Agentic commerce to zakupy, w których produkt wyszukuje, porównuje, a coraz częściej także zamawia agent AI: ChatGPT, Gemini lub Perplexity w imieniu kupującego. Agent nie patrzy na banery, tylko czyta dane. Poleci Twój produkt tylko wtedy, gdy katalog jest czytelny dla programu: marka i kod kreskowy, wypełnione parametry, aktualna cena i dostępność, feed dla platformy i znaczniki produktu na stronie.
Najczęstszy błąd: właściciel sklepu szuka sposobu, jak „dostać się do ChatGPT”, zamiast policzyć, ile produktów z katalogu agent w ogóle może przeczytać. Produkt bez marki nie przejdzie do feedu, produkt z wagą wpisaną w opis nie spełni warunku „do 3 kg”, a wczorajsza cena da kupującemu inną kwotę. Poniżej: czego dokładnie potrzebuje agent, wyliczenie na umownym katalogu i lista kontrolna, według której sprawdzisz swój sklep.
Kiedy właściciel sklepu pyta o agentów AI
Zwykle zaczyna się od wejść z chatgpt.com w analityce albo od własnej próby: właściciel prosi ChatGPT o dobranie produktu ze swojej kategorii i nie widzi swojego sklepu w odpowiedzi. Potem pojawiają się pytania „czym jest agentic commerce”, „czym jest ChatGPT Shopping”, „czy potrzebny jest osobny feed dla ChatGPT”, „co to jest MCP i czy sklep go potrzebuje”.
Najmniej przydatne z nich to „jak się tam dostać”. Nie ma przycisku, który wstawia sklep do odpowiedzi: nawet podłączony feed tylko przekazuje agentowi dane, a wybiera on na ich podstawie. Dlatego najpierw warto policzyć, jaka część katalogu jest gotowa dla agenta.
Co się zmienia, gdy kupuje agent
Zmienia się ten, kto czyta Twoją kartę produktu: zamiast człowieka, który przegląda zdjęcia i opinie, robi to program z poleceniem kupującego. Polecenie brzmi mniej więcej tak: „znajdź odkurzacz bezprzewodowy do 1 500 zł, ważący do 3 kg, dostępny od ręki”. Agent rozkłada je na warunki, szuka produktów, w których te warunki są zapisane jako dane, i porównuje to, co przeszło.

| Co | Człowiek | Agent AI |
|---|---|---|
| Jak znajduje produkt | kategorie, wyszukiwarka sklepu, reklama | zapytanie z warunkami, dane z feedów i stron |
| Co czyta | zdjęcia, baner, opis | parametry, cenę, dostępność, identyfikatory |
| Puste pole | napisze na czacie albo pominie | nie może sprawdzić warunku, więc produkt odpada |
| Cena na stronie inna niż w feedzie | zauważy przy zamówieniu | już podał kupującemu starą kwotę |
| Zamówienie | w Twoim sklepie | w sklepie albo w samym czacie, jeśli platforma to obsługuje |
Zamówienie w samym czacie to na razie rzadkość. Google uruchomił zakupy w AI Mode i Gemini przez protokół UCP tylko dla części sprzedawców i tylko dla produktów w USA. OpenAI w marcu 2026 roku skupiło zakupy w ChatGPT na wyszukiwaniu produktów: zamówienie sprzedawca przyjmuje u siebie, a od sklepu OpenAI oczekuje feedu produktów. Dla sklepu w Polsce działający scenariusz jest dziś inny: agent znajduje i poleca produkt, a zakup kończy się w sklepie. Dane potrzebne są te same co do płatności w czacie, więc przygotować je warto już teraz.
Czego agent potrzebuje od katalogu
Agent potrzebuje danych, które da się porównać bez człowieka, i kanału, którym te dane do niego dotrą. Im dokładniej opisany produkt, tym więcej zapytań z warunkami spełnia.
| Dane | Po co agentowi | Jak są przekazywane |
|---|---|---|
| Parametry „nazwa — wartość” z jednostkami | sprawdzić warunki zapytania: waga, rozmiar, zgodność | feed, znaczniki, API |
| Marka, GTIN (EAN), MPN | rozpoznać ten sam produkt u różnych sprzedawców | feed, znaczniki Product |
| Cena z walutą, cena promocyjna | porównać oferty | feed, znaczniki Offer |
| Dostępność | nie polecać tego, czego nie ma | feed, znaczniki Offer |
| Nazwa i opis zwykłym tekstem | zrozumieć, co to za produkt | feed, strona produktu |
| Zdjęcie pod bezpośrednim linkiem | pokazać produkt w odpowiedzi | feed |
| Dostawa i zwrot | policzyć pełną cenę i warunki | znaczniki Offer, strony z warunkami |
| Warianty: kolor, rozmiar | wybrać właściwy wariant, a nie podobny produkt | znaczniki ProductGroup, feed |
Kanały są trzy i nie zastępują się nawzajem:
- Feed: plik ze wszystkimi produktami dla konkretnej platformy. OpenAI przyjmuje CSV, TSV lub JSONL według własnej specyfikacji i pobiera plik tylko przez SFTP. Google korzysta z feedu Merchant Center i na nim opiera też zakupy przez UCP.
- Znaczniki na stronie: blok Schema.org Product z ofertą Offer w kodzie strony produktu (cena, waluta, dostępność). Czytają go wyszukiwarki i agenci, którzy sami otwierają stronę. Żeby strony trafiały do wyszukiwania w ChatGPT, sklep nie może blokować w robots.txt robota wyszukiwarki OpenAI (OAI-SearchBot).
- Protokoły zamówień: ACP od OpenAI i Stripe oraz UCP od Google opisują, jak agent składa zamówienie u sprzedawcy. UCP pozwala podłączyć się przez API, Agent2Agent albo MCP. To kolejny krok po feedzie i na razie nie jest dostępny dla wszystkich.

Ile Twoich produktów agent naprawdę zobaczy
Tyle, ile produktów spełnia wszystkie warunki jednocześnie, a nie każdy z osobna. Dlatego licz pokrycie:
Pokrycie katalogu = produkty, które mają wszystko, czego potrzebuje agent ÷ aktywne produkty × 100%.
Przykład umowny do arytmetyki, liczby nie są danymi rynkowymi. Sklep z AGD, 2 000 aktywnych produktów. Odsiewamy po kolei: najpierw produkty bez marki, potem bez kodu kreskowego lub kodu producenta, potem z niewypełnionymi parametrami obowiązkowymi, na końcu bez zdjęcia.
| Sprawdzenie | Odpada | Zostaje |
|---|---|---|
| Aktywne produkty | 2 000 | |
| Jest marka | 300 | 1 700 |
| Jest GTIN lub MPN | 400 | 1 300 |
| Wypełnione wszystkie parametry obowiązkowe | 600 | 700 |
| Jest zdjęcie | 20 | 680 |
| Gotowe dla agenta | 680 |

Pokrycie = 680 ÷ 2 000 × 100% = 34%. Pozostałych 66% katalogu, czyli 1 320 produktów, agent albo nie dostanie w feedzie, albo nie sprawdzi pod kątem warunków kupującego. Największy spadek to parametry, 600 produktów, więc zaczynać warto nie od feedu, tylko od parametrów obowiązkowych w kategoriach z największą liczbą produktów. Licz pokrycie także dla każdej kategorii osobno: średnie 34% może ukrywać kategorię, w której gotowych produktów jest kilka.
Wiersz z kodem kreskowym licz tylko tam, gdzie kod istnieje. Produkty własnej produkcji lub rękodzieło mogą nie mieć GTIN w ogóle; wtedy zastępuje go kod producenta. Cenę i dostępność sprawdzaj osobno: jeśli feed odświeża się raz w tygodniu, a ceny hurtowni zmieniają się codziennie, część „gotowych” produktów codziennie pokazuje agentowi nieaktualne dane.
Lista kontrolna gotowości katalogu: 10 punktów
Każdy punkt sprawdzisz filtrem w katalogu albo na dziesięciu losowych produktach.
- Marka przy każdym aktywnym produkcie. Filtr „pusty producent” powinien dać zero: bez marki OpenAI nie przyjmie produktu.
- GTIN (EAN) lub MPN tam, gdzie istnieją. Sprawdź udział produktów z kodem kreskowym w każdej kategorii.
- Parametry obowiązkowe ustawione dla każdej kategorii i wypełnione. Licz udział produktów, które mają wszystkie obowiązkowe.
- Wartości zapisane jednakowo. „Czarny” i „czarny”, „2 kg” i „2000 g” to dla filtra agenta różne wartości. Przejrzyj listę unikalnych wartości każdego parametru.
- Nazwa: typ, marka, model, kluczowa różnica. Do 150 znaków, taki limit podaje specyfikacja OpenAI. Bez „HIT”, „Promocja” i emotikonów.
- Opis zwykłym tekstem, bez zaślepek. Bez tagów HTML i bez „n/a” czy „null”: OpenAI zabrania zaślepek, nieznane pole zostawia się puste.
- Zdjęcie pod bezpośrednim linkiem. JPEG lub PNG, który otwiera się bez logowania.
- Cena i dostępność w feedzie zgadzają się ze sklepem. Porównaj dziesięć losowych produktów w feedzie i na stronie. Feed odświeżaj co najmniej tak często, jak zmieniają się ceny dostawcy.
- Znaczniki Product z Offer na stronie produktu. Cena, waluta, dostępność. Sprawdzisz je narzędziem Google „Test wyników z elementami rozszerzonymi” (Rich Results Test).
- Warunki dostawy, płatności i zwrotu na osobnych stronach. Terminy, koszty, kto płaci za zwrot: agent też to porównuje.
Gdzie katalog psuje się najczęściej
Najczęściej nie w feedzie, tylko w danych, z których się go buduje. Pięć błędów typowych dla katalogów wypełnianych z cenników hurtowni:
- Parametry leżą w opisie jako tekst. Człowiek przeczyta „waga 2,4 kg” w akapicie, filtr agenta nie: potrzebuje pola „Waga” z wartością. Produkt wypada z każdego zapytania z warunkiem.
- Zaślepki zamiast pustego pola. „—”, „n/a”, „zapytaj” w polu marki czy koloru agent traktuje jak wartość. OpenAI wprost zabrania takich zaślepek.
- Cena w feedzie nie nadąża za sklepem. Feed zbudowano rano, dostawca podniósł cenę w południe, agent podał kupującemu starą kwotę. Google Merchant Center porównuje cenę w feedzie ze stroną i za rozbieżność odrzuca produkt.
- Warianty jako osobne karty bez powiązania. Sześć kart „Koszulka czarna S”, „Koszulka czarna M” bez grupy: agent nie wie, że to jeden produkt w sześciu rozmiarach.
- Jeden produkt, dwa rekordy. Duplikaty z różną ceną psują porównanie, a agent może wybrać droższy.

Jak utrzymać katalog w gotowości, gdy produktów są tysiące
Sprawdzić dziesięć punktów ręcznie na kilkuset produktach się da, na tysiącach już nie: katalog zmienia się codziennie razem z cennikami dostawców, a wczorajsze 34% jutro jest już inne. Sprawdzać to powinien program, w którym produkty już są. W Elbuz wygląda to tak:
- Parametry i wypełnienie. Dla kategorii ustawia się parametry obowiązkowe, a w katalogu przy każdym produkcie widać, ile z nich jest wypełnionych. Brakujące parametry, zdjęcia i opisy program znajduje na stronach źródłowych i przenosi do karty, a AI sprawdza, że znaleziono właśnie Twój produkt (wypełnianie katalogu).
- Feed dla ChatGPT i Google. Gotowy szablon eksportu „OpenAI (ChatGPT Ads)” buduje CSV z 17 polami specyfikacji OpenAI (cena z walutą, dostępność, zdjęcie, opis bez HTML, GTIN) i według harmonogramu wysyła plik na SFTP, który przydziela OpenAI. Z tego samego katalogu powstaje feed dla Google Merchant Center.
- Znaczniki produktu. Jeśli sklep działa na Elbuz CMS, strona produktu ma już znaczniki Product z ofertą Offer: cena, dostępność, sprzedawca i warunki zwrotu, a produkty z wariantami są zebrane w grupę. Koszt dostawy trafia do znaczników, gdy jest znany z góry: stała cena albo darmowa dostawa od kwoty zamówienia.
- Asystent AI na Twoich danych. Przez serwer MCP Elbuz Twój Claude lub ChatGPT pracuje z katalogiem z uprawnieniami pracownika: znajduje produkty bez opisu, zdjęcia czy kategorii oraz wartości parametrów różniące się tylko zapisem. Zmiany proponuje, a Ty zatwierdzasz je w oknie „Puls”.
Czego Elbuz nie robi: nie podłącza sklepu do płatności w ChatGPT ani w Google, bo dostęp do feedów i zamówień w czacie dają same platformy. Serwer MCP Elbuz jest dla Twojego asystenta, a nie dla agentów kupujących: do nich katalog trafia feedem i znacznikami.
Wypełnianie katalogu z ElbuzParametry, zdjęcia i opisy dla tysięcy produktów, 14 dni za darmo
Najczęstsze pytania (FAQ)
Czym jest agentic commerce?
To zakupy, w których produkt wyszukuje i porównuje agent AI w imieniu kupującego, a czasem także składa zamówienie. Sklep sprzedaje wtedy nie witryną, tylko danymi: agent wybiera to, co potrafi przeczytać i sprawdzić.
Czym jest ChatGPT Shopping?
To funkcja ChatGPT, która dobiera i porównuje produkty w rozmowie i pokazuje je jako karty z ceną. Produkty bierze z otwartych stron i z feedów sprzedawców: strony nie mogą być zablokowane dla OAI-SearchBot, a dostęp do feedu daje OpenAI.
Czy w Polsce można kupić produkt bezpośrednio w ChatGPT lub Google?
Na razie nie. Płatność w czacie Google udostępnił części sprzedawców z produktami w USA, a OpenAI od marca 2026 roku kieruje kupującego do sprzedawcy, by tam złożył zamówienie. Sklep w Polsce dostaje od agenta rekomendację i przejście na swoją stronę.
Czym różni się feed dla ChatGPT od feedu Google Merchant Center?
Schematem pól i sposobem dostarczenia. OpenAI ma własną specyfikację z polami takimi jak is_eligible_search i przyjmuje plik tylko przez SFTP; Google Merchant Center sam pobiera feed z linku. Dane bazowe są te same, więc oba feedy buduje się z jednego katalogu.
Co to jest MCP i czy sklep go potrzebuje?
MCP (Model Context Protocol) to otwarty standard, przez który asystent AI łączy się z programami i danymi. Sklepowi daje dwie rzeczy: Twój asystent pracuje z katalogiem i zamówieniami, a według protokołu UCP przez MCP może się łączyć także agent kupującego. Do tego drugiego najpierw potrzebne są feed i pełne dane.
Czy sklep potrzebuje pliku llms.txt?
Nie jest obowiązkowy. To krótki tekstowy spis treści strony dla asystentów AI; wyszukiwarka Google z niego nie korzysta, a cen i dostępności nie zastępuje: te agent bierze z feedu i znaczników.
Źródła
- OpenAI, specyfikacja feedu produktów (pola, wymagalność, zakaz zaślepek, SFTP): developers.openai.com.
- OpenAI, zalecenia dla feedów produktów: developers.openai.com.
- OpenAI, roboty wyszukiwarki i robots.txt (OAI-SearchBot): developers.openai.com.
- OpenAI, zakupy w ChatGPT skupione na wyszukiwaniu produktów (24.03.2026): openai.com.
- Agentic Commerce Protocol (OpenAI, Stripe): agenticcommerce.dev.
- Google, Universal Commerce Protocol: developers.google.com; dostępność dla sprzedawców: pomoc Merchant Center.
- Google Merchant Center, niezgodność ceny w feedzie i na stronie: support.google.com.
- Schema.org, typy Product, Offer, ProductGroup: schema.org.
- Model Context Protocol: modelcontextprotocol.io.
Sprawdzono 13.11.2026.
