Что покупает ваш ИИ-агент? Оценка, последствия и возникающие вопросы в агентной электронной коммерции

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

August 4, 2025

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

cs.AI

Аннотация

Онлайн-рынки будут трансформированы автономными ИИ-агентами, действующими от имени потребителей. Вместо того чтобы люди просматривали и кликали, агенты на основе моделей "визуальный язык" (VLM) смогут анализировать веб-страницы, оценивать продукты и совершать транзакции. Это поднимает фундаментальный вопрос: что покупают ИИ-агенты и почему? Мы разработали ACES — песочницу, которая объединяет платформонезависимого VLM-агента с полностью программируемым имитационным рынком для изучения этого вопроса. Сначала мы проводим базовые проверки рациональности в контексте простых задач, а затем, рандомизируя позиции продуктов, цены, рейтинги, отзывы, спонсируемые метки и рекомендации платформ, получаем причинно-следственные оценки того, как передовые VLM-модели действительно совершают покупки. Модели демонстрируют сильные, но неоднородные эффекты позиционирования: все предпочитают верхнюю строку, но разные модели выбирают разные столбцы, что подрывает предположение о универсальном "топовом" ранге. Они наказывают спонсируемые метки и поощряют рекомендации. Чувствительность к цене, рейтингам и отзывам направленно схожа с человеческой, но резко варьируется по величине между моделями. Вдохновленные сценариями, где продавцы используют ИИ-агентов для оптимизации списков продуктов, мы показываем, что агент со стороны продавца, вносящий незначительные изменения в описания продуктов, ориентируясь на предпочтения ИИ-покупателей, может обеспечить существенный рост доли рынка, если доминирует ИИ-опосредованный шопинг. Мы также обнаружили, что модальные выборы продуктов могут различаться между моделями, и в некоторых случаях спрос может концентрироваться на нескольких избранных продуктах, что поднимает вопросы конкуренции. В совокупности наши результаты проливают свет на то, как ИИ-агенты могут вести себя в условиях электронной коммерции, и выявляют конкретные стратегии продавцов, вопросы дизайна платформ и регулирования в экосистеме, опосредованной ИИ.

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.