# Jak specyfikacja przez AI zmieniła zakupy B2B

> Inżynierowie i kupcy pytają dziś asystenta, zanim wejdą na stronę dostawcy. Co to oznacza dla specyfikowania, rejestracji projektu i kreowania popytu.

**Language:** pl  
**Published:** 2026-08-09  
**Category:** Market · **Tags:** B2B buying, specification, design registration, distribution, AI search, demand creation  
**Canonical:** https://partsgraph.ai/pl/blog/how-b2b-buying-changed-ai-specification

## W skrócie

**Jak AI zmieniła ścieżkę zakupową B2B i sposób, w jaki specyfikuje się produkty?**

Pierwsza runda oceny dostawców przeniosła się ze stron dostawców do asystentów AI. Forrester ustalił, że 94% kupujących biznesowych korzysta dziś z AI na którymś etapie procesu zakupowego oraz że dwukrotnie więcej z nich wskazało generatywną AI lub wyszukiwanie konwersacyjne jako bardziej znaczące źródło informacji niż cokolwiek innego — przed stronami dostawców, ekspertami produktowymi i sprzedażą. Praktyczna konsekwencja jest taka, że krótka lista często powstaje, zanim dostawca w ogóle dowie się o istnieniu szansy sprzedażowej, na podstawie tego, co asystent zdoła wyczytać o jego częściach. Specyfikowanie zależy więc dziś od czytelnej maszynowo dokładności danych, a nie od zasięgu relacji, a wartość trafia do tego, kto dostarcza dane cytowane przez maszynę.

---

## Co się właściwie zmieniło?

Zmiana nie polega na tym, że kupujący korzystają z AI. Polega na tym, w którym momencie procesu z niej korzystają.

Przez trzydzieści lat przemysłowa ścieżka zakupowa zaczynała się od wyszukiwarki, strony dystrybutora, katalogu albo przedstawiciela, a kończyła krótką listą. Zadaniem dostawcy była obecność na samym początku — przez SEO, przez dystrybucję autoryzowaną, przez inżynierów aplikacyjnych siedzących ramię w ramię z konstruktorami. Wczesna obecność przekładała się na późniejsze rozważenie oferty.

> **Figure.** Where the shortlist is set in B2B buying, and why the deciding step is invisible to vendors.

Ta kolejność się odwróciła. Kupujący zaczyna dziś od asystenta, dochodzi do krótkiej listy i dopiero potem trafia na jakąkolwiek powierzchnię dostawcy — zwykle po to, by zweryfikować decyzję, która już została zawężona. Analiza Forrestera ze stycznia 2026 roku wykazała, że 94% kupujących biznesowych korzysta z AI na którymś etapie procesu zakupowego, wobec 89% rok wcześniej, oraz — co ważniejsze niż sam nagłówek — że dwukrotnie więcej kupujących wskazało generatywną AI lub wyszukiwanie konwersacyjne jako *bardziej znaczące lub ważniejsze* źródło informacji niż jakiekolwiek inne, wyprzedzając strony dostawców, ekspertów produktowych i handlowców.

Warto to przeczytać uważnie. Rzecz nie w tym, że AI jest jednym z wielu kanałów. Rzecz w tym, że AI wyparła kanały, które branża budowała przez dekady.

## Gdzie tak naprawdę odbywa się dziś ocena?

Trzy zestawy danych opisują tę samą zmianę z trzech różnych stron.

| Pomiar | Wynik | Co z tego wynika |
| --- | --- | --- |
| Forrester, kupujący biznesowi, styczeń 2026 | 94% korzysta z AI w procesie zakupowym; 61% używa prywatnych narzędzi AI udostępnionych przez pracodawcę; kupujący są ~2× bardziej skłonni niż konsumenci sięgnąć po ChatGPT i ~4× bardziej po Copilota | Duża część oceny odbywa się wewnątrz firmowych wdrożeń, których nie da się oprzyrządować |
| SparkToro, wyszukiwania w Google w USA, początek 2026 | 68% kończy się bez kliknięcia; do otwartej sieci trafia ~276 kliknięć na 1000 wyszukiwań, wobec 374 w 2024 roku | Strony są coraz częściej czytane i streszczane przez maszyny, a nie odwiedzane |
| Adobe, amerykańskie serwisy detaliczne, I kwartał 2026 | Ruch z poleceń AI wyższy o 393% rok do roku; w marcu konwertował o 42% lepiej niż ruch spoza AI; przychód na wizytę wyższy o 37% | Ruch z AI jest niewielki w liczbach bezwzględnych, ale wyjątkowo wysoko intencyjny |

Dane Adobe dotyczą handlu detalicznego, a zakupy przemysłowe to nie detal. Ale mechanizm, który odsłaniają, jest niezależny od kanału: kiedy filtrowanie wykonuje asystent, wizyta, która po nim następuje, jest *decyzją*, a nie przeglądaniem. Adobe ustaliło również, że tacy odwiedzający spędzali na stronie o 48% więcej czasu i oglądali o 13% więcej podstron. Mniej wizyt, później, lepiej zakwalifikowanych — i całkowicie zależnych od tego, czy asystent wybrał właśnie Ciebie.

Skala tego zjawiska nie jest marginalna. OpenAI podało w lutym 2026 roku ponad 900 milionów tygodniowo aktywnych użytkowników ChatGPT. Niezależnie od tego, jaka ich część to inżynierowie sprawdzający numer katalogowy, jest to populacja większa niż ta, do której kiedykolwiek dotarła terenowa organizacja jakiegokolwiek dystrybutora.

## Dlaczego uderza to w specyfikowanie mocniej niż w marketing?

Ponieważ to na specyfikowaniu powstaje realna marża w przemyśle, a jednocześnie specyfikacja jest wyjątkowo podatna na wpływ maszyny.

Lejek marketingowy degraduje się łagodnie, gdy któryś kanał słabnie. Specyfikacja się nie degraduje — ona się rozstrzyga. Część albo jest na liście materiałowej (BOM), albo jej nie ma, a gdy już się na niej znajdzie, jej usunięcie jest kosztowne. Cykle design-in trwające od 12 do 36 miesięcy sprawiają, że decyzję i przychód dzielą lata.

Tradycyjnym mechanizmem przechwytywania tej wartości jest rejestracja projektu (design registration): dostawca wynagradza dystrybutora, którego inżynier aplikacyjny doprowadził do wpisania części do produktu klienta, zwykle dodatkową marżą, ochroną cenową albo wyłącznością dostaw na danym programie. Cały ten aparat — umowy autoryzacyjne, cele kreowania popytu, etaty inżynierów aplikacyjnych — istnieje po to, by odpowiedzieć na jedno pytanie: *kto spowodował ten design-in?*

Specyfikacja prowadzona przez asystenta psuje nie odpowiedź, lecz samo pytanie. Jeśli konstruktor opisuje asystentowi wymaganie, otrzymuje trzy kandydujące części wraz z parametrami i rejestruje projekt na jedną z nich, to żaden inżynier terenowy nie wykreował tego popytu. Wykreowały go dane. A nikt nie ustalił, jak rozliczać dane.

Ten mechanizm już wcześniej był napięty. Rejestracja projektu od dawna zawodziła, gdy klient zlecał produkcję producentowi kontraktowemu, ponieważ projekt powstaje w jednym miejscu, a zamówienie pojawia się zupełnie gdzie indziej — rejestracja utrzymuje się na papierze, podczas gdy logika handlowa się rozłazi. Krótkie listy układane przez maszyny wywołują to samo napięcie na początku procesu, a nie na jego końcu. Dystrybutor, który zainwestował w dane, niekoniecznie jest tym, który utrzymuje relację, a producent, którego parametry były czytelne, mógł w ogóle nigdy nie zostać zaangażowany.

## Co decyduje o tym, czy Twoja część pojawi się w odpowiedzi?

Warto mówić o tym mechanizmie konkretnie, bo większość zespołów handlowych rozumuje o nim tak, jakby był rankingiem.

Asystent odpowiadający na pytanie o specyfikację robi z grubsza cztery rzeczy: interpretuje wymaganie jako zestaw ograniczeń, pobiera kandydujące rekordy, filtruje je względem tych ograniczeń, a następnie uzasadnia te, które przetrwały. Część może zostać wyeliminowana na każdym z tych czterech etapów, a tylko ostatni przypomina cokolwiek, co zespół marketingu wcześniej optymalizował.

| Etap | Co eliminuje Twoją część | Czyj to problem |
| --- | --- | --- |
| Wyszukanie rekordu | Nie istnieje żaden rekord czytelny maszynowo albo strona zwraca pustkę klientowi innemu niż przeglądarka | Inżynierii, nie marketingu |
| Filtrowanie po ograniczeniach | Parametru wskazanego przez kupującego — klasy temperaturowej, obudowy, certyfikacji, statusu cyklu życia — brakuje w Twoim rekordzie, więc zgodności części nie da się potwierdzić i część wypada | Danych produktowych |
| Ujednoznacznienie | Twój numer katalogowy rozstrzyga się niespójnie pomiędzy Twoją własną stroną, listingiem dystrybutora i kartą katalogową, więc asystent nie potrafi ustalić, który rekord jest wiarygodny | Zarządzania danymi |
| Uzasadnienie | Rekord istnieje i jest spójny, ale nie towarzyszą mu żadne dowody — brak warunków pomiaru, brak wersji, brak źródła | Dokumentacji |

Drugi wiersz to cichy zabójca. Asystent zapytany o część w klasie AEC-Q100 Grade 1 nie uwzględni komponentu, którego statusu kwalifikacji nie potrafi zweryfikować. Nie zgłasza tego wykluczenia i nie stawia zastrzeżeń. Brak danych traktowany jest jako brak cechy — co jest zachowaniem poprawnym dla ostrożnego narzędzia i katastrofalnym w skutkach dla dostawcy, którego część w rzeczywistości spełnia wymagania.

## Kto przechwytuje wartość, gdy krótką listę układa maszyna?

| Strona | Dawne źródło przewagi | Co przetrwa | Co ulega erozji |
| --- | --- | --- | --- |
| Producent komponentów | Preferencja marki plus zasięg inżynierów aplikacyjnych poprzez dystrybucję | Posiadanie kanonicznego rekordu parametrycznego — producent jest jedynym wiarygodnym źródłem danych o własnych częściach | Poleganie na dystrybucji w niesieniu przekazu; asystent czyta tego, kto jest najbardziej czytelny, a nie tego, kto ma autoryzację |
| Dystrybutor autoryzowany | Obecność w terenie, rejestracja projektu, lokalne stany magazynowe | Znormalizowane dane wielu producentów, realne stany magazynowe i terminy dostaw, ceny kontraktowe — rzeczy, których pojedynczy producent nie zaoferuje | Kreowanie popytu rozliczane po kontakcie z człowiekiem; wyróżnik oparty wyłącznie na relacjach |
| Dystrybutor katalogowy | Widoczność w wyszukiwarce i szerokość oferty | Ustrukturyzowana, przeszukiwalna szerokość oferty; bycie źródłem najłatwiejszym do uzgodnienia dla maszyny | Ekonomika płatnych wyników wyszukiwania, bo kliknięcie, które kiedyś przychodziło, zostaje obsłużone w asystencie |
| CEM / producent kontraktowy | Siła zakupowa na zatwierdzonych zamiennikach | Logika zatwierdzonych dostawców zakodowana w narzędziach | Niewiele — CEM-y zyskują na lepszych, czytelnych maszynowo danych o zamiennikach |

Wzorzec jest spójny: przewaga przesuwa się od *tego, kogo znasz*, do *tego, co maszyna potrafi zweryfikować w Twoich częściach*. To niewygodny wniosek dla organizacji, których fosą konkurencyjną jest struktura terenowa, i realne otwarcie dla każdego, kto ma dobre dane i nie ma struktury terenowej w ogóle.

## Czy to zerwanie ciągłości, czy tylko nowy kanał?

Uczciwa odpowiedź brzmi tak: zmiana w wyszukiwaniu jest dobrze udokumentowana, a zmiana w transakcji nie jest.

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. Ta prognoza dobrze się zestarzała: OpenAI wycofało w marcu 2026 roku własną usługę Instant Checkout po tym, jak uruchomiło ją około tuzina sprzedawców na Shopify, a Deloitte podaje, że z technologii agentowej AI korzysta w ogóle mniej niż jedna czwarta dostawców B2B.

Zakupy przemysłowe mają dodatkowe tarcia, których detal nie zna. Ceny kontraktowe są negocjowane i poufne. W akceptacjach bierze udział 13 interesariuszy wewnętrznych i 9 zewnętrznych osób wpływających, których naliczył Forrester, przy czym dział zakupów występuje jako decydent w 53% cykli. Dokumentacja zgodności — RoHS, REACH, minerały konfliktowe, deklaracje UKCA i CE — musi zostać dołączona do decyzji, a nie tylko w niej zadeklarowana.

Nic z tego nie powstrzymuje asystenta przed ułożeniem krótkiej listy. Powstrzymuje go przed złożeniem zamówienia. To dwa różne twierdzenia, a ich mylenie jest najczęstszym błędem na tym rynku.

## Co powinien z tym zrobić producent albo dystrybutor?

1. **Sprawdź, co asystenci mówią dziś o Twoich częściach.** Zadaj pięć faktograficznych pytań o znanych odpowiedziach, dotyczących pięciu realnych numerów katalogowych, w trzech różnych asystentach. Większość zespołów odkrywa konkretny, możliwy do poprawienia błąd w niecałe dwadzieścia minut.
2. **Pobierz własne strony katalogowe zwykłym klientem innym niż przeglądarka.** Gdy Partsgraph zbadał w sierpniu 2026 roku 984 domeny dystrybutorów i producentów na całym świecie, 38% nie zwróciło standardowemu klientowi nieprzeglądarkowemu żadnej czytelnej strony katalogowej, a mediana wskaźnika widoczności dla AI wyniosła 50 na 100. Najczęstszą pojedynczą przyczyną jest renderowanie po stronie klienta.
3. **Ustanów jeden rekord kanonicznym.** Parametry rozproszone pomiędzy PIM, kartę katalogową w PDF i system ERP dadzą trzy różne odpowiedzi. Asystent zacytuje tę wersję, którą znalazł, nie informując nikogo, którą.
4. **Publikuj status zgodności i cyklu życia jako dane, a nie jako dokumenty.** Wycofanie z produkcji, daty ostatniego zamówienia (last-time-buy) i dopuszczenia regionalne to pola, które najczęściej bywają błędne w odpowiedzi asystenta i których błąd najczęściej okazuje się komercyjnie zabójczy.
5. **Daj agentom bezpośrednią drogę.** Microchip opublikował w listopadzie 2025 roku oficjalny serwer Model Context Protocol, udostępniający klientom AI zweryfikowane specyfikacje produktów, karty katalogowe, stany magazynowe, ceny i terminy dostaw. Lista pozostaje uderzająco krótka — w tym samym audycie z sierpnia 2026 roku ani jedna z 984 domen nie ogłaszała punktu końcowego MCP.
6. **Napisz na nowo zasady kreowania popytu, zanim zrobi to Twój kanał.** Jeśli rejestracja projektu nie potrafi rozliczyć specyfikacji powstałej z udziałem maszyny, dystrybutorzy przestaną inwestować w dane, które ją wytwarzają, a problem odziedziczy producent.

## To, co się kumuluje

Nie ma wiarygodnego scenariusza, w którym kupujący wracają do otwierania dwunastu zakładek. Gdy asystent raz poprawnie odpowie na pytanie o specyfikację, staje się domyślnym źródłem dla całej tej klasy pytań, a domyślne wybory same się wzmacniają: odpowiedź, która bywa cytowana, zostaje utrwalona, a dostawca, który jest czytelny, bywa cytowany.

Opóźnienie tylko to pogarsza. Specyfikacja wygrana w 2026 roku wraca jako przychód w 2028. To znaczy, że firmy, które w 2028 roku odkryją, iż ich wskaźnik design-inów po cichu spadł, będą patrzeć na decyzje o jakości danych podjęte dwa lata wcześniej, przez nikogo konkretnego, w systemie, którego nikt nie był właścicielem.

*Jeśli chcesz wiedzieć, co asystenci mówią dziś o Twoim katalogu, bezpłatny grader pod adresem [/audit](/audit) sprawdza, jak faktycznie czyta go maszyna.*

## Najczęstsze pytania

### Czy zakupy wspierane przez AI faktycznie eliminują rozmowę handlową?

Nie — przesuwają ją w czasie i zawężają. Prace Forrestera z 2026 roku opisują decyzje zakupowe angażujące około 13 interesariuszy wewnętrznych i 9 zewnętrznych osób wpływających, przy czym dział zakupów występuje jako decydent w 53% cykli. Ci ludzie nadal się spotykają, nadal negocjują i nadal żądają referencji. Zmieniło się to, że na pierwszą rozmowę przychodzą z już uformowaną krótką listą. Rozmowa handlowa toczy się teraz na zestawie założeń, których Twój zespół nie dostarczył i których może nawet nie widzieć.

### Czy to tylko konsumencki szum wokół zakupów z AI przeniesiony na przemysł?

Zmiana w wyszukiwaniu jest dobrze udokumentowana po obu stronach. Adobe zmierzyło w pierwszym kwartale 2026 roku wzrost ruchu z poleceń AI na amerykańskie strony detaliczne o 393% rok do roku, przy konwersji w marcu o 42% lepszej niż ruch spoza AI. Dane Forrestera dla B2B pokazują analogiczne przesunięcie w zakupach biznesowych. Nieudokumentowana pozostaje autonomiczna transakcja przemysłowa — Deloitte podaje, że z technologii agentowej AI korzysta w ogóle mniej niż jedna czwarta dostawców B2B. Traktuj wyszukiwanie jako realne, a transakcję jako spekulację.

### Czym jest rejestracja projektu i dlaczego zagraża jej specyfikacja przez AI?

Rejestracja projektu (design registration) to mechanizm, którym dostawca komponentów wynagradza dystrybutora, dzięki któremu jego część trafiła do projektu produktu klienta — zwykle dodatkową marżą, ochroną cenową albo wyłącznością dostaw na danym programie. Wynagradza kreowanie popytu, czyli czas inżyniera aplikacyjnego poświęcony na wpłynięcie na projekt. Jeśli asystent proponuje krótką listę, zanim zaangażuje się jakikolwiek człowiek, popyt wykreowały dane, a nie praca w terenie. Nikt jak dotąd nie uzgodnił, jak to rozliczać.

### Którzy kupujący korzystają z jakich narzędzi AI?

Forrester ustalił, że 61% kupujących biznesowych korzysta z prywatnych narzędzi AI udostępnianych przez własną organizację, że kupujący są mniej więcej dwa razy bardziej skłonni niż konsumenci sięgnąć po ChatGPT i cztery razy bardziej po Microsoft Copilot oraz że ponad połowa użytkowników ChatGPT i Copilota pracuje za firewallem własnej firmy. Ten ostatni punkt ma znaczenie handlowe: duża część oceny odbywa się wewnątrz wdrożeń korporacyjnych, których nie da się oprzyrządować, których nie widać w analityce i do których nie da się kierować remarketingu.

### Skoro wyszukiwania kończą się bez kliknięcia, czy treści w sieci wciąż mają znaczenie?

Mają większe znaczenie, nie mniejsze — ale z innego powodu. SparkToro zmierzyło, że na początku 2026 roku 68% amerykańskich wyszukiwań w Google kończyło się bez kliknięcia, a do otwartej sieci trafiało około 276 kliknięć na 1000 wyszukiwań, wobec 374 w 2024 roku. Twoje strony nie są już przede wszystkim źródłem ruchu; są podłożem treningowym i wyszukiwawczym, które przesądza o treści odpowiedzi. Publikujesz po to, by być cytowanym, a nie odwiedzanym.

### Czy dystrybutorzy powinni się martwić, czy to dla nich szansa?

Jedno i drugie, a linia podziału przebiega przez dane. Dystrybutor dysponujący dokładnymi, znormalizowanymi danymi parametrycznymi wielu producentów, z realnymi stanami magazynowymi i terminami dostaw, to dokładnie to, czego potrzebuje asystent, a czego pojedynczy producent nie zapewni. Dystrybutor, którego wyróżnikiem jest obecność w terenie i głębokość relacji, jest bardziej narażony, bo maszyna nie odbiera telefonów. Aktywem, które przetrwa, jest katalog, a nie mapa zasięgu.

### Jak szybko to się rozegra?

Wolniej, niż sugerują wykresy ruchu, i szybciej, niż dopuszczają cykle zakupowe. Przemysłowe cykle design-in trwają od 12 do 36 miesięcy, więc część wyspecyfikowana przez asystenta w 2026 roku pojawia się jako przychód w 2028. To opóźnienie jest właśnie problemem strategicznym: zanim efekt przychodowy stanie się widoczny w Twoich liczbach, decyzje specyfikacyjne, które go wytworzyły, będą miały trzy lata i zapadły w oparciu o to, co mówiły wtedy Twoje dane.

## Źródła

1. [Forrester, B2B Buyers Make Zero-Click Buying Number One (22 January 2026)](https://www.forrester.com/blogs/b2b_buyers_make_zero_click_buying_number_one/)
2. [Forrester, 2026 Buyer Insights: GenAI Is Upending B2B Buying (press release, 21 January 2026)](https://www.forrester.com/press-newsroom/forrester-2026-the-state-of-business-buying/)
3. [SparkToro, In 2026, Less than One Third of Google Searches Still Send a Click](https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/)
4. [Adobe, Generative AI-powered shopping rises with traffic to US retail sites (Q1 2026)](https://business.adobe.com/blog/generative-ai-powered-shopping-rises-with-traffic-to-retail-sites)
5. [TechCrunch, AI traffic to US retailers rose 393% in Q1 (16 April 2026)](https://techcrunch.com/2026/04/16/ai-traffic-to-us-retailers-rose-393-in-q1-and-its-boosting-their-revenue-too/)
6. [Search Engine Land, OpenAI: ChatGPT now has 900 million weekly active users](https://searchengineland.com/chatgpt-900-million-weekly-active-users-470492)
7. [EE Times, The Inside Story About Demand Creation and Design Registration](https://www.eetimes.com/the-inside-story-about-demand-creation-and-design-registration/)
8. [Digital Commerce 360, Agentic commerce faces reality check in B2B ecommerce (10 March 2026)](https://www.digitalcommerce360.com/2026/03/10/agentic-commerce-faces-reality-check-in-b2b-ecommerce/)
9. [Gartner, Over 40% of agentic AI projects will be canceled by end of 2027 (25 June 2025)](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027)
10. [Microchip Technology, Microchip unveils Model Context Protocol (MCP) Server (6 November 2025)](https://ir.microchip.com/news-events/press-releases/detail/1344/microchip-technology-unveils-model-context-protocol-mcp-server-to-power-ai-driven-product-data-access)

## Other languages

- English: https://partsgraph.ai/blog/how-b2b-buying-changed-ai-specification/md
- Deutsch: https://partsgraph.ai/de/blog/how-b2b-buying-changed-ai-specification/md
- Français: https://partsgraph.ai/fr/blog/how-b2b-buying-changed-ai-specification/md
- Español: https://partsgraph.ai/es/blog/how-b2b-buying-changed-ai-specification/md
- Italiano: https://partsgraph.ai/it/blog/how-b2b-buying-changed-ai-specification/md
- Nederlands: https://partsgraph.ai/nl/blog/how-b2b-buying-changed-ai-specification/md
- Português: https://partsgraph.ai/pt/blog/how-b2b-buying-changed-ai-specification/md
- Svenska: https://partsgraph.ai/sv/blog/how-b2b-buying-changed-ai-specification/md
- Türkçe: https://partsgraph.ai/tr/blog/how-b2b-buying-changed-ai-specification/md
- 日本語: https://partsgraph.ai/ja/blog/how-b2b-buying-changed-ai-specification/md
- 한국어: https://partsgraph.ai/ko/blog/how-b2b-buying-changed-ai-specification/md
- 简体中文: https://partsgraph.ai/zh/blog/how-b2b-buying-changed-ai-specification/md

---

Partsgraph — the agent-ready parts data layer. Free AI-visibility grader: https://partsgraph.ai/pl/audit