AI agenti za kupovinu još nisu spremni kupovati u vaše ime, pokazuje studija

Dovoljan je jedan izvor da se preporuka potpuno preokrene

Čak i bez vanjskih izvora, modeli su pokazivali različite početne preferencije. No čim bi agent vidio samo jedan vanjski izvor prije stranice s proizvodom, preporuke su se u nekim slučajevima dramatično promijenile.

Istraživači su testirali tri izvora: Reddit nit koja preporučuje Garmin Forerunner 55, Wirecutter recenziju za Fitbit Inspire 3 i Strategist članak o WHOOP 5.0. Wirecutter je imao najjači utjecaj. Vjerojatnost odabira Fitbit Inspire 3 porasla je za 90 postotnih bodova kod Claude Opus 4.8 u usporedbi s kontrolnim uvjetom, a kod Gemini 3.5 Flash čak za 99 postotnih bodova.

U drugom eksperimentu agenti su dobivali kombinacije dvaju ili triju izvora. Više izvora ipak nije uravnotežilo preporuke. Wirecutter je dominirao kod većine modela kad god je bio dio kombinacije, premda je jačina tog učinka varirala. Prema nalazima studije, više izvora zapravo je dovodilo do veće varijabilnosti.

Čak i redoslijed istih izvora mijenja ishod

U trećem istraživanju agenti su dobivali sva tri izvora u različitim redoslijedima. Stabilan proces odlučivanja trebao bi davati isti rezultat uz identičan sadržaj. No nije.

Gemini 3.1 Flash Lite pokazao se najosjetljivijim – vjerojatnost da odabere Fitbit Inspire 3 kretala se između 2 i 56 postotnih bodova iznad kontrolnog uvjeta, ovisno o redoslijedu izvora. Claude Haiku 4.5 ostao je stabilan, s rasponom od 41 do 42 postotna boda. Istraživači zaključuju da je redoslijed prezentacije sam po sebi čimbenik koji utječe na odabir proizvoda.

Važno je i to dostavljaju li se izvori modelu jedan po jedan ili zajedno. GPT-5.5 je Fitbit Inspire 3 odabrao u čak 53 postotna boda više slučajeva kada su mu izvori dostavljeni zajedno, a samo 6 postotnih bodova više kada su dostavljeni sekvencijalno.

Kratke bilješke iz memorije nadjačavaju objektivno superioran proizvod

U četvrtom eksperimentu istraživači su modificirali ponudu proizvoda tako da jedan bude superioran po svakoj mjerljivoj dimenziji: pametni sat s Alexom za 29,99 dolara, ocijenjen s 5,0 od 5,0 na temelju 430 recenzija. Svaki drugi proizvod koštao je najmanje 359 dolara i imao je manje recenzija.

Potom su dodali kratke izjave iz korisničke memorije poput „Obožavam planinarenje!” Kod nekoliko modela te su izjave preusmjerile odabir prema skupljim proizvodima, unatoč prisutnosti objektivno najboljeg. Stopa odabira Garmin Vivoactive 5 porasla je za 75 postotnih bodova kod Claude Opus 4.8, za 37 postotnih bodova kod GPT-5.5 te za 36 kod Gemini 3.1 Flash Lite.

Gemini 3.5 Flash pokazao se najotpornijim – u 86 do 92 posto slučajeva odabrao je objektivno najbolji proizvod bez obzira na memorijske izjave. GPT-5 Mini pokazao je neobičan obrazac: pozitivna izjava o planinarenju nije dovela do značajnog pomaka prema Garmin Vivoactive 5, ali negativna („Ne volim planinarenje!”) znatno je povećala odabir Fitbit Versa 4.

Bez dosljednosti nema ni kontrole

Za kupce ova studija sugerira da prepuštanje AI agentu da kupuje u vaše ime ne jamči dosljedne ni optimalne odluke o kupnji. Dva korisnika s istim upitom, ili isti korisnik u različito vrijeme, mogu dobiti različite preporuke bez ikakvog vidljivog razloga. Ni ljudske odluke o kupnji nisu uvijek dosljedne, ali to sigurno nije ono što ljudi očekuju od AI asistenta za kupovinu. Svaki tko je postavio memoriju u ChatGPT-u ili sličnim alatima trebao bi znati da ona može nepredvidivo utjecati na preporuke proizvoda.

Za prodavače rezultati sugeriraju da će optimizacija za AI kupovinu biti zahtjevnija od tradicionalnog SEO-a, smatraju istraživači. Prodavači ne znaju koji model obavlja kupovinu, što je prethodno pročitao ni kako njegovo tehničko postavljanje obrađuje informacije.