当AI替人购物，谁决定人们看见的市场？

一个人请AI替自己买一把办公椅，通常不会认为自己正在把什么重要的权力交出去。他说出预算，说明房间不大，希望坐得舒服，然后等待推荐。如果原来需要打开十几个网页，如今只需回答几个问题，这项服务的好处是容易理解的。

不容易看见的是，在那几个答案出现以前，已经有许多选择被排除。哪些商店可以被读取，哪些价格能够确认，什么条件被算作重要，都会影响最终的推荐。消费者仍然可以决定买或不买，但他所依据的那幅市场图景，已经经过另一个系统的整理。

这并不意味着代理购物必然损害消费者。任何比较都需要选择，人的时间也不允许穷尽市场。值得讨论的是：当筛选工作更多地交给AI，消费者凭什么判断，眼前的答案足以代表自己的利益？

截至2026年10月19日，本文所引用的公开资料，尚不足以证明AI购物普遍更便宜。它们提供的是观察这项变化的起点。下文涉及的购物情境和制度安排，属于Open Market Notes的分析，并非对某款服务的实测。

推荐以前，市场已经被整理了一遍

Shopify在2026年1月11日宣布与Google共同开发的Universal Commerce Protocol，为代理与商家的交易流程提供共同标准。技术接通，使一部分交易成为可能；至于接通以后应该推荐什么，则仍然是另一个问题。

假设代理能够查询甲、乙两家商店，却无法确认丙家的库存。它在前两家之间做出的比较，可以完全准确，也可以十分认真。然而，消费者若把结果理解为市场上的最佳选择，就接受了一个超出证据范围的判断。

这种偏差不必来自恶意。信息缺失、接入成本，以及商品资料能否被机器正确理解，都可能使一家商店进入候选名单，使另一家商店退出视野。真正需要警惕的，是一个有限范围内的答案，在表达上获得了没有边界的权威。

对购买者而言，知道代理查过哪些渠道，因为什么原因未能比较其他选择，比得到一句“已经为你找到最优方案”更有用。披露范围并不能保证推荐一定正确，却能够使人知道，自己究竟在接受怎样的判断。

商品信息也有同样的问题。两把椅子可能型号一致，但一家包含送货上楼，另一家要求自行搬运。若比较只保留售价，机器就会把两项不同的交易处理成同一件商品。随后形成的排名即使计算无误，也未必适合那个没有车、无法搬运家具的人。

因此，市场被整理得越简洁，整理过程中省略的条件就越值得说明。消费者需要的不是后台的全部细节，而是那些一旦改变，就会使自己改选另一件商品的条件。

委托的边界，不能由成交本身说明

代理可以执行指令，并不等于它已经理解购买者愿意接受什么代价。预算之内最便宜的椅子，可能不适合房间；当天能够送达的替代品，也未必值得放弃原来的选择。用户说“替我买好”，通常把这些没有说完的取舍一并放进了委托。

Anthropic在2026年9月24日公布的Project Swap，测试了员工的AI代理交换书籍。这是一项受控实验，不能当作零售购物的普遍能力证明。它所引出的实际问题，是我们究竟准备根据什么证据，把一项具体选择交给代理。

对于规格明确、反复采购的物品，委托的内容或许容易界定。涉及坐感、审美和生活习惯时，购买者自己也可能需要在比较中才弄清偏好。此时，适当的询问并不是流程的失败。它是在承认，尚有一部分决定没有得到授权。

Google于2025年9月16日介绍的AP2，以签名授权记录连接用户指令与交易；2026年4月28日，Google宣布将协议捐赠给FIDO Alliance。这类安排有助于检查购买是否得到允许，但不能单凭一份授权记录，回答为什么这次购买值得进行。

一笔订单可以没有超出金额限制，也没有买错品类，却仍然遗漏配送条件更好的同款。付款得到许可，与选择有充分根据，需要各自的证据。将两者混为一谈，就可能把执行程序的可靠，误认为判断本身的可靠。

一项服务为何偏爱某种答案

如果我们希望了解代理如何选择，仅仅研究它的回答方式还不够。还应知道，提供服务的机构以什么衡量成功。

设想一个团队主要考核结账完成率。原商品缺货时，立即推荐可以买到的替代品，可能有利于这个指标。如果考核还包括用户收到商品以后的满意程度，等待原商品到货就更有理由成为一个正式选项。这只是对激励的分析，并非对某家现有平台行为的指控。

问题也不在于商业服务必须没有自己的利益。订阅收费、按单收费和商家付费，都可以成为经营方式。需要解释的是，这种收入与推荐之间存在怎样的关系。消费者支付订阅费，并不自动证明比较已经充分；商家承担费用，也不能仅凭这一点认定推荐不可信。判断应落在可以检查的安排上，而不应停在对动机的赞美或怀疑上。

比如，哪些商家能够参加比较，付费是否影响排序，用户能否要求查看被排除的候选，这些问题都有可能得到具体答复。相比“始终以用户为中心”的承诺，它们更便于核查，也更容易在发生争议时说明责任。

代理越像一个私人助手，人们越可能把它的建议理解为专为自己作出的判断。正因如此，服务的商业关系应当在这种信任形成的地方得到说明，而不是等到购买出了问题，再由用户自行寻找。

节省应当在商品到手以后计算

讨论AI购物的好处，最终仍然要回到一笔能够说清楚的账。

假设用户原本可以花500元买到某件商品，代理找到了450元的同款，并收取20元服务费。在其他条件相同的情况下，用户净省30元。这只是一个计算示例。如果改用页面上划掉的800元标价，所谓节省便会显著增加，但消费者并没有因此多得到什么。他原本能够获得的选择，才是比较的合理起点。

这项计算还不能在付款时结束。商品若不合适，退货、重新寻找和与商家沟通，都可能消耗此前节约的时间。只统计成功订单的折扣，会使失败的代价退出报告，正如只比较已接入的商家，会使未被读取的市场退出推荐。

两种情况有同一个困难：评价者看见的结果，取决于什么被纳入了计算。若没有事先说明范围，一个漂亮的数字可能只是一个不完整的数字。

时间当然有价值，但少花半小时查价，不等于工资增加了半小时。金钱与时间可以分别记录，由使用者判断是否值得。没有必要为了得到一个更大的收益总额，把生活中的每一种便利都换算成收入。

对准备推出此类服务的团队，一项可信的检验可以从有限的品类开始：给人工比较和代理比较相近的预算、配送范围和替代条件，把记录保留到商品送达、用户能够判断是否合适的时候。失败的订单也应留在记录中。这样得到的结果或许没有总成交额醒目，却更接近消费者实际购买到的服务。

便利需要一种可以追问的秩序

普通消费者不可能逐条复核代理做过的比较。如果使用一项服务的前提，是亲自重新做完它的全部工作，那么这种委托就失去了大部分意义。

但不必重做全部工作，并不意味着只能接受一个答案。服务可以保留可核查的比较记录，在关键位置说明范围与费用，并让用户知道遇到错误时由谁处理。需要解释的是可观察的事实，而非模型内部推理；需要保留的是纠正决定的机会，而非让每次购买都变成一场技术审查。

AI购物值得期待的地方，在于它可能让人用更少的精力完成原本繁琐的事。至于这种便利最终有多少留给消费者，不能从代理下单的速度推断出来，也不能从一次成功演示推断出来。它取决于比较是否足够充分，费用是否清楚，以及事后付出的麻烦是否减少。

回到那把办公椅。用户当然可以满意地接受推荐，无须了解每一个技术环节。不过，当他问起“为什么没有选另一家”时，一项值得长期依赖的服务，应当能够给出可以核对的答复。这样，委托才有机会在节省精力的同时，保留购买者对自己决定的实际控制。