I dag er helt autonome AI-agenter for forbrukere fortsatt på vei, men programvaren som driver disse agentene, dukker opp stadig flere steder.

For å muliggjøre denne typen kjøp kunngjorde Mastercard i april sin Agent Pay-teknologi, som gjør det mulig for verifiserte AI-shoppingagenter å utføre transaksjoner på vegne av forbrukere og bedrifter.

En agentisk handelsagent starter med en brukerforespørsel, eller prompt. I motsetning til tradisjonelle AI-systemer, som gir statiske, enkeltstående svar, er moderne agenter bygget for å tolke disse forespørslene, ta hensyn til konteksten, tilpasse seg underveis og bestemme hvordan de skal gå videre.

Innspillene kan også sette i gang en samtale for å kickstarte en målrettet handling. Hvis du for eksempel kommer med en veldig generell forespørsel som "Jeg trenger en ny skjorte", kan AI-agenten svare med å be om flere detaljer, for eksempel om du vil ha et mønster eller en bestemt type stoff, eller hva slags anledning skjorten skal brukes til.

Agenter automatiserer deretter research og produktoppdagelse. I stedet for bare å søke på ett enkelt nettsted, kan agenten søke på tvers av flere e-handelsplattformer, få tilgang til og analysere produktspesifikasjoner, anmeldelser og rangeringer, sammenligne priser i sanntid og evaluere leveringstider, returregler og andre logistiske detaljer.

Deretter presenterer ikke agenten bare en liste med alternativer, men kan aktivt resonnere seg gjennom dem basert på brukerens innledende parametere og sin egen forståelse av hva som utgjør et godt tilbud eller den beste løsningen.

Det er tre nøkkelkomponenter i AI-agenter som hjelper dem med å ta beslutninger:

• Hukommelse: Nyere AI-agenter kan huske brukerens preferanser, størrelser og tidligere kjøp, noe som gjør det enklere å identifisere et ideelt svar på en shoppingforespørsel.
• Verktøy: Agenter har tilgang til API-er og eksterne databaser som gir dem mulighet til å finne ny informasjon og iverksette tiltak.
• Begrunnelse: En agent kan bryte ned en kompleks forespørsel i strukturerte, handlingsrettede trinn, i stedet for bare å tilby ett enkelt, statisk svar. Den kan bestemme hvilke verktøy den trenger tilgang til, hvilken informasjon den trenger å samle inn, og hvordan den kan nå målene sine.

Agentisk handel kan være trygg med de rette beskyttelsestiltakene, tillatelsene og teknologiene på plass. Men denne nye formen for handel byr også på nye utfordringer for forhandlere, teknologiselskaper og forbrukere, særlig i de tilfellene der kjøpene ikke går som planlagt.

Hvordan vil for eksempel en refusjon eller tilbakebetaling fungere hvis det er en agent, og ikke en person, som foretar et kjøp? Eller hvem har ansvaret hvis noe går galt - forbrukeren, selskapet som har laget roboten, forhandleren eller kanskje noen andre?

Tydelige og enkle brukerrettigheter vil være avgjørende i dette nye miljøet, for jo mer autonomi en AI-agent har, desto viktigere blir det å sette klare grenser og retningslinjer.

Åpenhet vil også være avgjørende for å bygge tillit, ved at brukerne får en tydelig forklaring på hvorfor en agent foretok bestemte handlinger. Denne åpenheten vil være spesielt nyttig hvis nettkriminelle forsøker å lure en AI-agent ved å utløse kjøp ved hjelp av villedende signaler eller etterligne legitime tilbud.

Det vil også være behov for standarder og rammeverk for å styre disse agentene, slik at både brukere og forhandlere kan vite hvordan transaksjoner kan løses når det oppstår problemer, og forbrukerne kan stole på at kjøps- og betalingsopplysningene deres er beskyttet.

Agentisk handel forventes å ekspandere raskt til mange deler av netthandelen i løpet av det neste året, og det er mulig at noen brukere vil bruke en chatbot til å foreta de fleste av sine fremtidige kjøp.

Disse AI-agentene forventes å bli mer komplekse og spesialiserte, med potensial for mer automatisering for brukerne hvis de ønsker det. I tillegg kan det bli flere multi-agent-systemer, der flere av disse AI-robotene samarbeider om å utføre mer kompliserte oppgaver som en enkelt robot ikke kan utføre alene.