ChatGPT Shopping 2026: bogate karty produktów, wizualny search i Agentic Commerce Protocol

OpenAI rozbudowuje funkcję zakupową w ChatGPT o bogate karty produktowe, wizualne wyszukiwanie po obrazie oraz porównania side-by-side, a całość spina nowy protokół Agentic Commerce Protocol (ACP). To sygnał, że AI-Search przestaje być tylko źródłem cytowań, a zaczyna działać jak pełnoprawny kanał konwersji dla e-commerce. Dla działów SEO i AIO oznacza to konieczność szybkiej rewizji strategii produktowej: feedy, opisy, recenzje i schema muszą działać nie tylko pod Google, lecz także pod model językowy, który podejmuje decyzję zakupową w imieniu użytkownika.

Zmiana ogłoszona przez OpenAI wpisuje się w szerszy trend: ChatGPT, Perplexity i Google AI Mode równolegle rozwijają funkcje produktowe, a kupujący coraz częściej kończą zakupowy lejek wewnątrz interfejsu czatu, bez przejścia na sklep. To moment, w którym sklepy w Polsce muszą zdecydować, czy chcą być dostawcą danych dla AI, czy biernym uczestnikiem rynku.

Kontekst: jak ChatGPT dochodził do zakupów

Funkcję zakupową ChatGPT uruchomiono w wersji testowej w drugiej połowie 2024 roku, początkowo jako proste osadzanie kart produktowych w odpowiedziach na zapytania transakcyjne. Przez 2025 rok OpenAI wprowadził katalog Shopify, integrację z Etsy oraz pierwsze testy płatności w czacie z partnerami w USA. Kolejne kwartały przyniosły rozbudowę o wizualną prezentację oraz pierwsze elementy konwersacyjnego doszlifowywania wyniku, w stylu „pokaż tańsze alternatywy z dostawą do 48 godzin”.

Aktualizacja, którą OpenAI komunikuje na przełomie kwietnia i maja 2026 roku, jest jakościowo inna. Po pierwsze, model nie zwraca już samych linków, lecz w pełni wyrenderowane karty z ceną, ocenami, kluczowymi parametrami i miniaturami. Po drugie, użytkownik może wgrać obraz inspiracyjny (na przykład zdjęcie z Pinteresta) i poprosić o produkty wizualnie podobne, dostępne w jego kraju. Po trzecie, w jednej rozmowie da się ustawić tryb porównania trzech ofert ramka w ramkę, z różnicami zaznaczonymi przez model.

To trzy ruchy, które razem przesuwają ChatGPT z roli wyszukiwarki w stronę asystenta zakupowego, a czasem wręcz personal shoppera. W naszej analizie ChatGPT jako wyszukiwarka 2026 wskazywaliśmy, że produktowe odpowiedzi zostaną szybko wyodrębnione w osobny tryb. Teraz to się materializuje.

Kluczowe fakty

Najistotniejsze elementy aktualizacji dają się streścić w kilku punktach, które wprost mapują się na pracę zespołów SEO i AIO w sklepach.

Według doniesień ze strony OpenAI, dane produktowe przepływają obecnie do ChatGPT trzema głównymi kanałami. Pierwszy to katalog Shopify, działający automatycznie dla każdego sklepu na tej platformie. Drugi to bezpośrednia integracja przez ACP, otwarta dla większych merchantów i agregatorów. Trzeci, najmniej kontrolowany, to publiczny crawl, w którym GPTBot pobiera dane ze strony produktu wraz ze schema Product i Offer.

Agentic Commerce Protocol, czyli co to właściwie jest

ACP to rozwijany przez OpenAI standard wymiany danych między sklepem a modelem językowym, opisujący zarówno strukturę katalogu, jak i proces transakcji. W praktyce to API, które oddaje modelowi pole zapytań o dostępność, parametry, dostawę i finalnie o utworzenie zamówienia. Dla działu produktowego to znacząca zmiana: model nie pyta strony, lecz endpointu, który zwraca świeże dane bez renderowania HTML.

Pierwsza wersja protokołu obejmuje produkt, wariant, ofertę, dostawę oraz status zamówienia. W planach są zwroty, programy lojalnościowe oraz dane subskrypcyjne. To zbliża logikę pracy AI z e-commerce do standardów EDI z lat dziewięćdziesiątych, ale w wersji REST i w tempie tygodnia, a nie kwartału.

Co to znaczy dla SEO i AIO sklepów

Pierwszy wniosek jest taki, że klasyczne SEO dla sklepów nie znika, lecz przestaje wystarczać. ChatGPT pobiera dane z indeksu Bing, własnego crawla oraz partnerskich integracji. Jeżeli sklep ma świetnie zoptymalizowaną kartę produktu, ale nie udostępnia feedu zgodnego z ACP ani nie jest w katalogu Shopify, jego oferta będzie pojawiała się znacznie rzadziej niż konkurencji, która te trzy ścieżki wykorzystała.

Drugi wniosek dotyczy struktury opisu produktu. Karty rozwiniętej w stylu marketingowym, z metaforami i sloganami, model nie umie skutecznie zamapować na atrybuty. W praktyce wygrywają opisy, które łączą krótki nagłówek emocjonalny z wyraźnie wydzieloną tabelą parametrów, blokiem zastosowań i pytaniami klientów. To dokładnie struktura, którą rekomendowaliśmy w tekście Sklepy pod AI 2026.

Trzeci wniosek dotyczy zdjęć. Wyszukiwanie po obrazie zmienia rolę galerii produktowej: zdjęcia muszą być spójne stylistycznie, dobrze wykadrowane, z wyraźnym tłem i przede wszystkim opisane (alt, podpis, plik). Sklepy używające zdjęć dostawców, identycznych jak u konkurencji, tracą przewagę. Własne sesje zdjęciowe stają się sygnałem rankingowym.

Czwarty wniosek to recenzje. Karta produktowa w ChatGPT pokazuje uśrednioną ocenę i kluczowe wątki opinii. Model je streszcza, więc sklepy z dużą liczbą krótkich, słabych jakościowo opinii wypadają gorzej niż te z mniejszą liczbą rozbudowanych komentarzy. Strategia zbierania opinii w 2026 roku powinna premiować długość i konkrety, nie samą liczbę gwiazdek.

Jak ChatGPT decyduje, który produkt pokazać

Z analiz publikowanych przez społeczność optymalizatorów AI wynika kilka spójnych obserwacji. Model premiuje produkty, dla których ma kompletny zestaw atrybutów: cenę, dostępność, główne parametry, ocenę, opinie. Brak choćby jednego z pól zwykle przesuwa ofertę poza top trzy. Dodatkowo, ChatGPT preferuje sklepy z wyraźnym sygnałem wiarygodności: politykę zwrotów, dane firmy, certyfikaty branżowe.

Drugim czynnikiem jest dopasowanie semantyczne, a nie tylko zgodność słów kluczowych. Zapytanie „buty trekkingowe na wodoodporne lato” model interpretuje jako kombinację cech: wodoodporność, lekkość, oddychalność. Sklep, który ma te cechy w atrybutach lub w opisie, wygrywa z konkurentem, który ma „buty trekkingowe” jedynie w tytule strony. To dokładnie ten sam mechanizm, który opisaliśmy w przewodniku Semantic SEO 2026.

Trzecim czynnikiem jest świeżość danych. ChatGPT karze produkty z nieaktualną ceną lub wskaźnikiem dostępności. W praktyce oznacza to, że feed musi być odświeżany przynajmniej raz na dobę, a najlepiej w trybie ciągłym, a sklep powinien sygnalizować ostatnią aktualizację oferty.

Reakcje branży

Pierwsze komentarze ze strony specjalistów AIO, opublikowane w ostatnich dniach na LinkedIn i w branżowych newsletterach, koncentrują się na trzech kwestiach. Pierwsza to obawa o monopolizację: jeżeli ChatGPT preferuje sklepy z katalogu Shopify, mniejsze sklepy oparte o WooCommerce, PrestaShop czy IdoSell zaczynają tracić wagę bez własnej integracji ACP.

Druga to entuzjazm wokół wizualnego search. Dla branż takich jak moda, dom i ogród, akcesoria sportowe oraz wnętrza, możliwość wgrania zdjęcia inspiracyjnego radykalnie skraca lejek decyzyjny. Sklepy, które dotąd były zależne od reklam Pinteresta, mogą próbować przejmować ruch wcześniej, na poziomie samej rozmowy z modelem.

Trzecia obawa dotyczy mierzalności. ChatGPT nie udostępnia jeszcze pełnej analityki ruchu zakupowego, a clickout do sklepu oznaczany jest najczęściej jako ruch direct lub referral z chatgpt.com, bez podziału na zapytania ani treść rozmowy. Bez tego trudno mierzyć ROI i optymalizować feed pod konkretne kategorie. Komentatorzy branżowi wskazują, że bez warstwy atrybucji ACP pozostanie ciekawostką dla większości polskich sklepów.

Z polskiego rynku reakcje są ostrożne. Kilka większych e-commerce deklaruje testy w drugim kwartale, ale większość czeka na lokalne case studies i jasny sygnał, że wolumen ruchu z ChatGPT uzasadnia inwestycję w integrację. Tu przewagę mają sklepy, które już teraz pojawiają się w odpowiedziach generatywnych dzięki dobrej jakości treści i opisom, jak omówiono w naszym tekście Widoczność e-commerce w AI i Google.

Polski rynek a ChatGPT Shopping

Specyfika polskiego e-commerce rzuca dodatkowe wyzwania na drogę do widoczności w ChatGPT. Dominacja Allegro jako pośrednika oznacza, że duża część asortymentu w Polsce jest opisywana przez sprzedawców trzecich, z różną jakością atrybutów. ChatGPT, gdy widzi te same parametry produktu w trzech sklepach, premiuje opisy bogatsze, więc paradoksalnie ofertę bezpośrednią z własnego sklepu, jeżeli jest lepiej napisana, model może wybrać częściej niż konkurencyjny listing na marketplace.

Druga cecha polskiego rynku to popularność platform takich jak IdoSell, Shoper, Sky-Shop, atomstore czy WooCommerce. Żadna z nich nie ma jeszcze natywnej integracji z ACP, ale w społecznościach użytkowników toczą się prace nad wtyczkami i pierwszymi mostkami. W praktyce większy sklep w Polsce w 2026 roku rozważa trzy ścieżki: migrację części asortymentu na Shopify, wdrożenie własnej integracji ACP przez agencję techniczną, lub współpracę z agregatorem feedów.

Trzeci element to język. ChatGPT generuje odpowiedzi po polsku, ale w wielu kategoriach woli sięgać do anglojęzycznych źródeł, jeżeli polskie są ubogie. Sklepy, które inwestują w długie, polskojęzyczne opisy z lokalnym kontekstem (na przykład rozmiarówki europejskie zamiast amerykańskich, polskie certyfikaty BHP, polskie marki referencyjne), notują wyższą widoczność niż te kopiujące tłumaczenia z katalogów producentów.

Techniczna implementacja krok po kroku

Sklep, który chce zacząć dziś, powinien przejść przez sześć kroków. Pierwszy to audyt feedu produktowego pod Google Merchant Center: jeżeli feed jest pełny i czysty, mostek do ACP będzie prosty. Drugi to wdrożenie pełnej schemy Product, Offer, AggregateRating i Review na każdej karcie produktu, w formie JSON-LD. Trzeci to udostępnienie crawla GPTBot, ClaudeBot i PerplexityBot bez restrykcji w pliku robots.txt, z odpowiednim crawl-delay tylko jeśli serwer rzeczywiście tego wymaga.

Czwarty krok to przygotowanie endpointu zgodnego z ACP. Najczęściej jest to nowy zasób REST, który zwraca produkty w strukturze definiowanej przez OpenAI, z odświeżeniem co najmniej raz na dobę. Piąty to rejestracja sklepu w panelu merchanta ChatGPT i przesłanie linku do endpointu lub feedu. Szósty to monitoring widoczności w narzędziach takich jak ChatGPT Brand Monitor, AthenaHQ, Profound czy Otterly, by mierzyć, w jakich zapytaniach sklep się pojawia i z jakim sentymentem.

Dla mniejszych sklepów alternatywą jest droga pośrednia: dobrze opisana karta produktu z pełną schemą, otwarty crawl dla GPTBot, świeży feed XML dostępny pod publicznym URL. To nie zapewni dostępu do funkcji premium ChatGPT Shopping, ale zwiększy szansę na pojawienie się w odpowiedziach modelu, który skorzysta z publicznego indeksu. Praktyki te omówiliśmy szczegółowo w tekście Jak być cytowanym w ChatGPT 2026.

Co dalej

Najbliższe miesiące przyniosą trzy rzeczy. Pierwszą jest poszerzenie ACP o płatności i zwroty, co domknie pełen lejek zakupowy w czacie. Drugą jest standaryzacja feedu pod AI: prawdopodobnie zobaczymy próby wspólnej specyfikacji między OpenAI, Google i Anthropic, choć każde z nich będzie chciało zachować elementy unikalne. Trzecią jest pojawienie się natywnej analityki w panelu merchanta ChatGPT, bez czego trudno mówić o dojrzałości kanału.

Dla zespołów SEO i AIO trzy konkretne kroki na najbliższy kwartał to: po pierwsze, audyt feedu produktowego pod kątem kompletności atrybutów wymaganych przez ACP. Po drugie, audyt opisów produktów pod kątem struktury (krótki opis, atrybuty, zastosowania, FAQ). Po trzecie, audyt recenzji pod kątem długości i konkretów, bo to one najczęściej trafiają do streszczenia w karcie odpowiedzi modelu.

Sklepy, które zaczną od dziś, w trzecim kwartale 2026 roku zbiorą pierwsze efekty. Te, które poczekają, zastaną rynek, w którym konkurencja ma pełne dane w ChatGPT, a one same są niewidoczne dla nowej fali kupujących, którzy w ogóle nie odwiedzają wyszukiwarki w rozumieniu klasycznym.

FAQ