Przejdź do treści
Dariusz Dasiewicz
Analizy i raporty
Analiza 9 min czytania

Radar wpływu cyfrowego — wrzesień 2026

UOKiK rozwija automatyczne wykrywanie dark patterns, a Shopify udostępnia checkout agentom AI. Dla e-commerce oznacza to rozszerzenie przedmiotu audytu: trzeba sprawdzać zarówno komunikaty kierowane do kupującego, jak i reguły działania systemów uczestniczących w zakupie.

Od kontroli interfejsu do kontroli mechanizmów sprzedaży

Odpowiedzialność za projektowanie wpływu coraz trudniej ograniczyć do wyglądu ekranu. Dla e-commerce praktyczna konsekwencja jest prosta: poprawność interfejsu nie wystarcza do oceny całego procesu zakupowego.

Konkretny przykład przyniósł Shopify: 28 września udostępnił agentom przeglądarkowym narzędzia obsługi checkoutu. Warunki zakupu może teraz odczytywać model, który przedstawia je użytkownikowi do zatwierdzenia. Ta zmiana pokazuje, dlaczego kontrola ekranów powinna zostać uzupełniona pytaniami o governance: kto ustala reguły systemu, kto odpowiada za ich skutki i jak organizacja sprawdza jego działanie?

DRAKE: regulator zwiększa skalę obserwacji

Mechanizm presji zakupowej można powielać w tysiącach sesji. Ręczna analiza kolejnych przypadków wymaga natomiast pracy ekspertów, a aktualizacje sklepu zmieniają przedmiot kontroli. UOKiK wskazuje właśnie tę trudność: strony i aplikacje zmieniają się szybciej, niż organy ochrony konsumentów mogą je przeanalizować ręcznie.

UOKiK opisał 24 września DRAKE: narzędzie AI analizujące treść, wygląd i kod stron oraz wskazujące potencjalne dark patterns. Wrześniowy komunikat dotyczył również nagrody dla projektu w konkursie ICPEN i Grupy Banku Światowego.

Istotne jest to, na czym oparto jego działanie. UOKiK uporządkował doświadczenia z prowadzonych spraw, analizował kod stron i przeprowadził badania konsumenckie z wykorzystaniem metod neuromarketingowych oraz ankietowych. Przejrzał także literaturę naukową i dokumenty unijne. Na tej podstawie powstała baza informacji wykorzystywana przez system. Narzędzie łączy więc analizę strony z wiedzą Urzędu o mechanizmach wpływu i ich oddziaływaniu na decyzje konsumentów.

DRAKE wskazuje przypadki wymagające uwagi, a pracownik weryfikuje materiał źródłowy i dokonuje oceny prawnej. Taki podział pracy jest kluczowy dla zrozumienia wartości narzędzia. Jeżeli system pomaga trafniej wybrać strony do dalszej analizy, eksperci mogą poświęcić więcej uwagi przypadkom, które jej wymagają. Skalowanie nadzoru zaczyna się od skalowania uwagi ekspertów.

Moim zdaniem właśnie tu DRAKE może zmienić ekonomię wykrywania. Ograniczeniem kontroli jest również koszt znalezienia potencjalnego naruszenia wśród wielu zmieniających się stron. Automatyzacja tego etapu może zwiększyć zasięg obserwacji bez proporcjonalnego wzrostu nakładu pracy. Nie znamy jeszcze publicznych danych pozwalających oszacować skalę tej zmiany ani jej przełożenie na wyniki postępowań.

Dla firmy oznacza to możliwą zmianę warunków zarządzania ryzykiem. Jeśli mechanizmy sprzedażowe łatwiej wytypować do kontroli, rośnie znaczenie sprawdzania ich przed wdrożeniem oraz zachowania informacji pozwalających później wyjaśnić ich działanie. To wniosek analityczny, a nie nowy obowiązek ustanowiony przez sam fakt zastosowania DRAKE.

W hipotetycznym przypadku fałszywego licznika wyjaśnienie może wymagać sprawdzenia konfiguracji aplikacji, zasad kampanii i tego, kto zatwierdził rozwiązanie po teście konwersji. DRAKE sam nie audytuje tych procesów. Może jednak wskazać element, którego ocena prowadzi do pytań o decyzje organizacji. Kontrola ekranu może otworzyć pytanie o proces, który go wytworzył.

Regulatorzy pytają o cele i bodźce organizacji

Tę perspektywę rozszerzają konsultacje FTC rozpoczęte 24 września. Regulator pyta o rolę platform w reklamowych oszustwach polegających na podszywaniu się pod firmy i instytucje. Analizuje również narzędzia optymalizujące treść i dystrybucję reklam, finansowe zachęty platform oraz możliwe środki zapobiegawcze. To wstępny etap prac regulacyjnych.

Oszustwo reklamowe jest odrębnym zjawiskiem od dark patterns, ale ten przypadek pokazuje szerszy problem odpowiedzialności za wpływ. Znaczenie ma także infrastruktura, która pomaga reklamie znaleźć odbiorcę i uzyskać jego reakcję. Kontrola obejmuje pytanie o zwiększanie skuteczności przekazu przez platformę.

W sektorze ubezpieczeń podobny kierunek pokazują propozycje IRDAI. Według relacji PTI o wrześniowym dokumencie konsultacyjnym indyjski regulator łączy eliminowanie dark patterns z dopasowaniem produktu do potrzeb klienta, dokumentowaniem tej oceny i śladem audytowym. Propozycje obejmują też reguły prowizji. Interfejs jest tu częścią procesu sprzedaży, którego bodźce mogą premiować zamknięcie transakcji kosztem jej jakości dla klienta.

Ugoda Alabamy z TikTokiem z 25 września obejmuje z kolei ograniczenia czasu korzystania, przerwy i domyślny niepersonalizowany feed dla nastolatków. Wraz z projektem EU KIDS Act kieruje uwagę na odpowiedzialność za reguły podtrzymywania aktywności użytkownika. Dla e-commerce jest to analogia analityczna: mechanizmy utrzymywania klienta w procesie zakupowym również warto oceniać przez ich cel i skutki. Zakres obowiązków prawnych zależy od rodzaju usługi i właściwych przepisów.

Dla organizacji wspólne pytanie brzmi: jaki rezultat premiuje system i jakie ograniczenia chronią użytkownika? Odpowiedź wymaga znajomości celów sprzedażowych, ustawień produktu i sposobu oceny skutków.

Shopify: audyt interfejsu nie wystarcza

Najbardziej bezpośrednią konsekwencję dla e-commerce pokazuje Shopify i udostępniony 28 września Checkout WebMCP. Agent działający w przeglądarce kupującego może odczytywać i aktualizować checkout oraz składać zamówienie po potwierdzeniu przez użytkownika. Korzysta z tego samego stanu transakcji co widoczny interfejs.

Dokumentacja Shopify wyraźnie rozdziela identyfikację agenta, przygotowanie płatności i zgodę na zakup. Przed finalizacją agent ma pokazać aktualne zamówienie oraz sumę i uzyskać pozwolenie. Zmiana sumy wymaga ponownego potwierdzenia. Gotowość checkoutu czy zatwierdzenie płatności w Shop Pay nie zastępują tej decyzji.

W tym modelu potrzebna może być dodatkowa ścieżka audytu. To wniosek operacyjny: ten sam stan transakcji jest interpretowany przez model, a następnie przedstawiany kupującemu do zatwierdzenia. Audyt widocznego ekranu nie pokaże, czy agent przekazał istotne warunki, zachował preferencje dostawy albo uzyskał zgodę na zmianę kwoty.

Taką kontrolę trzeba prowadzić na styku sklepu, platformy i operatora agenta. Sklep potrzebuje wiedzy o granicach własnej kontroli oraz danych pozwalających odtworzyć przebieg zakupu. Są to scenariusze do sprawdzenia, a nie stwierdzone nieprawidłowości Shopify.

Techniczne tło stanowią wrześniowy projekt EMVCo, dotyczący rejestrowania i zarządzania autoryzowaną intencją konsumenta, oraz wspólne zasady sześciu banków. EMVCo przedstawiło projekt do konsultacji, a banki — zasady mające kierować dalszym rozwojem rozwiązań. Ich publikacja wyznacza kierunek prac nad kontrolą mandatu i bezpieczeństwem transakcji; nie oznacza, że rozwiązania zostały już powszechnie wdrożone.

Pozostaje jednak wcześniejszy etap: wybór oferty. Prawidłowe wykonanie płatności nie rozstrzyga, czy agent widział odpowiedni zbiór produktów ani czy rekomendacja uwzględniała interes użytkownika. Checkout WebMCP nie rozwiązuje kwestii rankingu; w szerszym handlu agentowym znaczenie będą miały dostępne dane, sponsorowane oferty i cele systemu rekomendacji.

W agentic commerce trzeba będzie pytać również, jak sklep projektuje rzeczywistość, którą widzi agent. Audyt procesu zakupowego musi uwzględniać informacje i możliwości działania, na podstawie których powstaje propozycja dla konsumenta.

Pricing: do czego służy wiedza o kliencie?

Walmart połączył te kwestie w deklaracji z 25 września. Firma zapowiedziała, że dochód, historia zakupów, pilna potrzeba i szacowana gotowość do zapłaty nie będą wpływać na indywidualną cenę. Obietnica obejmuje też asystenta Sparky: dane użytkownika nie mają służyć podnoszeniu ceny ani ukrywaniu tańszych ofert odpowiadających jego potrzebom. Firma deklaruje monitorowanie i testowanie tych zasad.

To publiczne zobowiązanie, którego realizację trzeba dopiero oceniać. Ważne jest jednak połączenie ceny z dostępnością alternatyw. System może zmieniać ekonomiczny rezultat zakupu przez rekomendowanie określonych produktów, nawet przy zachowaniu tej samej ceny dla wszystkich.

Inny model opisuje materiał Reutersa o narzędziach cenowych McDonald’s. System rekomenduje ceny dla poszczególnych restauracji, uwzględniając m.in. lokalnie estymowaną gotowość klientów do zapłaty. McDonald’s wskazuje, że ostateczne ceny ustalają franczyzobiorcy. Jest to przykład lokalnej optymalizacji, odrębnej od indywidualnego surveillance pricing.

Projekt stanowiska FTC o personalized pricing, konsultowany we wrześniu, dotyczy m.in. możliwych naruszeń związanych z nieujawnionym wykorzystaniem danych osobowych do ustalania ceny. Nie jest ogólnym zakazem personalizacji.

Dla oceny systemu ważne są więc rodzaj danych, poziom personalizacji, przejrzystość i cel optymalizacji. Estymowanie popytu należy do zwykłych zadań biznesowych. Osobnej oceny wymaga wykorzystywanie wiedzy o konkretnym kliencie do ograniczania odpowiednich alternatyw lub eksploatowania jego podatności.

Dla polskiego sklepu to także temat istniejących obowiązków. Wdrożenie Omnibusa wprowadziło do ustawy o prawach konsumenta obowiązek informowania o indywidualnym dostosowaniu ceny na podstawie zautomatyzowanego podejmowania decyzji, jeżeli przedsiębiorca je stosuje. UOKiK wyjaśnia również różnicę między taką personalizacją a ceną dynamiczną. To konkretny punkt kontroli: czy firma rozpoznaje, jak ustala cenę, i przekazuje właściwą informację? W mojej ocenie pojawienie się agenta wymaga dodatkowo sprawdzenia, czy informacja dociera do konsumenta w nowej ścieżce zakupowej.

Amazon Prime: koszt naprawy trwa po zmianie procesu

FTC poinformowała 17 września o rozszerzeniu wypłat w sprawie Amazon Prime. W ramach ugody z 2025 roku, obejmującej miliard dolarów kary i do 1,5 miliarda dolarów rekompensat, poszerzono krąg uprawnionych i podniesiono limit do 200 dolarów na uprawnionego konsumenta, łącznie z wcześniejszymi wypłatami. Przyszłe wypłaty mają być automatyczne.

Ten przypadek domyka finansową stronę governance. Zmiana procesu sprzedaży nie kończy obsługi jego skutków: trzeba ustalić uprawnionych, przeprowadzić wypłaty i wykonać zobowiązania. Moim zdaniem ocena mechanizmu według konwersji w czasie jego działania pomija tę część rachunku. Decyzja projektowa może przynosić przychód dziś i wymagać kosztownej naprawy po latach.

Co zmienia się w odpowiedzialności za sprzedaż

Dla e-commerce oznacza to rozszerzenie przedmiotu kontroli. Zgodność komunikatów na stronie pozostaje ważna, ale coraz większego znaczenia nabierają także cele optymalizacji, reguły udostępniania ofert agentom oraz sposób zatwierdzania zmian w zamówieniu. Ocena konkretnego mechanizmu może więc wymagać współpracy osób odpowiedzialnych za produkt, sprzedaż, dane i zgodność z prawem.

W mojej ocenie wspólnym mianownikiem tych zmian jest zdolność firmy do wyjaśnienia konkretnej transakcji: jakie warunki przedstawiono, jakie reguły wpłynęły na wybór i na co kupujący rzeczywiście się zgodził. To przesuwa odpowiedzialność z oceny pojedynczego ekranu na decyzje i procesy, które ukształtowały zakup.

W październiku będę obserwował przełożenie propozycji kontroli na praktykę: dalsze prace EMVCo, konsultacje IRDAI i realizację wypłat Amazon.

Źródła:

Preferowane źródło

Czytasz moje analizy?

Dodaj dasiewicz.com jako preferowane źródło w Google.

Dodaj w Google