KI-Agent scheitert beim Seifenkauf und deckt Komplexitäten des E-Commerce auf
Ein Versuch, den Online-Seifenkauf mit einem KI-Agenten zu automatisieren, deckte erhebliche Herausforderungen bei Preisunklarheiten und Website-Navigation auf und verdeutlichte die Lücke zwischen KI-Fähigkeiten und realem E-Commerce.
Ein Experiment zur Automatisierung des Kaufs eines gängigen Haushaltsartikels, Pears-Seife, mit einem KI-Agenten hat bemerkenswerte Hindernisse in der aktuellen E-Commerce-Automatisierung aufgedeckt. Der KI-Agent Saki hatte Schwierigkeiten, den Endpreis aufgrund komplexer Angebotsstrukturen und Problemen mit den Benutzeroberflächenelementen von Websites genau zu ermitteln, und konnte die Transaktion schließlich nicht abschließen.
Hauptursache für die Schwierigkeiten war die "Preisunklarheit". Während anfängliche Suchen niedrige Grundpreise zeigten, stellte die KI fest, dass die tatsächlichen Kosten stark von benutzerspezifischen Kartenangeboten, Cashback aus Wallets und anderen bedingten Rabatten beeinflusst wurden. Diese Variabilität bedeutet, dass eine KI nicht zu den "niedrigsten Preisen" optimieren kann, ohne detaillierte Benutzerprofil- und Kontoinformationen, auf die Agenten nicht ohne Weiteres zugreifen können.
Weitere Komplikationen ergaben sich aus dem Design der Benutzeroberflächen von Websites. Saki hatte Schwierigkeiten bei der Navigation auf bestimmten E-Commerce-Plattformen, insbesondere Myntra, wo Zeitüberschreitungen des Browsers den Fortschritt verhinderten. Amazon lieferte ebenfalls irreführende Suchergebnisse, wobei die Live-Seite angab, dass keine Angebote verfügbar seien, obwohl sie in den Suchergebnissen vorhanden waren. Flipkart, ursprünglich aufgrund seiner vermuteten Integration in das Universal Commerce Protocol von Google ausgewählt, stellte ebenfalls Herausforderungen dar.
Die Kaufsteuerungen von Flipkart waren für die Standard-Browsing-Tools der KI nicht konsistent erkennbar. Der Agent musste eine gemischte Strategie anwenden, die visuelle Inspektion und direkte DOM-Inspektion umfasste, um Kaufschaltflächen zu lokalisieren und zu aktivieren. Dies zeigt das Problem der "UI-Erkennbarkeit" für automatisierte Agenten.
Das Experiment unterstreicht die erhebliche Lücke zwischen dem Konzept des agentenbasierten Handels und seiner praktischen Umsetzung. Während KI-Agenten das Potenzial haben, Online-Einkäufe zu rationalisieren, müssen aktuelle E-Commerce-Plattformen erheblich angepasst werden, um automatisierte Kaufprozesse zu unterstützen, insbesondere in Bezug auf Preistransparenz und Benutzeroberflächenzugänglichkeit.