W poprzednim wpisie pisałem o warstwie web — stronach, blogach, dokumentacji. O tym że agent AI odwiedza stronę, czyta HTML, szuka llms.txt i robots.txt, przetwarza dane strukturalne. To jest warstwa czytelności.
Warstwa commerce jest inna. Agent nie tylko czyta. Agent kupuje.
To jest fundamentalna zmiana. I to jest warstwa, w której polskie strony wypadają najgorzej ze wszystkich czterech badanych grup — e-commerce miał w raporcie średni wynik 43/100, najniższy spośród branż. Sklepy internetowe, na których za kilka miesięcy będą działać agenty zakupowe, są najmniej przygotowane na ich wizyty.
Co się zmieniło w 2025 i 2026
Przez ostatnie dwa lata warstwa commerce przechodziła z fazy „propozycje standardów” do fazy „produkcja”. Kilka dat które warto mieć w głowie.
Październik 2025 — OpenAI i Stripe ogłaszają Agentic Commerce Protocol. Otwarty standard dla agentów zakupowych. Nie tylko informacja o produkcie, ale pełna transakcja — agent który dostaje zadanie „kup mi buty Nike Air Max w rozmiarze 43″ może sfinalizować zakup bez otwierania przeglądarki przez użytkownika.
Styczeń 2026 — Google ogłasza Universal Commerce Protocol (UCP) we współpracy z Shopify, Walmart i Target. UCP to standard który ma pozwolić agentom AI na ujednolicone odpytywanie sklepów o produkty — ceny, dostępność, warianty — bez scrapowania HTML.
Luty 2026 — ChatGPT uruchamia Instant Checkout produkcyjnie w USA. Użytkownik pyta ChatGPT o produkt, dostaje rekomendację z przyciskiem „Kup”, finalizuje zakup w jednym oknie rozmowy bez odwiedzania sklepu.
Marzec 2026 — Microsoft uruchamia Copilot Checkout w USA. Podobny model, inna dystrybucja — wbudowany w Windows i Edge.
To nie są zapowiedzi ani eksperymenty. To są działające systemy, które w tej chwili obsługują transakcje w USA. Do Europy i do polskiego rynku dotrą — pytanie kiedy, nie czy.
Jak agent zakupowy działa
Wyobraź sobie użytkownika który pyta asystenta AI: „Znajdź mi najlepszą kawę ziarnistą do ekspresu ciśnieniowego, poniżej 80 zł za kilogram, z dostawą na jutro do Wrocławia”.
Agent dostaje to zadanie. Co robi?
W idealnym scenariuszu — odpytuje sklepy przez protokół API. Dostaje ustrukturyzowaną listę produktów spełniających kryteria. Porównuje. Sprawdza dostępność i czas dostawy. Rekomenduje użytkownikowi top 3 z uzasadnieniem. Użytkownik mówi „biorę pierwszą” i agent finalizuje transakcję.
W realistycznym scenariuszu 2026 — agent scrapuje sklep, próbuje wyciągnąć dane z HTML, często się gubi w dynamicznie ładowanych cenach i wariantach, dostarcza niespójne informacje. Albo — jeśli sklep ma dobrą schema.org Product — dostaje ustrukturyzowane dane i jest znacznie mniej zdezorientowany.
Różnica między tymi dwoma scenariuszami zależy od jednej rzeczy: jak dobrze sklep opisał swoje produkty w sposób maszynowo czytelny.
Co agent widzi w polskim sklepie dziś
Z raportu AI-Readiness 2026 — e-commerce, 35 sklepów, średni wynik 43/100.
Co ma większość: HTTPS, robots.txt, podstawowe meta tagi, schema.org Product — ale niekompletne.
Czego nie ma prawie nikt:
- Schema.org Product z kompletnym zestawem danych:
offers.price,offers.priceCurrency,offers.availability,offers.priceValidUntil,brand,sku - llms.txt opisujący asortyment i politykę sklepu
- robots.txt z regułami dla agentów zakupowych
- Content Signals
- Jakiekolwiek API produktowe
Najczęstszy problem w e-commerce to niekompletna schema.org Product. Agent który dostaje:
{
"@type": "Product",
"name": "Kawa ziarnista Colombia 1kg",
"image": "..."
}— wie że istnieje produkt o tej nazwie. Nie wie ile kosztuje, czy jest dostępny, kiedy dotrze. Musi scrapować stronę i zgadywać.
Agent który dostaje:
{
"@type": "Product",
"name": "Kawa ziarnista Colombia 1kg",
"sku": "KAW-COL-1KG",
"brand": {"@type": "Brand", "name": "Coffeedesk"},
"offers": {
"@type": "Offer",
"price": "74.90",
"priceCurrency": "PLN",
"availability": "https://schema.org/InStock",
"priceValidUntil": "2026-12-31",
"shippingDetails": {
"@type": "OfferShippingDetails",
"deliveryTime": {
"@type": "ShippingDeliveryTime",
"businessDays": {"@type": "QuantitativeValue", "maxValue": 2}
}
}
}
}— wie wszystko co potrzebuje do rekomendacji.
To jest różnica między schema.org Product jako checkboxem a schema.org Product jako narzędziem.
Protokoły które warto znać
Trzy protokoły które definiują warstwę commerce w 2026. Żaden z nich nie jest jeszcze standardem który każdy sklep w Polsce musi wdrożyć. Każdy z nich jest kierunkiem, w którym idzie handel agentowy.
UCP — Universal Commerce Protocol. Inicjatywa Google, Shopify, Walmart, Target. Standard strukturyzowania katalogu produktów i ofert w sposób który agent może odpytywać bezpośrednio, bez scrapowania. Sklep który będzie miał UCP — będzie dostępny dla ekosystemu agentów Google. Który go nie będzie miał — będzie niewidoczny dla tego ekosystemu.
ACP — Agentic Commerce Protocol. Inicjatywa OpenAI i Stripe. Szerszy standard — nie tylko katalog produktów, ale pełna ścieżka transakcji. Agent może nie tylko sprawdzić produkt, ale też złożyć zamówienie, wybrać dostawę, zapłacić — wszystko przez protokół, bez HTML.
AP2 — Agent Payments Protocol. Warstwa autoryzacji płatności agentowej. Jak agent płaci w imieniu użytkownika bez dostępu do konta bankowego, z limitami i uprawnieniami. To jest najtrudniejsza część handlu agentowego — zaufanie i bezpieczeństwo transakcji. Rozwiązania są eksperymentalne.
Co to znaczy dla polskiego sklepu dziś: żaden z tych protokołów nie wymaga pilnego działania na poziomie integracji. Ale każdy z nich zaczyna od solidnych danych produktowych w schema.org. Sklep który ma kompletną schema.org Product jest o rok przed sklepem który jej nie ma — bo gdy UCP wejdzie do produkcji w Europie, schema.org będzie bazą na której standardy będą budowane.
Test wstydu
Ceneo.pl — 22/100 w GEO Checkerze iFox. 17/100 w Cloudflare Agent Readiness score.
Ceneo jest największym polskim serwisem porównywania cen. W erze agentów zakupowych to jest naturalne miejsce gdzie agent który szuka produktu powinien zacząć. Jeśli agent ma za zadanie znaleźć użytkownikowi ekspres do kawy poniżej 500 zł z najlepszą ceną w Polsce — Ceneo jest pierwszym miejscem gdzie powinien zajrzeć.
22/100 oznacza że agent który odwiedza Ceneo dostaje tyle co dostaje. Sklepy które na Ceneo mają dobrze opisane produkty — robią to przez interfejs Ceneo, nie przez własne schema.org. Ale własna strona sklepu — poza porównywarkę — jest dla agenta często trudniejsza do przetworzenia niż lista Ceneo.
To nie jest krytyka Ceneo. To jest obserwacja o tym jak wygląda warstwa commerce w Polsce dziś.
Co możesz wdrożyć w sklepie teraz
Nie wszystko co istnieje w warstwie commerce jest dziś wdrażalne. Oto uczciwy podział.
Co wdrożyć natychmiast — efekt widoczny od razu:
Schema.org Product — kompletna. Nie tylko nazwa i zdjęcie. Cena z walutą, dostępność (InStock/OutOfStock), SKU, marka, czas dostawy. W WooCommerce przez RankMath lub Yoast Schema. W PrestaShop przez moduł schema.org. W Shopify natywnie — wymaga konfiguracji. Generator schema na iFox.pl.
llms.txt z opisem asortymentu. Nie tylko „sklep z kawą” — ale „sklep z kawą ziarnistą, mieloną i w kapsułkach, 200+ produktów, dostawa DPD i InPost, zamówienia powyżej 150 zł bezpłatna dostawa, sklep open Mon-Fri 8-16″. Agent który ma llms.txt wie więcej zanim odwiedzi pierwszą podstronę.
robots.txt z regułami dla agentów zakupowych. GPTBot, Google-Extended (Gemini), PerplexityBot — każdy z jawną polityką dostępu. Zamiast domyślnego robots.txt bez tych reguł.
Co obserwować — jeszcze za wcześnie na wdrożenie:
UCP i ACP. Protokoły są w fazie standardyzacji i pilotażu. Europejski rollout nieznany. Sklep który teraz zacznie integrować UCP robi to z dużym ryzykiem że standard się zmieni.
Instant Checkout. Dostępny w USA, nie w Polsce. Wymaga partnera płatniczego (Stripe) i umowy z OpenAI. Polskie sklepy mogą to obserwować, ale nie wdrożyć dziś.
Agent Payments Protocol. Eksperymentalny. Nikt poważnie nie wdraża w produkcji.
Sklep który jest gotowy vs sklep którego nie ma
Warstwa commerce ma jeden efekt, o którym rzadko się mówi wprost.
Agent zakupowy który ma zadanie znaleźć produkt — szuka go tam gdzie dane są kompletne i ustrukturyzowane. Jeśli sklep A ma pełną schema.org Product z ceną, dostępnością i czasem dostawy, a sklep B ma nazwę produktu i zdjęcie — agent wybierze sklep A jako podstawę rekomendacji.
Klient który pyta asystenta AI o produkt i dostaje rekomendację sklepu A — trafia do sklepu A. Sklep B nie istnieje w tej transakcji. Nie dlatego że jest droższy czy gorszy. Dlatego że agent nie miał danych żeby go uwzględnić.
To jest strata która nie pojawia się w Google Analytics. Nie ma sesji która spadła. Jest sesja która nigdy się nie pojawiła— bo agent nie trafił do sklepu wcześniej niż trafił do konkurencji.
Trzy kroki dla sklepu internetowego
Krok 1 — audyt schema.org Product. Sprawdź jeden produkt przez validator.schema.org. Czy są: cena, waluta, dostępność, SKU, marka? Jeśli brak — to jest pierwsza praca.
Krok 2 — llms.txt dla sklepu. Krótki plik z opisem asortymentu, polityką dostawy i zwrotów, godzinami obsługi, głównymi kategoriami. Generator na iFox.pl.
Krok 3 — GEO Checker. Sprawdź aktualny wynik. Średnia e-commerce w Polsce to 43/100. Jeśli jesteś poniżej — wiesz co poprawiać. Jeśli jesteś powyżej — wiesz że masz przewagę.
Co jest w następnym wpisie
Warstwa enterprise — systemy firmowe, B2B, MCP server jako standard łączenia zasobów firmy z agentami. To jest warstwa w której polskie korporacje są dziś najbardziej spóźnione i gdzie stawka jest największa — asystent AI klienta który odpytuje Twój system B2B bezpośrednio zamiast przez HTML.
GEO Checker: ifox.pl/geo-checker/
Generator llms.txt: ifox.pl/generator-llms/
Generator Schema.org: ifox.pl/generator-schema/
Słownik — Agentic Commerce: webflux.pl/slownik/agentic-commerce/
Słownik — UCP: webflux.pl/slownik/ucp-universal-commerce-protocol/
Hub Agentic Commerce — 17 wpisów: webflux.pl/universal-commerce-protocol-kompletny-przewodnik/
