Asystent zakupowy AI to agent, który na podstawie opisu potrzeby („szukam prezentu dla dziesięciolatka do 150 zł") samodzielnie wyszukuje, porównuje i kupuje produkty w imieniu klienta. Nie przegląda sklepów jak człowiek — czyta dane produktowe: nazwy, kategorie, ceny, atrybuty, opisy, polityki. Z zapytania buduje zestaw kandydatów, porównuje ich cechy i zwraca krótką listę rekomendacji. Wszystko, czego nie ma w danych — dla kogo jest produkt, z czego jest zrobiony, czy można go zwrócić — dla agenta nie istnieje, nawet jeśli jest na zdjęciu albo w PDF-ie. To rdzeń agentic commerce: pierwszego modelu sprzedaży, w którym o widoczności produktu nie decyduje reklama, tylko czytelność danych.

W tym hubie zbieramy wszystko o asystentach zakupowych: jak działa Von Halsky — pierwsze masowe wdrożenie w Polsce, czym jest Agent Readiness Score, jak wygląda gotowość pojedynczej karty produktu i jak przygotować feed, który agent naprawdę rozumie.

Na tej stronie: Von Halsky · Agent Readiness Score · Agent readiness produktu · Feed produktowy dla agentów

Von Halsky — pierwszy masowy asystent zakupowy w Polsce

Von Halsky to asystent zakupowy AI wbudowany w aplikację InPost Mobile, który na podstawie opisu potrzeby wyszukuje, porównuje i pozwala kupić konkretne produkty bez odwiedzania sklepów. Od czerwca 2026 jest dostępny dla wszystkich użytkowników aplikacji, a zakupy finalizuje InPost Pay z dostawą do Paczkomatu. Sklepy trafiają do usługi przez integracje platform e-commerce — m.in. Base, Sellasist, Shoper czy IdoSell — po podpisaniu umowy logistycznej z InPost i wdrożeniu InPost Pay.

Sama integracja jest dziś standardem; nie jest natomiast tym samym, co bycie wybieranym przez agenta. W naszej próbie dziesięciu sklepów dwa znaleźliśmy najpierw w samym Von Halsky: jeden osiągnął najlepszy wynik gotowości danych w całej stawce (46/100), drugi — 21/100. Integracja wpuszcza produkt do kanału; o tym, czy agent go poleci, decyduje kompletność i jednoznaczność danych. Więcej o mechanizmie decyzji agenta: anatomia agenta AI.

Agent Readiness Score

Agent Readiness Score to wynik od 0 do 100 określający, na ile dane produktu są kompletne i jednoznaczne dla agentów zakupowych AI — czyli czy agent znajdzie w nich odpowiedzi na pytania, które zadałby klient. Nie mierzy pozycji w żadnym konkretnym kanale ani nie odtwarza niczyjego algorytmu rankowania; mierzy to, co obiektywnie sprawdzalne w samych danych.

Sześć filarów wyniku

• Identyfikacja (15 pkt) — nazwa, marka, kategoria, EAN/GTIN, SKU.
• Specyfikacja (25 pkt) — mierzalne cechy kompletne dla danego typu produktu, waga i wymiary.
• Kontekst użycia (20 pkt) — dla kogo i do czego jest produkt, kompatybilność, ograniczenia.
• Rozróżnialność wariantów (15 pkt) — warianty różnią się cechami, nie nazwą marketingową.
• Dane handlowe (15 pkt) — cena, waluta, dostępność, jednoznaczna jednostka sprzedaży.
• Polityki (10 pkt) — zwroty (w tym po otwarciu), gwarancja, dostawa.

Od sumy odejmowane są modyfikatory: język reklamowy zamiast cech, informacje uwięzione w obrazach oraz sprzeczności w danych. Progi komunikacyjne: 0–40 „agent zgaduje", 41–70 „agent rozumie, ale nie poleci pewnie", 71–100 „agent-ready".

Jak liczony jest wynik

Pomiar łączy dwie warstwy. Warstwa deterministyczna sprawdza dane strukturalne strony (schema.org/Product, cena, dostępność, EAN, wymiary). Warstwa semantyczna zadaje treści sześć pytań klienta, a każda pozytywna odpowiedź musi mieć pokrycie w dosłownym cytacie ze strony — odpowiedź bez cytatu jest odrzucana. Punkty liczy jawna tabela wag, nie model językowy, dzięki czemu wynik jest powtarzalny. Kulisy budowy silnika opisujemy w Studio iFOX.

Jak sprawdzić własny score

Darmowy skaner gotowości sklepu na agentów liczy Agent Readiness Score dla pojedynczej karty produktu (3 skany dziennie bez rejestracji), próbki sklepu z sitemapy albo całego katalogu z eksportu CSV WooCommerce — z raportem mailowym.

Agent readiness produktu

Agent readiness produktu to gotowość karty produktu do bycia poprawnie zrozumianą, porównaną i zarekomendowaną przez agenta zakupowego AI. O ileagent readiness strony dotyczy całego serwisu (crawlowalność, struktura, robots.txt, llms.txt), o tyle poziom produktu sprowadza się do jednego testu: czy w danych karty są odpowiedzi na pytania klienta.

Sześć pytań, które agent zadaje karcie produktu

Czym jest ten produkt? Dla kogo i do czego jest przeznaczony? Jakie ma mierzalne parametry? Czym różnią się jego warianty? Z czym jest kompatybilny? Jakie są warunki zwrotu? Jeśli odpowiedź nie występuje wprost w treści lub danych strukturalnych, dla agenta nie istnieje — produkt nie przegrywa porównania, tylko w ogóle do niego nie staje.

Najczęstsze braki w polskich sklepach

W naszej próbie dziesięciu sklepów mediana wyniosła około 20/100, a braki powtarzały się niezależnie od branży: brak informacji, dla kogo jest produkt; parametry uwięzione w grafikach (tabele rozmiarów, specyfikacje na banerach); warianty różniące się wyłącznie nazwą („Classic" vs „Pro" bez ani jednej cechy); milczenie o zwrotach; język reklamowy („rewolucyjna jakość") zamiast właściwości.

Karta uboga a karta niewidoczna

To dwie różne diagnozy. Karta uboga jest czytelna dla botów, ale brakuje w niej danych — terapia jest redakcyjna: uzupełnić tabelę cech, opisać przeznaczenie, dodać politykę zwrotów. Karta niewidoczna renderuje treść JavaScriptem albo odcina boty zaporą — crawler bez przeglądarki widzi szkielet strony i nawet najlepszy opis nie istnieje. W naszej próbie duże platformy potrafiły z tego powodu osiągać wynik 0. Diagnozę dla własnej karty postawisz skanerem gotowości, a wynik wyrażany jest jako Agent Readiness Score.

Feed produktowy dla agentów

Feed produktowy dla agentów to zestaw danych o produktach przygotowany tak, by agent zakupowy AI mógł produkt zidentyfikować, zrozumieć jego przeznaczenie, porównać go z innymi i bezpiecznie kupić. Obejmuje zarówno klasyczny plik/API feedu przekazywany do kanału (jak w integracjach z Von Halsky), jak i dane strukturalne na samej karcie produktu (schema.org/Product), które czytają agenty crawlujące sieć.

Czym różni się od feedu Google Shopping

Feed reklamowy optymalizuje się pod aukcję i CTR: tytuł ze słowami kluczowymi, atrakcyjne zdjęcie, cena. Agent nie klika w reklamy — odpowiada na pytanie klienta, więc potrzebuje danych decyzyjnych: dla kogo jest produkt, z czym działa, czym różni się wariant od wariantu, co mówi polityka zwrotów. Tytuł „Plecak PREMIUM 2026 HIT" pomaga w aukcji; agentowi pomaga „plecak turystyczny 30 l, 0,9 kg, nylon ripstop, na wyprawy 1–3 dni".

Minimum danych, które czyta agent

• Identyfikatory: EAN/GTIN, SKU, marka — bez nich agent nie połączy produktu między kanałami.
• schema.org/Product z kompletnym offers: cena, waluta, dostępność.
• Cechy mierzalne w tekście lub atrybutach — nigdy wyłącznie na grafice.
• Warianty opisane cechami (rozmiar, pojemność, kolor), nie nazwami marketingowymi.
• Kontekst użycia i kompatybilność — „pasuje do", „przeznaczony na", „nie nadaje się do".
• Polityki: zwroty, gwarancja, czas i koszt dostawy na karcie produktu.

Jak sprawdzić, czy feed jest gotowy

Kompletność danych pojedynczej karty i całego katalogu mierzy Agent Readiness Score— policzysz go darmowym skanerem gotowości sklepu na agentów, który dla katalogu WooCommerce przyjmuje wprost eksport CSV. Szerszy kontekst standardów zakupowych agentów: agentic commerce i UCP.