Die Engagement-Statistiken von OpenAI offenbaren eine harte Wahrheit. Wir bauen keinen „agentic commerce™“, sondern verherrlichte Befehlszeilentools mit einer Chat-Oberfläche.
Dies ist ein langer Artikel von über 3.000 Wörtern. Schnappen Sie sich Ihren Kaffee.
TL;DR Zusammenfassung
- Eine kürzliche Hacker News-Diskussion zeigte, dass OpenAI trotz einer riesigen Nutzerbasis von 800-900 Millionen hauptsächlich wöchentliches, nicht tägliches Engagement verzeichnet, wobei nur 5 % der Nutzer zahlen. Dies weist auf einen kritischen Fehler hin: Wir haben leistungsstarke KI-Tools, aber keine echten KI-Agenten, die in das tägliche Leben integriert sind [4].
- Die Lücke zwischen einem benutzergesteuerten Tool und einem proaktiven, autonomen Agenten ist ein architektonischer Abgrund. Der aktuelle Stand des „agentic commerce“ (Agenten-gestützter Handel) basiert auf brüchigen API-Aufrufen und menschlichen Workarounds – was eine Quelle als „rentable Menschen“ bezeichnet [3] – weil uns ein universelles Protokoll für die Kommunikation, Transaktion und Verhandlung von Agenten fehlt.
- Um die „Agentic Storefront Readiness“ (Bereitschaft für Agenten-gestützte Ladenfronten) zu erreichen, müssen Marken ihren Fokus vom Bau isolierter Chatbots auf die Beteiligung an und die Vorbereitung auf eine protokollgesteuerte Welt verlagern. Das bedeutet, sich auf strukturierte Daten für die KI-Suche zu konzentrieren, Sandkasten-KI-Erlebnislabore zu schaffen und Systeme für überprüfbare, Agenten-gesteuerte Interaktionen zu entwerfen.
Ich steckte letzten Montag im Stau auf der 405, auf dem Rückweg von DTLA nach Venice, als ich etwas sah, das den Zustand der KI perfekt zusammenfasst. Ein brandneuer, sechstelliger Elektro-SUV, leise und elegant, wurde abgeschleppt. All diese futuristische Technologie, eine selbstfahrende Suite, die eine Autobahn navigieren kann, wurde durch einen platten Reifen völlig nutzlos. Die Autonomie der Maschine stieß an ihre Grenzen bei der ersten Begegnung mit einem banalen, realen Problem, für dessen Lösung sie nicht konzipiert war. Der Besitzer telefonierte, vermutlich um eine Lösung zu koordinieren – er fungierte als menschliche API für ein sehr teures, sehr feststeckendes Stück Hardware.
Genau dieses Problem plagt die KI-Welt, und es wurde in einem Hacker News-Thread offengelegt, der diese Woche meine Aufmerksamkeit erregte [4]. Die Diskussion drehte sich darum, wie OpenAI mit seinen erstaunlichen 800-900 Millionen Nutzern langfristig bestehen kann. Doch die verborgene Botschaft in dieser Konversation handelte nicht vom Wettbewerb aus China oder von Rivalen aus dem Silicon Valley. Es war eine einzige, verheerende Statistik: Die überwiegende Mehrheit dieser Nutzer ist wöchentlich, nicht täglich aktiv. Und nur 5 % zahlen.
Für jeden, der jahrelang Systeme gebaut hat, die von täglich aktiven Nutzern leben oder sterben, ist diese Statistik ein lautes Warnsignal. Sie sagt uns, dass wir trotz all des atemlosen Hypes ein phänomenal leistungsstarkes Werkzeug geschaffen haben, das Menschen wie einen ausgefallenen Taschenrechner benutzen – sie holen es heraus, wenn sie ein bestimmtes Problem haben, und legen es dann weg. Wir haben keinen unverzichtbaren, proaktiven Agenten gebaut, der im Hintergrund unseres Lebens läuft. Wir haben ein Feature, keinen Partner. Und im Handel ist dieser Unterschied alles entscheidend.
Dies ist kein Versagen der Intelligenz des Modells. Es ist ein Versagen der Architektur. Ihre KI kann ein Sonett über eine verlorene Liebe schreiben, aber sie kann keine Rücksendung für ein Paar Sneaker verhandeln, die zerkratzt ankamen. Sie kann ein fotorealistisches Bild einer maßgeschneiderten Handtasche generieren, aber sie kann nicht mit drei verschiedenen Anbietern koordinieren, um sie vor einem Last-Minute-Flug in eine Suite im Chateau Marmont liefern zu lassen. Ihre KI ist der Elektro-SUV am Straßenrand der 405 – ein Kraftpaket an Potenzial, das darauf wartet, dass ein Mensch einen Anruf tätigt.
Bauen wir Agenten oder nur bessere Taschenrechner?
Das geringe tägliche Engagement für eine so mächtige Plattform wie OpenAI sollte jeden Brand, der Millionen in die „KI-Strategie“ investiert, zum Nachdenken zwingen [4]. Wir sind von den falschen Metriken besessen. Wir unterziehen Chatfensterfarben A/B-Tests und messen das „Sitzungsengagement“ in Minuten, aber wir sind meilenweit von der einzigen Metrik entfernt, die für echten „agentic commerce“ (Agenten-gestützten Handel) zählt: die autonome Aufgabenerfüllung.
Ein Agent wartet nicht auf eine Aufforderung. Ein Agent hat ein Ziel und ein Mandat. Er antizipiert Bedürfnisse. Er arbeitet asynchron. Ihr Roomba ist mehr ein Agent als 99 % der „KI-Assistenten“ da draußen. Er hat ein einziges Ziel (den Boden reinigen), navigiert durch seine Umgebung, bewältigt Ausnahmen (stößt gegen das Sofa) und kehrt zu seiner Ladestation zurück, um sich aufzuladen – alles ohne Ihr Eingreifen. Er arbeitet für Sie, während Sie schlafen.
Vergleichen Sie das nun mit dem Chatbot Ihrer Marke. Es ist ein reaktives System. Eine verherrlichte Suchleiste mit Persönlichkeit. Es kann Fragen beantworten, aber nur, wenn der Benutzer auftaucht und sie stellt. Es kann einen Benutzer zu einem Produkt leiten, aber es kann nicht bemerken, dass er seit drei Wochen auf mehreren Websites nach Wanderstiefeln sucht und proaktiv einen neuen Artikel von Patagonia vorschlagen, der perfekt für seine bevorstehende Reise in die Sierras geeignet ist. Es stellt ein grundlegendes Missverständnis dessen dar, was ein Agent ist.
Diese Tabelle verdeutlicht die architektonischen und funktionalen Unterschiede, mit denen wir es zu tun haben:
| Merkmal | KI-Tool (Die Gegenwart) | KI-Agent (Die Zukunft) |
|---|---|---|
| Aktivierung | Benutzergesteuert, synchron | Zielorientiert, asynchron |
| Zustandsverwaltung | Weitgehend zustandslos, sitzungsbasiert | Persistentes, langfristiges Gedächtnis von Zielen & Verlauf |
| Primäre Funktion | Informationsabruf & -generierung (Fragen beantworten) | Aufgabenausführung & -koordination (Dinge erledigen) |
| Interaktionsmodell | Frage & Antwort, Befehl & Reaktion | Verhandlung, Delegation, Autorisierung |
| Erfolgsmetrik | Sitzungsdauer, Nutzerzufriedenheits-Score | Erfolgreicher, autonomer Abschluss delegierter Aufgaben |
| Praxisbeispiel | Ein Chatbot, der Ihnen hilft, eine Produktseite zu finden. | Ein Agent, der den Bestand überwacht und einen Sneaker in limitierter Auflage sofort nach dessen Veröffentlichung automatisch kauft. |
Die Hacker News-Diskussion hebt eine Nutzerbasis hervor, die sich hauptsächlich engagiert, wenn sie eine E-Mail schreiben, Code debuggen oder eine Präsentation erstellen muss [4]. Dies sind diskrete Aufgaben. Dies ist werkzeugbasiertes Verhalten. Der Sprung zu agentischem Verhalten – wo die KI Ihre Reisen verwaltet, Trades ausführt oder Ihr Ladenlokal betreibt – ist kein iterativer Schritt. Es ist eine architektonische Revolution, die noch nicht stattgefunden hat.
Das lähmende Fehlen eines Universal Commerce Protocol
Zwei Jahrzehnte lang bauten wir den Handel auf APIs auf. REST und später GraphQL wurden zur Lingua Franca. Ein Produkt ist ein Product-Objekt. Eine Bestellung ist ein Order-Objekt. Es war sauber, strukturiert und vorhersehbar. Dieses gesamte Paradigma ist in der Agenten-Ära eine Belastung.
Ein KI-Agent denkt nicht in starren API-Aufrufen. Er denkt in Zielen. Ein Ziel wie: „Ich muss diesen Pullover zurückgeben, aber ich möchte stattdessen den blauen, und ich brauche ihn bis Freitag in meinem Büro in Santa Monica geliefert, weil ich zu einem Meeting fliege.“
Wie stellen Sie das mit einem POST /returns-Endpunkt dar? Das geht nicht. Die aktuelle Architektur zwingt den Benutzer (oder einen menschlichen Kundendienstmitarbeiter), als Orchestrator zu fungieren und ein Dutzend verschiedener API-Aufrufe und manueller Prozesse zusammenzufügen:
- Prüfen, ob der blaue Pullover auf Lager ist.
- Prüfen, ob er ins Büro in Santa Monica geliefert werden kann.
- Lieferzeiten prüfen.
- Eine Rücksendung für den ursprünglichen Pullover initiieren.
- Ein Versandetikett generieren.
- Eine neue Bestellung für den blauen Pullover aufgeben.
- Eine Gutschrift aus der Rücksendung auf den neuen Kauf anwenden.
Das ist ein brüchiger, erbärmlicher Workflow. Ein autonomer Agent sollte, mit einem Mandat versehen, diesen gesamten Prozess mit dem eigenen autonomen Agenten der Marke verhandeln können. Aber sie haben keine gemeinsame Sprache. Uns fehlt die grundlegende Schicht: ein Universal Commerce Protocol (UCP) oder etwas Ähnliches.
Ohne ein gemeinsames Protokoll für die Kommunikation zwischen Agenten bleiben wir in der gegenwärtigen Realität stecken. Der „Agent“ ist nur ein Sprachmodell, das sehr gut darin geworden ist, ein Benutzerziel in eine Reihe vordefinierter API-Aufrufe zu übersetzen. Das ist keine Autonomie; es ist ausgeklügelte Skriptprogrammierung.
So sieht der Datenfluss heute aus, versus wie er in einer protokollgesteuerten Welt aussehen müsste:
Der Unterschied ist wie Tag und Nacht. Das erste ist ein lineares, fragiles Skript. Das zweite ist eine widerstandsfähige, zielorientierte Verhandlung zwischen zwei autonomen Systemen. Das Protokoll ist die Magie, nicht das Modell. Es liefert die Verben: propose (vorschlagen), accept (akzeptieren), negotiate (verhandeln), confirm (bestätigen), execute (ausführen). Ohne diese bleibt die gesamte Intelligenz der Welt hinter einem simplen API-Gateway stecken.
Ihre KI braucht „Rentable Menschen“, und das ist ein schlechtes Zeichen
Solange ein Protokoll wie UCP nicht existiert, sind wir gezwungen, die Lücken in den Fähigkeiten unserer KI mit Menschen zu stopfen. Ein faszinierender Hackernoon-Artikel trifft den Nagel auf den Kopf, indem er dies als die Notwendigkeit von „rentable humans“ (mietbaren Menschen) bezeichnet [3]. Der Artikel argumentiert, dass KIs, anstatt physische Roboter zu bauen, Zugang zu einem Netzwerk von Menschen benötigen, die sie bezahlen können, um Aufgaben auszuführen, die sie digital nicht bewältigen können – das sogenannte „Last-Mile-Problem“ der Agentenschaft.
Dies ist keine futuristische Vorhersage; es geschieht bereits. Wenn Ihre „KI“ ein komplexes Meeting plant, ist es oft ein KI-unterstützter Mensch bei einem Planungsdienst, der die Anrufe tätigt. Wenn ein agentisches System verspricht, ein Restaurant zu buchen, ruft es möglicherweise die öffentliche Nummer des Restaurants an und nutzt Sprache-zu-Text, um das Telefonmenü zu navigieren, oder, schlimmer noch, es delegiert eine Aufgabe an einen Menschen auf einer Gig-Arbeitsplattform.
Dies ist eine architektonische Krücke. Es ist ein Zeichen dafür, dass die Autonomie Ihres Systems eine dünne Schicht über einem manuellen Prozess ist. Obwohl es eine pragmatische Brücke sein kann, um ein Produkt auf den Markt zu bringen, ist es ein Bau auf Sand, sich darauf als langfristige Strategie zu verlassen. Menschliche APIs sind langsam, teuer und nicht skalierbar. Sie sind der Abschleppwagen am Straßenrand der 405.
Die Fehlerfälle des Human-in-the-Loop
Als Commerce-Architekt bekomme ich bei dem „rentable human“-Modell Ausschlag. Es führt eine massive Oberfläche für Fehler ein, die schwer zu debuggen und unmöglich zu überprüfen sind. Was passiert, wenn die menschliche API einen schlechten Tag hat? Die Bestellung falsch versteht? Die falsche Adresse notiert? Ihr makelloses, deterministisches System unterliegt nun dem Chaos menschlicher Fehlbarkeit. Wer haftet, wenn ein von der KI beauftragter Mensch einen Fehler macht, der Ihre Marke einen hochpreisigen Kunden kostet?
Von der menschlichen API zu strukturierten Daten
Die einzige Möglichkeit, den „mietbaren Menschen“ zu eliminieren, besteht darin, unstrukturierte, menschenzentrierte Prozesse unermüdlich in strukturierte, maschinenlesbare umzuwandeln. Die Öffnungszeiten Ihres Geschäfts sollten nicht in einem JPG auf Ihrem Instagram vergraben sein. Sie sollten als strukturierte Daten offengelegt werden, die ein Agent verarbeiten kann. Ihre Rückgaberichtlinien sollten kein 10-seitiges PDF voller Juristendeutsch sein; sie sollten ein maschinenlesbarer Regelsatz sein. Dies ist die unglamouröse, grundlegende Arbeit der Agentic Storefront Readiness (Bereitschaft für Agenten-gestützte Ladenfronten). Es geht darum, eine so saubere und gut dokumentierte digitale Fassade zu bauen, dass ein KI-Agent keine Notwendigkeit hat, einen Menschen um Hilfe zu bitten.
Eine Lektion aus der Sicherheitswelt: HackerOnes KI-Validator
Während der Handel stagniert, liefert der Bereich der Informationssicherheit eine Meisterklasse im Einsatz effektiver, eng gefasster Agenten. HackerOne, eine große Bug Bounty-Plattform, hat kürzlich einen KI-Agenten eingeführt, der Schwachstellenberichte validiert [2]. Das ist brillant, und wir sollten uns das notieren.
Denken Sie an den Workflow. Ein Forscher reicht eine potenzielle Schwachstelle ein. In der Vergangenheit musste ein menschlicher Analyst bei HackerOne Zeit damit verbringen, den Fehler zu reproduzieren, um festzustellen, ob er legitim war. Dies ist eine zeitaufwändige, sich wiederholende Aufgabe – ein perfekter Job für einen Agenten. Der neue KI-Agent nimmt den Bericht entgegen, versucht, die Schwachstelle automatisch zu validieren, und markiert sie für einen Menschen, falls er erfolgreich ist. Er hat ein klares, messbares Ziel. Er arbeitet in einer begrenzten Umgebung. Sein Erfolg oder Misserfolg ist binär und leicht überprüfbar.
Vergleichen Sie das nun mit dem grenzenlosen Chaos eines Shopping-Agenten. „Finde mir ein cooles Outfit für eine Party in Silver Lake.“ Was ist „cool“? Was für eine Party? Wie hoch ist das Budget? Der Kontext ist unendlich. Die Erfolgskriterien sind subjektiv.
Deshalb sehen wir bei generalisierten Modellen wöchentliches, nicht tägliches Engagement [4]. Die Kosten eines Fehlers sind zu hoch, als dass Benutzer sinnvolle, mehrdeutige Aufgaben delegieren könnten. Niemand wird seinen gesamten Weihnachtseinkauf einem LLM überlassen, das ein schreckliches Geschenk halluzinieren oder im falschen Geschäft bestellen könnte. Aber sie könnten durchaus die Aufgabe delegieren: „Benachrichtigen Sie mich in dem Moment, in dem das neue Carry-on in Beige wieder im Abbot Kinney Store vorrätig ist, und geben Sie eine Bestellung auf, wenn der Preis unter 120 $ liegt.“
Das ist eine überprüfbare, eingeschränkte und automatisierbare Aufgabe. Der Erfolg des HackerOne-Agenten lehrt uns, dass die erste Welle wirklich nützlicher Handelsagenten keine allwissenden Orakel sein werden. Sie werden hochspezialisierte, eintaskige Mitarbeiter sein, die innerhalb eines engen Bereichs fehlerfrei agieren.
Was das für Ihre Marke bedeutet: Hören Sie auf zu basteln, fangen Sie an zu architktieren
Ihr Marketingteam betreibt wahrscheinlich ein „AI Experience Lab“, was Dutzende von Abonnements für verschiedene generative KI-Tools zum Erstellen von Anzeigentexten und Social-Media-Bildern bedeutet. Das ist Zeit- und Geldverschwendung, wenn Ihre Kernarchitektur des Handels keine echte Agentenschaft unterstützen kann.
Sie müssen Ihren Fokus von den auffälligen Front-End-Anwendungen auf die langweilige, kritische Back-End-Infrastruktur verlegen. Sie müssen Ihr gesamtes System so vorbereiten, dass es von autonomen Agenten lesbar und navigierbar ist.
Hier ist Ihre Checkliste für die „Agentic Storefront Readiness“ (Bereitschaft für Agenten-gestützte Ladenfronten):
-
Führen Sie ein Schema-Audit durch: Gehen Sie jedes einzelne Datum durch, das Ihre Produkte, Richtlinien und Abläufe beschreibt. Ist es strukturiert? Ist es maschinenlesbar? Kann ein Agent Ihre Rückgaberichtlinien für im Sale gekaufte und an eine APO-Adresse versandte Artikel ermitteln, ohne einen Textblock zu analysieren? Dies ist die Arbeit von strukturierten Daten für die KI-Suche und deren Geschwister, der Generative Engine Optimization (GEO). Wenn Ihre Daten ein Chaos sind, wird Ihr Agent nutzlos sein.
-
Bauen Sie eine interne Agenten-Sandbox: Bevor Sie jemals einen kundenorientierten Agenten frei herumlaufen lassen, bauen Sie einen für Ihr internes Team. Erstellen Sie einen Agenten mit dem einzigen Ziel, Ihren Lagerbestand und Ihre Logistik zu überwachen. Kann er vorhersagen, wann Ihnen eine bestimmte SKU ausgehen wird, basierend auf Verkaufsgeschwindigkeit und Lieferkettendaten? Kann er eine Bestellung markieren, die ihr Lieferfenster verpassen wird? Nutzen Sie interne Abläufe als Trainingsgelände für den Bau überprüfbarer, zuverlässiger Agenten.
-
Architektur für Verhandlungen, nicht nur Transaktionen: Ihre Handelsplattform der nächsten Generation sollte nicht nur eine
Order-API haben. Sie benötigt eineNegotiation-API. Sie benötigt Endpunkte, die es einem Agenten ermöglichen, einen Vorschlag zu machen, ein Gegenangebot zu erhalten und die Genehmigung für ein geändertes Ziel zu bekommen. Beginnen Sie darüber nachzudenken, wie Ihre Systeme das Hin und Her des obigen UCP-Diagramms handhaben würden. Dies ist der Bereich eines echten Commerce AI Architect (Architekten für KI im Handel).
Bei CTO.LA verbringen mein Team und ich unsere Tage damit, diese Systeme für Marken zu entwerfen, die den Unterschied zwischen einem Chatbot und einer Agenten-Arbeitskraft verstehen. Wir verbinden uns nicht nur mit einem LLM; wir bauen die Infrastruktur des Handels neu auf, um uns auf eine Welt vorzubereiten, in der Ihre wertvollsten Kunden Algorithmen sind. Wenn Sie eine Marke in Los Angeles oder anderswo sind und bereit sind, über das wöchentlich aktive Spielzeug hinauszugehen und ein System zu entwickeln, das echten, autonomen Handel vorantreibt, lassen Sie uns reden.
Ihre KI kann noch keinen Schaufensterbummel auf Melrose machen
Der ultimative Test für „agentic commerce“ wird kein perfekter Checkout-Fluss sein. Es wird sein, wenn eine KI den chaotischen, schönen, menschlichen Prozess der Entdeckung nachbilden kann. Kann ich meinen Agenten mit dem Ziel aussenden: „Ich habe ein Budget von 500 $. Finde mir eine einzigartige Jacke zwischen Fairfax und La Brea, die ich dieses Wochenende zu einer Galerieeröffnung tragen kann. Ich mag minimalistische, leicht verwaschene Stile. Überrasche mich.“?
Damit ein Agent dies erreichen kann, muss er mehr tun, als eine Bestandsdatenbank abzufragen. Er muss Kultur verstehen. Er muss die unstrukturierten Daten von Instagram-Stories lokaler Boutiquen analysieren. Er muss Rezensionen lesen, Markenästhetiken verstehen und sogar die Stimmung einer Nachbarschaft ableiten. Er muss Straßenverkäufe und nur für Musterverkäufe verfügbare Zahlungsmethoden verhandeln.
Wir sind noch so weit von dieser Realität entfernt, und die niedrigen täglichen Engagementzahlen der fortschrittlichsten KI der Welt sind der Beweis [4]. Wir bringen den Maschinen immer noch das Sprechen bei. Wir haben noch nicht einmal damit begonnen, ihnen beizubringen, wie man ein Gespräch führt, geschweige denn wie man einkauft. Die Marken, die das nächste Jahrzehnt gewinnen werden, sind nicht die mit der auffälligsten KI-Demo heute. Es sind diejenigen, die still und leise die robuste, protokollgesteuerte Architektur aufbauen, die es den Agenten von morgen ermöglichen wird, endlich aus dem Auto auszusteigen und etwas Nützliches zu tun.