Tegenwoordig zijn er nog steeds volledig autonome agentische AI-agenten voor consumenten in opkomst, maar de software die deze agenten aanstuurt, duikt op meer plaatsen op.

Om dit soort aankopen mogelijk te maken, kondigde Mastercard in april haar Agent Pay-technologie aan, waarmee geverifieerde AI-winkelagenten namens consumenten en bedrijven transacties kunnen doen.

Een agentic commerce agent werkt door te beginnen met een gebruikersverzoek of prompt. In tegenstelling tot traditionele AI-systemen, die statische, eenmalige antwoorden geven, zijn moderne agenten gebouwd om deze verzoeken te interpreteren, de context in overweging te nemen, zich direct aan te passen en te beslissen hoe verder te gaan.

De input kan ook een gesprek op gang brengen om een doelgerichte actie op gang te brengen. Als u bijvoorbeeld een zeer breed verzoek indient, zoals 'Ik heb een nieuw overhemd nodig', kan de AI-winkelagent antwoorden met de vraag naar meer details, zoals of u een patroon of een bepaald type stof wilt, of voor wat voor soort gelegenheid het overhemd zou worden gedragen.

Agenten automatiseren dan het onderzoek en de ontdekking van producten. In plaats van slechts op één website te zoeken, kan de agent op meerdere e-commerceplatforms zoeken, productspecificaties, reviews en beoordelingen bekijken en analyseren, prijzen in realtime vergelijken en verzendtijden, retourbeleid en andere logistieke details evalueren.

Van daaruit presenteert de agent niet alleen een lijst met opties, maar kan hij deze actief doornemen op basis van de initiële parameters van de gebruiker en zijn eigen begrip van wat een goede deal is of het beste past.

Er zijn drie belangrijke componenten van AI-agents die hen helpen bij het nemen van beslissingen:

• Geheugen: Nieuwere AI-agenten kunnen de voorkeuren, maten en eerdere aankopen van een gebruiker onthouden, waardoor het gemakkelijker wordt om een ideaal antwoord op een winkelvraag te identificeren.
• Tools: Agents hebben toegang tot API's en externe databases waarmee ze nieuwe informatie kunnen vinden en actie kunnen ondernemen.
• Redeneren: Een agent kan een complex verzoek opsplitsen in gestructureerde, uitvoerbare stappen, in plaats van een enkel, statisch antwoord te geven. Het kan bepalen welke tools het nodig heeft, welke informatie het moet verzamelen en hoe het zijn doelen kan bereiken.

Agentische handel kan veilig zijn met de juiste vangrails, machtigingen en technologieën. Deze nieuwe vorm van handel brengt echter zeker nieuwe uitdagingen met zich mee voor retailers, technologiebedrijven en consumenten, vooral in die gevallen waarin aankopen niet gaan zoals gepland.

Hoe zou een terugbetaling of terugvordering bijvoorbeeld werken als een agent, niet een persoon, een aankoop doet? Of wie is er verantwoordelijk als er iets misgaat: de consument, het bedrijf dat de bot heeft gemaakt, de winkelier of misschien iemand anders?

Duidelijke en eenvoudig in te stellen gebruikersrechten zullen van vitaal belang zijn in deze nieuwe omgeving, want hoe meer autonomie een AI-agent heeft, hoe belangrijker het zal zijn om duidelijke limieten en richtlijnen vast te stellen.

Transparantie zal ook cruciaal zijn voor het opbouwen van vertrouwen, waarbij gebruikers een duidelijke uitleg krijgen waarom een agent bepaalde acties heeft ondernomen. Die transparantie is vooral nuttig als cybercriminelen een AI-agent proberen te misleiden door aankopen te triggeren met misleidende signalen of door legitieme aanbiedingen na te bootsen.

Er zullen ook standaarden en kaders nodig zijn om deze agenten te besturen, zodat zowel gebruikers als handelaren weten hoe transacties kunnen worden opgelost als er problemen ontstaan en consumenten erop kunnen vertrouwen dat hun aankoop- en betalingsgegevens worden beschermd.

Agentic commerce zal zich naar verwachting het komende jaar snel uitbreiden naar veel onderdelen van e-commerce, met de mogelijkheid dat sommige gebruikers een chatbot zullen gebruiken om de meeste van hun toekomstige aankopen te doen.

Deze AI-agenten zullen naar verwachting complexer en gespecialiseerder worden, met het potentieel voor meer automatisering voor gebruikers als ze dat willen. Daarnaast zouden er meer multi-agent-systemen kunnen zijn, waarin verschillende van deze AI-bots samenwerken om meer gecompliceerde taken uit te voeren die een enkele bot niet alleen zou kunnen doen.