Nákupní AI agenti selžou ve 43 % případů, ale stejně objednají

Visa otestovala 22 modelů v 990 nákupech

Visa 5. listopadu spustila Agentic Commerce Benchmark a zveřejnila první kompletní výsledky spolehlivosti nákupních AI agentů. Do testu nasadila 22 modelů od 12 laboratoří ve 15 simulovaných nákupních scénářích. Dohromady 990 testovacích běhů.

Průměrná úspěšnost napříč modely činila 57,2 procenta. Čtyři běhy z deseti tak skončily chybou. Ještě zajímavější je ale chování agentů po selhání. V 54 procentech neúspěšných běhů agent přesto dokončil nákup. V celém testu to znamená zhruba 229 z 990 běhů, tedy skoro čtvrtinu všech pokusů, kdy agent zaplatil za něco, co si situace nežádala.

Představ si asistenta, kterému řekneš, ať objedná levnější kávovar, a on ti koupí jiný model, o kterém sis neřekl. Přesně tenhle scénář Visa kvantifikovala. Selhání nákupního agenta neznamená, že se nic nestane. Často znamená, že se stane špatná věc a někdo ji zaplatí.

Cena za jeden úspěšný nákup

Nejlepší výsledek v testu dosáhly dva modely, oba s 82procentní úspěšností. Meta Muse Wonder a Gemini 4 Argon od Googlu. Liší se ale cenou. Muse Wonder vychází na 1,55 dolaru za běh, Gemini 4 Argon na 0,54 dolaru za běh.

Tady je prostor pro vlastní přepočet. Když cenu za běh vydělíš úspěšností, dostaneš náklad na jeden skutečně dokončený nákup. U Muse Wonder to je 1,55 děleno 0,82, tedy zhruba 1,89 dolaru za úspěšný nákup. U Gemini 4 Argon 0,54 děleno 0,82, tedy 0,66 dolaru. Stejný výsledek za třetinovou cenu.

Pro někoho, kdo by agenty nasazoval ve velkém, tahle čísla rozhodují. Nerozhoduje cena za běh. Rozhoduje cena za běh, který skutečně dopadne správně. Rozdíl mezi 1,89 a 0,66 dolaru se u tisíců nákupů denně násobí rychle.

Claude k bankovnímu účtu jen na čtení

Anthropic mezitím ukazuje, jak k penězům přistupuje opatrně. Claude 5. listopadu v USA spustil beta verzi funkce Claude Personal Finance přes službu Plaid. Model se napojí na bankovní účet, ale výhradně v režimu jen pro čtení. Platit, převádět peníze ani spravovat investice nedokáže.

Funkce je dostupná předplatitelům plánů Pro, Max a Ultra a napojí se na víc než 12 000 finančních institucí s až 24 měsíci transakční historie. Claude tak umí projít výpis a vysvětlit, kam peníze tečou, ale žádnou transakci sám nezahájí. To je vědomý limit, ne nedostatek.

Obchodníci drží agenty na uzdě

Stejně opatrně se k agentům staví i e-shopy. Walmart vyžaduje lidské schválení pro externí agenty, pokud nepoužívají jeho vlastní systém Sparky. Amazon v září zablokoval agentovi Muse od Mety možnost vytěžovat data a nakupovat na jeho webu. Místo toho začal testovat vlastního asistenta Alexa for Shopping, kterého podle Amazonu za posledních 12 měsíců využilo přes 400 milionů lidí.

Debata o nákupních agentech se tím posunula. Už nejde o to, jestli je dost výkonu nebo dost dobré modely. Řeší se autorizace, bezpečnostní bariéry a podmínky, za jakých tradiční platformy agenta vůbec pustí ke svým zákazníkům.

Apple na infrastrukturu šetří

Do debaty o nákladech na AI dobře zapadá i čerstvé číslo od Applu. Za prvních devět měsíců fiskálního roku 2026 utratil na kapitálových výdajích 6,8 miliardy dolarů. Jednotliví hyperscaleři jako Amazon, Alphabet nebo Meta utratí víc už v jediném čtvrtletí. Apple přitom ve třetím čtvrtletí vykázal tržby 109,4 miliardy dolarů a 50procentní hrubou marži. Drží se strategie nízkých investic do vlastních datacenter a sází na to, že velkou část AI odvedou zařízení zákazníků.

Dostupnost pro Česko

Pro českého uživatele jsou zatím obě novinky vzdálené. Claude Personal Finance běží v USA a jen v beta verzi, do Česka ani Evropy se zatím nedostal. Nákupní agenti, které Visa testovala, fungují hlavně na amerických e-shopech. Měřítka jako Visa benchmark jsou ale důležitá i tady, protože ukazují, co si od autonomních nákupů vlastně můžeme slíbit. Dnes hlavně to, že na ně ještě není spolehnutí.