W 1994 roku w USA dokonano pierwszej w pełni szyfrowanej transakcji kartowej w internecie – kupiono wtedy płytę CD Stinga. Minęły nieco ponad trzy dekady, a model handlu cyfrowego, do którego przywykliśmy (wyszukaj w oknie przeglądarki, przeklikaj filtry, porównaj ceny, dodaj do koszyka i autoryzuj transakcję kodem), zaczyna wyczerpywać swoją formułę. Na rynkach kapitałowych i w gabinetach strategów handlu detalicznego odmieniane przez wszystkie przypadki jest nowe pojęcie: agentic commerce (handel agentowy).
Paliwa do ognia w tej debacie publicznej dolewają autorzy obszernego raportu, przygotowanego przez koncern Mastercard we współpracy z europejskim instytutem Opinium oraz czołowymi futurologami biznesu – Magnusem Lindkvistem, dr. Patrickiem Dixonem, Katją Forbes i Theodorą Lau.
Dokument kreśli wizję świata do 2030 roku, w którym procesy zakupowe i decyzyjne zostają w całości wydelegowane autonomicznym agentom sztucznej inteligencji. Za technologicznym optymizmem i gładką narracją korporacyjną kryją się jednak fundamentalne wyzwania: kryzys zwrotu z inwestycji w AI, zderzenie z barierami psychologicznymi konsumentów oraz walka o suwerenność handlową przedsiębiorstw.
Homo Economicus zastąpiony przez algorytm: sedno rewolucji agentowej
Magnus Lindkvist rozpoczyna raport trafną metaforą historyczną: pojawienie się agentów AI w handlu ma być dla zakupów tym, czym automatyczna pralka stała się dla prowadzenia gospodarstwa domowego. Przed jej wynalezieniem pranie pochłaniało cały dzień żmudnej, fizycznej pracy; technologia zredukowała ten proces do wciśnięcia jednego przycisku. Lindkvist, powołując się na klasyczną koncepcję Theodore’a Levitta – według której klient nie kupuje wiertła o średnicy ćwierć cala, lecz ćwierćcalowy otwór w ścianie – zauważa: „konsumenci niekoniecznie chcą robić zakupy. Chcą znaleźć właściwe rozwiązanie, w odpowiedniej cenie i przy możliwie najmniejszym wysiłku. Zakupy są formą pracy. Po prostu przyzwyczailiśmy się do niej tak bardzo, że zaczęliśmy utożsamiać ją z samą konsumpcją”.
Dotychczasowy e-commerce jedynie przeniósł półkę sklepową na ekran telefonu, pozostawiając cały ciężar poznawczy – weryfikację opinii, przekopywanie się przez oferty i formularze – na barkach konsumenta. Agent AI nie jest chatbotem odpowiadającym na pytania; staje się pełnomocnikiem wykonawczym. Działa w oparciu o delegowane mu zadanie: szuka, analizuje wiarygodność, negocjuje ze sklepem, wybiera optymalną ścieżkę finansowania i przeprowadza transakcję.
Z badania przeprowadzonego na próbie 26 000 respondentów w 13 krajach wynika, że grunt pod tę transformację przygotowuje zmiana pokoleniowa. Aż 61% nastolatków deklaruje gotowość do korzystania z autonomicznego asystenta zakupowego, a niemal połowa (49%) bez wahania powierzyłaby mu zakup odzieży i obuwia. Ponadto 67% rodziców przyznaje, że ich dzieci będą czuć się znacznie swobodniej, powierzając transakcje algorytmom, niż oni sami.
Trzy filary transformacji rynku: konsument, detalista, finanse
Raport rozkłada nadchodzące zmiany na trzy składowe, które w perspektywie 2030 roku przedefiniują dynamikę obrotu towarowego.
Filar I: konsument i tyrania niecierpliwości (analiza dr. Patricka Dixona)
Dr Patrick Dixon prognozuje, że do 2030 roku ponad 300 milionów konsumentów będzie regularnie kupować za pośrednictwem agentów AI, zwłaszcza w USA, Wielkiej Brytanii, Holandii, Chinach i Korei Południowej. Siłą napędową jest rosnący koszt uwagi. Dzisiejszy konsument porzuca stronę internetową (90% kliknięć „wstecz”), jeśli ładuje się ona dłużej niż 5 sekund. Dixon stawia prognozę, że w 2030 roku witryny o opóźnieniu przekraczającym 3 sekundy stracą nawet 80% potencjalnej sprzedaży. Największy potencjał leży w transakcjach o wysokim tarciu poznawczym: zakupie biletów lotniczych, rezerwacjach hotelowych czy ubezpieczeniach komunikacyjnych. Zamiast spędzać 45 minut w porównywarkach, klient wydaje polecenie: „zarezerwuj lot w obie strony Warszawa–Mediolan, 14–16 czerwca, tylko bagaż podręczny, najtańsza taryfa, załatw odprawę”.
Filar II: Maszynowe negocjacje i upadek tradycyjnego marketingu (analiza Katji Forbes)
Autorka książki „Machine Customers”, Katja Forbes, wprowadza pojęcie suwerenności handlowej (commercial sovereignty). Do tej pory marketing opierał się na psychologii człowieka: kolorach przycisków, układzie półek, storytellingu i wywoływaniu emocji. Agent AI jest na te bodźce całkowicie odporny. Odczytuje ustrukturyzowane API, bada parametry techniczne i w ułamku sekundy negocjuje rabat.
- Powrót targowania na masową skalę: sztywne ceny pojawiły się pod koniec XIX wieku w domach towarowych wyłącznie dlatego, że właściciele nie mogli pozwolić setkom subiektów na indywidualne debaty z klientami. AI znosi ten koszt krańcowy do zera. Forbes cytuje badania Uniwersytetu Stanforda, z których wynika, że algorytmy negocjacyjne różnią się skutecznością – słabiej zoptymalizowane modele płacą średnio o 2% więcej.
- Doświadczenia Walmarta: wdrożenie agenta zakupowego (opartego na silniku Pactum AI) do negocjacji z dostawcami w firmie Walmart zaowocowało automatycznym domknięciem 68% umów bez jakiejkolwiek ingerencji człowieka, generując średnio 3% oszczędności, przy czym aż 75% dostawców wolało negocjować z botem niż z kupcem korporacyjnym.
- Twarda weryfikacja wartości: w świecie, gdzie cechy funkcjonalne produktów ulegają zatarciu, przewagę zyskają twarde, audytowalne dane: ekologia łańcucha dostaw, certyfikaty pracownicze czy Cyfrowy Paszport Produktu (DPP), wprowadzany obligatoryjnie w Unii Europejskiej od 2026/2027 roku.
Filar III: Nowa architektura transakcyjna (analiza Theodory Lau)
Według Theodory Lau płatności przechodzą z fazy „wygodnych” do statusu absolutnie niewidocznych procesów infrastrukturalnych. Skoro agent transakcyjny operuje autonomicznie, klasyczne mechanizmy rynkowe przestają działać:
Śmierć pojęcia „Top of Wallet”: Banki przez dekady walczyły o to, by ich plastikowa karta leżała na wierzchu portfela lub była domyślnie podpięta w Apple Pay. Agent AI nie kieruje się sentymentem do marki ani kolorem karty. W milisekundzie porównuje cashback, koszt przewalutowania, limity kredytowe i bieżące stopy procentowe, wybierając instrument obiektywnie najkorzystniejszy dla salda użytkownika.
Know Your Agent (KYA): W miejsce klasycznego KYC (Know Your Customer) wkracza standard identyfikacji maszynowej. System bankowy musi natychmiast rozpoznać, czy żądanie obciążenia rachunku pochodzi od autoryzowanego agenta, czy botnetu podszywającego się pod klienta. Do 2030 roku rynki spodziewają się formalnych ram prawnych KYA wydanych przez regulatorów grupy G20.
Czytaj także: Visa, Mastercard i Ant International chcą wiedzieć, kim jest twój algorytm
Czego brakuje w raporcie?
Rzecz jasna, że raport o instytucjach finansowych tworzony przez instytucję finansową musi zawierać w sobie marketingową narrację tychże instytucji finansowych. Dlatego warto skonfrontować tezy autorów z realiami makroekonomicznymi i biznesowymi.
Zacznijmy od paradoksu produktywności i „kaca inwestycyjnego” w AI. Raport słusznie, choć mimochodem, przytacza uderzającą statystykę: blisko 90% przedsiębiorstw nie odnotowało dotąd wymiernego zwrotu finansowego z nakładów na generatywną sztuczną inteligencję, mimo że globalny biznes wpompował w tę infrastrukturę ponad 4 biliony dolarów. Jednak entuzjazm studzą doniesienia z Doliny Krzemowej – nawet giganci tacy jak Microsoft musieli racjonować zużycie tokenów przez wewnętrzne zespoły inżynierskie z uwagi na dysproporcję między kosztami inferencji a jakością generowanego kodu. Budowa infrastruktury agentowej nie jest darmowa.
Przetwarzanie wielomodalne, zapytania API w czasie rzeczywistym i orkiestracja wielu modeli decyzyjnych (Multi-Agent Systems) generują potężne koszty obliczeniowe. Jeżeli marża detalisty na puszce kukurydzy czy t-shircie wynosi kilkadziesiąt groszy, żaden e-sklep nie sfinansuje wieloetapowej sesji negocjacyjnej między dwoma zaawansowanymi LLM-ami, bo koszt energii i infrastruktury chmurowej przewyższy zysk z transakcji.
Idźmy dalej i podejmijmy temat halucynacji w łańcuchu dostaw. Pod lupę weźmy przypadek Andon Labs i Claude’a, czyli case znany jako Wolframgate. Katja Forbes przytacza anegdotyczny, lecz symptomatyczny eksperyment Anthropic i Andon Labs z lat 2025–2026: powierzenie modelowi Claude autonomicznego zarządzania biurowym automatem vendingowym oraz sklepem stacjonarnym w San Francisco. Efekt? Sztuczna inteligencja wygenerowała nieistniejący rachunek bankowy, przyniosła straty operacyjne i zapełniła półki… kostkami wolframu, ponieważ klienci żartobliwie o to poprosili.
Podatność algorytmów na manipulacje ze strony promptów użytkowników („prompt injection”) rodzi gigantyczne ryzyko finansowe. W warunkach powszechnego handlu maszynowego wystarczy drobna luka w instrukcji systemowej sprzedawcy, by agenci kupujący doprowadzili magazyn do drenażu za ułamek wartości towaru.
Interesy korporacji: dlaczego Mastercard promuje tę wizję?
Czytając raport, nie wolno tracić z oczu profilu jego sponsora. Dla globalnych organizacji płatniczych (takich jak Mastercard czy Visa) rozwój agentic commerce to sprawa o znaczeniu strategicznym. W ostatnich latach tradycyjny model interchange fee (opłat prowizyjnych od kart) znalazł się pod bezprecedensową presją ze strony regulatorów oraz lokalnych systemów płatności natychmiastowych A2A (Account-to-Account), takich jak polski BLIK, brazylijski Pix czy paneuropejskie inicjatywy w ramach SEPA Instant. Gdy transakcje zaczną zawierać maszyny, istnieje ryzyko, że agenci zoptymalizują koszty i ominą tradycyjne tory kartowe na rzecz ultratanich mikropłatności bankowych lub stablecoinów. Promując koncepcje tokenizacji tożsamości, sieciowych protokołów zaufania (Virtual C-Suite, Merchant Cloud) i dowodząc, że „konsumenci będą chcieli korzystać z marek, które już znają”, tradycyjne sieci budują pozycję niezastąpionego arbitra bezpieczeństwa. Stawką jest zachowanie rentowności w świecie, w którym fizyczny plastik znika na dobre.
Kluczowe wnioski: jak przygotować biznes na klienta-maszynę?
Z analizy wyłania się zestaw pragmatycznych zaleceń dla przedsiębiorstw i instytucji finansowych, które chcą przetrwać nadchodzącą dekadę:
- Przejście z SEO/UX na MEO (Machine Engine Optimization): tradycyjne optymalizowanie układu strony, testy A/B banerów i manipulacje emocjonalne przestaną działać. Dane o cenie, stanach magazynowych, czasie dostawy i parametrach technicznych muszą być wystawione w ustrukturyzowanych formatach maszynowych (JSON-LD, wyspecjalizowane endpointy API), które boty indeksujące i kupujące odczytają bezbłędnie w czasie liczonym w milisekundach.
- Konieczność weryfikacji deklaracji (Greenwashing pod lupą AI): jeśli marka promuje się hasłami zrównoważonego rozwoju, agent zakupowy natychmiast odpyta rejestry Cyfrowego Paszportu Produktu i bazy certyfikujące. Brak twardego potwierdzenia w łańcuchu dostaw spowoduje automatyczne odrzucenie oferty na etapie wstępnego filtrowania, zanim człowiek w ogóle dowie się o istnieniu produktu.
- Wdrożenie architektury KYA (Know Your Agent): banki, bramki płatnicze i sklepy muszą wdrożyć protokoły kryptograficznej identyfikacji algorytmów. Kluczowe stanie się precyzyjne odczytywanie zakresu pełnomocnictw: czy agent ma prawo wydać do 500 zł jednorazowo, czy posiada subskrypcyjną zgodę na powtarzalne zakupy spożywcze, a także kto ponosi odpowiedzialność prawną za skutki błędnej transakcji w przypadku braku możliwości zwrotu.
- Obrona wartości, a nie wojna cenowa: firmy nie powinny konkurować z algorytmami wyłącznie agresywnym dumpingiem cenowym. Zamiast tego systemy sprzedażowe muszą nauczyć się dynamicznego konstruowania wartości dodanej – oferowania przedłużonej gwarancji, dedykowanego serwisu czy darmowego pakietu posprzedażowego w zamian za utrzymanie marży bazowej.
Stoimy w obliczu zjawiska, które Magnus Lindkvist nazywa „momentem Kansas” – nawiązując do kultowej sceny z „Czarnoksiężnika z Oz”, w której bohaterka uświadamia sobie, że dotychczasowe prawa grawitacji i logiki przestały obowiązywać. Handel autonomiczny nie nadejdzie jednak jako pojedyncza eksplozja technologiczna. Czeka nas kilkuletni okres tarcia: zderzenie z kosztami energetycznymi centrów danych, próby oszustw na masową skalę, opór regulatorów broniących przejrzystości wyszukiwania oraz nieufność konsumentów, którzy swoje finanse oddają algorytmom z oporami. Wygrają nie ci, którzy wdrożą najbardziej krzykliwe modele AI, lecz ci, którzy potrafią zbudować nudną, przewidywalną i bezpieczną architekturę wzajemnego zaufania. Bo w świecie, w którym maszyny handlują z maszynami, najcenniejszą walutą pozostaje to, co weryfikowalne i pewne.
Cały raport jest dostępny tutaj.
