Wat is een agent-ready productcatalogus?

Wat betekent “agent-ready” eigenlijk?

Een productcatalogus is agent-ready wanneer een machine hem kan vinden, lezen, bevragen en correct citeren zonder dat een mens een browser bedient.

Dat is een strengere toets dan “wij hebben een goede website”, en hij mislukt om redenen die nooit in een page-speed-rapport opduiken. Een catalogus kan goed scoren, goed converteren en er onberispelijk uitzien, en tóch een leeg document teruggeven aan de client die een AI-assistent daadwerkelijk gebruikt. De kloof is structureel, niet cosmetisch.

En het weegt elk kwartaal zwaarder. In de bespreking van zijn Buyers' Journey Survey van januari 2026 meldde Forrester dat 94% van de zakelijke inkopers inmiddels AI inzet in het inkoopproces, en dat twee keer zoveel inkopers generatieve AI of conversationeel zoeken een betekenisvollere informatiebron noemden dan welke andere bron ook — vóór websites van leveranciers, productexperts en vertegenwoordigers. De specificaties die een assistent over uw product opsomt, zijn steeds vaker de specificaties die uw koper gelooft.

De verwarring in de meeste teksten over dit onderwerp is dat “agent-ready” als één ding wordt behandeld. Het zijn vier dingen, met vier verschillende afnemers.

Welke assistenten gebruiken in de praktijk welk oppervlak?

1. Server-gerenderde pagina's met gestructureerde data

Dit is het enige oppervlak dat een assistentgebruiker bereikt die niets heeft geconfigureerd.

Het belangrijkste technische feit erover: AI-crawlers voeren uw JavaScript niet uit. De crawleranalyse van Vercel — 569 miljoen GPTBot-opvragingen en 370 miljoen Claude-opvragingen in één maand — liet zien dat deze crawlers JavaScript-bestanden weliswaar downloaden (respectievelijk 11,50% en 23,84% van de verzoeken), maar ze niet uitvoeren, en concludeerde dat “geen van de grote AI-crawlers op dit moment JavaScript rendert”, met OpenAI, Anthropic, Meta, ByteDance en Perplexity bij naam genoemd. Onafhankelijke hertests in de loop van 2026 kwamen tot hetzelfde oordeel. Als uw parametrische tabel, uw voorraadindicator of uw documentenlijst client-side wordt ingeladen, bestaat die niet voor deze clients. Googlebot rendert wél JavaScript en blijft de uitzondering, en precies daarom concluderen teams die hun zichtbaarheid in Google controleren ten onrechte dat alles in orde is.

Googles eigen documentatie is over de rest verfrissend onomwonden: om in AI Overviews of AI Mode te verschijnen “moet een pagina geïndexeerd zijn en in aanmerking komen om met een snippet in Google Search te worden getoond”, en verdere technische eisen, een AI-specifiek schema of speciale bestanden zijn er niet. Gestructureerde data verdient nog steeds haar plaats, omdat ze de dubbelzinnigheid wegneemt over welk getal de nominale stroom is en welk getal de piekwaarde — maar het is een middel om ambiguïteit op te heffen, geen magische schakelaar.

Tot slot heeft de crawlerlaag een beleidsdimensie die de meeste catalogi negeren. OpenAI documenteert drie afzonderlijke agents — GPTBot voor het trainen van foundation models, OAI-SearchBot om sites te tonen in ChatGPT-zoekopdrachten, en ChatGPT-User voor door de gebruiker gestarte opvragingen. Anthropic documenteert volgens hetzelfde patroon ClaudeBot, Claude-User en Claude-SearchBot. Het zijn losstaande regels in robots.txt. Een generieke disallow die op training is gericht, zet ook de retrieval-crawler uit door wie u geciteerd had kunnen worden.

2. Markdown- en opgeschoonde tekstweergaven

Dit is het oppervlak waarover in 2026 het meest wordt overdreven, dus wees er precies over.

Geen enkele gangbare consumentenassistent publiceert een content-negotiation-afspraak die zegt: “stuur mij Accept: text/markdown en ik geef daar de voorkeur aan”. De llms.txt-conventie is technisch samenhangend en kent echte adoptie onder sites met ontwikkelaarsdocumentatie, maar Google stelt ronduit dat u geen AI-tekstbestanden nodig hebt om in zijn AI-functies te verschijnen, en adoptieonderzoek in de loop van 2026 liet zien dat de crawlers van OpenAI, Google en Anthropic het bestand niet in noemenswaardige aantallen opvragen.

Wat wél waar is, is beperkter en nog steeds de moeite waard. Tekst die uit een pagina vol navigatie en scripts wordt gehaald, bevat meer ruis dan tekst die als lopende tekst wordt uitgeleverd, dus opgeschoonde weergaven doorstaan extractie beter. En precies diezelfde opgeschoonde weergave is wat uw MCP-tools als payload zouden moeten teruggeven. Bouw markdownweergaven als hergebruikartefact van het canonieke record en niet als groeitactiek, dan komt u niet bedrogen uit.

3. Aangeleverde productfeeds

Hier is het feit dat de meeste roadmaps op hun kop zet: het shoppingoppervlak van ChatGPT wordt gevoed door data die verkopers zelf aanleveren, niet door crawlen. Volgens de gepubliceerde feedspecificatie leveren merchants TSV, CSV, XML of JSON aan op een onderling afgesproken, op een allowlist geplaatst endpoint via versleutelde HTTPS, en accepteert het systeem elke 15 minuten updates. Het merchantprogramma van Perplexity werkt qua vorm hetzelfde — productdata als CSV- of XML-bestanden in een voorgeschreven formaat, aangeleverd door de merchant. On-page-optimalisatie, hoe goed ook, vervangt de aanmelding niet.

De eerlijke kanttekening voor industriële catalogi is dat deze schema's op retail zijn gesneden. Ze gaan uit van een GTIN, een lijstprijs en een koopbare variant. Een distributeur met 40.000 artikelen, klantspecifieke contractprijzen en geen GTIN voor de helft van het assortiment zal de aansluiting slecht vinden. Feeds zijn waardevol waar u een gepubliceerde prijs aan een identificeerbare eindkoper verkoopt, en grotendeels irrelevant waar u offreert.

4. Een MCP-endpoint

MCP is het oppervlak met de hoogste datagetrouwheid en vandaag met het kleinste publiek. Precisie is hier belangrijk, want het bereik verschilt sterk per assistent:

• Claude ondersteunt aangepaste remote MCP-connectors op de abonnementen Free, Pro, Max, Team en Enterprise, waarbij gratis gebruikers tot één connector beperkt zijn. De server moet vanaf de IP-reeksen van Anthropic bereikbaar zijn via het publieke internet.
• ChatGPT biedt aangepaste MCP-servers aan via developer mode; connectors met schrijfrechten zijn voorbehouden aan Business, Enterprise en Edu, terwijl individuele Plus- en Pro-gebruikers alleen leesrechten krijgen. De Apps SDK, waarop apps binnen ChatGPT draaien, is zelf op MCP gebouwd en inzendingen doorlopen een beoordeling voor de directory.
• Gemini biedt verbindingen met aangepaste MCP-servers via Gemini Enterprise, waarbij een beheerder uw Streamable HTTP-server als datastore in zijn tenant registreert. Het is geen consumentenfunctie.

De bereikbare populatie bestaat dus uit ingenieurs die een connector instellen, en zakelijke inkopers van wie de IT-afdeling uw server registreert. Voor een fabrikant van componenten of bouwproducten is dat een opvallend rake beschrijving van de specificeerder en het inkoopteam — maar het is niet de anonieme long tail, en wie u vertelt dat alleen een MCP-endpoint u al “AI-zichtbaar” maakt, verkoopt u iets.

Waarom is een lege MCP-server waardeloos?

Omdat een toolaanroep een belofte van juistheid is, en een fout antwoord dat via een tool wordt geleverd erger is dan helemaal geen antwoord.

Wanneer een assistent uw webpagina leest, maakt hij een voorbehoud: het model weet dat het een document samenvat. Wanneer het get_part aanroept en {"rated_current_a": 32} terugkrijgt, maakt het geen voorbehoud. Het noemt het getal. Als uw PIM 32 A aanhoudt voor de bouwgrootte en 25 A voor de specifieke variant, en de tool op de verkeerde is uitgekomen, hebt u uw AI-zichtbaarheid niet verbeterd — dan hebt u een specificatiefout geïndustrialiseerd en het gezag van uw merk eraan verbonden.

Daarom zijn de geloofwaardige MCP-servers voor onderdelen die vandaag live gaan, gebouwd op een geverifieerde datalaag in plaats van op een protocolfineer. De gratis openbare MCP-server van Microchip, gelanceerd in november 2025, biedt geverifieerde productspecificaties, datasheets, voorraad, prijzen en levertijden aan via Streamable HTTP — de nadruk in de aankondiging ligt op geverifieerde, actuele data, niet op het transport. De Storefront MCP-server van Shopify, bereikbaar op https://{shop}.myshopify.com/api/mcp, werkt omdat een Shopify-winkel al één gezaghebbend productrecord met getypeerde velden heeft.

Een MCP-endpoint vóór drie spreadsheets die elkaar tegenspreken, een PIM dat zijn eenheden kwijt is en een map vol PDF's is een snellere manier om ongelijk te hebben. De volgorde van het werk is: canoniek record, verificatie, dan protocol.

Het volwassenheidsmodel voor agent-readiness

De meeste organisaties ontdekken dat ze op niveau 0 of 1 staan terwijl ze denken op niveau 2 te zitten. De onderscheidende vraag is niet “hebben wij gestructureerde data?”, maar “als twee systemen het oneens zijn over dit attribuut, welk systeem heeft dan gelijk, en kan een machine dat zien?”

Hoe komt u erachter op welk niveau u staat?

Vijf controles, in volgorde, die elk een paar minuten kosten:

1. 01Haal een productpagina op met een eenvoudige client zonder browser en lees de ruwe respons. Ontbreken de specificaties in de HTML, dan staat u op niveau 0, ongeacht hoe de pagina er in een browser uitziet.
2. 02Lees uw `robots.txt` als beleidsdocument. Zet elke AI-user-agent op een rij die u toestaat en die u weigert, en bevestig dat elke regel een werkelijke afweging tussen training en retrieval weerspiegelt.
3. 03Valideer één JSON-LD-blok en controleer elke waarde tegen de zichtbare pagina. Afwijkingen zijn erger dan weglatingen.
4. 04Kies tien onderdelen en stel drie assistenten een feitelijke vraag waarvan u het juiste antwoord uit uw hoofd kent. Noteer de foute antwoorden. Dat foutpercentage is uw werkelijke nulmeting.
5. 05Probeer een parametrische vraag uit uw eigen data te beantwoorden — elk onderdeel dat aan drie voorwaarden voldoet — met alleen dat wat een machine kan bereiken. Moet een mens daarvoor een PDF openen, dan zou een agent dat ook moeten, en dat doet hij niet.

Wat vonden we bij 984 bedrijven?

In augustus 2026 hebben we wereldwijd 984 domeinen van distributeurs en fabrikanten geauditeerd, in Noord-Amerika, Europa en Azië. Het totaalbeeld was consistent genoeg om ongemakkelijk te zijn:

• De mediane AI-zichtbaarheidsscore lag rond de 50 van de 100.
• 38% leverde aan een gewone client zonder browser helemaal geen leesbare cataloguspagina uit.
• Slechts 19% publiceerde enig expliciet AI-crawlerbeleid, en daarvan blokkeerden ruim twee keer zoveel bedrijven een grote crawler als er één uitnodigden.
• Geen enkel bedrijf adverteerde met een MCP-endpoint.

De verdeling zegt meer dan de mediaan. Het verschil tussen het bovenste deciel en het midden zat niet in budget of bezetting; het zat in de vraag of de organisatie één canoniek productrecord had of meerdere concurrerende. Al het andere volgde daaruit.

Wat moet u als eerste bouwen?

1. 01Leg één canoniek record per onderdeel vast, met getypeerde attributen, eenheden, herkomst en een tijdstempel van de laatste verificatie. Alles hieronder is een projectie daarvan.
2. 02Render de catalogus server-side, zodat de volledige specificatie in de eerste HTML-respons aanwezig is.
3. 03Voeg gestructureerde data toe die bij de pagina past, en verifieer die daarna in plaats van op de generator te vertrouwen.
4. 04Formuleer een bewust AI-crawlerbeleid, agent voor agent, en documenteer waarom elke keuze is gemaakt.
5. 05Lever feeds aan waar voor uw commerciële model een oppervlak bestaat — en sla ze eerlijk over waar dat niet zo is.
6. 06Zet een MCP-endpoint op met parametrisch zoeken, onderdelen opzoeken, alternatieven, compliancedocumenten en CAD, met OAuth voor alles wat klantspecifiek is.
7. 07Bewaak de nauwkeurigheid continu, want de faalmodus is niet stilte, maar zelfverzekerde onjuistheid.

Partsgraph bouwt dit als overlay: wij nemen de catalogus die u al hebt — datasheets, parametrische gegevens, CAD en compliancedocumenten — brengen die samen tot één geverifieerde Parts Graph, en bedienen daarmee alle vier de oppervlakken zonder uw website aan te raken.

Wilt u de nulmeting vóór de roadmap, laat dan uw domein door onze gratis grader lopen op /audit. Die laat zien wat een client zonder browser vandaag daadwerkelijk van uw catalogus krijgt, en welke van de vier oppervlakken u mist.