Z tego artykułu dowiesz się:
- W jaki sposób algorytmy AI wprowadzają w błąd konsumentów, faworyzując zagraniczne platformy?
- Dlaczego dla sztucznej inteligencji ilość danych tekstowych jest ważniejsza niż faktyczna jakość produktu?
- Na czym polega mechanizm „algorithmic misleading”?
- Jakie kroki muszą podjąć polskie e-sklepy, aby ich oferta była czytelna i konkurencyjna dla AI?
Najnowsze badanie TrustMate.io, do którego dotarła „Rzeczpospolita”, podważa wygodę robienia zakupów internetowych z pomocą narzędzi AI. Firma przetestowała LLM-y przy okazji wyszukiwania 200 towarów i okazało się, że w aż 46 proc. przypadków dochodziło do „halucynacji” – algorytmy zmyślały usterki polskich produktów, rekomendując jednocześnie w ich miejsce zagraniczne alternatywy, w tym tanie zamienniki z globalnych platform handlowych.
Dla AI ważniejszy jest dokładny opis niż jakość
Wyniki zaskoczyły prowadzących badanie, bo – choć polscy sprzedawcy oferowali jakościowe towary – AI nie rekomendowała zakupu. Okazało się, że to wina tego, iż sklepy te nie stosują szerokich opisów produktów i nie mają ustrukturyzowanych danych w kodzie sklepu. Tymczasem boty wybierają ilość (dziesiątki kart, szczegółowych opisów np. u chińskich sprzedawców) ponad faktyczną jakość.
Zespół analityczny TrustMate.io wziął pod lupę towary z takich segmentów jak elektronika użytkowa, dom i ogród czy kosmetyki. Zestawiono w nim asortyment posiadający pełne wdrożenie danych strukturalnych (Schema.org), zasilanych zweryfikowanymi opiniami transakcyjnymi, z takimi produktami, które pozbawione były mikrodanych w kodzie źródłowym. Zarówno ChatGPT Search, Perplexity Pro, jak i Google Gemini 1.5 były podatne na dezinformację przy braku Schema.org: algorytmy generowały nieistniejące wady konstrukcyjne bądź bezpodstawnie rekomendowały tańsze zamienniki z zagranicznych platform. Jednakże w grupie produktów zabezpieczonych zweryfikowanymi danymi w formacie JSON-LD (JavaScript Object Notation for Linked Data to lekki format zapisu danych uporządkowanych) zjawisko zmyślania usterek uległo niemal całkowitej redukcji. Jerzy Krawczyk, prezes TrustMate.io, tak opisuje przewagę globalnych platform.
– Te azjatyckie oraz najwięksi sprzedawcy operujący na Amazonie zalali internet milionami maszynowo zindeksowanych podstron, tabel i opisów. W efekcie silnik generatywny dysponuje tysiące razy większą ilością danych tekstowych o ich produktach niż o ofercie z pojedynczego polskiego sklepu. Algorytm nie weryfikuje atestów ani faktycznego wykonania sprzętu – opiera się na statystyce i poleca to, o czym w sieci powiedziano najwięcej, myląc objętość zindeksowanego tekstu z rzeczywistą jakością wyrobu – wyjaśnia.
Jak dodaje, finalnie na podstawie rekomendacji AI internauta kupuje zagraniczny zamiennik, a zysk wypływa z polskiej gospodarki.
Czytaj więcej:
W 2025 r. tylko 5 proc. zakupów internetowych w Polsce zostało zrobionych z wykorzystaniem narzędzi opartych na sztucznej inteligencji. Eksperci wy...
Pro
Sztuczna Inteligencja nie przyzna się do niewiedzy
Sprawa jest poważna, a eksperci mówią o zjawisku systemowego wprowadzania konsumentów w błąd (tzw. algorithmic misleading). Nie dziwi ich to jednak, gdyż – jak zaznaczają – mechanizm takiego oszukiwania w architekturze RAG (Retrieval-Augmented Generation) wynika wprost z natury modeli językowych połączonych z wyszukiwarkami sieciowymi. LLM jest zoptymalizowany pod kątem ciągłości dialogu i unikania braku odpowiedzi, więc gdy konsument zadaje zapytanie: „jakie wady konstrukcyjne ma ten model i co kupić zamiast niego?”, AI przeszukuje sieć w poszukiwaniu jakichkolwiek pasujących wektorów semantycznych. Według Krawczyka, w starciu z agresywnym, zautomatyzowanym pozycjonowaniem azjatyckich platform oraz globalnych marketplace’ów, polski e-sklep pozbawiony ustrukturyzowanych danych staje się ofiarą.
– Architektura współczesnych modeli generatywnych ma wbudowany przymus udzielenia porady za wszelką cenę. LLM nie powie konsumentowi: nie mam zweryfikowanych danych o tym polskim produkcie, więc nie ocenię jego parametrów. Zamiast tego uruchamia mechanizm asocjacyjny – kompiluje niepewne wątki z sieci, tworzy prawdopodobnie brzmiącą historię o usterce i natychmiast podsuwa zagraniczną alternatywę, która ma w sieci więcej „generycznego szumu” – podkreśla Krawczyk.
Tak było, gdy testerzy pytali bota o polski certyfikowany sprzęt grzewczy, ale ten nie tylko przypisał mu zmyślone ryzyko awarii termostatu, ale w podsumowaniu zarekomendował importowane zamienniki. W kosmetykach naturalnych i chemii domowej modele kompilowały ostrzeżenia o substancjach drażniących, które nie występowały w składzie polskiego wyrobu.
Jarosław Sokolnicki, współzałożyciel exeAI, zna problem takich konfabulacji produktowych.
– Gdy w sieci brakuje rzetelnych danych o konkretnym wariancie produktu agent może pomylić modele, powielić pojedynczą opinię albo zbyt pewnie wyciągnąć wniosek z niepełnych źródeł – potwierdza. I przyznaje, że właśnie w tym miejscu zaczyna się przewaga dużych chińskich marketplace'ów.
Czytaj więcej:
AI odbierze sklepom internetowym nawet 70 proc. dotychczasowego ruchu – alarmują eksperci. Szukający produktów w sieci coraz rzadziej klikają w lin...
Pro
Większość polskich stron „niewidzialna” dla AI
Takie platformy zwykle dostarczają bogatsze i częściej aktualizowane katalogi. Według Sokolnickiego nie ma jednak podstaw, by twierdzić, że AI systemowo promuje produkty z określonego kraju.
– Rekomendacja zależy od danych, do których agent ma dostęp, oraz od kryterium, które realizuje – np. najniższej ceny, szybkiej dostawy, marki lub jakości – tłumaczy Sokolnicki.
Podobnie mówi Adam Kubarski, dyrektor e-commerce w Senetic. Jego zdaniem twierdzenie, że chatboty z automatu kierują polskich klientów do zagranicznych platform, byłoby nadużyciem.
– Wiele zależy od konkretnego pytania, ceny, dostępności produktu i rynku, na którym znajduje się użytkownik. Jeśli polski sklep ma dobrze opisaną ofertę i jest wiarygodnym źródłem informacji, może pojawić się w rekomendacjach obok największych międzynarodowych graczy. Duże marketplace'y mają oczywiście przewagę skali – ogromną liczbę produktów, opinii i danych – wylicza.
Polskie e-sklepy nie stoją zatem na przegranej pozycji.
Emiliano Caradonna, prezes mPay, wskazuje, że rodzimi sprzedawcy mają własne atuty: lokalną dostępność, szybką dostawę i usługi dopasowane do potrzeb krajowych klientów.
– Kluczowe będzie to, czy potrafią przedstawić te informacje w sposób aktualny, czytelny i możliwy do zweryfikowania przez AI – zastrzega.
Wtóruje mu Piotr Kawecki, prezes ITBoom.
– Mała marka nie musi konkurować liczbą treści, lecz powinna precyzyjnie pokazać swoją przewagę: zastosowanie produktu, parametry, serwis, części, dostępność i warunki zwrotu, tak, aby agent mógł ją rzetelnie porównać – radzi.
Czytaj więcej
Niemal 6 na 10 internautów zrezygnowało z zakupu online, bo chatbot sklepu nie potrafił rozwiązać ich problemu. Eksperci ostrzegają: zbyt szybkie i...
Sytuacja rynkowa jednak nie napawa optymizmem. Jakub Mazurkiewicz, prezes Euvic Organic Search, wskazał nam, że firma przeprowadziła właśnie badania dotyczące wykorzystania AI w 1,6 tys. e-sklepów nad Wisłą. Wniosek?
– Sektor wciąż nie jest jeszcze w pełni gotowy na sytuację, w której część procesu zakupowego przejmą agenty AI – mówi Mazurkiewicz.
Potwierdzają to zresztą analizy Geoboard.ai, gdy zbadano 369 polskich domen pod kątem wskaźnika GRI (Geoboard Readiness Index – skala 0-100 mierząca czytelność strony dla silników LLM i systemów RAG) – wynika z niego, że prawie 58 proc. polskich stron jest dla botów niemal nieczytelnych. Przyznano im klasę D i F, a żadna z badanych domen nie osiągnęła najwyższej klasy A – średni ogólny wynik Polski wyniósł 40/100, ale w e-commerce wskaźnik GRI był jeszcze niższy (ledwie 32,5/100).
