Asystenci AI mogą odradzać zakup polskich produktów, gdy sklep internetowy nie udostępnia im danych ustrukturyzowanych. Tak wynika z badania TrustMate.io, które 5 października opisał serwis ITwiz. W 46% analizowanych przypadków brak takich danych szedł w parze z halucynacjami modeli: wymyślonymi wadami produktu i podsuwaniem zagranicznych zamienników.
Analiza objęła 200 kart produktów z polskich e-sklepów z trzech kategorii: elektronika użytkowa, dom i ogród oraz kosmetyki naturalne. Badanie przeprowadzono we wrześniu 2026 roku. Autorzy porównali produkty opisane ustrukturyzowanymi danymi o opiniach transakcyjnych z grupą kontrolną, która takich danych nie miała. Publikacja nie podaje jednak, jak często modele myliły się przy produktach z kompletnym opisem, ani których dokładnie asystentów użyto w testach.
Cztery powtarzające się błędy asystentów AI
TrustMate wskazuje cztery wzorce, które wracały w odpowiedziach modeli:
- przekierowanie klienta do zagranicznej alternatywy, o której w sieci jest więcej informacji,
- faworyzowanie dużych marketplace'ów zamiast sklepu, który faktycznie sprzedaje produkt,
- łączenie różnych produktów i marek w jeden opis,
- korzystanie z nieaktualnego kontekstu, czyli informacji, które straciły ważność.
„LLM nie powie konsumentowi: nie mam zweryfikowanych danych o tym polskim produkcie, więc nie ocenię jego parametrów.” — Jerzy Krawczyk, prezes TrustMate.io
To sedno problemu. Model językowy rzadko przyznaje się do niewiedzy. Lukę wypełnia tekstem, który brzmi wiarygodnie, a dla klienta wygląda jak rzetelna rekomendacja.
Dane ustrukturyzowane a polskie e-sklepy: co z tego wynika
Coraz więcej klientów pyta asystenta AI o wybór produktu, zanim w ogóle trafi do sklepu. Jeśli karta produktu jest dla modelu nieczytelna, sklep może przegrać, zanim klient zobaczy jego ofertę. Krawczyk ostrzega przed utratą klientów „na ostatniej prostej koszyka”. Najbardziej narażone są mniejsze polskie marki, o których w sieci pisze się mniej niż o globalnych konkurentach.
Zalecenia z badania są praktyczne i w większości znane z SEO:
- pełne znaczniki Schema.org dla produktu, ofert i opinii,
- aktualne i precyzyjne parametry techniczne,
- szczegółowe opinie potwierdzone zakupem,
- jednoznaczne identyfikatory produktu,
- regularne sprawdzanie, co o produktach mówią popularne asystenty AI.
Pierwszy punkt łatwo zweryfikować samodzielnie. Dokumentacja Google o danych strukturalnych Product (EN) opisuje, jak oznaczać ceny, dostępność i opinie. Ostatni punkt wymaga nowego nawyku. Warto raz w miesiącu zadać kilku asystentom te same pytania o własne produkty i porównać odpowiedzi. Taki test szybko pokaże, czy model zna ofertę, czy ją zmyśla.
Wyniki warto czytać z umiarem. Próba 200 kart jest niewielka, a brak liczb dla produktów z pełnym opisem utrudnia ocenę, o ile dane ustrukturyzowane faktycznie zmniejszają liczbę błędów. Kierunek jest jednak spójny z tym, jak działają modele: im mniej sprawdzonych informacji, tym więcej zgadywania.
Źródło: ITwiz: AI może odradzać polskie produkty. Jak e-sklepy mogą się przed tym bronić? (5 października 2026). Kontekst techniczny: Google Search Central: Product structured data (EN).
