當 AI 替人購物，誰決定人們看見的市場？

一個人請 AI 替自己買一把辦公椅，通常不會認為自己正在交出什麼重要的權力。他說出預算，說明房間不大，希望坐得舒服，然後等待推薦。如果原來需要開啟十幾個網頁，如今只需回答幾個問題，這項服務的好處很容易理解。

不容易看見的是，在那幾個答案出現以前，已經有許多選擇被排除。哪些商店可以被讀取，哪些價格能夠確認，什麼條件被視為重要，都會影響最後的推薦。消費者仍然可以決定買或不買，但他據以判斷的那幅市場圖景，已經經過另一個系統的整理。

這並不意味著代理購物必然損害消費者。任何比較都需要選擇，人的時間也不允許窮盡整個市場。值得討論的是：當篩選工作更多地交給 AI，消費者憑什麼判斷，眼前的答案足以代表自己的利益？

截至2026年10月19日，本文引用的公開資料，尚不足以證明 AI 購物普遍更便宜。它們提供的是觀察這項變化的起點。下文涉及的購物情境和制度安排，屬於 Open Market Notes 的分析，並非對某款服務的實測。

推薦以前，市場已經被整理了一遍

Shopify 在2026年1月11日宣布與 Google 共同開發的 Universal Commerce Protocol，為代理與商家的交易流程提供共同標準。技術接通，使一部分交易成為可能；至於接通以後應該推薦什麼，仍然是另一個問題。

假設代理能夠查詢甲、乙兩家商店，卻無法確認丙家的庫存。它在前兩家之間做出的比較，可以完全準確，也可以十分認真。然而，消費者若把結果理解為市場上的最佳選擇，就接受了一個超出證據範圍的判斷。

這種偏差不必來自惡意。資訊缺漏、串接成本，以及商品資料能否被機器正確理解，都可能使一家商店進入候選名單，使另一家商店退出視野。真正需要警惕的，是一個有限範圍內的答案，在表達上獲得了沒有邊界的權威。

對購買者而言，知道代理查過哪些管道，因為什麼原因未能比較其他選擇，比得到一句「已經為你找到最佳方案」更有用。揭露範圍並不能保證推薦一定正確，卻能夠使人知道，自己究竟在接受怎樣的判斷。

商品資訊也有同樣的問題。兩把椅子可能型號一致，但一家包含送貨上樓，另一家要求自行搬運。若比較只保留售價，機器就會把兩項不同的交易處理成同一件商品。隨後形成的排名即使計算無誤，也未必適合那個沒有車、無法搬運家具的人。

因此，市場被整理得越簡潔，整理過程中省略的條件就越值得說明。消費者需要的不是後台的全部細節，而是那些一旦改變，就會使自己改選另一件商品的條件。

委託的邊界，不能由成交本身說明

代理可以執行指令，並不等於它已經理解購買者願意接受什麼代價。預算之內最便宜的椅子，可能不適合房間；當天能夠送達的替代品，也未必值得放棄原來的選擇。使用者說「替我買好」，通常把這些沒有說完的取捨一併放進了委託。

Anthropic 在2026年9月24日公布的 Project Swap，測試了員工的 AI 代理交換書籍。這是一項受控實驗，不能當作零售購物的普遍能力證明。它所引出的實際問題，是我們究竟準備根據什麼證據，把一項具體選擇交給代理。

對於規格明確、反覆採購的物品，委託的內容或許容易界定。涉及坐感、美感和生活習慣時，購買者自己也可能需要在比較中才弄清偏好。此時，適當的詢問並不是流程的失敗。它是在承認，尚有一部分決定沒有得到授權。

Google 於2025年9月16日介紹的 AP2，以簽章授權紀錄連結使用者指令與交易；2026年4月28日，Google 宣布將協定捐贈給 FIDO Alliance。這類安排有助於檢查購買是否得到允許，但不能單憑一份授權紀錄，回答為什麼這次購買值得進行。

一筆訂單可以沒有超出金額限制，也沒有買錯品類，卻仍然遺漏配送條件更好的同款商品。付款得到許可，與選擇有充分根據，需要各自的證據。將兩者混為一談，就可能把執行程序的可靠，誤認為判斷本身的可靠。

一項服務為何偏愛某種答案

如果我們希望了解代理如何選擇，僅僅研究它的回答方式還不夠。還應知道，提供服務的機構以什麼衡量成功。

設想一個團隊主要考核結帳完成率。原商品缺貨時，立即推薦買得到的替代品，可能有利於這個指標。如果考核還包括使用者收到商品以後的滿意程度，等待原商品到貨就更有理由成為一個正式選項。這只是對誘因的分析，並非對某家現有平台行為的指控。

問題也不在於商業服務必須沒有自己的利益。訂閱收費、按筆收費和商家付費，都可以成為經營方式。需要解釋的是，這種收入與推薦之間存在怎樣的關係。消費者支付訂閱費，並不自動證明比較已經充分；商家承擔費用，也不能僅憑這一點認定推薦不可信。判斷應落在可以檢查的安排上，而不應停在對動機的讚美或懷疑上。

比如，哪些商家能夠參與比較，付費是否影響排序，使用者能否要求查看被排除的候選，這些問題都有可能得到具體答覆。相比「始終以使用者為中心」的承諾，它們更便於查核，也更容易在發生爭議時說明責任。

代理越像一個私人助理，人們越可能把它的建議理解為專為自己做出的判斷。正因如此，服務的商業關係應當在這種信任形成的地方得到說明，而不是等到購買出了問題，再由使用者自行尋找。

節省應當在商品到手以後計算

討論 AI 購物的好處，最終仍然要回到一筆能夠說清楚的帳。

假設使用者原本可以花500元買到某件商品，代理找到了450元的同款，並收取20元服務費。在其他條件相同的情況下，使用者淨省30元。這只是一個計算示例。如果改用頁面上劃掉的800元標價，所謂節省便會顯著增加，但消費者並沒有因此多得到什麼。他原本能夠獲得的選擇，才是比較的合理起點。

這項計算還不能在付款時結束。商品若不合適，退貨、重新尋找和與商家溝通，都可能消耗此前節約的時間。只統計成功訂單的折扣，會使失敗的代價退出報告，正如只比較已串接的商家，會使未被讀取的市場退出推薦。

兩種情況有同一個困難：評估者看見的結果，取決於什麼被納入了計算。若沒有事先說明範圍，一個漂亮的數字可能只是一個不完整的數字。

時間當然有價值，但少花半小時比價，不等於多賺了半小時的薪資。金錢與時間可以分別記錄，由使用者判斷是否值得。沒有必要為了得到一個更大的收益總額，把生活中的每一種便利都換算成收入。

對準備推出此類服務的團隊，一項可信的檢驗可以從有限的品類開始：給人工比較和代理比較相近的預算、配送範圍和替代條件，把紀錄保留到商品送達、使用者能夠判斷是否合適的時候。失敗的訂單也應留在紀錄中。這樣得到的結果或許沒有總成交額醒目，卻更接近消費者實際購買到的服務。

便利需要一種可以追問的秩序

一般消費者不可能逐條複核代理做過的比較。如果使用一項服務的前提，是親自重新做完它的全部工作，那麼這種委託就失去了大部分意義。

但不必重做全部工作，並不意味著只能接受一個答案。服務可以保留可查核的比較紀錄，在關鍵位置說明範圍與費用，並讓使用者知道遇到錯誤時由誰處理。需要解釋的是可觀察的事實，而非模型內部推理；需要保留的是修正決定的機會，而非讓每次購買都變成一場技術審查。

AI 購物值得期待的地方，在於它可能讓人用更少的精力完成原本繁瑣的事。至於這種便利最終有多少留給消費者，不能從代理下單的速度推斷出來，也不能從一次成功示範推斷出來。它取決於比較是否足夠充分，費用是否清楚，以及事後付出的麻煩是否減少。

回到那把辦公椅。使用者當然可以滿意地接受推薦，無須了解每一個技術環節。不過，當他問起「為什麼沒有選另一家」時，一項值得長期依賴的服務，應當能夠給出可以核對的答覆。這樣，委託才有機會在節省精力的同時，保留購買者對自己決定的實際控制。