy przepłynie ponad 15 bilionów dolarów^[2]. Wirtualne działy zakupów – agenci analizujący zapotrzebowanie na komponenty, porównujący ceny hurtowe i negocjujący rabaty według ustalonych zasad biznesowych – stają się realną perspektywą, a w zaawansowanych organizacjach już dziś są wdrażane pilotażowo.

Firmy mogą też używać agentów do proaktywnej opieki nad tysiącami mniejszych odbiorców (tzw. długi ogon klientów), oferując im spersonalizowane rabaty i automatyczne uzupełnianie zamówień tam, gdzie praca ludzkiego handlowca byłaby nieopłacalna.

Jakie są korzyści z agentic commerce?

Korzyści wynikające z modelu agentycznego są różne w zależności od strony procesu zakupowego – inne z perspektywy konsumenta, inne z perspektywy sprzedawcy, lecz w obu przypadkach AI działa jako czynnik przyspieszający decyzje:

Dla kupujących

Agenci AI potrafią przeprowadzić klienta od etapu inspiracji do finalizacji zakupu w ciągu kilku sekund – bez samodzielnego przeglądania dziesiątek stron i ręcznego wypełniania formularzy. To realna oszczędność czasu w świecie, w którym nadmiar ofert prowadzi do zmęczenia decyzyjnego. Z czasem agenci budują „pamięć zakupową” użytkownika – uczą się preferencji, rozmiarów i ulubionych marek, co pozwala im tworzyć rekomendacje trafniejsze niż klasyczne systemy personalizacji.

Istotna jest też eliminacja emocji z procesu decyzji: agent nie ulega storytellingowi marki ani impulsowi chwili, bo jego wybór to wynik analizy wielokryterialnej – ceny, dostępności, polityki zwrotów i opinii innych kupujących.

Dla sprzedawców

Wyższe wskaźniki konwersji i mniej porzuconych koszyków zakupowych to jedna z głównych korzyści – agenci eliminują momenty wahania klienta, pomagając w wyborze metod dostawy i stosowaniu kodów rabatowych. Agentic commerce otwiera też dostęp do nowych kanałów popytu: transakcje bot-to-bot mogą odbywać się bez wizyty człowieka na stronie sklepu, tworząc nowy kanał sprzedaży porównywalny z marketplace’ami z poprzedniej dekady.

Wdrożenie agentic commerce zwiększa efektywność operacyjną przez automatyzację powtarzalnych procesów – uzupełniania zapasów, aktualizacji cen, obsługi zwrotów – i wiąże się z nowymi modelami sprzedaży i monetyzacji, co stwarza dodatkowe źródła przychodów. Model ten premiuje też firmy posiadające uporządkowane, maszynowo czytelne dane produktowe, dając im przewagę konkurencyjną bez ogromnych nakładów na tradycyjną reklamę.

McKinsey szacuje, że do 2030 roku sam rynek B2C w USA może wygenerować nawet bilion dolarów przychodów za pośrednictwem agentów AI, a globalnie projekcje sięgają od 3 do 5 bilionów dolarów^[3].

Jakie wyzwania i ryzyka wiążą się z agentic commerce?

Mimo obiecujących prognoz rynkowych wdrożenie modelu agentycznego wiąże się z poważnymi barierami – technologicznymi, prawnymi i społecznymi – które właściciele sklepów powinni znać, zanim zdecydują się na inwestycję.

Bezpieczeństwo, zaufanie i odpowiedzialność prawna

Bezpieczeństwo danych jest wymieniane jako główna bariera wdrożeniowa, szczególnie w dużych przedsiębiorstwach. Agenci AI są podatni na ataki typu prompt injection (dosłownie: „wstrzyknięcie polecenia”) – złośliwy kod ukryty w opisie produktu lub fakturze może zmanipulować zachowanie agenta i przekierować płatność na inne konto. Problem ten nie ma jeszcze systemowego rozwiązania technicznego.

Bariera zaufania konsumentów jest równie realna. Badanie YouGov pokazuje, że choć 65% Amerykanów ufa AI w kwestii porównywania cen, zaledwie 14% jest gotowych pozwolić agentowi na samodzielne sfinalizowanie zamówienia^[4]. Bezpośrednia interakcja z marką zanika: klient ufa agentowi, a nie stronie sklepu, co utrudnia budowanie lojalności i relacji opartych na emocjach.

Z perspektywy prawnej obecne regulacje nie są przystosowane do autonomicznych decyzji algorytmów. Gdy agent dokona błędnego zakupu, odpowiedzialność między użytkownikiem, platformą AI a sklepem nie jest jasno przypisana. Prawie dwie trzecie firm uważa, że pilnie potrzebne są ujednolicone ramy prawne regulujące zakupy inicjowane przez agentów AI.

Presja cenowa i widoczność marki

W świecie, w którym algorytmy podejmują decyzje zakupowe, tradycyjny marketing wizualny i SEO (pozycjonowanie w wyszukiwarkach) tracą na znaczeniu na rzecz GEO (Generative Engine Optimization) – optymalizacji danych i treści pod systemy AI. Agenci nie reagują na estetykę strony głównej ani na budżety reklamowe; analizują dane, dlatego potrzebują precyzyjnych, maszynowo czytelnych danych produktowych – niespójne atrybuty skutkują pominięciem oferty i wybraniem konkurenta.

Presja cenowa to też strukturalne ryzyko: agenci mogą bezlitośnie wybierać najtańszą ofertę, co wymusza walkę cenową i osłabia lojalność konsumentów. Badania wskazują, że modele językowe wykazują systematyczne preferencje wobec marek globalnych kosztem lokalnych dostawców – co jest szczególnym wyzwaniem dla polskich e-sklepów. Bariery organizacyjne są niemałe: wysoka inwestycja w infrastrukturę headless (architekturę oddzielającą warstwę wizualną sklepu od logiki biznesowej) i systemy PIM to wydatek szczególnie odczuwalny dla średnich firm.

Jak przygotować sklep na agentic commerce?

Przygotowanie na agentic commerce to zmiana paradygmatu: sklep przestaje być wyłącznie wizualną witryną, a staje się wydajną platformą danych dostępną przez API – zrozumiałą i interpretowalną przez maszyny.

Architektura i API – fundament gotowości

Bazą jest architektura API-first i headless: oddzielenie warstwy wizualnej od logiki biznesowej. Dzięki temu agenci komunikują się bezpośrednio z katalogiem, koszykiem zakupowym, stanami magazynowymi i systemem płatności. Sklep musi udostępniać wydajne endpointy (punkty wejścia do danych) zgodne ze standardami ACP i UCP, obsługujące sprawdzanie dostępności, tworzenie sesji checkout i pobieranie statusów zamówień.

Dane produktowe – PIM i schema.org

Dane to paliwo dla agentów AI, a ich jakość decyduje o widoczności oferty, a więc system PIM (Product Information Management – centralne repozytorium danych produktowych) staje się strategicznym elementem infrastruktury sklepu. Dane muszą być kompletne – niespójne metadane skutkują pominięciem oferty przez agenta. Protokół ACP wymaga, by feed produktowy był aktualizowany co maksymalnie 15 minut; nieaktualne stany magazynowe lub ceny eliminują sklep z procesu zakupowego, zanim agent zdąży wybrać produkt.

Wdrożenie standardu schema.org (mikrodanych opisujących produkt, ofertę i organizację w formacie czytelnym dla maszyn) oraz formatu JSON-LD pomaga agentom szybko zidentyfikować i ocenić ofertę. Polityki zwrotów i gwarancje powinny być opublikowane jako czytelne reguły, a nie jedynie tekst na stronie.

Płatności delegowane i bezpieczeństwo transakcji

Płatności w modelu agentycznym są inicjowane przez algorytm, nie przez człowieka. Zamiast przekazywać agentowi pełne dane karty, sklep wdraża bezpieczne tokeny płatnicze – takie jak Mastercard Agent Pay lub Stripe Shared Payment Token – ograniczające uprawnienia agenta do konkretnych kwot i celów. Każda transakcja jest w pełni audytowalna. Zasada KYA (Know Your Agent – „zidentyfikuj swojego agenta”) polega na weryfikacji tożsamości agentów za pomocą kluczy kryptograficznych, by zakup inicjował uprawniony bot, a nie złośliwy program.

Plan wdrożenia w 90 dni

Eksperci zalecają etapowe podejście. Pierwsze 30 dni to audyt jakości danych produktowych, uporządkowanie schema.org i identyfikacja luk w API. Kolejne 30 dni obejmują budowę feedu produktowego zgodnego z ACP, wdrożenie monitoringu zapytań z systemów AI i testowanie scenariuszy zakupowych w środowisku sandbox (wyizolowanym środowisku testowym). Ostatnie 30 dni to integracja z protokołami płatniczymi, standaryzacja polityk zwrotów jako maszynowo czytelnych danych i uruchomienie własnego „brand agenta”.

Jak wygląda agentic commerce w Polsce?

Polska jest wskazywana jako rynek szczególnie podatny na szybkie wdrożenie modelu agentycznego ze względu na dojrzałość infrastruktury płatniczej i logistycznej. System BLIK, dzięki swojej prostocie i powszechnemu przyjęciu w Polsce, stanowi naturalny fundament dla przyszłych rozwiązań agentycznych. Operatorzy płatności tacy jak PeP (Polskie ePłatności) – drugi co do wielkości operator terminali w Polsce, działający w Grupie Nexi razem z Przelewy24 – budują już ekosystemy omnichannel łączące płatności stacjonarne i online w jednym środowisku, co tworzy solidną bazę pod przyszłe integracje z agentami AI. Dominacja sieci paczkomatów InPost tworzy deterministyczną (przewidywalną i zautomatyzowaną) logistykę: wybór punktu odbioru to prosta reguła do zakodowania w agencie, która eliminuje jedno z typowych źródeł tarcia w procesie checkout.

Polski rynek e-commerce charakteryzuje się też wysoką penetracją platform z rozwiniętymi API i integracjami, co skraca czas potrzebny do osiągnięcia gotowości na agentów w porównaniu z rynkami o starszej infrastrukturze. Jednocześnie polscy sprzedawcy mierzą się z tymi samymi wyzwaniami co cały rynek: presją cenową, koniecznością inwestycji w jakość danych produktowych oraz ryzykiem faworyzowania marek globalnych przez modele językowe. Agentyczny handel wymusza fundamentalne zmiany w funkcjonowaniu sklepów – niezależnie od geografii.

Jaka jest przyszłość agentic commerce?

Rynek agentycznego handlu rośnie w tempie bezprecedensowym. Grand View Research szacuje globalną wartość segmentu na 5,71 miliarda dolarów w 2025 roku przy prognozowanym CAGR (średniorocznym tempie wzrostu) na poziomie 35,7% do 2033 roku^[5]. McKinsey szacuje, że do 2030 roku agenci AI mogą pośredniczyć w transakcjach o wartości 3–5 bilionów dolarów globalnie, z czego sam rynek B2C w USA może osiągnąć poziom biliona dolarów^[6]. Gartner prognozuje, że do 2028 roku 90% zakupów firmowych przejdzie przez agentów AI, a przez automatyczne giełdy przepłynie ponad 15 bilionów dolarów^[7].

Dane Adobe Analytics obrazują gwałtowną zmianę zachowań konsumentów: ruch na amerykańskich stronach e-commerce z generatywnych źródeł AI wzrósł o 4700% rok do roku w lipcu 2025 roku^[8]. Użytkownicy trafiający na sklepy przez agentów AI spędzają o 48% więcej czasu na stronie i przeglądają o 13% więcej podstron niż klienci przychodzący tradycyjnymi kanałami^[9] – co świadczy o wyższej intencji zakupowej tych odwiedzin. YouGov podaje, że 65% Amerykanów ufa AI do porównywania cen, ale zaledwie 14% jest gotowych powierzyć agentowi finalizację zamówienia^[10]. Bain & Company wskazuje, że już 30–45% konsumentów w USA używa generatywnej AI do porównywania i badania produktów^[11].

W 2026 roku handel agentyczny staje się jednym z najważniejszych trendów zmieniających e-commerce: z modelu „użytkownik przegląda stronę i dokonuje zakupu” na model „AI kupuje w imieniu użytkownika”. Relacja sprzedawca–klient ewoluuje w stronę machine-to-machine (M2M), a nowe modele biznesowe i nowe kanały sprzedaży będą premiować firmy, które zainwestują w jakość danych i otwartość infrastruktury wcześniej niż konkurencja.