Handel agentowy w zaopatrzeniu przemysłowym: realia 2026
W skrócie
Czy handel agentowy faktycznie działa w zaopatrzeniu przemysłowym w 2026 roku?
Częściowo. Wspierane przez AI wyszukiwanie produktów jest realne, mierzalne i rośnie — Adobe odnotował w pierwszym kwartale 2026 roku wzrost ruchu z poleceń AI na strony amerykańskich sprzedawców detalicznych o 393% rok do roku, przy konwersji o 42% lepszej niż ruch spoza AI. Autonomiczna transakcja realna nie jest, zwłaszcza w zaopatrzeniu przemysłowym, gdzie dominują ceny kontraktowe, dowody zgodności i akceptacje wielu stron. Najwyraźniejszym dowodem jest wycofanie przez OpenAI usługi Instant Checkout w marcu 2026 roku, po tym jak uruchomiło ją około tuzina sprzedawców na Shopify: blokadą nie były możliwości agentów, lecz dane produktowe — nieaktualne, zescrapowane i błędne. Wiążącym ograniczeniem jest dokładność, nie autonomia.
Co dziś działa, a co nie
Handel agentowy w 2026 roku to dwa rynki występujące pod jedną nazwą — i zmierzające w przeciwnych kierunkach.
Wyszukiwanie produktów działa. Adobe zmierzył, że w pierwszym kwartale 2026 roku ruch z poleceń AI na strony amerykańskich sprzedawców detalicznych wzrósł o 393% rok do roku, w marcu konwertował o 42% lepiej niż ruch spoza AI i generował o 37% wyższy przychód na wizytę. Cokolwiek sądzić o towarzyszącym temu szumie, jest to kanał, który zachowuje się jak kanał.
Autonomiczna transakcja nie działa. Najbardziej pouczającym wydarzeniem roku nie była premiera, lecz wycofanie.
Czego naprawdę dowiódł odwrót od Instant Checkout?
OpenAI uruchomiło Instant Checkout 29 września 2025 roku i wycofało je 4 marca 2026 roku, formalizując tę zmianę we wpisie na blogu w dalszej części tego samego miesiąca. Własne wyjaśnienie firmy: pierwsza wersja „nie oferowała poziomu elastyczności, do jakiego dążymy”, więc sprzedawcy mieli korzystać z własnego procesu zakupowego, a OpenAI skupić się na wyszukiwaniu produktów.
Cała lekcja kryje się w szczegółach pod tym zdaniem.
| Tryb awarii | Dowody | O co naprawdę chodziło |
|---|---|---|
| Niemal brak podaży | Prezes Shopify powiedział, że usługę uruchomiło około tuzina spośród milionów sprzedawców na platformie | Koszt integracji przewyższył wykazaną wartość |
| Słaba konwersja | Walmart podał, że wskaźnik zakupów w czacie był około 3× niższy niż w sprzedaży z przekierowań | Czat był powierzchnią researchu, a nie powierzchnią zakupu |
| Błędne dane produktowe | Forrester ustalił, że silniki odpowiedzi opierają się na danych zescrapowanych ze stron albo na częściowych feedach, przez co pokazywały produkty niedostępne w magazynie oraz takie, których nigdy nie przeznaczono do tego kanału | Agent potrafił działać; dane nie były w stanie tego działania udźwignąć |
| Brak podstawowych mechanizmów handlowych | Sprzedawcy wskazywali na brak stanów magazynowych w czasie rzeczywistym, kodów promocyjnych, programów lojalnościowych i odbioru w sklepie | Handel to nie przycisk zakupu, tylko umowa |
Emily Pfeiffer i Sucharita Kodali z Forrestera ujęły ten strukturalny problem bez ogródek w marcu 2026 roku: zarządzanie stanami magazynowymi było „katastrofalnie nieobecne w planie”. Agenci nie halucynowali w interesującym tego słowa znaczeniu. Wiernie przekazywali katalog, który był zescrapowany, a nie podany u źródła — i przez to nieaktualny.
Na tym polega cała lekcja i da się ją uogólnić: agent dziedziczy dokładność danych, które dostaje, a potem działa na nich z prędkością maszyny. Błędna specyfikacja w pliku PDF leży bezczynnie, dopóki człowiek jej źle nie odczyta. Błędna specyfikacja w odpowiedzi agenta trafia na krótką listę, do oferty i do zestawienia materiałowego, zanim ktokolwiek to zauważy.
Gdzie w przemyśle przebiega granica między wyszukiwaniem a transakcją?
Agenci detaliczni działają, bo trzy rzeczy są publiczne i jednoznaczne: cena, stan magazynowy i SKU. Zaopatrzenie przemysłowe z założenia łamie wszystkie trzy.
| Założenie detaliczne | Realia przemysłowe | Konsekwencja dla agentów |
|---|---|---|
| Jedna opublikowana cena | Ceny kontraktowe, progi ilościowe, coroczne negocjacje, poufność | Agent podający cenę katalogową podaje kwotę, której nikt nie płaci |
| Aktualny stan magazynowy jednego SKU | Alokacja, magazyny regionalne, MOQ, MPQ, warunki bez anulowania / bez zwrotu | „Dostępne w magazynie” to nie fakt, lecz zgoda |
| Kupujący decyduje sam | Listy zatwierdzonych dostawców, akceptacja działu inżynierii, bramka zakupowa, QA | Uprawnienia zakupowe są rozproszone i podlegają audytowi |
| Produkt to po prostu produkt | Dowody zgodności — RoHS, REACH, UKCA/CE, minerały konfliktowe, kraj pochodzenia | Deklaracja jest częścią przedmiotu dostawy |
| Każdy zamiennik się nada | Równoważność form-fit-function, koszt kwalifikacji, status cyklu życia | „Podobna część” to wada, a nie pomocna sugestia |
Z danych Deloitte wynika, że mniej niż jedna czwarta dostawców B2B w ogóle korzysta z technologii agentowej AI. To nie jest zachowawczość dla samej zachowawczości — tych podstawowych mechanizmów naprawdę jeszcze nie ma.
Dlatego użytecznym pytaniem przemysłowym w 2026 roku nie jest „czy agent kupi ode mnie?”, lecz „czy agent poprawnie odczyta moją specyfikację?” Pierwsze jest spekulacją. Drugie dzieje się już teraz, niezależnie od tego, czy bierzesz w tym udział.
Co zatem naprawdę działa w zaopatrzeniu przemysłowym?
Po odsianiu demonstracji realną przyczepność ma cztery wzorce, a wszystkie łączy jedna cecha: agent tworzy propozycję, którą zatwierdza człowiek.
- 01Wyszukiwanie świadome umów. Asystent, który widzi wynegocjowany katalog i cennik konkretnego klienta i odpowiada na pytanie „ile za to płacimy i czy możemy to dostać” bez wykonywania telefonu. To najbardziej wartościowe zastosowanie w krótkim horyzoncie i jednocześnie to najmocniej blokowane przez kwestie autoryzacji, a nie przez samą AI.
- 02Zamienniki w warunkach niedoboru. Gdy część trafia na alokację, znalezienie zgodnych, zakwalifikowanych zamienników u różnych producentów to dokładnie ten rodzaj wielowymiarowego filtrowania, w którym maszyny są dobre, a ludzie powolni. Działa dokładnie w takim stopniu, w jakim relacje równoważności są publikowane, a nie wnioskowane.
- 03Składanie ofert i dokumentacji do zatwierdzenia. Przekształcanie specyfikacji, rysunku lub zestawienia materiałowego w wycenioną, udokumentowaną odpowiedź. To praca polegająca na syntezie dokumentów, a nie na ocenie, i to tutaj księgowana jest dziś większość mierzalnych oszczędności czasu.
- 04Propozycje ponownych zamówień i uzupełnień zapasów. Sugestie oparte na zużyciu, które trafiają do istniejącego obiegu akceptacji, zamiast go omijać.
Zwróć uwagę, że żaden z tych przypadków nie wymaga, by agent dysponował danymi płatniczymi, a wszystkie cztery wymagają dokładnych, ustrukturyzowanych danych produktowych. Tak wygląda faktyczny graf zależności tego rynku — i jest on niemal odwrotnością tego, w jaki sposób ten rynek się sprzedaje.
Przydatny test, gdy dostawca oferuje firmie przemysłowej „handel agentowy”: zapytaj, który z tych czterech przypadków realizuje, a potem zapytaj, skąd biorą się dane. Jeśli odpowiedzią jest crawler, sprzedaje Ci się to, co poległo w marcu.
Kontrargument, postawiony rzetelnie
Gartner przewiduje, że do końca 2027 roku anulowanych zostanie ponad 40% projektów agentowej AI, wskazując na rosnące koszty, niejasną wartość biznesową i niewystarczające mechanizmy kontroli ryzyka. To najbardziej użyteczna liczba w tej dziedzinie i zasługuje na potraktowanie serio, a nie na zbycie machnięciem ręki.
Ale przeczytaj, czego ta prognoza dotyczy. Zapowiada porażkę projektów budowy agentów, a nie zniknięcie popytu pośredniczonego przez agentów. To dwie rozdzielne rzeczy, a wniosek strategiczny jest niemal odwrotny od intuicyjnego:
- Budowa autonomicznego agenta zakupowego w 2026 roku to prawdopodobnie kolejna pozycja w statystyce Gartnera.
- Brak przygotowania katalogu do odczytu maszynowego w 2026 roku to utrata specyfikacji, którą zaksięgujesz w 2028 roku.
Drugie ryzyko taniej jest ograniczyć i trudniej odwrócić.
Co musiałoby zaistnieć, by zakupy stały się w pełni agentowe?
Sześć warunków wstępnych, mniej więcej w kolejności zależności. Żaden nie jest egzotyczny; wszystkie są niedokończone.
- 01Kanoniczny, zweryfikowany rekord produktowy. Parametry, status cyklu życia i dowody zgodności w jednym miejscu, wersjonowane, z informacją o pochodzeniu. Wszystko inne jest tego pochodną — dlatego Instant Checkout poległ już na pierwszym kroku.
- 02Uwierzytelniony dostęp uwzględniający uprawnienia. Agent działający w imieniu konkretnego klienta musi widzieć cenę kontraktową i alokację tego klienta — i niczyją inną. To problem autoryzacji i najtrudniejszy nierozwiązany element układanki.
- 03Weryfikowalna tożsamość agenta. Operatorzy serwerów muszą wiedzieć, który agent się z nimi łączy i w czyim imieniu. Web Bot Auth oraz prace nad podpisanymi agentami, toczące się obecnie w IETF, są wiarygodną ścieżką.
- 04Warstwa mandatu i intencji. Podpisane mandaty intencji, koszyka i płatności w AP2 — przekazanym FIDO Alliance w kwietniu 2026 roku, z wydaniem v0.2 dodającym transakcje „bez obecności człowieka” — istnieją po to, by wytworzyć odporny na manipulację zapis tego, co człowiek faktycznie autoryzował.
- 05Wyznaczona polityka handlowa dla tego kanału. Uwaga Forrestera o planowaniu asortymentu odnosi się tu wprost: trzeba zdecydować, które części, ceny i stany magazynowe są dostępne dla agentów, zamiast pozwalać, by decydował o tym crawler.
- 06Model odpowiedzialności. Gdy agent wskaże część, która nie przejdzie kwalifikacji, kto to poniesie — producent, którego dane były błędne, dystrybutor, który je udostępnił, czy dostawca modelu, który je sparafrazował? Żaden standard dziś na to nie odpowiada, a działy zakupów nie zautomatyzują niczego ponad nierozstrzygniętą kwestię odpowiedzialności odszkodowawczej.
Kroki 1 i 5 leżą w całości w gestii dostawcy. Kroki 3, 4 i 6 to praca całej branży. Krok 2 to miejsce, w którym pojawi się kreatywność handlowa.
Co robić w międzyczasie
Możliwą do obrony pozycją w 2026 roku jest czytelność dla agentów przy transakcji po stronie człowieka: pozwól maszynom dokładnie odnajdywać, porównywać i weryfikować Twoje części, a samo zobowiązanie zatrzymaj na własnych torach.
Oznacza to serwowanie czytelnej strony katalogowej klientom niebędącym przeglądarkami — gdy Partsgraph zbadał w sierpniu 2026 roku 984 domeny dystrybutorów i producentów na całym świecie, 38% tego nie robiło, a mediana wyniku widoczności w AI wyniosła 50 na 100. Oznacza publikowanie statusu cyklu życia i danych o zgodności jako pól strukturalnych, a nie w postaci plików PDF. Oznacza monitorowanie tego, co asystenci faktycznie mówią o Twoich częściach, bo pewna siebie błędna odpowiedź jest gorsza niż brak odpowiedzi. I oznacza udostępnienie odpytywalnego punktu końcowego agentom, które zapytają wprost: MCP osiągnął na marzec 2026 roku około 97 milionów pobrań SDK miesięcznie i podlega dziś neutralnemu nadzorowi Linux Foundation, więc pytanie o warstwę interfejsu jest praktycznie rozstrzygnięte.
Niewygodne podsumowanie brzmi tak: branża spędziła rok 2025 i początek 2026 na sporze o to, czy agenci będą kupować, i walkowerem przegrała spór o większych konsekwencjach. Agenci już teraz odpowiadają na pytania o specyfikacje części przemysłowych. Większość tych odpowiedzi jest składana z zescrapowanych, niepełnych i nieaktualnych danych — dokładnie ta awaria, która pogrzebała Instant Checkout, cicho powielana w każdym katalogu, którego nie naprawiono.
Bezpłatna ocena pod adresem [/audit](/audit) pokazuje, co maszyna odczytuje dziś z Twojego katalogu i gdzie myli się co do Twoich części.
Najczęstsze pytania
Dlaczego Instant Checkout od OpenAI poniósł porażkę?
Złożyły się na to trzy wzajemnie wzmacniające się powody. Adopcja była znikoma — prezes Shopify powiedział, że usługę uruchomiło tylko około tuzina spośród milionów sprzedawców na platformie. Konwersja była słaba — Walmart podał, że wskaźnik zakupów w czacie był mniej więcej trzykrotnie niższy niż w sprzedaży z przekierowań. A dane u podstaw były błędne: z analizy Forrestera wynikało, że silniki odpowiedzi opierają się na danych zescrapowanych ze stron albo na częściowych feedach od sprzedawców, przez co pokazywały produkty niedostępne w magazynie oraz takie, których nigdy nie przeznaczono do tego kanału. Samo OpenAI ujęło to tak, że pierwsza wersja nie miała oczekiwanej elastyczności, więc firma pozwoli sprzedawcom korzystać z własnego procesu zakupowego, a sama skupi się na wyszukiwaniu produktów.
Czy to znaczy, że handel agentowy jest martwy?
Nie, a traktowanie tego odwrotu jako wyroku na agentów to błędne odczytanie sytuacji. OpenAI nie porzuciło handlu; wycofało się do warstwy, która działała — wyszukiwania produktów — i oddało transakcję z powrotem sprzedawcom. To racjonalna reakcja na problem z danymi, a nie na problem z możliwościami. Wolumeny w warstwie wyszukiwania rosły przez cały ten okres.
Czym różnią się ACP, AP2 i MCP?
Działają na różnych warstwach. MCP, przekazany przez Anthropic fundacji Agentic AI Foundation przy Linux Foundation w grudniu 2025 roku, opisuje, w jaki sposób agent wywołuje narzędzie lub odpytuje system. Agent Payments Protocol (AP2) od Google, ogłoszony we wrześniu 2025 roku z ponad 60 partnerami startowymi i przekazany FIDO Alliance w kwietniu 2026 roku, opisuje, w jaki sposób autoryzuje się płatność wraz z weryfikowalnym zapisem intencji użytkownika. Agentic Commerce Protocol (ACP), utrzymywany przez OpenAI i Stripe na licencji Apache 2.0, opisuje, w jaki sposób dochodzi do sfinalizowania zakupu między agentem a sprzedawcą. MCP można wdrożyć bez dotykania któregokolwiek ze standardów płatniczych i właśnie od tego powinna zacząć większość dostawców przemysłowych.
Dlaczego zaopatrzenie przemysłowe jest dla agentów trudniejsze niż detal?
Ponieważ w transakcji przemysłowej niemal nic nie jest publiczne. Cena jest negocjowana i zależna od umowy; dostępność zależy od alokacji; kupujący może potrzebować sprawdzenia na liście zatwierdzonych dostawców, deklaracji zgodności i dwóch wewnętrznych akceptacji, zanim cokolwiek da się zamówić. Agenci detaliczni działają, bo cena, stan magazynowy i SKU są publiczne i jednoznaczne. Usuń te trzy warunki, a agent nie ma na czym działać — i dokładnie w takim stanie jest dziś większość katalogów przemysłowych.
Co wynika z prognozy Gartnera o anulowanych projektach?
Gartner spodziewa się, że do końca 2027 roku anulowanych zostanie ponad 40% projektów agentowej AI, wskazując na rosnące koszty, niejasną wartość biznesową i niewystarczające mechanizmy kontroli ryzyka. To pożyteczna korekta, ale warto zauważyć, czego dotyczy: porażki wewnętrznych projektów budowy agentów, a nie porażki zewnętrznego popytu pośredniczonego przez agentów. Dostawca może mieć całkowitą rację, że budowa autonomicznego agenta zakupowego jest przedwczesna, i mimo to tracić dziś specyfikacje, bo asystenci nie potrafią odczytać jego katalogu.
Czy dostawca przemysłowy powinien już teraz zbudować punkt końcowy MCP?
Jeśli ma kanoniczny rekord produktowy — tak; to niewielki nakład pracy o asymetrycznym zwrocie, a MCP wyraźnie wygrał jako warstwa interfejsu, z około 97 milionami pobrań SDK miesięcznie na marzec 2026 roku. Jeśli kanonicznego rekordu nie ma, zbudowanie w pierwszej kolejności punktu końcowego jedynie szybciej wystawi problemy z danymi na widok szerszej publiczności. Najpierw uporządkuj rekord, potem go udostępnij.
Jaka jest realistyczna korzyść handlowa w krótkim horyzoncie?
Bycie źródłem, które maszyna cytuje w momencie podejmowania decyzji specyfikacyjnej, oraz bycie osiągalnym, gdy asystent kupującego potrzebuje na krótki termin zgodnego zamiennika. W przemyśle jedno i drugie warte jest więcej niż w detalu, bo koszyk jest większy, a koszt zmiany po zaprojektowaniu części w produkt — wysoki. Żadna z tych korzyści nie wymaga, by agent dysponował Twoimi danymi płatniczymi.
Źródła
- 01Forrester, What It Means That The Leader In Agentic Commerce Just Pulled Back (7 March 2026)
- 02Modern Retail, What went wrong with ChatGPT's Instant Checkout
- 03CNBC, OpenAI revamps shopping experience in ChatGPT after Instant Checkout (24 March 2026)
- 04Forbes, Why OpenAI's Checkout Retreat Spells Trouble For Its Commerce Strategy (10 March 2026)
- 05TechCrunch, AI traffic to US retailers rose 393% in Q1 (16 April 2026)
- 06Gartner, Over 40% of agentic AI projects will be canceled by end of 2027 (25 June 2025)
- 07Digital Commerce 360, Agentic commerce faces reality check in B2B ecommerce (10 March 2026)
- 08Model Context Protocol, MCP joins the Agentic AI Foundation (9 December 2025)
- 09Google Cloud, Announcing the Agent Payments Protocol (AP2), 16 September 2025
- 10Google, Agent Payments Protocol donated to the FIDO Alliance (28 April 2026)
- 11Agentic Commerce Protocol specification (OpenAI and Stripe)
Zobacz dokładnie, co asystenci AI potrafią dziś odczytać z Twoich produktów, a czego nie — polityka wobec robotów indeksujących, pokrycie katalogu, dostęp do kart katalogowych — wraz z oceną i porównaniem z 984 dystrybutorami i producentami z całego świata.
Oceń mój katalogPowiązane notatki z terenu
Jak specyfikacja przez AI zmieniła zakupy B2B
Inżynierowie i kupcy pytają dziś asystenta, zanim wejdą na stronę dostawcy. Co to oznacza dla specyfikowania, …
RynekJak inżynierowie dobierają komponenty z pomocą AI w 2026
Dobór komponentów z AI jest już niemal powszechny, ale inżynier i tak sprawdza kartę katalogową. Co producent …
RynekSieć agentowa a przemysłowe dane produktowe
Internet dzieli się na warstwę dla ludzi i warstwę dla maszyn. Ekonomia crawl-to-refer, bramki opłat Cloudflar…