智能体正日益融入我们的购物旅程，但并非所有交易都能由AI一手包办。本文将介绍哪些工作可以给AI接手，哪些场景仍然要人类介入。
很多购物者也许都感觉，刚刚过去的这个假日购物季有些不同。也许是AI助手推荐的礼物正合亲友心意，还筛掉了节前无法送达的商品，也许是它帮你对比了三款不同降噪耳机的参数，或者为了某款节日礼服而搜遍五家零售商，把选好的商品加入购物车，然后礼貌地问你：“要直接下单吗？”
今年，AI智能体已经走出实验室，真正融入了人们的购物旅程——不再是噱头，而是切实的日常便利：帮购物者厘清决策思路、加入购物车、权衡取舍，直至促成购买。这些便利看似微小，却预示着关于购物方式更为深远的变革。我们在研究中发现，即使在中等情景下，到2030年，智能体经手的全球消费额也可能达到3-5万亿美元。智能体也能像人类一样浏览互联网：访问商家网站、调用API接口、使用客户的会员积分计划，因此能够快速地规模化。而在此过程中，智能体将从三方面重塑我们的购物方式：意图的触发、产品的发现，以及价值池的分布。
去年秋天，我们发布了报告《智能体商机：智能体如何为消费者和商家开创新时代》（The agentic commerce opportunity: How AI agents are ushering in a new era for consumers and merchants），介绍了诸多相关主题。在此基础上，本文将进一步探讨“智能体商业的演进曲线”——展示购物体验如何随委托层级的不同而发生演变；同时，本文还将概述商家应如何备战这样的场景：客户仍然是人类，但关键决策正越来越多地交给智能体代劳。
智能体商业的自动化曲线：六级演变
智能体商业的兴起，是三股力量碰撞的结果。首先，智能体的发展水平，已经足以用于实际决策。购物者不仅可以把“激发购物欲”的环节委托出去，还能进一步让智能体筛选委托、加入购物车，甚至自动下单。其次，当前的生态系统，已经为真正的自主操作铺好了底层基础设施。开源协议（MCP、A2A、AP2、ACP和UCP等）使智能体能够读取数据、与其他智能体协商，并安全完成交易。Linux基金会最近成立了智能体AI基金会（AAIF），其关注重点是互联互通、身份和支付等模块，使智能体自主商业具备规模化落地的可行性（该项目已得到Anthropic、Block、谷歌、微软、OpenAI等合作伙伴的共同支持）。第三，购买意图的形成正向上游转移。当意图浮现，比如谈到近期的一场生日聚会、一条旅行日程提醒，或者智能家居设备发出一条耗材告急的信息，智能体便会主动采取行动。对零售商而言，影响相当严峻：如果机器无法读取你的商品目录、政策条款和价值主张，那么无论你的品牌有多受欢迎，智能体——以及背后的购物者，根本找不到你。
但是，智能体的兴起，并不意味着购物从人类行为，一跃成为智能体的完全自主行为。相反，智能体商业的发展是沿着一条曲线逐步展开的——曲线的界定依据是购物者愿意把购物旅程中的多大比例委托给AI。曲线由六个层级构成，每个层级代表一种委托模式（从基于固定规则的程序化设定，到完全自主的多智能体协调）。需要指出的是，这些层级描述的只是智能体在技术层面的能力，不代表购物者会允许智能体完全发挥这种能力。
此外，对智能体的使用率未必沿着曲线匀速“上移”。虽然智能体的能力不断进步，但还有另外两股力量，也在左右购物者的委托比例。首先是日积月累的信任：人们用熟了智能体，也见证了它们的可靠表现，就会越来越放心地把更大比例的购物旅程委托出去。第二是购物品类的不同：人们的委托意愿，会因订单金额大小、对商品的情感投入程度、身份标识的属性、决策失误成本的不同而存在显著差异。
这些力量共同决定了委托比例的上限，在特定品类和特定场景下，使用智能体的自主程度会自然达到一个平台期，随后趋于停滞。某些情境下，购物者可能会放心地把端到端的执行全权委托给智能体。在另一些情境下，他们会刻意止步，保留控制权——不是因为智能体能力不足，而是因为亲自参与决策，本身就是一种核心的购物体验。
因此，这个模型更适合被理解成一条曲线，而非一道阶梯。自动化层级越高，并不一定意味着越好或越先进；委托的目标不是追求极致“放权”，而是获得恰到好处的体验。
0级：程序化便利
（“傻瓜式设置”）
这一层级是AI智能体出现之前的基准线：咖啡胶囊、洗衣液、尿不湿、洗发水这些日用品的补充，靠预订、定时补货和定期配送来完成。在这一层级，自动化以固定规则为基础：管用，但很脆弱，并且对场景变化基本无感。一旦需求发生变化，规则就会失效，需要人类重新介入。
尽管如此，0级自动化是一个重要起点：当自动化委托可靠，又可随时取消或调整，消费者自然愿意委托。例如，2024年约有23%的美国亚马逊购物者至少有一条活跃的“订阅与保存”订单。
1级：辅助决策
（“认知伙伴”）
在这个层级，智能体可帮助购物者思考和决策，但不执行操作。购物者可能会问：“找四件75美元以下、周五前能发货的礼物；优先选择环保品牌，并说明取舍的理由。”更复杂的指令也可以：“对比较三款降噪耳机，并说明音质、续航和舒适度上的差异。”智能体的作用是分析数据，它会扫描商品目录、分析评论、对比参数，把各个方案整合成备选列表或推荐名单。但在这个层级，智能体不会敲定最终配置，也不涉及具体操作。不会帮你加入购物车，不会组合待购商品，也不具备下单条件。人类负责评估选项，权衡取舍，并决定下一步行动。
换句话说，1级自动化替代了搜索和对比环节，但“加入购物车”和下单交易仍然完全由购物者负责。
对商家的启示：可验证的数据胜过营销话术。智能体需要可供解析和对比的信息：结构化的数据、清晰透明的资格判定规则、可靠的尺码和适配度，以及经得起检验的品质承诺。
2级：自动“加购”
（“私人导购”）
这个层级标志着一种质变：智能体的作用从分析信息转向策划安排。在这一层级，购物者只要表达消费意图，智能体就可以输出一个可以直接下单的购物车。“搭配一套150美元以内的冬日舒适穿搭”；“为明天开始入住三天的素食客人储备一柜食材。”或者更复杂一些：“搭配一套2000美元以下的家用办公设备，要求支持双4K显示器，开视频会议时安静流畅，并且次日送达。”与第1级不同的是，智能体的任务是解决取舍和制约因素，而不仅仅是把问题列出来。智能体会选择具体商品，确保适配和兼容性，并且在性价比、供货与配送、优惠促销活动与参与资格之间做出权衡。此外，智能体还会默认处理税费、配送时段、会员权益、替代商品等事宜。最终输出的结果不是一份选项清单，而是一套可直接下单的、搭配合理的商品组合。购物者的角色也相应地从“方案对比”转变为“批准或调整智能体所提议的方案”。
对零售商的启示：2级自动化的成功关键，在于实施API优先的商品运营策略。需要清晰地开放相关信息（包括库存、定价、发货承诺、促销和退货逻辑），以便智能体可以像人类一样精准地组合购物车。
3级：授权使用
（“执行助手”）
在3级自动化阶段，购物者委托出去的不仅是操作，还有规则；他们不再逐条批准操作，而是授权智能体在明确的边界内自主行动。“如果食品杂货的总价低于120美元，而且能在周五晚上6点到8点之间送达，那就下单。”“如果我心仪的运动鞋在我信任的商家那里降价到80美元以内，直接下单。”智能体随即会端到端运行整个流程，从符合条件的选项中做出选择，将缺货商品替换为已批准的替代品，并使用会员权益。只有当某些情况超出规则范围时，才会通知主人手动审批。
对零售商的启示：要支持第3层级的购物者，商家必须确保智能体能够安全、透明地代表客户支付和操作。这意味着需要可设限的购买授权（根据预算、时间窗口、商家或品类授权），可追溯的活动记录（买了什么、为什么买），以及可撤销的操作（需要时可以轻松取消订单、退款和人工干预）。
4级：自主决策
（“购物管家”）
在第4级自动化阶段，智能体将根据长期目标运作，而非一次性交易。例如，“将家庭必需品月支出控制在300美元以内。”“2026年全年之内，以最低的总成本维持我的航司会员等级。”“确保宝宝的用品永不缺货。”智能体可持续监控需求、预测补货时机，跨商家对比方案，并围绕长期目标进行优化，比如维持或达到某一会员等级。此后，智能体还会处理后续操作，包括变更订单、退换货。购物者只是偶尔介入，主要在有重大决策或例外情况下才介入。
对零售商的启示：第4层级的竞争逻辑彻底变化，商家的目标不再是“赢得单笔交易”，而是要在智能体的长期采购计划中赢得一席之地。商家需要更深入的整合，尤其是在会员权益、资格规则、替代方案和服务保障等方面，以便智能体能够权衡取舍，并可靠地执行任务。简单来说，仅仅开放商品目录已经远远不够，零售商还必须开放那些能够决定“什么才是最优方案”的规则和政策。
5级：网联自主
（多智能体协同）
这是一个前瞻性的层级，尚处于发展初期。其未来方向是一个商业活动默认以“智能体互动”的方式运转的世界。代表购物者的智能体将不仅与商家网站交互，还会直接与一个由专业智能体构成的网络进行协商谈判。这些智能体将各自优化定价、物流配送、支付授权和会员积分计划。最终将催生出一个多智能体市场，其中购物意图可以商定，信任通过声誉信号传递，交易通过共享协议结算，从而实现“采购即服务”在后台的持续运行。
对零售商的启示：第5级的格局，将由那些已经精通第4级的商家所塑造。只有以机器可读的方式开放政策信息、保障条款和会员逻辑的零售商，才能掌握需求分配的主导权。而那些做不到的零售商，则会在AI对AI机器的交易流程中失去议价权，被系统自动匹配给最便宜的选项。
自动化发展曲线如何延伸？
这条自动化发展曲线，首先描述了智能体在购物这件事上能够做到哪一步，同时还能解释两个实际问题：一是委托如何在实践中一步步展开；二是为什么自动化进程在不同品类、不同场景、不同购物者之间，推进的速度和深度都不一样。
在现实世界中，购物者的委托比例不会沿着曲线匀速攀升，也并不会在所有购物品类和场景中都追求智能体的完全自主。相反，委托比例在“自动化消除障碍且不牺牲体验”的情形下会加速增加；在“人类参与本身就是价值所在”的情形下会进入平台期；在面临权衡取舍和不确定性时，会变得具有选择性。理解这些模式对于零售商而言至关重要，因为这将决定其投资方向、向智能体开放的内容，以及未来如何在智能体主导的世界中参与竞争。
委托比例加速增加的购物类型：
关乎实用、重复，决策风险较低
如果购物主要是任务而不是体验，委托比例就倾向于沿曲线迅速推进。决策风险低的品类（如食品杂货、家庭必需品、基础日用品等）天然适合更高程度的自动化。此类场景中，购物的价值在于效率、可靠性和可预测性，而非探索发现，或者情感表达。
随着智能体能够准确组合购物方案，在预设边界内执行操作，并能妥善处理换货或配送变更，购物者就会安心地把执行环节全面委托出去。消费者的关注重点也从“方案评估”变为“结果审查”：订单准不准时？有没有超预算？替换方案合理吗？久而久之，智能体的默认操作成为常态，人工干预反而成了例外。
对零售商而言，这一动态趋势重塑了竞争格局。品牌叙事和前端体验（网站/APP交互）的重要性，不及运营层面的履约能力。智能体更注重价值能否兑现，也即价格、供货能力、服务可靠性和退换货服务。如果商家可以开放准确的库存数据、可预测的履约表现，以及透明的退换货政策，就会成为智能体的默认供应商，甚至不需要赢得传统意义上“消费者的青睐”。在这些品类中，可读性和可靠性比独特性更重要。
委托比例进入平台期的购物类型：
关乎身份、追求，决策风险较高
在奢侈品或其他重大消费品等高价值类购物中，自动化曲线往往在较低层面便进入平台期。在这种情景下，购物不仅关乎结果，也关乎身份认同、目的和安心感。消费者可能会热切地委托智能体去研究、对比和分析，但不会授权其完全自主地执行购物行为。
以购买奢侈品手袋为例：消费者可能会让智能体对比不同品牌的保值能力，分析二手市场行情，或评估某一种款式是否符合个人审美。智能体可能会挖掘替代选项，在二手市场找到更划算的价格，或者查明线下门店的现货情况。但最终的决策和交易本身，仍然牢牢掌握在人的手中。
在这些时刻，智能体的作用更接近分析师和策划者，而非执行者。放权委托的边界不在技术，而在人心，由人的情感需求和身份考量而决定——比如亲手摸过才觉得踏实，比如消费背后藏着社交需求，比如不想买完后悔的心理。需要指出的是，这些品类的自动化程度低，不代表创造的价值低。这一类购物行为中，人的体验感本身就是产品价值的一环。
对品牌商家而言，这种区别至关重要。有效的竞争，并不意味着把消费者彻底推向自动化，而是需要开放丰富的上下文属性、溯源信息、工艺细节、保值趋势，以便智能体辅助购物者的决策，同时在最终决策环节保留人类的控制权。在这些品类中，能影响决策依据的品牌才是赢家。
介于二者之间的购物类型：
复杂交易，需要权衡取舍和场景化决策
多数品类都介于以上两极之间。在旅游、消费电子、家居用品及其他复杂的购买行为当中，委托是有选择的、视情境而定的。智能体可以自主研究商品、对比、监控并加入购物车，但在涉及重大权衡的决策上主动上报给人类。例如，一个旅行类的智能体可能会帮你安排行程、优化会员权益使用、监控行程干扰，但仍会把需要作出判断的选择交给用户，比如在时间和舒适度、成本与灵活性之间进行取舍。一个帮你购买家用电器的智能体可能会根据参数和评论缩小选项范围，但在涉及设计、兼容性或品牌偏好方面的判断时，仍然交由人类用户决定。
在这些品类中，信任的建立不是靠“从不犯错”，而是靠“决策依据解释得清”和“错了也能纠正”。随着智能体自主权的提升，消费者想知道的不仅是智能体购买了什么，更是它的决策理由。为什么选了那个方案？为什么做了那个替换？为什么把这个环节上报给我？对异常情况的妥善处理，比常规流程的一帆风顺更为重要。
而这正是“元数据”成为战略武器的时刻。人类凭直觉理解意义——根据合身度、手感、心情、是否适合某个场合等等因素做决策。而智能体显然不具备这种能力，它们依赖结构化的语境信号。那些对人类在情感上清晰可辨，但对机器而言语义不明的商品，在智能体推动的海量交易当中可能被无视。这就要求零售商投资于机器可读取的丰富属性，使智能体能够“有分寸感”地行动，准确判断何时该暂停，把问题提交给人类购物者。
智能体商业中，价值池如何变迁？
无论是哪种模式，有一个变化始终如一：传统的营销漏斗正在急剧坍缩。原本需要消费者一步步完成的搜索、对比和权衡，被一举压缩成了由智能体主导的决策瞬间。连续性消费取代了偶发性决策。忠诚度不再来自情感共鸣，而更多取决于政策条款。
价值池因此而迁移。商家要想获得优势，就需要根据智能体的约束条件，可靠地执行任务，而不只是吸引购物者的注意力。商家的利润率也由服务保障、履约可靠性和政策清晰度所塑造。对某些商家来说，这将释放效率和规模红利。而对另一些商家，尤其是依赖“种草”流量的商家，将面临直接被智能体“绕过”的风险。
值得注意的是，这并不意味着一切走向同一个终点。自动化曲线并不是标准答案，没有规定每个品类最终必须爬到哪个层级。它只是描述了哪些场景下的委托可以创造价值，哪些场景下不能。商家若能及早识别这些趋势，便可据此投入资源，在能够减少交易摩擦的地方，把智能体的自主性推向极致；而在人的参与最有价值的地方，有意识地留出人性的时刻。
商业的未来，并不是追求极致的自动化，而是把智能体的自主权，精准安放在最能增强体验、效益和信任的地方。自动化曲线为做出这些选择提供了实用的借鉴视角。随着智能体日益成为商业的主入口，谁能吃透这条曲线，根据它来指导能力建设、品类打法、迎接智能体的接入，谁就能占据最有利的竞争身位。
作者介绍
Deepa Mahajan、Hannah Mayer和Roger Roberts是麦肯锡全球董事合伙人，常驻湾区分公司；Katharina Giebel是麦肯锡咨询顾问，常驻湾区分公司；Katharina Schumacher是麦肯锡全球董事合伙人，常驻慕尼黑分公司。
作者在此感谢Eli Stein、Holger Harreis、Jack Trotter、Marcus Keutel、Philip Kluge、Tara Balakrishnan和Zamir Lalji对本文的贡献。
