Sledeći izlog u maloprodaji možda neće imati staklo

Godinama sam gledao kako fizičke prodavnice nadoknađuju slabosti sopstvenih podataka. Isti proizvod nosi različite nazive u POS-u, ERP-u i računovodstvenom sistemu. Ažuriranja zaliha stižu sa zakašnjenjem. Detalje akcije zna osoblje, a u karticu proizvoda nikada ne stignu. Ništa od toga ne zaustavlja kupca: on uđe, vidi artikal na polici i pita zaposlenog za ono što mu nedostaje.

Donedavno su posledice tog nereda ostajale unutar kompanije. Kvarile su izveštaje, otežavale upravljanje zalihama i stvarale dodatni posao, trošak o kome sam već pisao. Kako sve više kupaca počinje da traži proizvode preko AI, iste nedoslednosti počinju da odlučuju o nečem drugom: da li će ponuda trgovca uopšte biti viđena.

AI ulazi u proces kupovine pre nego što kupac otvori sajt ili uđe na vrata. Pomaže ljudima da formulišu šta im treba, uporede alternative i suze široko tržište na nekoliko uverljivih izbora. Agenti počinju da idu i dalje: proveravaju cenu i dostupnost, slažu korpe, rezervišu proizvode i, u granicama koje korisnik postavi, završavaju plaćanje.

Pretraga se menja pre kupovine

Infrastruktura već dobija oblik. Googleov Universal Commerce Protocol daje agentima način da iz kataloga trgovca preuzmu aktuelne varijante proizvoda, zalihe i cene (mart 2026). Shopify je istog meseca podrazumevano uključio svoje trgovce u AI kanale za kupovinu: ChatGPT, Copilot, Googleov AI Mode, Gemini. Adyen je u junu povezao fidove proizvoda, korpe i plaćanja u jednu integraciju, doduše zasad samo u ograničenoj dostupnosti za velike trgovce u SAD. A u julu je Visa prijavila da agenti obavljaju stvarne kupovine kod trgovaca učesnika širom Evrope, a ne u test prodavnicama.

Prerano je govoriti o masovnom prelasku na autonomnu kupovinu, i istraživanja to jasno kažu. Gartner je utvrdio da spremnost da se AI prepusti konačna odluka o kupovini dostiže najviše 11%, i to u kategorijama sa malim ulogom, kao što su lična nega i potrepštine za domaćinstvo. Spremnost da AI suzi izbor bila je veća: 31% za potrepštine za domaćinstvo, 28% za ličnu elektroniku. Anketirano je 322 potrošača u SAD u januaru 2026, što je mali uzorak na jednom tržištu i treba ga uzeti sa rezervom.

Za trgovca, ipak, uži izbor već znači više od same kase. Adobe je izmerio da je saobraćaj sa servisa generativne AI ka maloprodajnim sajtovima u SAD porastao 393% međugodišnje u prvom kvartalu 2026, posle rasta od 693% tokom prazničke sezone 2025. Isti izveštaj je iskren o obliku te krive: sam mart je porastao 269%, pa stopa rasta opada sa vrlo niske osnove iako apsolutni brojevi rastu. NIQ je utvrdio da je 42% potrošača u SAD u proteklih mesec dana koristilo bar jedan AI alat za kupovinu, na mesečnom uzorku od oko 500 ljudi.

Broj koji mi je teže da odbacim nije saobraćaj. U martu 2026. taj saobraćaj iz AI konvertovao je 42% bolje od svega ostalog; godinu dana ranije konvertovao je 38% lošije.

Svi podaci o potrošačima ovde su američki, iz uzoraka od nekoliko stotina ljudi, i nijedan ne treba brkati sa uporedivim udelom u maloprodaji u Evropi. Pravac je ipak teško ignorisati. Deo otkrivanja proizvoda seli se u okruženje u kome kupac dobija šaku preporuka umesto stranice linkova, a izostanak iz te šake mogao bi na kraju da košta koliko i izgubljena prodaja na kasi.

Digitalni izlog bez e-commerce prodaje

To vodi do nečeg manje očiglednog. Trgovcu koji ne namerava da pravi klasičnu online prodavnicu ipak može da zatreba digitalni izlog.

Za njega nisu potrebni korisnički nalozi, online plaćanje, prihvatanje kartica ni dostava na kućnu adresu. Prva svrha mu je skromnija: da osoba, ili agent koji radi u njeno ime, razume šta trgovac prodaje, gde je proizvod dostupan, koliko košta i šta može da usledi. Uzmite običan zahtev: nađi u blizini dva pakovanja negazirane vode koja mogu da preuzmem danas posle 20 časova, proveri da li mi važi popust iz programa lojalnosti i rezerviši ih.

Za to nije dovoljno znati da lanac prodaje flaširanu vodu. Agent mora da prepozna odgovarajuća pakovanja, proveri dostupnost u svakoj prodavnici, razume radno vreme, primeni pravila programa lojalnosti i utvrdi da li je rezervacija moguća. Prodavnica može biti iza ugla, imati proizvod i nuditi najbolju cenu, a ipak ostati van razmatranja jer ništa od toga ne postoji u obliku koji sistem može da iskoristi. Sama transakcija i dalje može da se obavi na fizičkoj kasi. Online se preselio izbor gde ići.

Takav izlog mora istovremeno da bude čitljiv za obe publike. Kupac vidi obične stranice proizvoda i prodavnica. Agentu su potrebni strukturisani atributi, mašinski čitljive cene i zalihe, fidovi proizvoda i jasno definisane radnje. Sve to može da stane na poseban poddomen, ali objavljivanje nekoliko veb stranica samo po sebi ne čini trgovca vidljivim za AI sisteme.

Prvo dosledna slika poslovanja

Napraviti stranice proizvoda tehnički je mnogo lakše nego osigurati da je ono što prikazuju tačno.

Glavni katalog živi u jednom sistemu, tekuća prodaja u drugom, nabavne cene u računovodstvenim dokumentima, a akcije negde sasvim drugde. Prenosi između prodavnica knjiže se sa zakašnjenjem. Povraćaji i otpisi idu svojim procedurama. Ukupne zalihe mogu izgledati sasvim uverljivo dok njihov raspored po lokacijama više ne odražava stvarnost: to je razlika između ukupnog iznosa i raščlanjavanja koja odlučuje većinu istraga.

Iskusan rukovodilac zna kako da se snađe među tim nedoslednostima. Zna koji izveštaj treba još jednom pogledati, koga pozvati i koje ispravke osoblje nosi u glavi. Spoljni agent nema pristup tom neformalnom znanju, niti ima koga da pita.

Zato normalizacija mora da prethodi objavljivanju. Identifikatori proizvoda, varijante, jedinice mere, kategorije i lokacije moraju da se usklade. Trgovac treba da utvrdi koji je sistem merodavan za cenu, a koji za zalihe, i koliko brzo promena stiže do svakog kanala. Sledeći sloj je kontekst u kome poslovanje radi: proizvod povezan sa konkretnim prodavnicama, njihovim lokacijama i radnim vremenom, opcijama preuzimanja i dostave, dodatnim uslugama, pravilima zamene i programima lojalnosti. Upravo taj operativni graf znanja omogućava sistemu da razume pod kojim uslovima proizvod zaista može da se proda, umesto da ga tretira kao izolovanu stavku u katalogu.

U marql-u tome pristupamo iznutra, iz operativnog okruženja. Podaci iz POS-a, ERP-a, računovodstva i drugih sistema povezuju se samo za čitanje i spajaju u jedan dosledan model proizvoda, prodavnica, prodaje i zaliha. Do sada je ta osnova služila za upravljačku analizu i operativne preporuke. Ista osnova može da učini poslovanje čitljivim za kupce i za spoljne AI agente.

Dva praktična modela

Nijedan od dva modela u nastavku marql danas ne isporučuje. Ono što postoji jeste osnova ispod njih: gore opisani normalizovani model proizvoda, prodavnica, prodaje i zaliha, koji radi na vezama samo za čitanje sa sistemima koje lanci već imaju. To je ono što nameravamo da gradimo na njoj.

Tamo gde maloprodajni lanac već ima sajt ili aplikaciju, prvi model će postaviti B2C agenta u taj postojeći kanal. Kupac bi razgovarao direktno sa trgovcem: postavljao pitanja, proveravao dostupnost, poredio proizvode, slagao korpu za recept ili proslavu, rezervisao artikle u određenoj prodavnici.

Isti interfejs moći će da nosi i uputstva za ponavljajuću kupovinu: stalnu porudžbinu vode za piće ili osnovnu korpu namirnica, sa rasporedom, budžetom, dozvoljenim zamenama i radnjama koje i dalje traže potvrdu, sve unapred definisano. Tu će jasne granice biti važne. Udobnost ponavljajuće kupovine ne bi smela da postane neograničeno pravo da se troši novac kupca, a to je isto pitanje granica koje odlučuje gde automatizovani sistem sme da deluje sam unutar poslovanja.

Za trgovce sa malo ili nimalo online prisustva, drugi model biće hostovani izlog na posebnom poddomenu, pripremljen i za ljude i za agente. Put kupca mogao bi da se završi rezervacijom, telefonskim pozivom, uputstvom do najbliže prodavnice ili ličnom posetom. Puna e-commerce prodaja može da dođe kasnije; ona više nije jedini put do digitalne vidljivosti.

Oba bi počela istim poslom: operativni podaci prikupljeni, normalizovani, provereni i obogaćeni poslovnim kontekstom. Preskočite tu fazu i novi izlog samo iznosi pred spoljni svet unutrašnje nedoslednosti kompanije.

Čak i ako se agentska trgovina razvija sporije nego što platforme sada predviđaju, ovaj posao nije uzaludan. Dosledni podaci o proizvodima poboljšavaju izveštavanje, upravljanje asortimanom, kontrolu zaliha i prodajne kanale koji već postoje. Spremnost za AI agente postaje dodatni povraćaj na infrastrukturu koja bi vam ionako bila potrebna, a to je argument da je tretirate kao nešto što održavate u radu, a ne projekat koji završite.

Fizičke prodavnice će i dalje biti važne, kao i brend, merčendajzing i savet čoveka. Ono što se postepeno menja jeste redosled kojim ih kupac susreće. Pre nego što kupac vidi prodavnicu, sistem je možda već odlučio koje prodavnice zaslužuju da budu razmotrene. Sledeći izlog možda neće imati ni stalno staklo ni prodajni prostor. Možda će postojati nekoliko sekundi unutar jednog razgovora, sklopljen od one verzije proizvoda, cene, dostupnosti i uslova usluge koju trgovac u tom trenutku može da potkrepi.