重點摘要
- 跨國食品巨頭 Mondelez 開設專職高階職位，全面備戰預期將於 2028 年佔據零售網站 30% 流量的代理人商務 (Agentic Commerce) 趨勢。
- 從 Google 的通用商業協定 (UCP) 到 Amazon 的 AI 購物助手 Rufus，科技巨頭已開始佈建基礎設施，試圖主導零點擊時代的自動化交易。
- 企業端面臨的核心挑戰並非 AI 模型本身，而是如何透過模型上下文協議 (MCP) 等技術，讓內部產品數據與外部大型語言模型精準對接。
- 面對信任成本與交易阻力，品牌應從高頻率、低風險的場景開始導入自動化，並優先重構企業內部的產品資訊管理 (PIM) 系統。
當市場上的行銷人員還在為生成式 AI 能寫出多生動的文案而感到驚嘆時，真正具備商業敏銳度的跨國企業已經悄悄將目光轉向了漏斗的最底層: 自動化交易。Mondelez (擁有 Oreo、Cadbury 等品牌的母公司) 近期開出一個極具指標意義的高階職缺，專門負責佈局代理人商務 (Agentic Commerce)。這絕非大企業為了追趕熱潮而設立的公關職位，而是實打實的效率焦慮與防禦策略。當 McKinsey 預估 2030 年全球代理人商務市場規模將達到 3 兆至 5 兆美元時，這意味著人類親自滑鼠點擊、挑選商品放入購物車的動作，即將被 AI 程式碼大規模取代。作為專注於自動化與企業端解決方案的實務工作者，我認為這場變革的本質，是一場從”吸引人類眼球”到”串接機器 API”的底層邏輯洗牌。
告別傳統漏斗 代理人商務的自動化轉型起點
過去十幾年，數位行銷的鐵律是建立漏斗，透過各種渠道將流量引導至產品頁面，並極力優化每一個按鈕的點擊率。但 Mondelez 數位商務副總裁 Andrew Lederman 點出了一個殘酷的現實: 商業模式正從點擊與渠道，轉向由智慧代理人引導決策與交易。根據 Mondelez 零售合作夥伴的預測，到了 2028 年，高達 30% 的網站流量將來自 AI 代理人。想像一下，未來的消費者不再需要親自比價買零食，而是授權給 AI 助手，設定好預算與口味偏好，AI 便會在背景自動完成補貨。
這對快消品 (FMCG) 來說是個極具破壞性的轉變。過去品牌依賴包裝視覺、衝動購物與網頁促銷來推升轉化率，但在零點擊 (Zero-click) 的未來，你的受眾不再是容易受情緒影響的人類，而是冷冰冰、只看數據與邏輯的 AI 機器人。這也是為什麼 Mondelez 必須急於建立一套可擴展的全球策略腳本，因為誰能最先讓自家的產品數據被 AI 代理人無縫讀取與採購，誰就能在下一波自動化浪潮中掌握通路話語權。
基礎設施的硬仗 構建LLM與企業數據的橋樑
這場自動化革命絕對不是在前端套用一個 Chatbot 這麼簡單，真正的戰場在於後端的基礎設施。平台方已經紛紛起跑，Google 推出通用商業協定 (UCP) 試圖在自家生態系內建立代理人購物的底層架構; Amazon 的 Rufus 則直接推出了自動購買功能，只要商品降到特定價格就自動下單。然而，OpenAI 去年 9 月在 ChatGPT 推出的即時結帳功能卻在短短幾個月後因為成效不彰而轉向，這暴露出一個巨大的系統性斷層: 封閉花園與基礎建設的未成熟。
Flywheel 的創新與業務轉型高級副總裁 Mike O’Donnell 提到了一個非常關鍵的技術實務: 模型上下文協議 (MCP)。企業不能只期待 AI 聰明到能自己爬取正確的商品資訊，必須主動建立 MCP 伺服器，將精準的、即時的產品數據直接餵給 OpenAI 等大型語言模型。這就像是 B2B 領域中極度依賴的 EDI (電子資料交換) 系統進化版，確保 AI 在進行自動化決策時，比對的是真實且即時更新的庫存與價格數據，從而保證交易的準確性與效率。
重構企業數據流 台灣品牌面臨的系統對接考驗
將視角拉回台灣市場與企業端實務操作，我們經常看到許多品牌急於追逐”AI 導購”的熱門詞彙，卻忽略了自身內部系統的殘破不堪。要在代理人商務時代存活，企業面臨的最大挑戰根本不是選擇哪一個 AI 模型，而是如何打破內部的數據孤島。在台灣，許多傳統零售或製造商的 ERP (企業資源規劃) 與前端電商系統是脫鉤的，庫存數據往往存在時間差，甚至產品規格與料號在不同系統中標準不一。
要讓 AI 代理人順利幫消費者完成採購，企業必須立刻著手重構產品資訊管理 (PIM) 系統。所有的 SKU、定價邏輯、促銷條件與庫存狀態，都必須 API 化且具備高度的機器可讀性。如果你的內部系統連基本的即時庫存同步都做不到，當 AI 代理人發出採購指令卻遇到缺貨或報價錯誤時，演算法會毫不留情地將你的品牌從推薦名單中降級。這也是為什麼我總是向 B2B 企業強調，數位轉型的第一步永遠是資料清理與資料庫結構優化，沒有乾淨的數據源，再強大的 AI 代理人也無法為你帶來自動化營收。
降低信任門檻 從高頻低風險場景啟動自動化
談到系統層面的交易執行，我們必須正視”信任成本”這個最大的摩擦力。消費者或許願意讓 AI 幫忙整理商品比較表，但在交出信用卡授權讓 AI 自動扣款時，態度往往會變得極度保守，OpenAI 結帳功能的挫敗就是最好的證明。在實務操作上，我不建議品牌一開始就強推”全自動無人結帳”的完整體驗，而是應該採取漸進式的自動化策略。
對於有意導入代理人商務的品牌，第一階段的具體操作應該鎖定”高頻次、低風險”的消費場景。以 Mondelez 的零食產品為例，這類單價低、消耗快且具備固定回購週期的商品，正是切入自動化採購的最佳試金石。品牌可以先透過 AI 代理人自動生成精準的”建議採購清單”，並在消費者原本熟悉的零售環境中 (如 Amazon 或品牌自有 APP) 加上一鍵確認按鈕。透過保留最後一哩路的決策權給人類，逐步建立消費者對系統推薦準確度的信任。當自動化流程在後台運作得足夠穩定，且 API 錯誤率降至極低時，自然能無痛過渡到完全的零點擊交易時代。
延伸閱讀: Why Mondelez is hiring a global lead to solve for AI-driven shopping bots