Asystenci zakupowi AI: Czy giganci zagrożą wyspecjalizowanym startupom?

Wraz ze zbliżającym się sezonem świątecznych zakupów giganci technologiczni OpenAI i Perplexity zaprezentowali nowe funkcje oparte na sztucznej inteligencji, mające na celu rewolucjonizację procesu zakupowego. Ich asystenci, zintegrowani z istniejącymi chatbotami, mają pomagać użytkownikom w wyszukiwaniu i wyborze produktów, od laptopów gamingowych po niedrogie odpowiedniki luksusowych ubrań.

Narzędzia te, choć podobne w koncepcji, oferują nieco różne podejścia. ChatGPT, rozwijany przez OpenAI, umożliwia precyzyjne zapytania, takie jak „laptop gamingowy do 1000 dolarów z ekranem powyżej 15 cali” lub sugerowanie tańszych alternatyw dla drogich produktów na podstawie zdjęć. Perplexity z kolei wykorzystuje swoją pamięć o preferencjach użytkownika, aby dostarczać spersonalizowane rekomendacje, uwzględniające na przykład miejsce zamieszkania czy zawód.

Analitycy rynkowi, w tym Adobe, przewidują znaczący wzrost, bo aż o 520%, w zakupach wspieranych przez sztuczną inteligencję w nadchodzących miesiącach. To zjawisko stawia pod znakiem zapytania przyszłość mniejszych, wyspecjalizowanych startupów, takich jak Phia, Cherry czy Onton (dawniej Deft), które dotychczas dominowały w tym segmencie.

Specjalizacja kluczem do przetrwania?

Zach Hudson, CEO Onton, narzędzia AI do projektowania wnętrz, wyraża przekonanie, że wyspecjalizowane startupy nadal będą oferować lepsze doświadczenia niż ogólne narzędzia, takie jak ChatGPT czy Perplexity. „Każdy model czy graf wiedzy jest tylko tak dobry, jak jego źródła danych” – podkreśla Hudson. Zauważa, że narzędzia oparte na dużych modelach językowych (LLM) często opierają się na istniejących indeksach wyszukiwarek, takich jak Bing czy Google, co ogranicza ich skuteczność do pierwszych kilku wyników. Perplexity, choć stworzyło własny indeks wyszukiwania, wciąż musi konkurować z precyzją i głębią danych wyspecjalizowanych platform.

Podobne stanowisko prezentuje Julie Bornstein, CEO Daydream i weteranka e-commerce. Wskazuje ona, że branże takie jak moda są „wyjątkowo niuansowe i emocjonalne”. Znalezienie idealnej sukienki to nie to samo co wybór telewizora. „Ten poziom zrozumienia w zakupach modowych pochodzi ze specyficznych dla danej dziedziny danych i logiki merchandisingowej, która obejmuje sylwetki, tkaniny, okazje i sposoby, w jakie ludzie budują swoje stylizacje w czasie” – mówi Bornstein.

Startupowe rozwiązania w przestrzeni zakupów AI często rozwijają własne, dedykowane zbiory danych, co pozwala na trenowanie modeli na danych wyższej jakości. Jest to łatwiejsze do osiągnięcia w przypadku katalogowania produktów modowych czy mebli niż w próbie objęcia całej wiedzy ludzkości. Onton, na przykład, opracował specjalizowany potok danych, aby precyzyjnie katalogować setki tysięcy produktów do wnętrz, co przekłada się na lepsze modele wewnętrzne.

Hudson ostrzega, że startupy, które polegają wyłącznie na ogólnodostępnych modelach LLM i interfejsach konwersacyjnych, mogą mieć trudności w konkurowaniu z większymi firmami.

Przewaga gigantów i nowa ekonomia e-commerce

OpenAI i Perplexity mają jednak znaczącą przewagę: bazę użytkowników korzystających już z ich narzędzi. Dodatkowo ich zasięg pozwala na nawiązywanie partnerstw z największymi sprzedawcami detalicznymi już na samym początku. Podczas gdy mniejsze firmy, takie jak Daydream czy Phia, często przekierowują klientów na strony internetowe detalistów, zarabiając na prowizjach partnerskich, to OpenAI i Perplexity zintegrowały się odpowiednio z Shopify i PayPal, umożliwiając finalizację transakcji bezpośrednio w interfejsie konwersacyjnym.

Dla firm, które do działania wymagają ogromnych mocy obliczeniowych, kluczowe jest znalezienie ścieżki do rentowności. Czerpiąc inspirację z modeli Google czy Amazona, e-commerce staje się atrakcyjnym kierunkiem. Detaliści mogliby płacić za reklamowanie swoich produktów w wynikach wyszukiwania, co jednak grozi zaostrzeniem już istniejących problemów z obiektywnością wyszukiwania, gdzie reklamy dominują nad faktycznymi potrzebami klientów.

Bornstein niezmiennie podkreśla, że „modele wertykalne – czy to w modzie, podróżach, czy artykułach gospodarstwa domowego – będą działać lepiej, ponieważ są dostosowane do rzeczywistych procesów decyzyjnych konsumentów”. To wskazuje na to, że mimo ekspansji ogólnych asystentów AI, specjalizacja i dogłębne zrozumienie konkretnych rynków pozostaną kluczowe dla sukcesu w dynamicznie rozwijającym się świecie zakupów wspieranych sztuczną inteligencją.