Amazon usypia Rufusa i zamienia wyszukiwarkę w agenta AI
18.05.2026
Amazon nie zakończył projektu Rufus w sposób, w jaki zamyka się nieudany eksperyment produktowy. Firma przeniosła jego funkcje do Alexa for Shopping, czyli nowego asystenta zakupowego opartego na sztucznej inteligencji, który ma działać bezpośrednio w aplikacji Amazon Shopping, na stronie Amazon.com i na urządzeniach Echo Show. Rufus, uruchomiony w 2024 r. jako konwersacyjny doradca produktowy, przestaje być osobnym chatbotem widocznym dla klienta, ale jego mechanizmy rekomendacji, wiedza produktowa i historia interakcji zostają wykorzystane w nowym systemie. Amazon nie wyrzuca więc Rufus z organizacji. Amazon wchłania go do głównej warstwy zakupowej.
Zmiana została ogłoszona 13 maja 2026 r. i na razie dotyczy klientów w Stanach Zjednoczonych. Amazon zapowiada udostępnienie Alexa for Shopping wszystkim amerykańskim użytkownikom aplikacji i strony w ciągu tygodnia od startu. Do korzystania z usługi nie jest potrzebne konto Prime, czyli płatna subskrypcja Amazona dająca dostęp między innymi do szybszych dostaw i usług cyfrowych, ani urządzenie Echo. To istotne, bo Amazon nie traktuje nowego asystenta jako dodatku do inteligentnego głośnika, ale jako część podstawowego doświadczenia zakupowego w sklepie internetowym.
Najważniejsza zmiana dotyczy wyszukiwarki. Alexa for Shopping trafia do głównego paska wyszukiwania Amazon. Klient może wpisać nie tylko hasło produktowe, lecz także pełne pytanie, prośbę o porównanie modeli, zapytanie o historię zamówienia albo warunek zakupu, na przykład zakup laptopa po spadku ceny do określonego poziomu. W takim układzie pasek wyszukiwania przestaje być prostą bramką do listy produktów. Staje się interfejsem rozmowy, który dobiera ofertę, tłumaczy różnice między produktami, analizuje recenzje, pokazuje historię cen i może wykonać część czynności za klienta.
Dlaczego Amazon robi to właśnie teraz
Amazon przez lata budował przewagę na tym, że klient zaczynał poszukiwanie produktu bezpośrednio na jego platformie. Ten model finansował nie tylko sprzedaż detaliczną i prowizje marketplace, ale również ogromny biznes reklamowy. Reklamy Sponsored Products, czyli sponsorowane oferty produktowe wyświetlane w wynikach wyszukiwania i na stronach produktów, działają najlepiej wtedy, gdy klient przewija siatkę ofert i porównuje wiele wyników. Im więcej zapytań, odsłon i kliknięć, tym więcej powierzchni reklamowej do sprzedaży.
Agent zakupowy zmienia tę logikę. Jeżeli klient pyta: „jaki ekspres do kawy do małej kuchni, do 300 dolarów, łatwy w czyszczeniu”, nie musi już przeglądać kilkunastu stron wyników. Oczekuje krótkiej listy propozycji i uzasadnienia. Dla klienta może to być wygodne. Dla sprzedawcy oznacza mniejszą liczbę miejsc, w których można kupić widoczność. Dla Amazona oznacza konieczność przebudowania części modelu reklamowego tak, aby reklama pasowała do odpowiedzi AI, porównania produktów i rekomendacji, a nie tylko do klasycznej listy wyników.
Presja konkurencyjna jest widoczna. OpenAI, Google, Perplexity i inni dostawcy asystentów AI rozwijają funkcje zakupowe, które mogą przejąć etap odkrywania produktu, zanim klient trafi do marketplace. Gdy użytkownik zapyta ChatGPT, Gemini albo Perplexity o najlepszy produkt w danej kategorii, platforma zakupowa może zostać zepchnięta do roli miejsca realizacji transakcji. Amazon nie chce oddać pierwszego kontaktu z intencją zakupową, bo właśnie tam powstaje największa wartość: decyzja o kategorii, marce, budżecie i kryteriach wyboru.
Alexa for Shopping jest odpowiedzią defensywną, ale opartą na bardzo mocnym aktywie. Amazon ma katalog produktów, historię zakupów, recenzje klientów, dane o zwrotach, dostępności, terminach dostawy, cenach i zachowaniach użytkowników. Do tego dochodzi Alexa+, czyli nowsza wersja asystenta głosowego Amazon, która korzysta z kontekstu rozmów i urządzeń domowych. Połączenie tych źródeł danych tworzy przewagę, której zewnętrzny agent zakupowy nie ma bez dostępu do infrastruktury Amazona.
Mechanizm: od rekomendacji do wykonania zakupu
Alexa for Shopping nie ma być wyłącznie chatbotem odpowiadającym na pytania. Amazon opisuje system jako agentic AI, czyli sztuczną inteligencję zdolną do wykonywania zadań na podstawie zgody i intencji użytkownika. W zakupach oznacza to przejście od doradztwa do działania: ustawienia alertu cenowego, dodania produktu do koszyka, przygotowania cyklicznego uzupełnienia zapasów albo zakupu, gdy cena spadnie do wskazanego poziomu.
Amazon zapowiada między innymi możliwość sprawdzenia historii cen z ostatnich 12 miesięcy dla setek milionów produktów. Dla klientów to narzędzie kontroli promocji. Dla sprzedawców to zmiana zasad gry cenowej. Promocja, która wcześniej działała jako krótkotrwały impuls, teraz zostawia ślad widoczny w rozmowie z asystentem. Jeżeli produkt przez wiele miesięcy kosztował 29,99 dolara, a przed dużą akcją promocyjną cena została podniesiona do 39,99 dolara, by następnie spaść do 31,99 dolara, AI może pokazać klientowi szerszy kontekst. Manipulowanie promocją staje się bardziej ryzykowne, szczególnie w kategoriach, w których klienci polują na okazje.
Drugą istotną funkcją są Scheduled Actions, czyli zaplanowane działania wykonywane przez system. Klient może poprosić o comiesięczne dodawanie karmy dla psa, środków czystości albo przekąsek dla dzieci do koszyka. Może też zlecić dodanie konkretnego kosmetyku tylko wtedy, gdy cena spadnie poniżej 10 dolarów i produkt nie był kupowany przez ostatnie dwa miesiące. To nie jest zwykła subskrypcja. To elastyczne uzupełnianie koszyka oparte na historii zakupów, cenie, preferencjach i czasie.
Najsilniej odczują to kategorie powtarzalne: chemia domowa, karma dla zwierząt, kosmetyki, suplementy dostępne na marketplace, artykuły dziecięce, baterie, akcesoria biurowe i podstawowe produkty spożywcze. W tych segmentach walka o klienta często odbywała się przez widoczność w wyszukiwarce, kupony, promocje i reklamy na frazy konkurencji. Jeżeli agent zacznie automatycznie odnawiać zakup na podstawie poprzedniego wyboru klienta, moment przechwycenia popytu przez konkurencyjną markę może zniknąć.
Reklama i widoczność sprzedawców pod presją
Dla sprzedawców Amazon największa zmiana nie polega na tym, że pojawił się nowy asystent. Zmienia się układ powierzchni sprzedażowej. W klasycznym modelu oferta mogła być czwarta, szósta albo dziesiąta w wynikach wyszukiwania i nadal miała szansę na kliknięcie. W modelu konwersacyjnym produkt może znaleźć się w odpowiedzi AI albo wypaść z niej całkowicie. Widoczność staje się bardziej zero-jedynkowa.
To zmienia znaczenie danych produktowych. Tytuł, bullet pointy, czyli krótkie wyróżniki produktu na karcie oferty, opis, atrybuty techniczne, zdjęcia, treści A+ Content, czyli rozszerzone treści marki dostępne dla sprzedawców zarejestrowanych w Amazon Brand Registry, recenzje i sekcja pytań klientów zaczynają pracować jako materiał dla asystenta AI. Jeżeli oferta ma braki w wymiarach, składzie, kompatybilności, certyfikatach, wadze, kolorach, wariantach lub zastosowaniach, system ma mniej powodów, by umieścić ją w porównaniu.
Przykład polskiego sprzedawcy elektroniki pokazuje skalę zmiany. Firma sprzedająca akcesoria do laptopów na Amazon.com może dziś kupować reklamy na frazy związane z popularnymi markami komputerów i konkurować ceną. W nowym modelu klient zapyta: „jaki hub USB-C do MacBooka, który obsłuży dwa monitory i nie przegrzewa się przy pracy zdalnej”. Oferta bez precyzyjnych danych o standardzie portów, obsługiwanej rozdzielczości, materiałach obudowy, kompatybilności i recenzjach opisujących temperaturę pracy może zostać pominięta, nawet jeśli ma poprawne słowa kluczowe. Reklama nadal może pomóc, ale nie zastąpi kompletności danych.
Drugi scenariusz dotyczy marki kosmetycznej z Polski, która sprzedaje produkty pielęgnacyjne na Amazon i we własnym sklepie internetowym. W klasycznym wyszukiwaniu marka mogła pozyskiwać klientów przez reklamy na frazy konkurencyjne, kupony i atrakcyjne zdjęcia. W asystencie AI większe znaczenie zyskują informacje o typie skóry, składnikach aktywnych, przeciwwskazaniach, zapachu, konsystencji, opakowaniu, wynikach recenzji i powtarzalności zakupu. Jeżeli klient poprosi o „lekki krem na dzień dla skóry wrażliwej, bez intensywnego zapachu, który dobrze działa pod makijażem”, AI będzie szukało dowodów w strukturze oferty i recenzjach. Ogólne hasło „naturalny krem premium” nie wystarczy.
Amazon zapowiada, że reklamy pojawią się w Alexa for Shopping tam, gdzie będą „właściwe” i będą poprawiały doświadczenie zakupowe. Taki język nie wyjaśnia jeszcze modelu komercyjnego. Można jednak zakładać, że powstaną nowe formaty: sponsorowane rekomendacje w odpowiedziach, płatna obecność w przewodnikach zakupowych, promowane pozycje w tabelach porównawczych albo reklamy powiązane z konkretnymi intencjami zakupowymi. Dla sprzedawców oznacza to konieczność śledzenia nie tylko stawek CPC, czyli kosztu kliknięcia, ale również tego, jak reklama wpływa na obecność w odpowiedziach AI i porównaniach.
Amazon zamyka własny ogród i wychodzi do cudzych sklepów
Najbardziej kontrowersyjna część strategii Amazona dotyczy relacji z innymi sklepami internetowymi. Funkcja Buy for Me, czyli zakup realizowany przez agenta Amazon poza Amazonem, pozwala klientowi kupić wybrane produkty z zewnętrznych sklepów przy użyciu zapisanych danych adresowych i karty płatniczej. Z perspektywy klienta proces ma być wygodny. Z perspektywy detalisty zewnętrznego relacja z kupującym zostaje przejęta przez Amazon.
Mechanizm jest asymetryczny. Amazon niechętnie wpuszcza zewnętrzne boty zakupowe do własnego serwisu, bo chce kontrolować doświadczenie klienta, bezpieczeństwo transakcji i dane. Jednocześnie rozwija własne narzędzia, które mogą wykonywać zakupy w innych sklepach. Taki układ zwiększa napięcia regulacyjne i biznesowe, szczególnie w Stanach Zjednoczonych, gdzie największe platformy technologiczne są pod stałą obserwacją ze względu na pozycję rynkową.
Dla marek sprzedających jednocześnie na Amazon, Zalando, własnym sklepie DTC, czyli kanale direct-to-consumer prowadzonym bezpośrednio do klienta końcowego, i innych marketplace pojawia się pytanie o własność relacji z klientem. Jeżeli klient korzysta z Amazon jako agenta zakupowego nawet poza Amazon, sprzedawca może obsłużyć zamówienie, ale nie zbuduje takiej samej relacji, jak przy bezpośrednim wejściu klienta do sklepu. Traci część danych o ścieżce zakupowej, mniejszy wpływ na komunikację posprzedażową i słabszą możliwość budowania lojalności.
W Europie dodatkową warstwą będą regulacje. Ogólne rozporządzenie o ochronie danych, znane jako RODO, wymaga jasnych podstaw przetwarzania danych osobowych i przejrzystości wobec użytkownika. Akt o usługach cyfrowych, czyli unijne rozporządzenie DSA regulujące obowiązki dużych platform internetowych, wzmacnia oczekiwania dotyczące przejrzystości systemów rekomendacyjnych i reklamowych. Akt o rynkach cyfrowych, czyli DMA, nakłada szczególne obowiązki na największych strażników dostępu w gospodarce cyfrowej. Nie wiadomo jeszcze, kiedy i w jakim kształcie Alexa for Shopping trafi do Europy, ale wdrożenie nie będzie prostym skopiowaniem wersji amerykańskiej.
Co powinien zrobić sprzedawca z Polski
Polski sprzedawca obecny na Amazon powinien potraktować Alexa for Shopping jako sygnał zmiany w sposobie budowania widoczności, a nie jako ciekawostkę z rynku amerykańskiego. Nawet jeżeli narzędzie nie działa jeszcze w Niemczech, Polsce ani innych krajach Unii Europejskiej, kierunek jest jasny: wyszukiwarka marketplace będzie coraz częściej interpretować intencję klienta, a nie tylko dopasowywać słowa kluczowe.
Pierwszym działaniem powinien być audyt najważniejszych ASIN-ów, czyli indywidualnych numerów identyfikacyjnych ofert w katalogu Amazon. Trzeba porównać własne karty produktowe z trzema najmocniejszymi konkurentami w danej kategorii i sprawdzić, gdzie brakuje danych. Wymiary, materiały, warianty, certyfikaty, kompatybilność, instrukcje użycia, ograniczenia, zawartość zestawu, warunki gwarancji i realne zastosowania produktu powinny być uzupełnione w polach strukturalnych, a nie tylko opisane w marketingowym akapicie.
Drugim obszarem są recenzje i pytania klientów. AI korzysta z języka użytkowników, bo recenzje pokazują, jak produkt działa po zakupie. Sprzedawca powinien analizować powtarzające się zwroty: „nie przecieka”, „pasuje do Boscha”, „za mały do dużego psa”, „dobrze trzyma baterię”, „instrukcja niejasna”. Te informacje trzeba przenieść do opisu, grafik, sekcji pytań i treści A+ Content. Jeżeli klienci pytają o cechy, których nie ma w ofercie, karta produktu pracuje przeciwko sprzedawcy.
Trzecim elementem jest polityka cenowa. Historia cen z 12 miesięcy ogranicza skuteczność agresywnych podwyżek przed promocją i pozornych obniżek. Sprzedawca powinien planować rabaty tak, aby broniły się w dłuższym horyzoncie. Szczególnie przed dużymi akcjami sprzedażowymi, takimi jak Prime Day, Black Friday czy Cyber Monday, chaotyczna zmiana cen może obniżyć zaufanie klienta i negatywnie wpłynąć na rekomendacje AI.
Czwarty obszar dotyczy kanałów poza Amazon. Jeżeli agent zakupowy utrudni przechwytywanie klienta na etapie wyszukiwarki, marki challengerskie będą musiały mocniej pracować wcześniej: w social commerce, kampaniach twórców internetowych, treściach poradnikowych, porównywarkach, własnym sklepie i wyszukiwarkach ogólnych. Pierwszy zakup zyskuje większą wartość, bo agent może potem utrwalać nawyk ponownego zakupu tej samej marki. Koszt pozyskania klienta rośnie, ale rośnie też wartość dobrze obsłużonego pierwszego zamówienia.
Dla firm sprzedających cross-border do Niemiec znaczenie będzie miała lokalizacja oferty. Niemiecki klient oczekuje precyzyjnych opisów, jasnych informacji o zwrotach, terminie dostawy, zgodności produktu z lokalnymi wymogami oraz obsługi klienta w języku niemieckim. Jeżeli Alexa for Shopping lub podobne narzędzia trafią na rynek niemiecki, słabe tłumaczenia, niepełne atrybuty i brak lokalnych odpowiedzi na pytania klientów będą jeszcze mocniej ograniczać widoczność. AI nie naprawi niedopracowanej karty produktu. Może ją jedynie pominąć.
