Cosa Sta Acquistando il Tuo Agente AI? Valutazione, Implicazioni e Domande Emergenti per l'E-Commerce Agente

What Is Your AI Agent Buying? Evaluation, Implications and Emerging Questions for Agentic E-Commerce

August 4, 2025

Autori: Amine Allouah, Omar Besbes, Josué D Figueroa, Yash Kanoria, Akshit Kumar

cs.AI

Abstract

I marketplace online saranno trasformati da agenti AI autonomi che agiscono a nome dei consumatori. Invece di avere esseri umani che navigano e cliccano, agenti basati su modelli visione-linguaggio (VLM) possono analizzare pagine web, valutare prodotti e effettuare transazioni. Ciò solleva una domanda fondamentale: cosa comprano gli agenti AI e perché? Sviluppiamo ACES, un ambiente sandbox che abbina un agente VLM indipendente dalla piattaforma a un marketplace simulato completamente programmabile per studiare questa questione. Iniziamo eseguendo controlli di razionalità di base nel contesto di compiti semplici, e poi, randomizzando posizioni dei prodotti, prezzi, valutazioni, recensioni, tag sponsorizzati e approvazioni della piattaforma, otteniamo stime causali di come i VLM di frontiera effettivamente acquistano. I modelli mostrano forti ma eterogenei effetti di posizione: tutti favoriscono la riga superiore, ma modelli diversi preferiscono colonne diverse, minando l'assunzione di un rango "superiore" universale. Penalizzano i tag sponsorizzati e premiano le approvazioni. Le sensibilità a prezzo, valutazioni e recensioni sono direzionalmente simili a quelle umane, ma variano fortemente in magnitudine tra i modelli. Motivati da scenari in cui i venditori utilizzano agenti AI per ottimizzare le inserzioni di prodotti, dimostriamo che un agente lato venditore che apporta piccole modifiche alle descrizioni dei prodotti, mirando alle preferenze degli acquirenti AI, può ottenere sostanziali guadagni di quota di mercato se lo shopping mediato da AI domina. Troviamo anche che le scelte modali di prodotti possono differire tra i modelli e, in alcuni casi, la domanda può concentrarsi su pochi prodotti selezionati, sollevando questioni di concorrenza. Insieme, i nostri risultati illuminano come gli agenti AI potrebbero comportarsi negli ambienti di e-commerce e mettono in luce concrete strategie dei venditori, design della piattaforma e questioni normative in un ecosistema mediato da AI.

English

Online marketplaces will be transformed by autonomous AI agents acting on behalf of consumers. Rather than humans browsing and clicking, vision-language-model (VLM) agents can parse webpages, evaluate products, and transact. This raises a fundamental question: what do AI agents buy, and why? We develop ACES, a sandbox environment that pairs a platform-agnostic VLM agent with a fully programmable mock marketplace to study this question. We first conduct basic rationality checks in the context of simple tasks, and then, by randomizing product positions, prices, ratings, reviews, sponsored tags, and platform endorsements, we obtain causal estimates of how frontier VLMs actually shop. Models show strong but heterogeneous position effects: all favor the top row, yet different models prefer different columns, undermining the assumption of a universal "top" rank. They penalize sponsored tags and reward endorsements. Sensitivities to price, ratings, and reviews are directionally human-like but vary sharply in magnitude across models. Motivated by scenarios where sellers use AI agents to optimize product listings, we show that a seller-side agent that makes minor tweaks to product descriptions, targeting AI buyer preferences, can deliver substantial market-share gains if AI-mediated shopping dominates. We also find that modal product choices can differ across models and, in some cases, demand may concentrate on a few select products, raising competition questions. Together, our results illuminate how AI agents may behave in e-commerce settings and surface concrete seller strategy, platform design, and regulatory questions in an AI-mediated ecosystem.