Marketing bez publiczności. Co zostaje z reklamy, gdy zakupy robi AI

Przez trzydzieści lat cyfrowy marketing budował swoją siłę na jednym założeniu: na końcu ścieżki zakupowej stoi człowiek, który czyta baner, przewija stronę produktową i podejmuje decyzję pod wpływem tego, co widzi. W 2026 roku to założenie po raz pierwszy przestaje być pewnikiem. Coraz częściej zakupy w imieniu konsumenta robi agent AI - porównuje oferty, czyta recenzje i finalizuje transakcję, zanim człowiek zobaczy choćby jedno zdjęcie produktu. Dla branży, która przez dekady inwestowała w to, jak coś wygląda, to pytanie o samą definicję sukcesu kampanii.

Skala zjawiska: zakupy bez człowieka w pętli

Zjawisko określane jako agentic commerce - autonomiczne wyszukiwanie, porównywanie i kupowanie produktów przez systemy AI działające w imieniu konsumenta - przestało być futurystyczną zapowiedzią i stało się mierzalnym segmentem rynku. Według prognozy eMarketer z marca 2026 roku, tylko w Stanach Zjednoczonych wydatki na retail media sięgną w tym roku niemal 72 miliardów dolarów, ale rosnąca część ruchu, który napędza te transakcje, w ogóle nie przechodzi już przez klasyczną wyszukiwarkę czy stronę produktową.Analitycy Adobe odnotowali w pierwszym kwartale 2026 roku, że klienci przekierowani przez agentów AI konwertowali o 42% lepiej niż użytkownicy trafiający na stronę tradycyjną, a ruch generowany przez systemy AI do amerykańskich sklepów internetowych wzrósł rok do roku o 393%. Microsoft podaje z kolei, że użytkownicy Copilota z wyraźną intencją zakupową kończą transakcję niemal trzy razy częściej niż przeciętny użytkownik trafiający na stronę w sposób tradycyjny.

Dlaczego to problem marketingowy, nie tylko e-commerce'owy

Dla zespołów odpowiedzialnych za media i kreację najbardziej niewygodny jest efekt uboczny tej zmiany: zanika widoczność tego, co właściwie dzieje się przed zakupem. W klasycznym e-commerce marka widzi każdy etap - wyświetlenie, kliknięcie, czas na stronie, porzucenie koszyka. W handlu zapośredniczonym przez agenta AI dane behawioralne zaczynają się dopiero w momencie dodania produktu do koszyka - całe wcześniejsze odkrywanie, porównywanie i zawężanie wyboru odbywa się wewnątrz modelu językowego, poza zasięgiem narzędzi analitycznych marki. Efekt: atrybucja przestaje działać, personalizacja traci sens, a retail media - system, w który branża zainwestowała miliardy - w praktyce nie widzi części lejka, którą sama próbuje monetyzować.

Nowe pole bitwy

Jeśli o miejscu marki w wynikach Google decydowały od lat SEO i jakość treści, o miejscu marki w odpowiedzi agenta AI decyduje dziś zupełnie inny mechanizm. Zespół badaczy z Princeton, Georgia Tech, Allen Institute for AI i IIT Delhi opublikował na konferencji ACM SIGKDD 2024 pracę wprowadzającą pojęcie Generative Engine Optimization (GEO) - naukowo zweryfikowaną metodologię zwiększania widoczności treści w odpowiedziach generowanych przez systemy AI. W przeprowadzonym eksperymencie na 10 tysiącach zapytań wykazano, że treści zawierające konkretne dane liczbowe, jasno oznaczone cytowania źródeł oraz precyzyjne, możliwe do wyodrębnienia fakty są cytowane przez modele językowe nawet o 30-40% częściej niż treści pisane w stylu klasycznej narracji marketingowej. Innymi słowy: agent AI nie „widzi” estetyki strony produktowej ani starannie zaprojektowanego layoutu - widzi dane strukturalne, kompletność katalogu produktowego i zgodność z protokołami wymiany danych, takimi jak wspierany przez ponad dwudziestu partnerów Universal Commerce Protocol Google.

Co to oznacza dla projektowania i brandingu

To nie oznacza końca znaczenia designu - oznacza przesunięcie akcentu, w którym design ma znaczenie. Człowiek nadal ogląda finalną, skróconą listę rekomendacji, którą przygotował mu agent, i to na tym etapie decydują czynniki znane od lat: zaufanie do marki, spójność wizualna, jakość zdjęć. Zmienia się natomiast to, co dzieje się wcześniej - etap odkrywania i porównywania, który wcześniej był głównym poligonem dla reklamy displayowej i sponsorowanych wyników wyszukiwania, częściowo przestaje być widoczny dla oka konsumenta w ogóle. Marki, które inwestowały wyłącznie w warstwę wizualną strony produktowej, odkrywają, że agent AI ocenia je na podstawie zupełnie innych kryteriów niż człowiek - kompletności danych technicznych, jasności polityki zwrotów, spójności opisu produktu w różnych źródłach.

Co mogą zrobić marketerzy już dziś

Praktyczny wniosek nie jest taki, że branding traci znaczenie, tylko że zyskuje nowego, równoległego odbiorcę, dla którego trzeba projektować inaczej. Strukturalne dane produktowe, zgodność z nowymi protokołami handlu agentowego (Google Universal Commerce Protocol, OpenAI Agentic Commerce Protocol, Model Context Protocol), jasne i możliwe do zacytowania fakty w opisach produktów oraz spójność informacji o marce między wszystkimi kanałami - to dziś odpowiednik dawnego pozycjonowania SEO, tylko skierowany do modelu językowego, a nie do robota indeksującego. Jednocześnie warstwa wizualna nie znika z gry - po prostu przesuwa się w dół lejka, do momentu, w którym człowiek robi ostateczny przegląd rekomendacji przygotowanych przez agenta.

Podsumowanie

Agentic commerce nie jest kolejnym trendem technologicznym, który można przeczekać - to zmiana struktury lejka zakupowego, potwierdzona już mierzalnym wzrostem konwersji i ruchu z systemów AI. Dla marketingu oznacza to konieczność projektowania jednocześnie dla dwóch odbiorców: modelu językowego, który czyta dane strukturalne i cytowalne fakty, oraz człowieka, który wciąż podejmuje ostateczną decyzję na podstawie tego, co widzi. Marki, które zrozumieją tę dwutorowość wcześniej niż konkurencja, unikną sytuacji, w której ich najlepiej zaprojektowana kampania po prostu nigdy nie dotrze do oczu, dla których została stworzona.

Źródła

• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '24).
• eMarketer (2026). FAQ on Agentic Commerce: How Brands Should Act Now to Compete in an AI-Driven Landscape.
• eMarketer (2026). How Agentic AI Will Reshape Shopping in 2026.
• Adobe Analytics (2026). Q1 2026 Online Shopping Data.
• Microsoft (2026). Copilot Commerce Data, styczeń 2026.
• MetaRouter (2026). Agentic Commerce Trends and Statistics for 2026.