Boty zakupowe w modelu Agentic Commerce B2B już potrafią składać zamówienia bez udziału człowieka. Agent AI rozpoznaje zapotrzebowanie, przeszukuje katalog na platformie B2B, weryfikuje ceny i stany magazynowe w ERP, a następnie składa zamówienie autonomicznie.
Najwyższy potencjał mają powtarzalne reordery i uzupełnianie zapasów. Jednak warunkiem są ustrukturyzowane dane, integracja z ERP i mechanizmy kontroli uprawnień (HITL). Masowa adopcja agentic e-commerce nie nastąpi natychmiast, lecz architektura platformy musi być gotowa już teraz.
Najważniejsze informacje w skrócie
| Punkt | Rozwinięcie |
| Czym jest Agentic Commerce? | To model, w którym autonomiczny agent AI realizuje proces zakupowy B2B w imieniu firmy – od rozpoznania potrzeby po złożenie zamówienia. |
| Czym agent AI różni się od chatbota? | Chatbot odpowiada na pytania według scenariusza, natomiast agent AI samodzielnie planuje i wykonuje kolejne etapy zakupu. |
| Gdzie Agentic Commerce ma największy potencjał? | Najlepiej sprawdza się przy uzupełnianiu zapasów, zamówieniach opartych na stałych specyfikacjach i procesach z jasno określonymi warunkami handlowymi. |
| Jakie warunki techniczne trzeba spełnić? | Potrzebne są uporządkowane dane produktowe, bieżąca synchronizacja z ERP, identyfikacja agenta oraz kontrola limitów i uprawnień zakupowych. |
| Jak HITL zwiększa bezpieczeństwo? | Mechanizm Human in the Loop przekazuje decyzję człowiekowi, gdy agent AI przekracza swoje uprawnienia lub napotyka niejednoznaczną sytuację. |
| Jak przygotować platformę B2B? | Warto już teraz budować architekturę obsługującą zarówno ludzi, jak i agentów AI, ale bez przebudowywania całej sprzedaży pod niepewne tempo adopcji. |
Czym jest Agentic Commerce i czym różni się od automatyzacji, którą już znasz?
Agentic Commerce to model sprzedaży, w którym zakup realizuje autonomiczny agent AI działający w imieniu organizacji kupującej. Nie jest to nowa wersja rekomendacji produktowych ani ulepszona wyszukiwarka. Agent AI w agentic e-commerce nie czeka na pytanie użytkownika. Planuje, decyduje i wykonuje serię zadań zakupowych na podstawie kontekstu, reguł biznesowych i uprawnień przyznanych przez organizację.
Warto odróżnić 3 pojęcia, które w dyskusjach o AI w sprzedaży B2B są często mylone.
Silnik rekomendacji produktowych sugeruje towary na podstawie historii zakupów, ale decyzję zawsze podejmuje człowiek.
Chatbot prowadzi rozmowę według scenariusza i odpowiada na pytania, jednak każdy krok wymaga inicjatywy użytkownika.
Agent AI w modelu Agentic Commerce robi coś jakościowo innego, czyli samodzielnie orkiestruje cały przepływ zakupowy. Rozpoznaje potrzebę (lub otrzymuje cel), rozkłada ją na kroki, wykonuje je kolejno i raportuje wynik. Może to robić w pełnej autonomii albo z możliwością przekazania sprawy do człowieka w sytuacjach wymagających dodatkowej decyzji.
Tradycyjna automatyzacja zakupów B2B (EDI, OCI, automatyczne reordery w ERP) też realizuje transakcje bez udziału handlowca po stronie kupującego. Różnica polega na elastyczności i zakresie działania. Klasyczna automatyzacja działa na sztywnych regułach i strukturach danych ustalonych raz przy wdrożeniu. Agent AI może interpretować kontekst, porównywać warianty, zadawać pytania do systemu i dostosowywać decyzję do aktualnej sytuacji. Przykładowo jest w stanie wybrać zamiennik, gdy preferowany produkt jest niedostępny.
To właśnie ta zdolność do adaptacyjnego działania odróżnia bota zakupowego od prostego skryptu EDI.
Jak wygląda zakup realizowany przez bota zakupowego krok po kroku?
Modelowy scenariusz agentic e-commerce w środowisku B2B przebiega sekwencyjnie, ale każdy etap wymaga dostępu do konkretnych danych po stronie platformy sprzedawcy. Bot zakupowy działający w systemach organizacji kupującej realizuje zakup według następujących kroków:
- Rozpoznanie zapotrzebowania – agent analizuje stan magazynowy kupującego (lub otrzymuje zadanie zakupowe od systemu nadrzędnego), identyfikuje produkty wymagające uzupełnienia i tworzy listę zakupową z wymaganymi parametrami (indeksy, ilości, jednostki miar, terminy dostawy).
- Przeszukanie oferty dostawcy – bot łączy się z platformą B2B sprzedawcy przez API, przeszukuje katalog produktów według atrybutów (nie tylko po nazwie, lecz po parametrach technicznych i dopuszczalnych zamiennikach) a następnie pobiera aktualne ceny i dostępność w czasie rzeczywistym.
- Porównanie i weryfikacja warunków handlowych – agent sprawdza, czy ceny są zgodne z wynegocjowanym cennikiem kontrahenta, weryfikuje progi rabatowe, warunki płatności i minima logistyczne. W przypadku rozbieżności może eskalować do człowieka lub wybrać alternatywnego dostawcę zgodnie z priorytetami skonfigurowanymi przez organizację.
- Złożenie lub przygotowanie zamówienia – jeśli agent działa w trybie pełnej autonomii i transakcja mieści się w przyznanych uprawnieniach, składa zamówienie bezpośrednio. Jeśli wartość przekracza limit, przedstawia propozycję do zatwierdzenia właściwej osobie w organizacji kupującej.
Każdy z tych etapów generuje konkretne wymagania po stronie platformy sprzedawcy. Bot nie korzysta z interfejsu graficznego tak jak człowiek. Działa przez API, przetwarza dane strukturalne i oczekuje precyzyjnych, jednoznacznych odpowiedzi. Platforma musi być zdolna do obsługi tego rodzaju komunikacji, bo w przeciwnym razie agent zakończy sesję błędem lub przestawi się na innego dostawcę.
Gdzie Agentic Commerce ma największy potencjał w sprzedaży B2B?
Nie każdy zakup B2B jest równie dobrym kandydatem do pełnej automatyzacji przez agenta AI. Największy potencjał pojawia się tam, gdzie zakup jest powtarzalny, oparty na jasnych regułach i gdzie wartość decyzji jest relatywnie niska w stosunku do kosztu angażowania człowieka.
3 kategorie zakupów B2B, które najszybciej poddadzą się automatyzacji przez boty zakupowe:
- uzupełnianie zapasów według reguł reorder point i reorder quantity ustalonych w ERP kupującego,
- zamówienia oparte na stałych specyfikacjach technicznych, gdzie lista produktów i parametrów jest zamrożona umową ramową,
- procesy powiązane z produkcją seryjną, gdzie zapotrzebowanie na komponenty wynika deterministycznie z planu produkcyjnego.
Złożone projekty zakupowe, negocjacje nowych warunków handlowych czy pierwsze zamówienia testowe pozostaną domeną człowieka znacznie dłużej. Nie dlatego że AI nie potrafi prowadzić negocjacji, lecz dlatego że organizacje kupujące będą ostrożnie rozszerzać zakres autonomii agentów i robić to stopniowo.
Warto przy tym spojrzeć na struktury zakupowe w organizacjach i obsługę dużych klientów B2B. Im bardziej rozbudowana struktura po stronie kupującego (działy zakupów, komitety, wielopoziomowe zatwierdzenia), tym bardziej prawdopodobne, że agent AI zostanie zunifikowanym interfejsem spinającym te poziomy w jeden automatyczny przepływ zakupowy.
Jakie warunki techniczne i biznesowe musi spełniać platforma B2B gotowa na agentów AI?
Platforma B2B gotowa na obsługę agentów AI musi spełniać wymagania techniczne zupełnie inne niż te projektowane z myślą o interfejsie graficznym dla człowieka. To 4 obszary wymagające przemyślanej architektury.
Ustrukturyzowane i kompletne dane produktowe
Agent AI nie domyśla się brakujących atrybutów i nie wyciąga wniosków z niejasnych opisów. Każdy produkt musi mieć jednoznaczne identyfikatory (GTIN, kod producenta), precyzyjne atrybuty techniczne w przewidywalnym formacie, jednostki miary zgodne ze standardami organizacji kupującej oraz informacje o zamiennikach i produktach powiązanych. Niekompletny katalog oznacza dla bota niedostępność oferty, nawet jeśli produkt fizycznie jest na stanie.
Synchronizacja cen i stanów magazynowych z ERP w czasie rzeczywistym
Agent podejmuje decyzję zakupową na podstawie aktualnych danych. Dane sprzed 15 minut mogą prowadzić do zamówienia produktu faktycznie niedostępnego lub pominięcia oferty ze świeżo przyznanym rabatem.
Gotowe integracje ERP (Comarch XL, SAP, Microsoft Dynamics AX, Enova i inne) przestają być wyłącznie kwestią wygody operacyjnej. Stają się warunkiem koniecznym wiarygodności platformy dla agenta kupującego. To właśnie dlatego jedno źródło prawdy dla cen, stanów i warunków handlowych ma tak fundamentalne znaczenie w architekturze gotowej na agentic commerce.
Identyfikacja i autoryzacja agenta działającego w imieniu kontrahenta
System musi wiedzieć, że zapytanie przychodzi od bota, a nie od człowieka, i w czyim imieniu ten bot działa.
Wymaga to mechanizmów uwierzytelniania specyficznych dla agentów AI (tokeny z ograniczonym zakresem uprawnień, klucze API powiązane z konkretnym kontrahentem), a nie tylko tradycyjnego loginu i hasła. Platforma powinna rozróżniać, które działania agent może wykonać samodzielnie, a które wymagają eskalacji. Bez tego rozróżnienia trudno utrzymać jedno źródło prawdy dla uprawnień i bezpieczeństwa transakcji.
Kontrola limitów i mechanizm HITL
Agent AI musi operować w ramach granic ustalonych przez organizację, dla której pracuje. Platforma sprzedawcy powinna umożliwiać konfigurację per-kontrahent – maksymalna wartość pojedynczego zamówienia bez autoryzacji, lista zatwierdzonych kategorii produktowych, częstotliwość zamówień. Gdy agent próbuje przekroczyć limit, mechanizm Human-In-The-Loop (HITL) musi przekazać decyzję do właściwej osoby. SOHO AI wbudowuje HITL jako natywny element architektury.
Platformy, które spełniają te 4 warunki, mają w tym kontekście realną przewagę nad tymi, które zostały zaprojektowane wyłącznie pod doświadczenie człowieka przy ekranie. Customer experience w B2B coraz częściej oznacza też doświadczenie agenta zakupowego działającego w imieniu człowieka.
Hype czy realny kierunek – co już działa, a co jest jeszcze obietnicą?
Warto być precyzyjnym w oddzieleniu tego, co technicznie możliwe, od tego, co rynkowo dojrzałe. Agentic Commerce B2B to realny kierunek, ale nie jutrzejsza rzeczywistość dla większości rynku.
Co działa już teraz:
- Agenci AI potrafią autonomicznie przeszukiwać katalogi produktowe przez API i składać zamówienia w środowiskach testowych z ustrukturyzowanymi danymi.
- Modele LLM integrowane z systemami ERP kupujących interpretują stany magazynowe i generują listy zakupowe.
- Pierwsze platformy zakupowe dla dużych korporacji eksperymentują z agentami AI obsługującymi zamówienia w kategoriach MRO (maintenance, repair, operations).
Co jest jeszcze obietnicą:
- Brak powszechnych standardów identyfikacji agentów AI jako podmiotów w transakcjach handlowych.
- Niepewność regulacyjna wokół odpowiedzialności za błędne decyzje zakupowe podjęte przez AI.
- Bardzo nierówna jakość danych produktowych u dostawców, co sprawia że bot utyka tam, gdzie człowiek poradziłby sobie intuicyjnie.
- Ograniczone zaufanie organizacji kupujących do przyznawania agentom AI szerokiego zakresu autonomii.
Warto zajrzeć do kontekstu szerszego trendu AI w e-commerce. Artykuł AI-first w tworzeniu oprogramowania – przełom czy kolejna bańka? porządkuje podobną debatę i pokazuje, jak rozróżniać realne możliwości od marketingowego szumu.
Rekomendacja jest jasna. Nie przebudowuj całej architektury sprzedażowej pod agentic e-commerce już teraz, bo tempo adopcji po stronie kupujących jest nieprzewidywalne. Jednocześnie nie ignoruj tego kierunku i nie projektuj systemów, które będą wymagały gruntownej przebudowy, gdy agenci AI staną się standardowym uczestnikiem procesów zakupowych. Fundament pod skalę buduje się, zanim skala nadejdzie.
FAQ
Czym Agentic Commerce różni się od zwykłego chatbota?
Chatbot odpowiada na pytania i prowadzi rozmowę według scenariusza. Agent AI w modelu Agentic Commerce działa autonomicznie. Samodzielnie planuje kroki, wykonuje zadania (przeszukuje katalog, porównuje oferty, sprawdza dostępność) i podejmuje decyzje zakupowe w imieniu organizacji – bez czekania na każdorazowe potwierdzenie człowieka.
Jakie zakupy B2B najlepiej nadają się do realizacji przez boty zakupowe?
Agenci AI sprawdzają się przede wszystkim przy zakupach powtarzalnych – uzupełnianiu zapasów według reguł reorder point, zamówieniach opartych na stałych specyfikacjach oraz procesach, gdzie warunki handlowe są z góry ustalone. Im bardziej przewidywalny i ustrukturyzowany zakup, tym większy potencjał automatyzacji przez bota zakupowego.
Co musi spełniać platforma B2B, żeby obsługiwać agentów AI?
Platforma musi zapewniać ustrukturyzowane dane produktowe (atrybuty, jednostki miar, zamienniki), aktualne ceny i stany magazynowe synchronizowane z ERP w czasie rzeczywistym, mechanizm identyfikacji agenta działającego w imieniu konkretnego kontrahenta oraz kontrolę uprawnień i limitów zakupowych. Bez tych fundamentów agent AI nie może działać wiarygodnie.
Czy Agentic Commerce zastąpi handlowców B2B?
Nie zastąpi handlowców, lecz zmieni charakter ich pracy. Agenci AI przejmą powtarzalne, transakcyjne zakupy, zwalniając handlowców od obsługi rutynowych zamówień. Relacja sprzedażowa i negocjacje przy złożonych kontraktach pozostaną domeną człowieka. Handlowiec zyskuje czas na działania o wyższej wartości, zamiast ręcznie procesować reordery.
Kiedy Agentic Commerce stanie się standardem w sprzedaży B2B?
Tempo adopcji pozostaje niepewne i zależy od dojrzałości ekosystemów AI, standardów identyfikacji agentów oraz gotowości organizacji kupujących. Już teraz warto budować architekturę platformy i dane produktowe przygotowane na obsługę agentów, bo zmiany rynkowe będą stopniowe, ale nieuchronne.
Jak platforma powinna reagować, gdy agent AI przekracza swoje uprawnienia?
Platforma powinna wbudować mechanizm eskalacji HITL (Human-In-The-Loop), gdy bot próbuje przekroczyć limit zakupowy, zamówić produkt spoza zatwierdzonej listy lub gdy transakcja wymaga dodatkowej autoryzacji. Bez tego mechanizmu ryzyko błędnych zamówień rośnie nieproporcjonalnie.
Czy integracja z ERP jest niezbędna dla Agentic Commerce?
Tak – integracja z ERP to fundament. Agent AI potrzebuje dostępu do aktualnych stanów magazynowych, indywidualnych cenników kontrahenta, historii zamówień i statusów dostaw w czasie rzeczywistym. Bez synchronizacji ERP bot operuje na nieaktualnych danych, co prowadzi do błędnych decyzji zakupowych i reklamacji.
Jakie są ryzyka wdrożenia Agentic Commerce w B2B?
Główne ryzyka to błędne zamówienia wynikające z niepełnych danych produktowych, brak mechanizmów kontroli uprawnień, trudności z identyfikacją agenta działającego w imieniu kontrahenta oraz regulacyjna niepewność wokół odpowiedzialności za decyzje podejmowane przez AI. Wdrożenie wymaga starannego przygotowania architektury danych i procesów zanim uruchomi się agentów.
