Agenci AI zawodzą w zakupach. Nowe badania Wharton

Zakupy przez internet miały wyglądać prościej. Wystarczy oddać ster agentowi AI, a on znajdzie najlepszą opcję, porówna oferty i sfinalizuje transakcję. Rzeczywistość okazuje się jednak bardziej skomplikowana. Naukowcy z Wharton School przy Uniwersytecie Pensylwanii postanowili sprawdzić, czy inteligentni asystenci faktycznie potrafią dokonywać spójnych i racjonalnych wyborów. Wnioski z ich badania rzucają cień na wizję w pełni zautomatyzowanych zakupów i pokazują, że obecne modele mają spory problem z konsekwencją decyzji.

Zespół badawczy przetestował sześć różnych modeli językowych – od wersji zminiaturyzowanych po te z najwyższej półki. Każdy z nich miał wcielić się w rolę osobistego asystenta zakupowego i wybrać zegarek fitness z przygotowanej wcześniej siatki produktów. Do tego celu naukowcy wykorzystali autorski symulator ACES (Agentic e-Commerce Simulator), który pokazuje agentowi zrzut ekranu strony produktowej. Model analizuje obraz, może skorzystać z dodatkowych źródeł rekomendacji, a następnie wskazuje wybrany produkt.

Jedno źródło potrafi wywrócić decyzję do góry nogami

W pierwszej fazie eksperymentu modele pracowały bez żadnych zewnętrznych podpowiedzi. Każdy z nich wykazywał inne, charakterystyczne dla siebie preferencje bazowe. Sytuacja zmieniała się jednak diametralnie, gdy przed prezentacją strony produktowej agent otrzymywał dostęp do jednego zewnętrznego źródła. Badacze przygotowali trzy opcje: wątek na Reddicie polecający Garmin Forerunner 55, recenzję z Wirecutter wskazującą na Fitbit Inspire 3 oraz artykuł z The Strategist o WHOOP 5.0.

Najsilniejszy wpływ na decyzje modeli miały materiały z Wirecutter. W przypadku modelu Claude Opus 4.8 prawdopodobieństwo wyboru Fitbit Inspire 3 wzrosło o 90 punktów procentowych w porównaniu z sytuacją kontrolną. Gemini 3.5 Flash poszedł jeszcze dalej – skok wyniósł aż 99 punktów procentowych. Jeden artykuł potrafił więc niemal całkowicie zdeterminować wybór agenta, co pokazuje, jak krucha jest ich „niezależność” decyzyjna.

Więcej źródeł nie oznacza lepszych rekomendacji

Kolejny etap badania zakładał prezentowanie agentom kombinacji dwóch lub trzech źródeł jednocześnie. Intuicja podpowiada, że większa liczba opinii powinna zrównoważyć wpływ pojedynczej recenzji i doprowadzić do bardziej wyważonej decyzji. Nic bardziej mylnego. W praktyce Wirecutter dominował nad pozostałymi materiałami, gdy tylko pojawiał się w zestawie, choć siła tego efektu bywała różna w zależności od modelu.

Co istotne, dodanie kolejnych źródeł nie zmniejszyło chaosu decyzyjnego, a wręcz go pogłębiło. Badacze zaobserwowali, że większa liczba materiałów wejściowych prowadzi do większej zmienności w rekomendacjach. Zamiast stabilizować wybór, dodatkowe informacje wprowadzały jeszcze więcej losowości do procesu decyzyjnego agentów.

Kolejność źródeł i sposób ich podania mają znaczenie

Trzeci eksperyment ujawnił kolejny problem – wrażliwość na kolejność prezentacji tych samych treści. Wszystkie trzy źródła podawano modelom w różnych sekwencjach. Logika podpowiada, że identyczny zestaw informacji powinien prowadzić do identycznego wniosku, niezależnie od kolejności wyświetlania. Rzeczywistość okazała się jednak znacznie bardziej zagmatwana.

Największą wrażliwość na ten czynnik wykazał Gemini 3.1 Flash Lite, u którego prawdopodobieństwo wyboru Fitbit Inspire 3 wahało się od 2 do 56 punktów procentowych powyżej poziomu kontrolnego, w zależności od układu źródeł. Dla kontrastu, Claude Haiku 4.5 pozostał stabilny, utrzymując wynik w przedziale 41–42 punktów procentowych. Sposób przekazywania informacji również odgrywał rolę. GPT-5.5 wybierał Fitbit Inspire 3 o 53 punkty procentowe częściej, gdy źródła dostarczano w pakiecie, ale tylko o 6 punktów procentowych, gdy podawano je sekwencyjnie.

Zapisane preferencje użytkownika przełamują logikę wyboru

W ostatnim, najbardziej zaskakującym eksperymencie, badacze zmodyfikowali siatkę produktów tak, aby jeden z nich był obiektywnie lepszy od pozostałych pod każdym względem. Chodziło o smartwatch z asystentem Alexa w cenie 29,99 dolarów, oceniony na 5,0 na 5,0 przy 430 recenzjach. Konkurencyjne produkty kosztowały co najmniej 359 dolarów i miały mniej opinii. Następnie do modeli dodano krótkie zapisane preferencje użytkownika, na przykład „uwielbiam górskie wędrówki!”.

Efekt? Te pozornie niewinne deklaracje potrafiły skierować modele ku znacznie droższym produktom, ignorując istnienie obiektywnie lepszej opcji. Wskaźnik wyboru Garmin Vivoactive 5 wzrósł o 75 punktów procentowych w przypadku Claude Opus 4.8, o 37 punktów dla GPT-5.5 i o 36 dla Gemini 3.1 Flash Lite. Najbardziej odporny okazał się Gemini 3.5 Flash, który w 86–92 procentach przypadków wybierał obiektywnie najlepszy produkt, niezależnie od zapisanych preferencji.

Nie zabrakło też zachowań całkowicie irracjonalnych. GPT-5 Mini nie zareagował znacząco na pozytywne zdanie o wędrówkach, ale negatywna deklaracja („nie lubię wędrówek!”) paradoksalnie zwiększyła wybory Fitbit Versa 4. Tego typu niespójności pokazują, że modele wciąż nie rozumieją kontekstu w sposób, który zapewniałby przewidywalne i logiczne zachowanie.

Brak stabilności oznacza brak kontroli

Dla konsumentów wyniki badania są jasnym sygnałem ostrzegawczym. Powierzenie agentowi AI decyzji zakupowych nie gwarantuje ani optymalnego wyboru, ani powtarzalności. Dwie osoby zadające identyczne pytanie, albo ta sama osoba pytająca kolejnego dnia, mogą otrzymać zupełnie inne rekomendacje, bez żadnego widocznego powodu. Ludzkie decyzje zakupowe również bywają niekonsekwentne, ale od sztucznej inteligencji oczekuje się jednak czegoś więcej.

Osoby korzystające z funkcji pamięci w ChatGPT i podobnych narzędziach powinny mieć świadomość, że zapisane tam informacje mogą w nieprzewidywalny sposób wpływać na rekomendacje zakupowe. Z kolei dla sprzedawców wyniki oznaczają, że optymalizacja pod kątem agentów AI będzie znacznie trudniejsza niż tradycyjne SEO. Sprzedawca nie ma bowiem wiedzy o tym, który model dokonuje zakupu, jakie treści przeczytał wcześniej ani w jaki sposób technicznie przetwarza informacje.

Badanie z Wharton pokazuje, że agenci zakupowi AI to wciąż technologia niedojrzała. Zanim powierzymy im nasze portfele, muszą nauczyć się stabilności, odporności na manipulację i spójności w podejmowaniu decyzji. Na razie pozostaje nam tradycyjne, samodzielne przeglądanie ofert – a sztuczna inteligencja może co najwyżej podpowiadać, nie przesądzając ostatecznego wyboru.