Akár 99 százalékponttal is módosíthatja a választ egy AI-vásárlóügynök

Öt kísérletben vizsgálták a termékválasztást

A Wharton School kutatói az ACES nevű, szimulált e-kereskedelmi környezetben vizsgálták, hogyan választanak az élvonalbeli AI-modellek egy fitneszórát. A kutatásban modellenként és feltételenként 200 futtatást végeztek. Az első négy vizsgálatban hat modell vett részt, az eszközhívások átadását vizsgáló kísérletben pedig négy.

A kutatók külön változtatták az egyes értékeléseket, az értékelések kombinációját és sorrendjét, a felhasználói memóriából származó információkat, valamint azt, hogy az eszközök eredményei egyszerre vagy egymás után érkeztek-e meg. A tanulmány szerzői Anushka Kumar, Lennart Meincke, Dan Shapiro, Lilach Mollick, Stefano Puntoni és Ethan Mollick voltak. A szerzők a Wharton Schoolhoz, a WHU Otto Beisheim School of Managementhez és a Glowforge-hoz kapcsolódtak.

Egyetlen forrás is felboríthatta az alappreferenciát

Forrásanyag nélkül mindegyik modell határozott alappreferenciát mutatott a nyolc vizsgált fitneszóra valamelyike iránt. Amikor azonban elsőként egyetlen értékelést kaptak, a választási arányok jelentősen megváltoztak. A kutatók Reddit-beszélgetést, Wirecutter-összeállítást és életmódportáltól származó listacikket is használtak. A Wirecutter-feltételben a változás egyes esetekben elérte a 99 százalékpontot, miközben a hatás modell- és forrásfüggő volt.

A több forrás sem eredményezett automatikusan kiegyensúlyozott döntést. Ha az ügynökök két vagy három, különböző termékeket ajánló forrást láttak, nem átlagolták egyszerűen az ajánlásokat. A Wirecuttert tartalmazó kombinációk gyakran továbbra is az általa ajánlott órát részesítették előnyben, egyes modelleknél pedig ez a hatás még erősödött.

Ugyanaz a három forrás eltérő sorrendben is más eredményhez vezetett. A hat modellből négynél a sorrend szignifikánsan módosította a termékválasztási mintázatot. Egy további modellnél csak marginális hatást mértek, a Claude Haiku 4.5 esetében pedig nem találtak szignifikáns sorrendérzékenységet.

A felhasználói memória és a technikai megvalósítás is számít

Az egyik módosított termékrácsban egy óra ár, csillagos értékelés és értékelésszám alapján is felülmúlta a megjelenített alternatívákat. A rendszer korábbi felhasználói megjegyzése, az „Imádok túrázni!” mondat azonban négy modellnél egy jóval drágább, túrázáshoz igazított Garmin felé tolta a választást. Két modellnél ugyanez a reakció nem jelent meg.

A kutatók azt is tesztelték, számít-e, hogyan kapja meg az ügynök ugyanazt a három ajánlást. Négy modell vagy egyetlen, összevont eszközhívásban, vagy három egymást követő hívásban találkozott az információkkal. Mind a négy modellnél szignifikánsan eltérő választási mintázat alakult ki, az összevont átadás pedig erősebben favorizálta a Wirecutter által ajánlott terméket.

A vásárlási ügynökök következetessége kulcskérdés lehet

A Wharton AI & Analytics Initiative 2026. szeptember 29-én közzétett elemzése szerint az AI-vásárlóügynökök nem elszigetelten értékelik a termékeket. Ugyanaz a kérés eltérő eredményt adhat attól függően, milyen tartalmat láttak korábban, milyen sorrendben kapták a forrásokat, milyen felhasználói információt tárolnak rólunk, és hogyan valósították meg az eszközök működését.

A szerzők szerint ez az eladók számára nehezebbé teheti az ügynökalapú vásárlás kiszámítását és optimalizálását a hagyományos keresőoptimalizáláshoz képest. A vásárlási ügynököket fejlesztő vállalatoknak ezért a következetességet is tesztelniük kell. A kutatás alapján a felhasználók által nem látható technikai részletek is hatással lehetnek arra, melyik termék kerül a végső ajánlásba.