Czym jest katalog produktów gotowy dla agentów AI?

Co właściwie oznacza „gotowy dla agentów”?

Katalog produktów jest gotowy dla agentów wtedy, gdy maszyna potrafi go znaleźć, odczytać, odpytać i poprawnie zacytować bez człowieka obsługującego przeglądarkę.

To test surowszy niż „mamy dobrą stronę internetową” i oblewa się go z powodów, które nigdy nie pojawiają się w raporcie o szybkości ładowania. Katalog może świetnie rankować, dobrze konwertować i wyglądać nienagannie, a mimo to zwracać pusty dokument temu klientowi, z którego faktycznie korzysta asystent AI. Ta luka jest strukturalna, a nie kosmetyczna.

I z kwartału na kwartał znaczy coraz więcej. Omawiając w styczniu 2026 roku swoje badanie ścieżki zakupowej (Buyers' Journey Survey), Forrester podał, że 94% nabywców biznesowych korzysta dziś z AI w procesie zakupowym, a dwukrotnie więcej z nich wskazało generatywną AI lub wyszukiwanie konwersacyjne jako bardziej wartościowe źródło informacji niż jakiekolwiek inne — przed stronami dostawców, ekspertami produktowymi i przedstawicielami handlowymi. Specyfikacje, które asystent recytuje na temat Twojego produktu, są coraz częściej tymi specyfikacjami, w które wierzy Twój nabywca.

Zamieszanie w większości tekstów na ten temat bierze się stąd, że „gotowość dla agentów” traktuje się jak jedną rzecz. To cztery rzeczy, z czterema różnymi odbiorcami.

Którzy asystenci korzystają z której powierzchni?

1. Strony renderowane po stronie serwera z danymi strukturalnymi

To jedyna powierzchnia docierająca do użytkownika asystenta, który nie skonfigurował niczego.

Najważniejszy fakt techniczny na jej temat: crawlery AI nie wykonują Twojego kodu JavaScript. Analiza crawlerów przeprowadzona przez Vercel — 569 milionów pobrań GPTBot i 370 milionów pobrań Claude w ciągu jednego miesiąca — wykazała, że choć crawlery te faktycznie pobierają pliki JavaScript (odpowiednio 11,50% i 23,84% żądań), nie uruchamiają ich, i podsumowała, że „żaden z liczących się crawlerów AI nie renderuje obecnie kodu JavaScript”, wymieniając OpenAI, Anthropic, Meta, ByteDance i Perplexity. Niezależne testy powtórzone w 2026 roku dały ten sam werdykt. Jeśli Twoja tabela parametrów, wskaźnik stanu magazynowego albo lista dokumentów są wstrzykiwane po stronie klienta, to dla tych klientów one nie istnieją. Googlebot renderuje JavaScript i pozostaje wyjątkiem — właśnie dlatego zespoły, które sprawdzają swoją widoczność w Google, dochodzą do błędnego wniosku, że wszystko jest w porządku.

Wytyczne samego Google są co do reszty odświeżająco bezceremonialne: żeby pojawić się w AI Overviews lub AI Mode, „strona musi być zindeksowana i kwalifikować się do wyświetlenia w wyszukiwarce Google wraz z fragmentem opisu”, i nie ma tu żadnych dodatkowych wymagań technicznych, żadnego schematu dedykowanego AI ani żadnych specjalnych plików. Dane strukturalne nadal zasługują na swoje miejsce, bo usuwają niejednoznaczność co do tego, która liczba jest prądem znamionowym, a która szczytowym — ale to narzędzie do ujednoznaczniania, a nie magiczny wyzwalacz.

Na koniec: warstwa crawlerów ma wymiar polityki, który większość katalogów pomija. OpenAI dokumentuje trzy odrębne agenty — GPTBot do trenowania modeli fundamentowych, OAI-SearchBot do prezentowania stron w wyszukiwaniu ChatGPT oraz ChatGPT-User do pobrań inicjowanych przez użytkownika. Anthropic dokumentuje na tej samej zasadzie ClaudeBot, Claude-User i Claude-SearchBot. To niezależne wpisy w robots.txt. Hurtowa blokada wymierzona w trenowanie wyłącza także crawler pobierający treść, który mógłby Cię zacytować.

2. Widoki w formacie Markdown i czystym tekście

To powierzchnia, wokół której w 2026 roku pada najwięcej przesadzonych obietnic, więc mówmy o niej precyzyjnie.

Żaden liczący się asystent konsumencki nie publikuje kontraktu negocjacji treści, który mówiłby: „wyślij mi Accept: text/markdown, a dam temu pierwszeństwo”. Konwencja llms.txt jest technicznie spójna i ma realne wdrożenia wśród serwisów z dokumentacją dla deweloperów, ale Google mówi wprost, że pliki tekstowe dla AI nie są potrzebne, aby pojawić się w jego funkcjach AI, a badania wdrożeń prowadzone przez cały 2026 rok wykazały, że crawlery OpenAI, Google i Anthropic nie pobierają tego pliku w istotnej skali.

To, co jest tu naprawdę prawdą, jest węższe i nadal warte zrobienia. Tekst wyekstrahowany ze strony przeładowanej nawigacją i skryptami jest bardziej zaszumiony niż tekst podany jako proza, więc czyste widoki lepiej znoszą ekstrakcję. A dokładnie ten sam czysty rendering powinny zwracać Twoje narzędzia MCP jako ładunek odpowiedzi. Buduj widoki markdown jako artefakt ponownego wykorzystania kanonicznego rekordu, a nie jako taktykę wzrostu, a się nie zawiedziesz.

3. Wysyłane feedy produktowe

Oto fakt, który przestawia kolejność w większości map drogowych: powierzchnię zakupową ChatGPT zasilają dane wysyłane przez sprzedawców, a nie crawling. Zgodnie z opublikowaną specyfikacją feedu sprzedawcy dostarczają pliki TSV, CSV, XML lub JSON na wspólnie uzgodniony, wpisany na listę dozwolonych endpoint po szyfrowanym HTTPS, a system przyjmuje aktualizacje co 15 minut. Program sprzedawców Perplexity działa w tym samym schemacie — dane produktowe dostarczane przez sprzedawcę jako pliki CSV lub XML w określonym formacie. Żadna optymalizacja treści na stronie nie zastąpi zgłoszenia się do programu.

Uczciwe zastrzeżenie dla katalogów przemysłowych brzmi tak: te schematy mają kształt detaliczny. Zakładają GTIN, cenę katalogową i wariant możliwy do kupienia. Dystrybutor z 40 000 pozycji, cenami kontraktowymi zależnymi od klienta i brakiem GTIN na połowie asortymentu uzna dopasowanie za kiepskie. Feedy mają wysoką wartość tam, gdzie sprzedajesz po publikowanej cenie możliwemu do zidentyfikowania nabywcy końcowemu, a w dużej mierze nie mają znaczenia tam, gdzie ofertujesz.

4. Endpoint MCP

MCP to powierzchnia o najwyższej wierności danych i — dziś — o najwęższej publiczności. Precyzja ma tu znaczenie, bo zasięg mocno różni się w zależności od asystenta:

• Claude obsługuje własne zdalne konektory MCP w planach Free, Pro, Max, Team i Enterprise, przy czym użytkownicy darmowi są ograniczeni do jednego konektora. Serwer musi być osiągalny z publicznego internetu z zakresów adresów IP Anthropic.
• ChatGPT udostępnia własne serwery MCP przez tryb deweloperski; własne konektory z możliwością zapisu są ograniczone do planów Business, Enterprise i Edu, a indywidualni użytkownicy Plus i Pro dostają wyłącznie konektory tylko do odczytu. Apps SDK, na którym opierają się aplikacje wewnątrz ChatGPT, sam jest zbudowany na MCP, a zgłoszenia przechodzą przegląd katalogowy.
• Gemini oferuje połączenia z własnymi serwerami MCP w ramach Gemini Enterprise, gdzie administrator rejestruje Twój serwer Streamable HTTP jako źródło danych wewnątrz swojej instancji. To nie jest funkcja konsumencka.

Osiągalna populacja to zatem inżynierowie, którzy sami skonfigurują konektor, oraz nabywcy korporacyjni, u których dział IT zarejestruje Twój serwer. Dla producenta komponentów lub wyrobów budowlanych to zaskakująco trafny opis projektanta specyfikacji i zespołu zakupowego — ale to nie jest anonimowy długi ogon, a każdy, kto twierdzi, że sam endpoint MCP czyni Cię „widocznym dla AI”, coś Ci sprzedaje.

Dlaczego pusty serwer MCP jest bezwartościowy?

Bo wywołanie narzędzia jest obietnicą poprawności, a błędna odpowiedź podana przez narzędzie jest gorsza niż brak odpowiedzi.

Kiedy asystent czyta Twoją stronę internetową, asekuruje się: model wie, że streszcza dokument. Kiedy wywołuje get_part i dostaje {"rated_current_a": 32}, nie asekuruje się wcale. Podaje liczbę. Jeśli Twój PIM trzyma 32 A dla rozmiaru obudowy i 25 A dla konkretnego wariantu, a narzędzie sięgnęło po niewłaściwą wartość, to nie poprawiłeś swojej widoczności w AI — uprzemysłowiłeś błąd w specyfikacji i podpiąłeś pod niego autorytet swojej marki.

Dlatego wiarygodne serwery MCP dla części, które wchodzą dziś na rynek, opierają się na zweryfikowanej warstwie danych, a nie na fasadzie protokołu. Darmowy publiczny serwer MCP firmy Microchip, uruchomiony w listopadzie 2025 roku, udostępnia po Streamable HTTP zweryfikowane specyfikacje produktów, karty katalogowe, stany magazynowe, ceny i terminy dostaw — w komunikacie nacisk pada na dane zweryfikowane i aktualne, a nie na warstwę transportu. Serwer Storefront MCP firmy Shopify, dostępny pod adresem https://{shop}.myshopify.com/api/mcp, działa dlatego, że sklep Shopify ma już jeden autorytatywny rekord produktowy z otypowanymi polami.

Endpoint MCP postawiony przed trzema niezgodnymi ze sobą arkuszami, PIM-em, który zgubił jednostki, i folderem PDF-ów to po prostu szybszy sposób na pomyłkę. Kolejność prac jest taka: kanoniczny rekord, weryfikacja, dopiero potem protokół.

Model dojrzałości gotowości dla agentów

Większość organizacji odkrywa, że jest na poziomie 0 lub 1, będąc przekonana, że jest na poziomie 2. Pytaniem rozstrzygającym nie jest „czy mamy dane strukturalne?”, tylko „jeśli dwa systemy podają dla tego atrybutu co innego, który z nich ma rację i czy maszyna potrafi to rozstrzygnąć?”.

Jak sprawdzić, na którym poziomie jesteś?

Pięć kontroli, po kolei, każda na kilka minut:

1. 01Pobierz stronę produktową zwykłym klientem bez przeglądarki i przeczytaj surową odpowiedź. Jeśli w HTML nie ma specyfikacji, jesteś na poziomie 0 niezależnie od tego, jak strona wygląda w przeglądarce.
2. 02Przeczytaj swój `robots.txt` jak dokument polityki. Wypisz każdego agenta AI, na którego pozwalasz i którego blokujesz, i potwierdź, że każda linia odzwierciedla rzeczywistą decyzję o trenowaniu kontra pobieraniu treści.
3. 03Zwaliduj jeden blok JSON-LD i sprawdź każdą wartość względem widocznej strony. Rozbieżności są gorsze niż braki.
4. 04Wybierz dziesięć części i zadaj trzem asystentom pytanie faktograficzne, którego poprawną odpowiedź znasz na wylot. Zapisz błędne odpowiedzi. Ten wskaźnik błędu to Twój rzeczywisty punkt odniesienia.
5. 05Spróbuj odpowiedzieć na pytanie parametryczne na podstawie własnych danych — każda część spełniająca trzy warunki — korzystając wyłącznie z tego, do czego jest w stanie sięgnąć maszyna. Jeśli człowiek musi otworzyć PDF, agent musiałby zrobić to samo, a tego nie zrobi.

Co znaleźliśmy w 984 firmach?

W sierpniu 2026 roku przeprowadziliśmy audyt 984 domen dystrybutorów i producentów na całym świecie: w Ameryce Północnej, Europie i Azji. Zbiorczy obraz był na tyle spójny, że aż niewygodny:

• Mediana wyniku widoczności dla AI wyniosła około 50 na 100.
• 38% nie podało standardowemu klientowi bez przeglądarki żadnej czytelnej strony katalogowej.
• Tylko 19% opublikowało jakąkolwiek jawną politykę wobec crawlerów AI, a wśród nich ponad dwa razy więcej firm blokowało któryś z ważnych crawlerów, niż go zapraszało.
• Żadna nie ogłaszała endpointu MCP.

Rozkład znaczy więcej niż mediana. Różnicy między górnym decylem a środkiem stawki nie robił budżet ani liczba etatów; robiło ją to, czy organizacja miała jeden kanoniczny rekord produktowy, czy kilka konkurujących ze sobą. Cała reszta z tego wynikała.

Co zbudować najpierw?

1. 01Ustanów jeden kanoniczny rekord na część, z otypowanymi atrybutami, jednostkami, pochodzeniem danych i znacznikiem ostatniej weryfikacji. Wszystko poniżej jest rzutem tego rekordu.
2. 02Renderuj katalog po stronie serwera, tak aby pełna specyfikacja była obecna już w pierwszej odpowiedzi HTML.
3. 03Dodaj dane strukturalne zgodne z treścią strony, a potem je zweryfikuj, zamiast ufać generatorowi.
4. 04Napisz przemyślaną politykę wobec crawlerów AI, agent po agencie, i udokumentuj uzasadnienie każdej decyzji.
5. 05Wysyłaj feedy tam, gdzie istnieje powierzchnia pasująca do Twojego modelu handlowego — i uczciwie je odpuść tam, gdzie jej nie ma.
6. 06Postaw endpoint MCP udostępniający wyszukiwanie parametryczne, wyszukiwanie części, zamienniki, dokumenty zgodności i modele CAD, z OAuth dla wszystkiego, co jest specyficzne dla klienta.
7. 07Monitoruj poprawność w sposób ciągły, bo trybem awarii nie jest cisza, tylko błąd podany z pełnym przekonaniem.

Partsgraph buduje to jako nakładkę: przyjmujemy katalog, który już masz — karty katalogowe, parametry, modele CAD i dokumenty zgodności — rozwiązujemy go w jeden zweryfikowany Parts Graph i udostępniamy na wszystkich czterech powierzchniach, nie dotykając Twojej strony internetowej.

Jeśli przed mapą drogową potrzebujesz punktu odniesienia, przepuść swoją domenę przez nasz darmowy grader pod adresem /audit. Raportuje on, co klient bez przeglądarki faktycznie dostaje dziś z Twojego katalogu i której z czterech powierzchni Ci brakuje.