10 lipca 2026 roku setki sklepów z dnia na dzień straciły dużą część poleceń w ChatGPT. Nikt nie zmienił w nich ani jednego produktu. Zmieniło się źródło, z którego ChatGPT brał oferty: zamiast stron sklepów zaczął czytać przede wszystkim ich feedy produktowe1.

Na co dzień pracuję z Pimcore i Magento, czyli z miejscami, w których żyją dane o produktach. Przez lata te dane pisało się dla ludzi i dla wyszukiwarki. Teraz czyta je jeszcze jeden odbiorca, asystent AI, który doradza klientowi przed zakupem. I ten odbiorca jest o wiele bardziej wymagający.

~65%poleceń w zakupach w ChatGPT pochodzi już z feedów produktowych sklepów (dane Profound, wrzesień 2026)1
20–40%mniejsza szansa, że agent AI wybierze produkt, któremu brakuje ważnego atrybutu2
42,6%dorosłych Polaków prosiło AI o rekomendację przy ostatecznym wyborze produktu3

Rok, w którym asystenci zaczęli robić zakupy

Zacznijmy od tego, jak szybko to wszystko się dzieje. Jeszcze rok temu zakupy przez AI wyglądały jak ciekawostka z konferencji. W 2026 roku największe platformy przestawiły się na nie jedna po drugiej:

  1. Styczeń 2026, GoogleOgłasza Universal Commerce Protocol, otwarty standard zakupów przez agentów, przygotowany razem z m.in. Shopify, Etsy, Walmartem i Targetem. Do Merchant Center trafiają dziesiątki nowych atrybutów dla AI Mode i Gemini4.
  2. Marzec 2026, OpenAIChatGPT skupia się na pomocy w wyborze produktu: porównaniach, wyszukiwaniu po zdjęciu i zawężaniu wyników w rozmowie. Sklepy mogą przesyłać do niego swoje katalogi i promocje5.
  3. Maj 2026, AllegroUruchamia aplikację w ChatGPT. Klient loguje się na swoje konto i dostaje propozycje ofert prosto w rozmowie6.
  4. Lipiec 2026, ChatGPTUdział poleceń pochodzących z feedów produktowych skacze z 8,26% do 61,54%. Liczba różnych sklepów, które ChatGPT polecał, spada z 13 524 do 10 6071.
  5. Październik 2026, Shopify, Google i NIQShopify otwiera swój katalog, koszyk i checkout dla dowolnego agenta AI7. NIQ wnosi do prac Google nad zakupami przez agentów dane o ponad 250 mln produktów8, a Coveo kupuje Anglerę, firmę, która uzupełnia atrybuty produktów9.

Wszystkie te firmy inwestują w to samo: w dane produktowe. Wielkie platformy płacą dziś za kompletne, uporządkowane informacje o produktach, bo bez nich ich agenci nie mają z czego wybierać.

Klienci już pytają AI, także w Polsce

A ile z tego przekłada się na sprzedaż? Spójrzmy na Shopify, które obsługuje miliony sklepów. W trzecim kwartale 2026 roku firma zwiększyła przychody o 32%10. Prezes Harley Finkelstein mówił, że ruch z asystentów AI wzrósł 2,6 raza rok do roku, a zamówienia z tego ruchu 3,3 raza. Klienci przychodzący od AI kupują o 64% częściej niż ci z bezpłatnych wyników wyszukiwarki. Finkelstein uczciwie dodał, że to wciąż niewielki wolumen11.

W Polsce agenci jeszcze nie kupują za klientów, ale klienci już ich pytają. SW Research zbadał to wiosną 2026 roku: 61% dorosłych Polaków korzystało z AI przy planowaniu zakupów albo wyborze produktu3. Do czego?

Do czego Polacy używają AI przy zakupach (SW Research, 2026)

Porównanie produktów50,8%
Opinie, zalety i wady48%
Rekomendacja przy wyborze42,6%
Promocje i tańsze zamienniki33%
Badanie CAWI, kwiecień 2026, 830 dorosłych Polaków. Źródło: SW Research dla On Board Think Kong3.

Raport „E-commerce w Polsce 2026” dodaje ważny szczegół. Z narzędzi AI korzysta 65% badanych, ale 71% nie chciałoby, żeby AI samo zrobiło za nich zakupy12. Polski klient zostawia więc sobie kliknięcie „kupuję”, ale przy wyborze pyta asystenta. Właśnie wtedy asystent decyduje, czyj produkt w ogóle zobaczy.

W USA, gdzie te zakupy są dalej, Adobe policzył, że we wrześniu 2026 roku ruch z AI na stronach sklepów konwertował o 90% lepiej niż pozostały ruch, a każda wizyta przynosiła o 83% więcej przychodu13.

Agent czyta dane, a nie zdjęcia

Pomyślcie, jak kupuje człowiek. Widzi zdjęcie kurtki z kapturem i od razu wie, że ma kaptur. Brakuje rozmiaru w opisie? Wejdzie w tabelę rozmiarów albo zapyta na czacie. Agent AI tak nie robi.

Badacze z Yale, Columbii i Uniwersytetu Chicagowskiego sprawdzili, jak agenci AI wybierają produkty. Kiedy z opisu znikał ważny atrybut, szansa na wybór tego produktu spadała o 20–40%. Agenci nie domyślali się brakujących informacji tak, jak robią to ludzie. Wybierali produkty z kompletnymi danymi zapisanymi w formie, którą da się automatycznie odczytać2.

Shopify widzi to samo w swoich liczbach. Wyszukiwania oparte na Shopify Catalog, czyli uporządkowanych danych o ponad miliardzie produktów, konwertują dwa razy lepiej niż zwykłe wyszukiwanie przez AI11. Google mówi o tym wprost:

Autonomiczne agenty są tak wiarygodne, jak dane, na których działają. Ashish Gupta, Google, przy ogłoszeniu współpracy z NIQ (tłum. własne)

W Waszym sklepie wygląda to tak: wodoodporność opisana tylko na zdjęciu metki, rozmiary w pliku PDF, stan magazynu aktualizowany raz na dobę: dla klienta to drobiazgi, ale agent przez nie pominie Wasz produkt i poleci konkurencję.

Źle opisany produkt wraca do sklepu

Słabe dane szkodzą też wtedy, gdy agent mimo wszystko poleci produkt. Blue Yonder zapytał we wrześniu 2026 roku ponad 5 tys. klientów w pięciu krajach. W USA 46% osób, które kupiły coś z polecenia AI, zwróciło taki produkt w ciągu roku. Najczęstszy powód? Produkt był inny niż w opisie, tak odpowiedziało 36% z nich14.

Prezes Blue Yonder Duncan Angove postawił diagnozę, pod którą się podpisuję:

To problem danych. Większość danych produktowych napisano dla wyszukiwarki, a nie dla maszyny, która komuś poleca produkty. Duncan Angove, Blue Yonder, dla Retail Dive (tłum. własne)

Agent powtarza klientowi to, co znajdzie w Waszych danych. Jeśli dane się mylą, klient zamawia nie to, czego szukał, a koszt zwrotu ponosi sklep.

Czego agenci wymagają od sklepu

Jak to wygląda technicznie? Platformy opublikowały swoje wymagania:

  • OpenAI wymaga w feedzie dziewięciu pól, m.in. stałego identyfikatora, tytułu, opisu, marki, zdjęcia, ceny i dostępności. Wiersz bez poprawnej dostępności jest odrzucany. Cenę trzeba zaktualizować, gdy zaczyna się albo kończy promocja, a dostępność, gdy produkt się wyprzeda15.
  • Google w zakupach przez agenta wymaga polityki zwrotów z kosztem zwrotu, terminem i linkiem do pełnych zasad. Produkty z niestandardową opłatą za dostawę, np. transportem gabarytów, nie mogą korzystać z checkoutu przez agenta16.
  • Shopify nie wpuszcza do swojego katalogu produktów bez kategorii. Zaznacza też, że kategoryzuje produkty na podstawie ich opisu, który może się różnić od kategorii ustawionej przez sklep. Pełne i dokładne informacje pomagają zrobić to dobrze17.

A co z Polską? Checkout przez agenta w Google działa dziś dla sprzedawców z USA, Kanady i Australii18, a w Microsoft Copilot tylko przy sprzedaży do klientów w USA19. Reklamy w AI Mode też jeszcze do nas nie dotarły20. Za to wybór produktu przez asystenta odbywa się w Polsce już teraz, w ChatGPT, Gemini i w Allegro. Macie więc czas, żeby uporządkować dane, zanim dojdzie tu także płatność przez agenta.

Od czego zacząć w swoim sklepie

Z tych wymagań wychodzi kilka zasad, które da się wprowadzić w każdym sklepie:

  1. Zapisz w atrybutach to, co dziś pokazujesz na zdjęciach. Materiał, wymiary, wodoodporność, kompatybilność. Pole w danych agent odczyta zawsze, a napis na zdjęciu metki łatwo przeoczy.
  2. Aktualizuj cenę i dostępność od razu. Feed odświeżany raz na dobę pokaże agentowi produkt, którego już nie ma, albo cenę, która właśnie się zmieniła.
  3. Opisz zasady zwrotu i dostawy w danych. Termin zwrotu, jego koszt i czas dostawy mają w feedach osobne pola.
  4. Przypisz każdy produkt do kategorii. Produkty bez kategorii wypadają z katalogów, z których korzystają agenci.
  5. Trzymaj dane w jednym miejscu. Jeśli sklep, feed i marketplace mają trzy różne opisy, agent może trafić na ten najsłabszy.
  6. Sprawdzaj, co widzi agent. Zapytaj ChatGPT albo Gemini o swoje produkty tak, jak zapytałby klient, i porównaj odpowiedź z tym, co macie w ofercie.

Jak pracujemy z danymi produktowymi

U nas porządkowanie danych zaczyna się od jednego źródła. Wdrażamy Pimcore jako miejsce na wszystkie dane produktowe: opisy, ceny, atrybuty i zdjęcia. Poprawiasz opis raz, a zmiana trafia do sklepu, feedów i na marketplace’y.

Najwięcej czasu zabiera zwykle import danych od dostawców, bo każdy przysyła je w innym formacie. Tu pomagają nam agenci AI: piszą skrypty, które mapują pliki dostawców na model produktu. Programista ustala reguły importu i zatwierdza wyjątki. Więcej o tym, jak łączymy AI z pracą zespołu, przeczytacie na stronie AI w firmie.

Jeśli zapamiętacie z tego wpisu jedną rzecz, niech to będzie ta: asystent AI poleci Wasz produkt tylko wtedy, gdy znajdzie o nim w danych wszystko, o co pyta klient.