Agenci AI nie kupią w większości polskich e-sklepów. Gotowych jest tylko 1,7 proc.
27 października 2026
Klient, który prosi asystenta AI o znalezienie butów do biegania w konkretnym rozmiarze i w cenie do 400 zł, coraz częściej nie odwiedza po drodze ani wyszukiwarki, ani strony sklepu. Porównanie ofert przejmuje agent AI, czyli program działający w imieniu użytkownika, który samodzielnie przeszukuje sklepy, zestawia ceny i warunki dostawy, a jeżeli sklep na to pozwala, także składa zamówienie. Polskie e-sklepy w zdecydowanej większości nie są na takiego klienta przygotowane. W badaniu Agentic Readiness Index (ARI), którym Digitree Group zmierzyła gotowość sklepów internetowych do współpracy z agentami AI, najwyższą ocenę A otrzymało zaledwie 28 z 1665 przebadanych polskich sklepów, czyli 1,7 proc. próby.
Agent AI znajdzie produkt, ale nie dokończy zakupu
Średni wynik polskich sklepów wyniósł 21,2 punktu na 100 możliwych, a prawie 98 proc. z nich dostało ocenę D lub F. Częściową gotowość osiągnął blisko 1 proc. badanych serwisów. Wyniki dotyczą zakupów agentowych (agentic commerce), w których cała ścieżka klienta, od wyszukania produktu, przez porównanie ofert, po koszyk i płatność, może zostać przekazana asystentowi AI. Sklep, który nie udostępnia agentowi czytelnych danych i nie pozwala mu przejść przez zamówienie, pozostaje dla takiego klienta w najlepszym razie katalogiem do przejrzenia.
Jakub Mazurkiewicz, prezes Euvic Organic Search, spółki z grupy Digitree, opisuje ten scenariusz wprost: bez pełnej obsługi transakcji agent AI może odnaleźć produkt i nawet zaproponować go użytkownikowi, ale nie przejdzie do kolejnych etapów zakupu. Konsument musi wtedy wrócić do tradycyjnej ścieżki: otworzyć stronę, odszukać produkt, dodać go do koszyka i samodzielnie przejść przez formularz zamówienia. Każdy taki dodatkowy krok zwiększa ryzyko, że klient porzuci zakup albo wybierze sklep, w którym agent zamknie transakcję bez jego udziału. Jacek Treder, szef Digitree Automation, przekonuje w komunikacie grupy, że sklepy „muszą przejść na paradygmat współpracy z agentami AI”, bo konsumenci coraz częściej zlecają porównywanie produktów cyfrowym asystentom zamiast przeglądać karty produktów.
Jak Digitree mierzył gotowość sklepów
Indeks ocenia trzy obszary: standardy i identyfikację sklepu, czyli to, czy system AI może jednoznacznie rozpoznać serwis i jego ofertę, możliwości komunikacji i obsługi operacji zakupowych, a także wykrywalność danych produktowych. Analiza była nieinwazyjna i objęła wyłącznie publicznie dostępną infrastrukturę aktywnych sklepów, bez przeprowadzania prawdziwych transakcji. Obok 1665 polskich serwisów zbadano 395 sklepów z wybranych rynków europejskich, które posłużyły jako próba porównawcza.
Autorzy zastrzegają, że wyniki opisują badane próby, a nie cały polski czy europejski rynek e-commerce. Badanie objęła honorowym patronatem organizacja IAB Polska, zrzeszająca firmy z branży reklamy i marketingu internetowego. Dla sprzedawcy ważniejsze od samej punktacji jest to, które elementy sklepu agent widzi, a których nie potrafi odczytać, bo właśnie tam przebiega granica między ofertą rekomendowaną przez AI a ofertą pominiętą.
Dane produktowe, ceny i dostępność: gdzie agent gubi ofertę
Ponad 93 proc. polskich sklepów ma luki lub błędy w danych, które pomagają systemom AI rozpoznać produkt, a 94 proc. nie podaje pełnej informacji o cenie i dostępności w formie użytecznej dla agenta. Chodzi przede wszystkim o dane strukturalne, czyli znaczniki w kodzie strony opisujące produkt w ustandaryzowany sposób (nazwę, markę, kod EAN, cenę, walutę, stan magazynowy, koszt dostawy), oraz o feed produktowy, czyli plik z listą ofert przekazywany do Google Merchant Center, porównywarek cenowych lub platform reklamowych. Jednocześnie około 90 proc. sklepów nie blokuje dostępu do publicznych treści narzędziom używanym przez OpenAI czy Google. Roboty AI mogą więc wejść na stronę, ale dostęp do treści nie gwarantuje, że oferta zostanie poprawnie zrozumiana.
Scenariusz jest łatwy do wyobrażenia. Sklep z elektroniką obniża cenę słuchawek na weekend, ale nowa cena widnieje tylko na graficznym banerze i w koszyku, a w danych strukturalnych zostaje stara kwota. Agent AI porównujący oferty podaje klientowi wyższą cenę i rekomenduje konkurencyjny sklep, który promocję opisał poprawnie. Podobnie działa brak informacji o dostępności rozmiarów w sklepie odzieżowym: agent, który nie ma pewności, czy produkt jest na stanie, wybiera ofertę z jednoznacznym statusem. Sprzedawca traci sprzedaż, choć miał lepszą cenę, a w raportach analitycznych nie zobaczy nawet, że klient był blisko.
Koszyk i checkout jako najsłabsze ogniwo
Najgorzej wypada obszar komunikacji i obsługi transakcji. Polskie sklepy uzyskały w nim średnio 3 punkty na 100, podczas gdy sklepy z próby europejskiej przekroczyły 12 punktów. Według Wirtualnemedia.pl ponad 97 proc. polskich serwisów otrzymało w tej kategorii zero punktów. Zaledwie 38 sklepów publikuje informacje o rozwiązaniach, które pozwalają agentom AI samodzielnie obsługiwać koszyk i zamówienia.
Checkout, czyli proces finalizacji zamówienia z wyborem dostawy i płatności, to w polskim e-commerce zwykle formularz projektowany dla człowieka: z wyskakującymi okienkami, logowaniem, zgodami marketingowymi i przekierowaniem do bramki płatniczej. Agent AI potrzebuje natomiast interfejsu, przez który może utworzyć zamówienie, poznać koszty dostawy, zastosować kod rabatowy i przekazać płatność do autoryzacji przez użytkownika. Sklep bez takiej warstwy oddaje zamówienie z powrotem klientowi, a sprzedaż zależy od tego, czy klientowi będzie się chciało dokończyć zakup ręcznie.
Polska wobec Europy i protokół UCP
Sklepy z próby europejskiej również nie są liderami, ale wyraźnie wyprzedzają polskie. Ich średni wynik wyniósł 29,1 punktu, ocenę A dostało 10 proc. z nich, a ocenę D lub F 86 proc. Różnica jest największa właśnie w obsłudze transakcji, czyli tam, gdzie decyduje się, czy rekomendacja agenta zamieni się w zamówienie.
Jednym z rozwijanych standardów jest Universal Commerce Protocol (UCP), otwarty protokół handlu agentowego, który Google przedstawił w styczniu 2026 roku. Sklep publikuje w nim pod stałym adresem /.well-known/ucp manifest, czyli plik w formacie JSON opisujący obsługiwane funkcje, takie jak checkout, rabaty, dostawa i dostępne metody płatności. Agent odczytuje ten plik i wie, jak przeprowadzić zakup bez osobnej integracji z każdym sklepem. Protokół współpracuje z MCP (Model Context Protocol), standardem łączenia modeli AI z zewnętrznymi narzędziami i danymi, oraz z AP2 (Agent Payments Protocol), protokołem płatności zlecanych przez agentów. UCP powstał we współpracy z Shopify, Etsy, Wayfair, Target i Walmart, a wśród firm, które poparły standard, są m.in. Zalando, Adyen, Stripe, Visa i Mastercard. Zakupy bezpośrednio w trybie AI Mode wyszukiwarki Google oraz w aplikacji Gemini Google zapowiadał w pierwszej kolejności dla sprzedawców z USA, z planem stopniowej ekspansji na kolejne rynki.
W polskiej próbie zweryfikowany manifest UCP miało 37 sklepów, czyli nieco ponad 2 proc. Digitree Group podkreśla jednak, że UCP jest jednym z kilku rozwijanych standardów komunikacji między sklepami a agentami AI, a Mazurkiewicz zaznacza, że w Polsce nie funkcjonuje obecnie jeden standard handlu agentowego, co nie powinno wstrzymywać inwestycji w ten obszar. Dla sprzedawców cross-border istotny jest rynek niemiecki. Z badania Bitkom, niemieckiego zrzeszenia branży cyfrowej, przeprowadzonego jesienią 2025 roku na grupie 1120 osób, wynika, że 21 proc. badanych byłoby gotowych powierzyć zakupy w całości AI, a w grupie 16–29 lat odsetek ten sięga 43 proc. Polska marka sprzedająca w Niemczech przez własny sklep rywalizuje o tych klientów ze sprzedawcami z całej Europy, a sklepy z próby europejskiej wypadły w badaniu wyraźnie lepiej od polskich, zwłaszcza w obsłudze transakcji.
Co powinien zrobić sprzedawca z Polski
Rekomendacje Digitree zaczynają się od podstaw: szybkiej i stabilnej strony, uporządkowanej i kompletnej struktury danych produktowych oraz spójnych feedów zakupowych. Cena, dostępność i koszt dostawy muszą być takie same na karcie produktu, w danych strukturalnych, w feedzie i na marketplace. Najprościej osiągnąć to wtedy, gdy wszystkie kanały pobierają dane z jednego źródła, na przykład z systemu ERP do zarządzania sprzedażą i magazynem albo z systemu PIM do zarządzania informacją produktową, a nie z ręcznie aktualizowanych arkuszy.
Drugim obszarem jest świadome zarządzanie dostępem botów AI. Plik robots.txt, w którym sklep określa, które roboty mogą odwiedzać stronę, powinien wynikać z decyzji biznesowej, a nie z domyślnych ustawień wtyczki bezpieczeństwa czy dostawcy hostingu. Blokada robotów AI chroni treści, ale wyłącza sklep z odpowiedzi asystentów, a pełne otwarcie bez porządku w danych sprawia, że agent widzi ofertę w błędnej formie. Trzeci krok to regularne sprawdzanie, jak ChatGPT, Gemini czy AI Mode prezentują własne produkty: jaką cenę podają, czy widzą dostępność i do którego sklepu kierują. Katarzyna Radomska z grupy roboczej AI w IAB Polska zwraca uwagę, że klasyczne SEO i UX pozostaną ważne, a agenci AI staną się dodatkowym kanałem pozyskiwania klientów. Rośnie przy tym znaczenie GEO (Generative Engine Optimization), czyli optymalizacji treści i danych pod wyniki generowane przez systemy AI.
Weźmy producenta tekstyliów domowych z Wielkopolski, który sprzedaje przez własny sklep w języku niemieckim oraz na Amazon.de. Jego feed dla marketplace jest kompletny, ale na własnej stronie widać typowe braki: tłumaczenia opisów bez atrybutów takich jak wymiary, skład czy klasa prania, ceny w euro aktualizowane z opóźnieniem i koszty wysyłki do Niemiec widoczne dopiero w koszyku. Uzupełnienie tych pól w danych strukturalnych, ujednolicenie cen i jasna informacja o dostawie i zwrotach to prace, które poprawiają jednocześnie widoczność w Google Shopping i czytelność oferty dla agentów. Decyzję o wdrożeniu UCP lub innego protokołu transakcyjnego można podjąć później, gdy dostawca platformy sklepowej udostępni gotową integrację, ale bez porządku w danych żaden protokół nie zamieni rekomendacji agenta w zamówienie.
