AI代理人買錯東西算誰的?Visa高層揭露AI購物流量5個月暴增4倍的驚人真相!

AI代理人買錯東西算誰的?Visa高層揭露AI購物流量5個月暴增4倍的驚人真相!

長久以來,科技巨頭們一直夢想著「對話式商務」(Conversational Commerce)的到來——一個我們只需與聊天機器人對話,就能完成所有購物需求的未來。然而,這個夢想始終未能實現。現在,隨著生成式AI的崛起,這個未來似乎觸手可及。Visa全球增長產品與戰略合作夥伴關係主管 Rubail Birwadker 在深度訪談中,揭示了這場由AI驅動的購物革命將如何徹底改變我們的消費方式,以及背後驚人的數據與潛在風險。

Birwadker 指出,商業智慧化的演進速度驚人。他將過去35年的電商發展劃分為三個階段: 1. 線上商務 (Online Commerce): 核心是「接觸」(Access),讓消費者無需親臨現場即可購買商品與服務。 2. 行動商務 (Mobile Commerce): 核心是「便利性」(Accessibility),讓消費者能隨時隨地進行交易。 3. 代理人商務 (Agentic Commerce): 核心將是「自主性與個人化」(Autonomy and Personalization)。

Birwadker 表示:「我們正在見證智慧商務的下一次進化。在代理人時代,你過去所做的一切,現在都能透過更好的數據、更深度的個人化來完成。AI幾乎能更準確地理解你作為一個人的真實偏好。」他斷言,聊天機器人將成為一個全新的購物「渠道」,雖然不會完全取代實體店或現有網站,但將會吸引大量消費者轉移陣地。

AI不只是店面,更是你的專屬購物顧問

未來的AI購物體驗,遠不止是簡單的「幫我買一張機票」。Birwadker用一個生動的例子描繪了這個場景: 「假設我想在感恩節帶兩個女兒去夏威夷度假。我不會直接對AI說『幫我訂機票』,而是從一個更廣泛的探索過程開始。」

他可能會問: - 「感恩節去夏威夷,你推薦哪個島?」 - 「哪天飛比較好?」 - 「你覺得我應該住在哪裡?」

AI會引導他完成整個探索旅程,直到他做出決定:「我決定感恩節前一天飛,週日早上回來。我要去茂宜島,住在萬豪酒店,因為我是會員,而且那裡有三個我女兒會喜歡的游泳池。」

在這個過程中,品牌影響力、個人化偏好都扮演了重要角色。Birwadker強調:「支付在此刻甚至還未發生,這仍然是探索階段。而大型語言模型(LLMs)和AI代理人能讓這個過去需要花費數小時的過程變得異常簡單。」

你的消費紀錄,如何變成AI的超能力?

這場革命的核心在於數據。Visa作為全球支付巨頭,掌握著龐大的消費數據,這也使其在AI購物時代處於獨特的位置。Birwad'tker解釋,在獲得用戶完全同意且數據完全「代幣化」(Tokenized)的前提下,這些消費信號將極大地提升AI的推薦精準度。

他舉例:「假設你想去東京,住在銀座區。如果AI知道你過往的消費紀錄顯示你偏愛入住像麗思卡爾頓這樣的豪華酒店,它就能提供更符合你期望的推薦,而不是給你一堆不相關的選項。」這些信號,從你喜歡星巴克還是Peet's Coffee,到你習慣搭乘聯合航空還是精神航空,都將成為AI為你打造完美購物體驗的關鍵。

Birwadker 強調:「我們堅信數據隱私,並給予消費者對其數據的完全控制權。我們的目標是利用這些信號,提供更豐富、更個人化的推薦,從而將探索過程更順暢地轉換為實際的商業交易。」

AI代理人買錯東西算誰的?Visa如何解決信任危機

當我們賦予AI代理人使用信用卡購物的權力時,一個根本問題浮現:如果AI買錯了東西,或者被駭客利用,責任誰負?

Birwadker坦言,這是Visa投入巨大心力解決的核心問題。他提出了三道防線來確保交易安全:

  1. 高強度身份驗證: 「我們正努力確保任何在代理人環境中使用的Visa憑證都具有高度的信任和安全性。例如,我們會將你的身份與特定裝置上的特定應用程式綁定,並分配一個代幣。如果有人試圖在其他地方使用,交易將無法完成。」
  2. 生物辨識授權: 在AI代理人執行購買指令前(例如購買泰勒絲的演唱會門票),系統可能會要求用戶進行生物辨識驗證,確保是本人意圖。
  3. 意圖與指令匹配: Visa正在引入新的數據負載,稱為「支付指令與信號」(Payment Instructions and Signals)。系統會嘗試將消費者的自然語言意圖(例如「我要買一個藍色包包」)與AI代理人將要執行的購買指令進行匹配,確保一致後才會釋放支付憑證。

Birwadker 補充道:「萬一真的發生爭議,例如你說要藍色包包,AI卻買了黑色。如果我們捕獲了你最初的指令數據,銀行就能更容易地裁決這筆爭議是否有效。」

數據會說話:AI購物流量在5個月內暴增4倍!

這一切究竟是真實的趨勢還是科技泡沫?Birwadker 提供了驚人的數據佐證。

他透露:「大約在四五個月前,我們觀察到流向商家網站的『代理人流量』(Agentic Traffic)增加了約1200%。而在過去的五個月裡,這個數字本身又成長了4倍!」

這項數據強烈表明,消費者已經開始大量使用AI平台來探索商品和服務。Birwadker充滿信心地表示:「這不是一個假設,這是真實的數據告訴我們的情況。當你有越來越多的流量湧入,最終一部分必然會轉化為實際的購買行為。」

他預測,大約在未來6個月內,我們將開始看到具有統計學意義的數據集,足以讓我們對這個新興領域做出更明確的結論。這場由AI驅動的購物革命已經不再是紙上談兵,而是正在我們眼前加速發生的現實。

參考資料: https://www.youtube.com/watch?v=zdam7ykCrl8

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin