2026 to rok, w którym agenci zakupowi AI wychodzą z fazy demonstracji. Operator od OpenAI, Claude Computer Use od Anthropic, ChatGPT Shopping, Perplexity Buy with Pro, Gemini Shopping. Każdy z nich na swój sposób proponuje użytkownikowi wykonanie zakupu w jego imieniu: znalezienie produktu, porównanie, dodanie do koszyka, a nawet zatwierdzenie checkoutu. Dla sprzedawcy internetowego to zmiana paradygmatu: rosnąca część ruchu to agenci, a nie ludzie, a źle przygotowany katalog staje się dla tej nowej publiczności niewidoczny.
Ten artykuł odpowiada na trzy konkretne pytania: co realnie stanowi już mierzalną część ruchu w 2026 roku, jak agent AI faktycznie „czyta” kartę produktu i jakie działania techniczne przeprowadzić na katalogu PrestaShop, aby pozostać odkrywalnym.
Co jest realnie wdrożone w 2026 roku
Ekosystem w chwili pisania tego tekstu składa się mniej więcej z:
- ChatGPT Shopping (od lat 2024 i 2025): odwiedzający zadaje pytanie o intencji zakupowej („najlepsza składana hulajnoga elektryczna dla dorosłego poniżej 3 500 zł”), a ChatGPT odpowiada klikalną krótką listą. Kliknięcie prowadzi do sklepu źródłowego. Włączenie zależy od jakości danych strukturalnych oraz IndexNow i mapy witryny.
- Perplexity Pro Shopping: wbudowane w silnik odpowiedzi Perplexity, proponuje klikalne produkty na marginesie odpowiedzi zakupowych. Bardzo wizualne, z pobieraniem danych wprost z oznaczeń Schema.org i Open Graph.
- Google AI Overviews Shopping: zintegrowane bezpośrednio z wynikami Google. Wybór oparty na Shopping graph, który zależy od Merchant Center oraz oznaczeń Product i Offer.
- Operator (OpenAI) i Claude Computer Use (Anthropic): agenci sterujący przeglądarką. Rzadsi w 2026 roku, ale rosnący. Realnie nawigują po witrynie, klikają przyciski, wypełniają formularze. To odwiedzający syntetyczny, który podąża za drzewem DOM i renderowaniem wizualnym.
- Agenci wbudowani w inne aplikacje: Microsoft Copilot Shopping, Amazon Rufus po stronie Amazona, rodzące się agenty w WhatsApp Business.
Szacowany wolumen w europejskich sklepach B2C ze średniej półki w segmentach mody, wystroju wnętrz i technologii w 2026 roku: od 2 do 8 % ruchu odsyłającego pochodzi już od agentów AI, z szybkim wzrostem. Jeszcze nie większość, ale już nie margines.
Jak agent AI „czyta” kartę produktu
Współistnieją i będą współistnieć w 2026 roku dwa tryby odczytu:
Tryb 1: data-first (większość)
Agent nie ładuje wyrenderowanej strony. Odpytuje publiczne API albo zasysa ustrukturyzowane oznaczenie Schema.org. Źródła priorytetowe:
- JSON-LD Schema.org osadzony w stronie (Product, Offer, AggregateRating, hasMerchantReturnPolicy, shippingDetails).
- Metadane Open Graph (og:title, og:description, og:image, og:type=product).
- Feed Google Merchant Center (XML albo Content API).
- Plik llms.txt, jeśli istnieje, który może wskazywać ustrukturyzowaną wersję katalogu.
- Mapa witryny XML dla produktów, z datami modyfikacji i priorytetami.
Żadnego wykonanego JavaScriptu, żadnego wyrenderowanego widoku. Jeśli informacji nie ma w statycznym HTML-u ani w strumieniach strukturalnych, dla agenta ona nie istnieje.
Tryb 2: browser-first (Operator, Computer Use)
Agent ładuje stronę tak jak zrobiłby to człowiek: wykonuje JavaScript, widzi wyrenderowane drzewo DOM, robi zrzuty ekranu, rozpoznaje przyciski, klika. Jego odczyt jest bliższy realnemu odwiedzającemu, ale z kilkoma osobliwościami:
- Potrzebuje elementów interaktywnych nazwanych i opisanych (przyciski z aria-label, formularze z powiązanymi etykietami). Praca nad dostępnością wykonana pod WCAG 2.2 służy tu bezpośrednio.
- Jest wrażliwy na blokujące popupy i okna modalne bez czytelnego przycisku zamknięcia. Baner cookies, którego nie da się zamknąć z klawiatury, zablokuje agenta tak samo jak użytkownika z niepełnosprawnością.
- Preferuje ścieżki liniowe i checkout na jednym ekranie. Lejek na sześć etapów jest bardziej ryzykowny niż checkout jednostronicowy.
Lista kontrolna optymalizacji katalogu PrestaShop
1. Kompletne i aktualne JSON-LD Schema.org
To fundament. Zobacz artykuł poświęcony oznaczeniu Schema.org Product w 2026: hasMerchantReturnPolicy, shippingDetails, ProductGroup dla odmian, realne AggregateRating, uzupełnione GTIN, MPN i brand. Bez tego agent AI nie potrafi dopasować karty produktu do intencji zakupowej.
2. Plik llms.txt w katalogu głównym
Standard llms.txt proponuje plik markdown w katalogu głównym domeny, który opisuje witrynę i wskazuje zasoby strukturalne najbardziej użyteczne dla modeli. W sklepie internetowym typowy llms.txt zawiera:
- Tożsamość sprzedawcy i obsługiwane branże.
- Adres mapy witryny dla produktów.
- Adres strumienia JSON z katalogiem, jeśli jest dostępny.
- Streszczoną politykę zwrotów i dostawy.
- Dane kontaktowe dla agentów (adres e-mail przyjazny maszynom).
Po stronie DataFirefly moduł dfllmstxt generuje ten plik automatycznie dla sklepów PrestaShop, z dobową aktualizacją i personalizacją per sklep w trybie multisklep.
3. Czyste Open Graph produktu
Poza Schema.org agenci AI i sieci społecznościowe odpytują znaczniki Open Graph i Twitter Card. og:type=product, og:image w formacie 1200 na 630, czytelne og:title oraz og:price:amount i og:availability tam, gdzie mają sens. Wiele motywów PrestaShop pomija og:price.
4. Stabilne adresy kanoniczne
Agent wracający na kartę musi odnaleźć ten sam adres. Adresy z parametrami dynamicznymi (id_lang=1, controller=product i tak dalej) są mniej wiarygodne niż stabilne adresy przepisane. SEO i AEO spotykają się tu w jednym punkcie.
5. Wiarygodna dostępność i cena po stronie serwera
Agent czyta HTML wyrenderowany po stronie serwera. Jeśli realna cena jest wyliczana JavaScriptem po stronie klienta (częsty przypadek przy modułach dynamicznych promocji), agent zobaczy cenę domyślną. Sprawdź, czy cena widoczna w statycznym HTML-u odpowiada cenie rzeczywistej.
6. Robots.txt i jawna polityka crawlowania
Główne crawlery agentów AI identyfikują się dziś rozpoznawalnymi user-agentami: GPTBot, ClaudeBot, PerplexityBot, ChatGPT-User, Anthropic-Verifier, Google-Extended. W pliku robots.txt roku 2026 jawnie dopuszczamy te, które chcemy przyjąć, i blokujemy te, których nie chcemy. Ślepe blokowanie wszystkich botów AI jest kuszące, ale odcina sklep od przyszłej publiczności.
7. Wydajność i stabilność renderowania po stronie serwera
Agenci działający w trybie browser-first rezygnują, jeśli strona ładuje się dłużej niż kilka sekund albo jeśli drzewo DOM nieustannie się przesuwa (wysokie CLS). Praca nad Core Web Vitals wykonana pod Google służy bezpośrednio agentom, bo to to samo kryterium techniczne, tylko stosowane przez agenta zamiast przez robota indeksującego.
8. Checkout przyjazny maszynom
Dla agentów, którzy dochodzą aż do zakupu (Operator, Computer Use): checkout jednostronicowy albo bardzo krótki, brak blokującego captcha, dostępna płatność ekspresowa (BLIK, Apple Pay, Google Pay), czytelne podsumowanie przed zatwierdzeniem. Koszyk porzucony przez captcha narzucone agentowi AI w checkoucie to stracona sprzedaż, a w 2026 roku zaczyna to mieć znaczenie.
Mierzenie udziału agentów w ruchu
Agenci AI zwykle zostawiają ślad w user-agencie, a czasem w nagłówku odsyłającym. Główne do monitorowania w 2026 roku w logach serwera albo w GA4:
- GPTBot, ChatGPT-User (OpenAI).
- ClaudeBot, Claude-User, Anthropic-Verifier (Anthropic).
- PerplexityBot, Perplexity-User (Perplexity).
- Google-Extended (Gemini i AI Overviews).
- CCBot (Common Crawl, zasila kilka modeli).
- Applebot-Extended (Apple Intelligence).
Dodanie własnego wymiaru w GA4 albo filtra w narzędziu analitycznym po stronie serwera pozwala wyodrębnić ten ruch, zmierzyć jego wzrost i policzyć realny zwrot z inwestycji w AEO.
Ryzyka do przewidzenia
Trzy rafy warte zapamiętania:
- Oszustwa przez agenta: źle wyrównany albo przejęty agent może próbować masowych zakupów, zbierania cen albo czegoś gorszego. Ochrona polega na inteligentnym ograniczaniu tempa żądań (blokowanie podejrzanych wzorców bez blokowania agentów legalnych) oraz na dodatkowym uwierzytelnianiu przy nietypowych koszykach.
- Odcięcie marki od klienta: jeśli agent domyka lejek od początku do końca, a użytkownik nigdy nie trafia na witrynę sprzedawcy, marka traci okazję do komunikacji (newsletter, remarketing, cross-sell). To tendencja, która będzie się nasilać i którą trzeba wpisać w strategię budowania lojalności.
- Treść generowana przez AI w opiniach: zjawisko już obserwowane. Inwestycja w opinie zweryfikowane gwarantuje autentyczność sygnału i zgodność z wymaganiami Google co do jakości recenzji.
Podsumowanie: przygotowanie katalogu nie jest opcjonalne
AEO w 2025 roku było ciekawą opcją. AEO w 2026 roku jest warunkiem dostępu do ruchu. Sklepy, które nie zaktualizują oznaczenia Schema.org, nie opublikują swojego llms.txt i nie skonfigurują robots.txt pod agentów AI, zobaczą swój udział w ruchu z AI zmierzający do zera, podczas gdy konkurenci przechwycą pierwsze efekty sieciowe.
Dobra wiadomość: te działania techniczne należą do najmniej kosztownych w marketingu cyfrowym 2026 roku. Kilka tygodni dobrze ukierunkowanej pracy wystarcza, aby wejść do kategorii „katalog czytelny dla agentów”. Prawdziwa konkurencja rozgrywa się dziś o jakość produktu, cenę i obsługę, a nie o techniczne tarcie w dostępie do informacji.
Przeczytaj także: AEO w zastosowaniu do PrestaShop 8 oraz oznaczenie Schema.org Product w 2026.
