এজেন্টিক কমার্স: পরের ক্রেতা যখন একটি AI এজেন্ট, তখন বিক্রি করবেন কীভাবে

একটা AI assistant কয়েক সেকেন্ডে চল্লিশটা দোকান ঘেঁটে ফেলতে পারে। আগস্টের এক মঙ্গলবার সকালে একজন ক্রেতা তাকে লিখলেন: "১৫০ ডলারের মধ্যে waterproof jacket, সপ্তাহান্তের আগে হাতে চাই।" সে দেখাল তিনটা। আউটডোর গিয়ারের একটা ছোট দোকানের মালিকের ৪০০ পণ্য, গোছানো storefront আর নিয়মিত traffic আছে, কিন্তু তিনি জানতেও পারলেন না যে খোঁজাখুঁজি হয়েছে, আর তাঁর সবচেয়ে বেশি বিক্রি হওয়া জ্যাকেটটা ওই তিনটার মধ্যে নেই।

জ্যাকেটে কোনো দোষ নেই। waterproof রেটিং লুকিয়ে আছে প্রচারের একটা অনুচ্ছেদে, stock count হালনাগাদ হয় রাতে একবার, আর return page-এ "সহজ return" লেখা আছে, কিন্তু একটাও সংখ্যা নেই। দোকান বাতিল হয়নি। তাকে শুধু কখনো দেখানোই হয়নি, আর অ্যানালিটিক্সেও এর কোনো চিহ্ন থাকবে না। (এটি একটি কাল্পনিক দৃশ্য, কোনো বাস্তব দোকান নয়।)

software যখন shortlist বানায়, তখন দোকান জেতে এমন তথ্যে, যা software মিলিয়ে দেখতে পারে; মন ভোলানোর কৌশলে নয়। এটাই agentic commerce-এর মূল কথা: এমন software agent, যে পণ্য খুঁজে বের করে, তুলনা করে, stock আর দাম যাচাই করে, আর কিছু ক্ষেত্রে ক্রেতার হয়ে কেনাটাও সেরে ফেলে।

প্রোগ্রামগুলো এখনো নতুন, কয়েকটার চেহারা ইতিমধ্যে বদলে গেছে, আর প্রচার অনেক সময় প্রকৃত সংখ্যার চেয়ে এগিয়ে থাকে। তবু দিকটা এতটাই স্পষ্ট যে প্রতিটি ব্যবসায়ীর জানা দরকার, এই এজেন্টরা একটা দোকানের কাছে কী চায়।

এই লেখায় আলাদা করে দেখব, ২০২৬-এর আগস্ট পর্যন্ত আসলে কী চালু ছিল আর কী শুধু ঘোষণার পর্যায়ে ছিল; agent আপনার data আর নীতিমালার কাছে কী আশা করে; আর শেষে থাকবে একটা প্রস্তুতি-scorecard, যেটা এক দুপুরেই চালিয়ে দেখা যায়।

এটি "AI agent-এর কাছে বিক্রি" নামের তিন পর্বের সিরিজের প্রথম পর্ব। দ্বিতীয় পর্বে আছে AI assistantের সুপারিশে আপনার পণ্য আনার উপায়, আর তৃতীয় পর্বে agent-এর উপযোগী checkout ও payment।

agentic commerce আসলে কী

chatbot প্রশ্নের উত্তর দেয়। agent কাজ করে। কেনাকাটার ভাষায়: কেউ লিখলেন "১৫০ডলারের মধ্যে একটা waterproof jacket, সপ্তাহান্তের আগে হাতে চাই"। agent অনেক দোকানে খুঁজবে, যা যাচাই করতে পারে তা দিয়ে ছেঁকে নেবে, একটা পণ্য cart-এ তুলবে, আর ক্রেতা অনুমতি দিয়ে রাখলে দামও মিটিয়ে দেবে।

পুরো যাত্রাটাকে ধাপে ভাগ করে দেখা ভালো, কারণ আলাদা আলাদা ধাপ আলাদা গতিতে চালু হচ্ছে:

• খুঁজে বের করা: অনেক দোকান থেকে সম্ভাব্য পণ্য বাছাই।
• তুলনা: দাম, delivery সময়, review আর নীতিমালার ভিত্তিতে সাজানো।
• কেনা: cart তৈরি করা ও payment — assistant-এর ভেতরে অথবা আপনার সাইটে।
• tracking: order-এর পিছু নেওয়া, "আমার parcel কোথায়?" প্রশ্নের জবাব দেওয়া।
• return: কিছু ভুল হলে return বা refund শুরু করা।

খোঁজা আর তুলনার সুবিধা এখন বেশির ভাগ assistant-ই আছে। assistant-এর ভেতরে বসে কেনার জায়গায় গল্পটা জটিল, যা পরের অংশে দেখা যাবে।

২০২৬-এর আগস্ট পর্যন্ত আসলে কী চালু ছিল

প্রকাশ্য তথ্যে দেখা যায় চালু feature, পিছু হটা আর ঘোষণার একটা মিশ্রণ:

প্রোগ্রাম	কী এটা	২০২৬-এর আগস্টে অবস্থা
OpenAI Instant Checkout ও Agentic Commerce Protocol (Stripe-এর সঙ্গে)	ChatGPT-র ভেতরেই কেনা; ব্যবসায়ীদের জন্য ওপেন protocol	২০২৫-এর সেপ্টেম্বরে যুক্তরাষ্ট্রের Etsy বিক্রেতাদের নিয়ে চালু। ২০২৬-এর মার্চে বন্ধ হয়েছে বলে report; checkout ফিরে গেছে ব্যবসায়ীদের নিজস্ব system ও app-এ
Google Universal Commerce Protocol (UCP) ও agentic checkout	catalog ও checkoutের ওপেন standard, Google Search ও Gemini-তে ব্যবহৃত	২০২৬-এর জানুয়ারিতে Shopify, Etsy, Wayfair, Target ও Walmart-কে নিয়ে ঘোষিত। Universal Cart-এর যুক্তরাষ্ট্রে চালুর কথা ২০২৬-এর গ্রীষ্মে
Google Agent Payments Protocol (AP2)	ক্রেতার ঠিক করা সীমার ভেতরে agent-এর paymentের যাচাইযোগ্য অনুমতি	২০২৫-এর সেপ্টেম্বরে ঘোষিত; Universal Cart পরিকল্পনার অংশ
Perplexity ও PayPal (Instant Buy)	উত্তর-ইঞ্জিনের ভেতরেই checkout	২০২৫-এর নভেম্বর থেকে যুক্তরাষ্ট্রের ব্যবহারকারীদের জন্য চালু
Amazon Buy for Me	Amazon-এর agent অন্য brandের সাইট থেকে কেনে	২০২৫-এর এপ্রিলে সীমিত feature হিসেবে চালু
Shopify Agentic Storefronts	AI assistantে catalog ছড়িয়ে দেওয়া	Winter '26 Edition-এ ঘোষিত

OpenAI: চালু, তারপর পিছু হটা

২০২৫-এর ২৯ সেপ্টেম্বর OpenAI ChatGPT-তে Instant Checkout ঘোষণা করে এবং Stripe-এর সঙ্গে বানানো Agentic Commerce Protocol প্রকাশ করে, যাতে অন্য ব্যবসায়ী ও ডেভেলপাররাও যুক্ত হতে পারেন। প্রথমে যুক্তরাষ্ট্রের Etsy বিক্রেতারা, তারপর Shopify ব্যবসায়ীদের আসার কথা ছিল।

২০২৬-এর মার্চে The Information ও CNBC জানায়, OpenAI Instant Checkout-কে তার মূল রূপে বন্ধ করছে। কেনাকাটা এখন শেষ হবে ব্যবসায়ীর নিজস্ব checkoutে বা retailerদের app-এ, আর ChatGPT মন দেবে পণ্য খুঁজে পেতে সাহায্য করার কাজে। Walmart-এর AI অ্যাক্সিলারেশন বিভাগের EVP Daniel Danker Wired-কে বলেছেন, ChatGPT checkoutে কনভার্সন ছিল Walmart-এর নিজস্ব website-এর প্রায় এক-তৃতীয়াংশ। কারণগুলোর একটি ছিল পণ্যের dataর ভুল।

এর শিক্ষা "agent কাজ করে না" নয়। শিক্ষা হলো, ক্রেতা এখনো ব্যবসায়ীর নিজের checkout, লয়্যালটি account আর deliveryর প্রতিশ্রুতিই চান, আর ভুল পণ্য-data কেনাকাটার agent-কে অনির্ভরযোগ্য করে তোলে।

Google: একটা app নয়, একটা standard

২০২৬-এর ১১ জানুয়ারি National Retail Federation-এর মঞ্চে Google ও Shopify Universal Commerce Protocol ঘোষণা করে। Etsy, Wayfair, Target ও Walmart সহ-নির্মাতা হিসেবে যোগ দেয়, সঙ্গে Visa, Mastercard ও Stripe-সহ আরও বিশের বেশি অংশীদার। ধারণাটা সহজ: ব্যবসায়ী নিজের catalog ও checkoutের একটাই মেশিন-পাঠযোগ্য বিবরণ প্রকাশ করবেন, আর যেকোনো সামঞ্জস্যপূর্ণ agent সেটা ব্যবহার করতে পারবে।

২০২৬-এর ১৯ মে Google I/O-তে Google Universal Cart উন্মোচন করে, যার সঙ্গে আছে Google Pay-তে agentic checkout এবং AP2-এর সুরক্ষা-সীমা (ক্রেতার ঠিক করা খরচের সীমা ও পণ্যের পছন্দ)। ২০২৬-এর গ্রীষ্মে যুক্তরাষ্ট্রে Search ও Gemini app-এ চালুর কথা ছিল। এর বাইরের সবকিছু, যেমন অন্য দেশে সম্প্রসারণ, পরিকল্পনা হিসেবেই ধরুন, চালু feature নয়।

বাকিরা

Perplexity ও PayPal ২০২৫-এর নভেম্বরে যুক্তরাষ্ট্রের ব্যবহারকারীদের জন্য Instant Buy চালু করে। ২০২৫-এর এপ্রিলে আসা Amazon-এর Buy for Me-তে Amazon-এর agent অন্য brandের নিজস্ব সাইট থেকে order করে; এতে দাম আর ক্রেতার dataর ওপর নিয়ন্ত্রণ নিয়ে ব্যবসায়ীদের মধ্যে বাস্তব উদ্বেগ তৈরি হয়েছে। Shopify জানিয়েছে, ২০২৫-এর জানুয়ারি থেকে ২০২৬-এর জানুয়ারির মধ্যে তাদের platformে AI থেকে আসা order এগারো গুণ বেড়েছে, তবে সেটা অল্প একটা ভিত্তি থেকে।

agent আপনার দোকানের কাছে কী চায়

লাইফস্টাইল ছবি দেখে agent গলে না। তার দরকার এমন তথ্য, যা মিলিয়ে দেখা যায়। চারটা ধাপ ঠিক করে দেয় আপনি shortlistে উঠবেন কি না; নিচের পঞ্চম বিষয়টা order শুরু হওয়ার পরেও আপনাকে সেখানে ধরে রাখে।

১. সম্পূর্ণ ও কাঠামোবদ্ধ পণ্য-data

শিরোনাম, brand, GTIN বা অন্য শনাক্তকারী, দাম, কারেন্সি, সাইজ, রং, উপাদান, মাপ, ওজন আর variant — সব আলাদা ফিল্ডে, কোনো অনুচ্ছেদের ভেতরে লুকিয়ে নয়। "waterproof" কথাটা যদি শুধু প্রচারের একটা বাক্যে থাকে, তবে waterproof দিয়ে ছাঁকা agent পণ্যটা হয়তো কখনোই খুঁজে পাবে না।

২. রিয়েল-টাইম stock ও দাম

agent "stockে আছে" বলে checkoutে আটকে গেলে দুজনের ওপরই আস্থা ভাঙে। stock আসতে হবে সেই একই ledger থেকে, যেটা আপনার সব বিক্রয়-চ্যানেল ব্যবহার করে; আর দামের বদল দ্রুত সব জায়গায় পৌঁছাতে হবে। দিনে একবার আপডেট হওয়া feed এখনই ধীর, কারণ assistant কেনার মুহূর্তেই যাচাই করে।

৩. স্পষ্ট shipping ও return নীতি

অঞ্চলভেদে delivery চার্জ, deliveryর সময়সীমা, orderের কাট-অফ টাইম, returnের মেয়াদ, ফেরত পাঠানোর খরচ কে দেবে, refund কীভাবে হবে। এগুলো লিখুন মেশিনের পড়ার মতো নির্দিষ্ট নিয়ম হিসেবে, "দ্রুত delivery, সহজ return" ধরনের কথায় নয়। agent র‍্যাংক করে যা যাচাই করতে পারে তার ওপর।

৪. মেশিন-পাঠযোগ্য order স্ট্যাটাস

tracking বিক্রির অংশ। কেনার পর agent যেন জিজ্ঞেস করতে পারে "১০৪২ নম্বর order কোথায়?" আর উত্তরে পায় paid, packed, shipped বা delivered-এর মতো স্ট্যাটাস, সঙ্গে tracking link। উত্তরটা যদি শুধু email-এ থাকে, agent সেটা ক্রেতাকে জানাতে পারবে না।

৫. নির্ভরযোগ্য API

catalog, cart, order তৈরি ও স্ট্যাটাসের জন্য স্থিতিশীল endpoint, সঙ্গে authentication, rate limit আর পরিষ্কার এরর বার্তা। প্রথম দিনেই প্রতিটি নতুন protocol বানাতে হবে না। আপনার platformে পরিষ্কার data আর নথিভুক্ত API থাকলে পরে কোনো standard নেওয়া মানে একটা অ্যাডাপ্টার জোড়া, গোড়া থেকে নতুন করে বানানো নয়।

brand, merchandising আর metric-এ কী বদলায়

brand। agent যখন আপনার পণ্যকে এক লাইনে সারসংক্ষেপ করে, তখন আপনার কণ্ঠস্বর হারিয়ে যায়, যদি না তা তথ্যের ভেতরেই গাঁথা থাকে। সারসংক্ষেপেও টিকে থাকে যাচাইযোগ্য বিশ্বাসের চিহ্ন: ধারাবাহিক review, স্পষ্ট নীতিমালা, সময়মতো deliveryর রেকর্ড।

merchandising। মানুষের জন্য লেখা পণ্য-page এখনো জরুরি, কিন্তু নিচের data এখন সমান ওজন বহন করে। attribute, নামকরণের রীতি আর variant হয়ে উঠছে প্রতিযোগিতার সম্পদ। বান্ডল আর "পুরো লুক সাজান" যুক্তিও প্রকাশ করতে হবে data হিসেবে, শুধু ব্যানারে নয়।

metric। পুরোনো ধাঁচের ফানেলের সংখ্যাগুলো আর আগের মতো কিছু বলবে না। সেশন কমতে পারে অথচ order থাকতে পারে অটুট, কারণ গবেষণাটা হয়ে গেছে অন্য কোথাও। dashboardে এগুলো যোগ করুন:

• AI assistant থেকে আসা order ও রাজস্ব (referrer বা orderের সোর্স ধরে)।
• feedের নির্ভুলতা: যত শতাংশ পণ্যের দাম ও stock লাইভ দোকানের সঙ্গে মেলে।
• agent checkoutে ব্যর্থতার হার: stock, দাম বা ঠিকানার কারণে এরর খাওয়া cart।
• agent-সূত্রের orderের returnের হার ও কারণ, বাকি orderের সঙ্গে তুলনায়।

যেসব ঝুঁকির জন্য তৈরি থাকা দরকার

• প্রতারণা। কারও হয়ে agent payment করলে browser-এর সামনে মানুষ বসে আছে ধরে নেওয়া ফ্রড-নিয়ম ভেঙে যায়। নতুন সংকেত আসবে, যেমন যাচাইকৃত অনুমতির রেকর্ড; আর agent-এর ছদ্মবেশ নেওয়া আক্রমণকারীও আসবে।
• return। agent "প্রায় মিলে যায়" গোছের পণ্য বেছে নিলে return বাড়তে পারে। সাইজ ও সামঞ্জস্যের পরিষ্কার dataই প্রথম প্রতিরক্ষা।
• margin-এর চাপ। agent প্রতিটি অফার পাশাপাশি রেখে মেলায়। পণ্য সাধারণ কমোডিটি হলে যাচাই-করা সবচেয়ে কম দামই জেতে। তফাত গড়ুন deliveryর গতি, বান্ডল, ওয়ারেন্টি আর সেবায়, যেগুলোও agent পড়তে পারে।
• অদৃশ্য হয়ে যাওয়া। নীরব ঝুঁকিটা এটাই। data অসম্পূর্ণ থাকলে আপনি বাতিল হন না, আপনাকে শুধু কখনো দেখানোই হয় না।
• ক্রেতার সঙ্গে সম্পর্ক হারানো। checkout যদি assistantের হাতে যায়, আপনি email, লয়্যালটি-নিবন্ধন বা আপসেলের সুযোগ নাও পেতে পারেন। ব্যবসায়ীর নিজস্ব checkout এখনো আকর্ষণীয় থাকার একটা কারণ এটাই।

ব্যবসায়ীর প্রস্তুতি-scorecard

প্রতিটি ক্ষেত্রে ০ (নেই) থেকে ৩ (সম্পূর্ণ ও স্বয়ংক্রিয়) নম্বর দিন। মোট ৮-এর নিচে হলে শুরু করুন data দিয়ে। ৮ থেকে ১২ হলে নতুন চ্যানেল যোগ করার আগে ফাঁকগুলো মেটান। ১২-র ওপরে হলে প্রোগ্রামগুলো পরিণত হওয়ার সঙ্গে সঙ্গে আপনি যুক্ত হতে তৈরি।

ছয় ধাপে যাচাই করুন

1. catalog export করে গুনুন কত পণ্যে শনাক্তকারী, সাইজ, উপাদান বা ওজন নেই।
2. যেকোনো দশটি পণ্যের দাম ও stock storefrontে আর ব্যাক-অফিসের ledgerে মিলিয়ে দেখুন।
3. shipping ও return page জোরে পড়ুন। শুধু লেখাটা দেখে কেউ কি খরচ আর সময়সীমা হিসাব করতে পারবে?
4. একটা test order দিন এবং দেখুন মেইলবক্সে না গিয়েই তার স্ট্যাটাস ও tracking link পাওয়া যায় কি না।
5. লিখে ফেলুন catalog, cart ও orderের কোন endpoint আছে, আর কারা সেগুলো ব্যবহার করতে পারে।
6. একটা সন্দেহজনক স্বয়ংক্রিয় order আপনি কীভাবে ধরবেন ও বাতিল করবেন, তা লিখে রাখুন।

এই কাজের জন্য platform বাছাই করার সময় খুঁজুন প্রতিটি চ্যানেলের পেছনে একটাই inventory ledger আর খোলা API; StoreConsole-এর inventory module ঠিক এই পথেই চলে।

এই ত্রৈমাসিকে কোথা থেকে শুরু করবেন

protocolগুলোর মধ্যে কে জিতবে, তার অপেক্ষায় বসে থাকার দরকার নেই। ওপরের প্রোগ্রামগুলো কয়েক মাসের মধ্যেই চেহারা বদলেছে, একটা তো ইতিমধ্যে গুটিয়েই নেওয়া হয়েছে। কিন্তু dataর কাজটা যে protocolই জিতুক, কাজে আসবে: এতে বাড়ে আপনার সার্চ র‍্যাংক, feed, customer সাপোর্ট আর নিজের storefrontও।

কাজের ক্রমটা এমন: catalog গুছিয়ে নিন, stock ও দামকে একটাই সত্যের উৎসে বাঁধুন, নীতিমালাকে নিয়ম হিসেবে নতুন করে লিখুন, order স্ট্যাটাস উন্মুক্ত করুন, তারপর আপনার বাজারের সঙ্গে মানানসই প্রোগ্রামগুলোয় যুক্ত হোন। data তৈরি হলে কীভাবে সুপারিশে আসবেন, তা দ্বিতীয় পর্বে; আর agent যখন সত্যিই payment করবে, সেই মুহূর্তের checkout ও payment তৃতীয় পর্বে।

আবার সেই আউটডোর দোকানে ফেরা যাক। মালিক ঠিক এই কাজেই তিন সপ্তাহ দিলেন। waterproof রেটিং, কাপড় আর ওজন হলো আলাদা আলাদা ফিল্ড। stock এখন আসে কাউন্টারের বিক্রির ledger থেকেই, আর return pageে লেখা: ৩০ দিন, না-পরা পণ্যে ফ্রি লেবেল, পাঁচ দিনের মধ্যে মূল paymentে refund। পরের ক্রেতা একই বাক্য লিখলেন। এবার জ্যাকেটটা চারটা ধাপই পার হলো, পর্দার তিনটির একটা হলো, আর এক সপ্তাহ পর একটা order এলো AI assistantের ট্যাগ নিয়ে। মালিকের report-এ এমন লাইন আগে কখনো দেখা যায়নি।

মূল কথা

• agentic commerce মানে এমন agent, যে ক্রেতার হয়ে খোঁজে, তুলনা করে, কেনে, ট্র্যাক করে ও return করে। খোঁজার সুবিধা এখন বহুল প্রচলিত; assistantের ভেতরে কেনার বিষয়টা এখনো অস্থির।
• ২০২৬-এর আগস্ট নাগাদ OpenAI Instant Checkout গুটিয়ে নিয়েছে; আর Google-এর UCP, Universal Cart ও AP2, Perplexity-র সঙ্গে PayPal, Amazon Buy for Me এবং Shopify-র storefront ছিল প্রধান প্রোগ্রাম।
• agent বাছাই করে যাচাইযোগ্য তথ্যের ভিত্তিতে: কাঠামোবদ্ধ data, লাইভ stock ও দাম, স্পষ্ট নীতি, order স্ট্যাটাস আর API।
• প্রধান ঝুঁকি প্রতারণা, return, margin-এর চাপ আর নীরবে অদৃশ্য হয়ে যাওয়া; সাইটের traffic হঠাৎ ধসে পড়া নয়।
• ছয় ক্ষেত্রের scorecard এখনই চালান। dataর কাজ যে protocolই জিতুক, উপকারে আসবে।

আনিছুর রহমান একজন সফটওয়্যার আর্কিটেক্ট এবং StoreConsole-এর নির্মাতা। বাড়তে থাকা ব্যবসার জন্য তিনি commerce ও ERP সিস্টেম ডিজাইন করেন — বিশেষ মনোযোগ event-driven আর্কিটেকচার, dataর নির্ভুলতা আর নিজের সার্ভারে চালানো সিস্টেমের ওপর।