Das Nützlichste, was ein Käufer für einen Shopping-Agenten tun kann, ist, nicht bei ihm zu kaufen. Neue Benchmark-Arbeiten zeigen, dass die abgebrochene und korrigierte Sitzung einem Agenten mehr beibringt als eine saubere Transaktion, und das ist relevant, weil OpenAIs Rückzug aus der Kasse im März dem Handel die sauberen Transaktionen ließ und dem Agenten-Betreiber die Korrekturen. Der Handel deutete diesen Rückzug als Rückgewinnung des Kunden. Gewonnen hat er die Hälfte der Sitzung, aus der nichts zu lernen ist.

Die Studie heißt Learning Personalized Agents from Human Feedback und wurde im Februar von Forschern der Meta Superintelligence Labs, Princeton und Duke veröffentlicht. Sie baut eine Online-Shopping-Benchmark mit 20 simulierten Nutzern auf und tauscht dann bei jeder Persona auf halber Strecke den Geschmack aus, um einen Kunden nachzubilden, dessen Vorlieben sich verschoben haben. Ein Agent ohne Erinnerung an frühere Interaktionen bewegt sich nach diesem Wechsel kaum, er erreicht 27,0 % Erfolgsquote – das ist die Kontrollgruppe.

Die Autoren trennen anschließend die beiden Kanäle, über die ein Agent von einer Person lernen kann: die Rückfrage, die vor der Handlung gestellt wird, und die Korrektur, die geliefert wird, nachdem der Agent bereits falsch gewählt hat. Im Test nach dem Geschmackswechsel erreichte allein der Korrekturkanal 66,9 % Erfolgsquote, deutlich vor dem Rückfragekanal – denn eine Annahme, die ein Agent selbstbewusst für wahr hält, ist eine, die er nie hinterfragt.

Diese Nutzer waren simuliert, und genau das ist die Grenze des Ergebnisses und der Grund, warum es eine zweite Quelle braucht. Alibabas Learn-to-Ask übertrug denselben Kreislauf in die Produktion und trainierte einen proaktiven Agenten direkt aus archivierten Gesprächsprotokollen von Experten – mit der Begründung, dass ein hochgetreuer Simulator für offenes menschliches Verhalten unverhältnismäßig schwer zu bauen sei. Eingesetzt wurde er beim Medikamenten-Assistenten des Unternehmens, nicht bei einem Bekleidungskatalog, und diese Lücke ist real. Was die Lücke überbrückt, ist der Mechanismus: Ein Haufen gewöhnlicher, größtenteils ungelöster vergangener Gespräche reichte aus, um eine Strategie zu trainieren, die 1,87-mal so oft konvertierte wie der personell besetzte Service, neben dem sie lief. Niemand in diesem Datensatz hatte versucht, irgendetwas beizubringen.

Die Fehlschläge eines Agenten sind nicht die Betriebskosten des Dienstes – sie sind das Warenlager.

OpenAIs Ankündigung im März entschied, wer dieses Warenlager anhäuft. Händler dürfen nun “ihre eigenen Checkout-Erfahrungen nutzen, während wir unsere Anstrengungen auf die Produktentdeckung konzentrieren”, wie das Unternehmen es formulierte – ein Satz, der wie ein Zugeständnis klingt und wie eine Vermögensaufteilung funktioniert. Target, Sephora, Nordstrom, Best Buy, Lowe’s, The Home Depot und Wayfair gehören zu den für die Entdeckung integrierten Händlern. Entdeckung ist der Teil, in dem ein Käufer schlecht beschreibt, was er will, das Falsche gezeigt bekommt, ablehnt und es erneut versucht. Das Agentic Commerce Protocol hinter dieser Vereinbarung veröffentlicht zwei Spezifikationen, Agentic Checkout und Delegate Payment, und beide beschreiben die Transaktion. Keine definiert einen Weg, das vorausgegangene Gespräch zurückzugeben.

Die vorherrschende Lesart dieser Kehrtwende lautet, dass sich die Kasse als zu schwierig erwies. Forresters Emily Pfeiffer und Sucharita Kodali schrieben, OpenAI habe “sich entschieden, den nativen Checkout frühzeitig zu beenden”, und die Betriebszahlen stützen das: Walmarts Daniel Danker sagte gegenüber Wired, wie Modern Retail berichtete, dass die Konversionsrate im Chatbot dreimal niedriger lag als wenn Käufer zur Website weiterklickten. Das erklärt, warum OpenAI die Transaktion losließ. Es erklärt nicht, warum das Unternehmen das Gespräch behielt, und die Fachberichterstattung hat nicht danach gefragt.

Der stärkste Einwand lautet, diese Protokolle seien weniger wert, als das Argument braucht. Echte Interaktionsdaten sind nicht die saubere, gelabelte Korrektur, die eine Benchmark liefert, und eine Studie genau zu diesem Problem fand, dass das Sammeln impliziten Feedbacks aus WildChat- und LMSYS-Gesprächsprotokollen bei kurzen, konstruierten Fragen half und bei längeren, komplexeren nicht half. Die Autoren nennen das Signal bereits im Titel verrauscht. Damit das Argument hier scheitert, müsste dieses Rauschen unreduzierbar sein: in keinem Maßstab und keiner Domäne nutzbar. Der Grund, warum es sich im Handel reduzieren lässt, ist, dass sich eine Einkaufssitzung auflöst. Ein offenes Gespräch erzeugt kein externes Urteil darüber, ob die Antwort gut war, während eine Einkaufssitzung mit einem Kauf, einem Abbruch oder einer Rücksendung endet – und jedes dieser Ergebnisse beschriftet das Protokoll, das es hervorgebracht hat.

Wofür die angehäuften Fehlschläge letztlich verwendet werden, ist der Teil, den der Handel noch nicht eingepreist hat. Ein Verzeichnis dessen, was kein Katalog beantworten konnte, gebündelt über jeden für die Entdeckung integrierten Händler hinweg, ist ein Produktbriefing, das kein einzelner Händler aus seinen eigenen Bestellungen zusammenstellen kann, weil seine eigenen Bestellungen nur enthalten, was funktioniert hat. Hält die Trennung – Entdeckung vorgelagert, Erfüllung nachgelagert –, wird die Partei mit den Protokollen erfahren, welche Kleidungsstücke existieren sollten, bevor die Hersteller es tun, die sie herstellen. Das ist die Asymmetrie, über die Marktplatz-Verkäufer ein Jahrzehnt lang geklagt haben, und sie taucht nun eine Ebene über dem Marktplatz wieder auf. Auch das Blockieren der Agenten steht nicht mehr zur Verfügung: Am 4. August hob der Ninth Circuit Amazons einstweilige Verfügung auf gegen Perplexitys Comet und stellte fest, dass ein Nutzer, der einen Agenten anweist, derjenige ist, der auf die Computer des Händlers zugreift. Der Handel kann die Agenten weder aussperren noch hat er ihnen die Protokolle in Rechnung gestellt – nur Letzteres ist noch eine Wahl.