Zakupy online przestają zaczynać się od Google’a, Amazona czy strony internetowej danego sklepu. Coraz częściej pierwszym doradcą klienta jest ChatGPT, Gemini czy Perplexity. Ta pozornie drobna zmiana dla marek oznacza nową walkę o widoczność: nie tylko przed człowiekiem, lecz także przed algorytmem.
- AI coraz częściej pomaga konsumentom szukać produktów, porównywać ceny i podejmować decyzje zakupowe
- Według Bain już teraz 30–45% konsumentów w USA używa generatywnej AI do researchu i porównań produktowych
- McKinsey szacuje, że agentic commerce może do 2030 r. odpowiadać globalnie za 3–5 bln dol. handlu online
- Rosnące użycie AI w zakupach może zwiększyć presję kosztową na dostawców narzędzi AI
Jeszcze niedawno ścieżka zakupowa była przewidywalna: reklama, wyszukiwarka, porównywarka, marketplace, sklep. Teraz coraz częściej zaczyna się od pytania wpisanego do asystenta AI: „jaki laptop do pracy do 4000 zł?”, „jaki prezent dla 10-latka?”, „który ekspres do kawy ma najlepszy stosunek ceny do jakości?”. Klient nie przegląda już dziesiątek kart. Obecnie liczy na krótką listę rekomendacji.
Nie jest to również chwilowa ciekawostka. Bain podaje, że 30–45% konsumentów w USA wykorzystuje generatywną AI do researchu i porównywania produktów. Jednocześnie Adobe odnotowało, że w październiku 2025 r. ruch z narzędzi generatywnej AI do amerykańskich sklepów internetowych wzrósł o 1200% rok do roku. Użytkownicy przychodzący z takich źródeł konwertowali o 16% lepiej niż pozostali.
Dla handlu oznacza to zmianę większą niż kolejny kanał marketingowy. W klasycznym e-commerce marka walczyła o kliknięcie, uwagę i czas użytkownika. W handlu wspomaganym przez AI walczy o miejsce na krótkiej liście wygenerowanej przez model językowy. Jeśli asystent pokaże trzy produkty, czwarty praktycznie przestaje istnieć.
Dlatego nową półką sklepową staje się algorytm. Dla AI liczą się dane: cena, dostępność, parametry, opinie, czas dostawy, polityka zwrotów, jakość opisów i spójność informacji.
Efektowna kampania nadal może budować rozpoznawalność, ale nie wystarczy, jeśli produkt jest źle opisany, dane są niespójne, a strona trudna do odczytania przez systemy automatyczne.
McKinsey nazywa ten trend agentic commerce, czyli handlem, w którym agenci AI pomagają nie tylko szukać, lecz także zawężać wybór, porównywać opcje, a docelowo nawet wykonywać transakcje. Firma szacuje, że do 2030 r. w USA może to oznaczać do 1 bln dol. przychodów w handlu B2C, a globalnie nawet 3–5 bln dol.
Sprawdź też: Data4 uruchamia drugie centrum danych pod Warszawą
Automatyczne kupowanie w sieci
Na razie najważniejszy etap to nie samo automatyczne kupowanie, lecz wpływ na decyzję. McKinsey zwraca uwagę, że w Europie AI coraz częściej kształtuje wybór konsumenta jeszcze przed transakcją. Zawęża listę produktów i tłumaczy, dlaczego jedne opcje są lepsze od innych.
To stawia firmy przed nowym zadaniem. Strony internetowe były projektowane dla ludzi: mają przyciągać wzrok, prowadzić przez promocje, eksponować banery i zdjęcia. Agent AI „patrzy” inaczej.
Potrzebuje uporządkowanych danych produktowych, szybkiego dostępu do cen i stanów magazynowych, jasnych specyfikacji oraz możliwości bezproblemowego przejścia do transakcji.
W praktyce SEO zaczyna zyskiwać nowego kuzyna: optymalizację pod modele językowe i agentów AI. Zamiast pytać tylko „jak być wysoko w Google?”, marki zaczynają już pytać: „jak sprawić, żeby AI poprawnie rozumiała nasz produkt i rekomendowała go w odpowiednim kontekście?”.
Pozostaje jednak bariera zaufania. Konsumenci chętnie korzystają z AI przy researchu, ale ostrożniej podchodzą do oddania jej pełnej kontroli nad zakupem. Bain wskazuje, że około połowa klientów nie czuje się komfortowo z tym, by AI samodzielnie przeprowadziła transakcję od początku do końca.
Czy ten boom może podnieść ceny narzędzi AI? To ryzyko, choć nie działa automatycznie. Z jednej strony Stanford HAI pokazuje, że koszt zapytań do modeli o jakości porównywalnej z GPT-3.5 spadł w ciągu kilkunastu miesięcy ponad 280-krotnie. Modele stają się więc tańsze w użyciu jednostkowym.
Z drugiej strony agentowe zakupy oznaczają znacznie więcej zapytań, analiz, porównań i operacji w tle. Jeden klient może wygenerować nie jedno pytanie, ale cały łańcuch działań: sprawdzenie opinii, porównanie sklepów, weryfikację dostępności, ocenę dostawy i dopasowanie do budżetu. To zwiększa łączny popyt na moc obliczeniową.
Presja kosztowa już jest widoczna. Reuters podał, że OpenAI zakłada około 600 mld dol. wydatków na moc obliczeniową do 2030 r., a zapotrzebowanie centrów danych na energię ma podbijać zużycie prądu w USA do rekordowych poziomów.
Najbardziej prawdopodobny scenariusz nie polega więc na prostym wzroście cen dla wszystkich. Raczej zobaczymy większe różnicowanie: tanie lub darmowe plany dla podstawowych zastosowań, droższe pakiety dla intensywnych użytkowników, firm i agentów wykonujących wiele operacji. Innymi słowy, pojedyncze pytanie do AI może tanieć, ale pełna automatyzacja decyzji zakupowych może kosztować coraz więcej.
Dla marek wniosek jest prosty. Klient przyszłości nie zawsze będzie samodzielnie scrollował daną stronę. Coraz częściej zrobi to za niego system komputerowy. Sklepy muszą rozumieć już nie tylko osobę, ale też AI, jeśli chcą utrzymać wysoką sprzedaż i widoczność.
Czytaj też: AI kontra hakerzy: nowy model Anthropic wywraca zasady cyberbezpieczeństwa
