‘Αρθρο: Αντώνης Δραγγιώτης

Σημαντικές εξελίξεις στο ηλεκτρονικό εμπόριο φέρνει το Agentic Commerce, καθώς αυτόνομα συστήματα Τεχνητής Νοημοσύνης (ΤΝ) μπορούν να λειτουργούν ως “μεσάζοντες” για λογαριασμό καταναλωτών ή επιχειρήσεων,  για την αναζήτηση και επιλογή προϊόντων μέσω του internet και την αυτόνομη εκτέλεση συναλλαγών για την αγορά τους. Με την υποστήριξη προηγμένων Large Language Models  (LLMs), τα Agentic συστήματα μας προσφέρουν σημαντικά μεγαλύτερες δυνατότητες συγκριτικά με τις σημερινές μηχανές αναζήτησης του internet, λειτουργώντας ως ευφυείς “ψηφιακοί αγοραστές” ικανοί να εκτελούν αυτόνομα διαδικασίες πολλαπλών βημάτων.

Η υιοθέτηση του Agentic Commerce διευκολύνεται από τις αναβαθμισμένες δυνατότητες των σύγχρονων συστημάτων ΤΝ, και τη διασύνδεση ψηφιακών οικοσυστημάτων μέσω APIs και ασφαλών πρωτοκόλλων επικοινωνίας για τις ηλεκτρονικές πληρωμές. Οργανισμοί όπως οι OpenAI, Stripe, Visa, Mastercard και PayPal αναπτύσσουν υποδομές και πρωτόκολλα, που επιτρέπουν στους AI Agents να πραγματοποιούν συναλλαγές αγορών με ασφάλεια.

Αξιοσημείωτες περιπτώσεις τέτοιων πρωτοκόλλων είναι το Model Context Protocol (MCP) για το interoperability των Agents, το Agentic Commerce Protocol (ACP) της OpenAI, που επιτρέπει τη επικοινωνία μεταξύ καταναλωτών, AI Agents και πληροφοριακών συστημάτων των εμπόρων για την ολοκλήρωση μιας αγοράς, και το Agent Payments Protocol (AP2) της Google, για την εκτέλεση tokenized συναλλαγών.

Η διαθεσιμότητα των εφαρμογών Agentic Commerce διευρύνεται με πολύ ταχείς ρυθμούς: Η λειτουργία «Operator» της OpenAI και το “Buy it in ChatGPT” επιτρέπουν αγορές μέσα από τη συνομιλία που γίνεται στο chat. H λειτουργία “Buy with Pro” της Perplexity είναι επίσης ένα πολύ καλό παράδειγμα “contextual shopping”. Οι Shopify, Amazon και Walmart ενσωματώνουν AI Agents για εξατομικευμένες αγορές, ενώ στο πλαίσιο του B2B, οι Procurement AI Agents απλοποιούν την προμήθεια προϊόντων για τις εταιρίες.

Τα οφέλη είναι σημαντικά – εξατομίκευση, διευκόλυνση, λειτουργική αποδοτικότητα και νέα εμπορικά μοντέλα, όπως το “agent-as-a-service”. Ωστόσο, οι προκλήσεις παραμένουν: overselling των υλοποιήσεων agentic συστημάτων (“agent washing), πολύπλοκα integrations συστημάτων, απαιτητικές δικλείδες ασφαλείας για την επιβεβαίωση της συγκατάθεσης και της ταυτότητας του καταναλωτή, κίνδυνοι απάτης και εξελισσόμενα νομικά πλαίσια. Ο Ευρωπαϊκός Νόμος για την ΤΝ, αν και θεμελιώδης, δεν διαθέτει ρητές διατάξεις για τα αυτόνομα, “self-learning” συστήματα όπως είναι οι AI Agents, αφήνοντας ρυθμιστικά κενά σχετικά με την τελική ευθύνη, τη διαφάνεια και τη διακυβέρνηση.

Συνοπτικά, το Agentic Commerce επαναπροσδιορίζει τον τρόπο που πραγματοποιούνται οι ηλεκτρονικές αγορές μετατρέποντας τα digital marketplaces σε οικοσυστήματα αυτόνομης διαπραγμάτευσης και αγοράς προϊόντων. Η επιτυχία του εγχειρήματος, θα εξαρτηθεί από το interoperability των απαραίτητων επεξεργασιών, την ύπαρξη ασφαλών πρωτοκόλλων για την ανταλλαγή των πληροφοριών και εκτέλεση συναλλαγών και μια κατάλληλη διακυβέρνηση, που θα στοχεύει στην ενίσχυση της εμπιστοσύνης των εμπλεκόμενων μερών και θα συνδυάζει την καινοτομία με την προστασία των καταναλωτών.

Τι είναι το Agentic Commerce;

Το Agentic commerce αφορά ένα νέο είδος ηλεκτρονικού εμπορίου, όπου αυτόνομα συστήματα ΤΝ (“Agents” ή αλλιώς “Agentic AI”) ενεργούν εκ μέρους καταναλωτών ή επιχειρήσεων για να εντοπίζουν, επιλέγουν, διαπραγματεύονται συναλλακτικούς όρους και — όταν εξουσιοδοτηθούν — ολοκληρώνουν συναλλαγές ηλεκτρονικών αγορών. Σε αντίθεση με τις συνηθισμένες μηχανές αναζήτησης του internet ή τα chatbots, τα συστήματα Agentic AI σχεδιάζονται έτσι ώστε να εκτελούν περίπλοκες εργασίες πολλαπλών βημάτων με μεγάλο βαθμό αυτονομίας: αντιλαμβάνονται την πρόθεση του χρήστη, επικοινωνούν με άλλα συστήματα μέσω API ή ειδικών πρωτοκόλλων (αναζήτηση, τιμολόγηση, πληρωμές, αποστολή), εκτελούν σειρές ενεργειών, παρακολουθούν τα αποτελέσματα των ενεργειών αυτών και διαμορφώνουν τις αποφάσεις τους με βάση τους περιορισμούς που ορίζει ο καταναλωτής.

Αυτές οι δυνατότητες αλλάζουν τον τρόπο που γίνεται το ηλεκτρονικό εμπόριο, μειώνοντας όλο και περισσότερο τις ροές εργασιών που εκτελούνται από τους καταναλωτές  (αναζήτηση, σύγκριση, αγορά), σε agent–driven workflows που αναζητούν, επιλέγουν, διαπραγματεύονται και ολοκληρώνουν αγορές, με ελάχιστη εμπλοκή του ανθρώπινου παράγοντα. (BCG)

Γιατί τώρα; Τάσεις που φέρνουν τις εξελίξεις

Αρκετές τάσεις που εξελίσσονται ταυτόχρονα, καθιστούν το Agentic Commerce μιαπραγματικότητασήμερα:

• μεγάλης κλίμακας general–purpose reasoning μοντέλα, όπως τα Large Language Models (LLMs) μπορούν να σχεδιάζουν επεξεργασίες πολλαπλών βημάτων,
• αξιόπιστα εργαλεία για integration συστημάτων (APIs, πρωτόκολλα),
• μηχανισμοί ηλεκτρονικών πληρωμών και fintech APIs που αναβαθμίζουν τo ηλεκτρονικό checkout, και
• πρωτοβουλίες και προσαρμογές από συστήματα πληρωμώνπου τυποποιούν την ταυτοποίηση των Agents, και έλεγχο περιστατικών απάτης.

Εμπλεκόμενοι παράγοντες του ηλεκτρονικού εμπορίου (fintechs, δίκτυα πληρωμών, εταιρείες συμβούλων ή και πάροχοι υπηρεσιών cloud) χαρακτηρίζουν το Agentic Commerce μια δραστηριότητα που επεκτείνεται ραγδαία, ενώ συνεχώς κάνουν διαθέσιμα νέα εργαλεία, πιλοτικά προγράμματα και πρότυπα για την υποστήριξή του.

Τι είναι το Agentic AI?

ΤοAgentic AI αφορά σε αυτόνομα συστήματα ΤΝ που μπορούν να αυτοπροσδιορίζουν τους στόχους τους και να σχεδιάζουν και να εκτελούν επεξεργασίες πολλών βημάτων, με περιορισμένη ανθρώπινη παρέμβαση. 

Σύμφωνα με την Anthropic, οι ΑΙ Agents είναι συστήματα που υποστηρίζονται από LLMs, για να καθορίσουν το πλάνο ενεργειών που θα πρέπει να εκτελέσουν και των εργαλείων που θα πρέπει να χρησιμοποιήσουν για να επιτύχουν τους στόχους τους, διατηρώντας τον έλεγχο για την ολοκλήρωση των απαραίτητων επεξεργασιών.

Διαφέρουν από τα Workflows, όπου τα LLMs και τα διάφορα εργαλεία αξιοποιούνται μέσω προκαθορισμένων βημάτων, με τα κριτήρια επιλογής εναλλακτικών βημάτων να προκαθορίζονται προγραμματιστικά. (Anthropic )

Σε αντίθεση με τον παραδοσιακό αυτοματισμό που ακολουθεί προκαθορισμένους κανόνες, το Agentic AI χρησιμοποιεί τις εξελιγμένες δυνατότητες των LLMs, για να προσαρμόζεται σε μεταβαλλόμενα περιβάλλοντα και να μαθαίνει από την επιβράβευση των αποτελεσμάτων που παράγει.

Το Agentic Commerce στην πράξη

Εφαρμογή στην καθημερινότητα

“Buy–for–me” / τα χαρακτηριστικά του “βοηθού” αγορών

Τα μεγάλα marketplaces έχουν υιοθετήσει ροές εργασιών “buy–for–me”, όπου ένας AI Agent πραγματοποιεί όλες τις φάσεις αγοράς ενός προϊόντος, σύμφωνα με περιορισμούς καθοριζόμενους από τους καταναλωτές (budget, brand preferences, delivery window).

Η πλατφόρμα τεχνητής νοημοσύνης Perplexity για παράδειγμα, παρουσίασε τη δυνατότητα ηλεκτρονικών αγορών με agents “Buy with Pro,” στα τέλη του 2024. Το Operator τηςOpenAI, που κυκλοφόρησε τον Ιανουάριο του 2025 και είναι πλέον ενσωματωμένο στο ChatGPT, χρησιμοποιεί agents για να βοηθούν τους χρήστες να αυτοματοποιούν εργασίες όπως κρατήσεις ταξιδιών και εστιατορίων. Πιο πρόσφατα, η OpenAI ανακοίνωσε το Agentic Commerce Protocol, που αναπτύχθηκε από κοινού με τη Stripe, και επιτρέπει στους χρήστες να ολοκληρώνουν αγορές μέσα στο ChatGPT χωρίς να αποχωρούν από το chat. Η Shopify αναπτύσσει μια υποδομή αγορών με agents, που επιτρέπει στους agents να έχουν πρόσβαση σε καταλόγους προϊόντων και να δημιουργούν καλάθια από διαφορετικούς εμπόρους. Η Amazon, η Google και άλλες εταιρείες αναπτύσσουν επίσης υπηρεσίες αγορών με agents. Συλλογικά, αυτές οι ενέργειες μετατρέπουν το Agentic Commerce από μια ιδέα σε μια επικείμενη πραγματικότητα: ο agent γίνεται πλέον ο αγοραστής. (OpenAI , Stripe) 

“ Βοηθοί” αγορών σε εφαρμογές του λιανεμπορίου

Επιχειρήσεις λιανικής, όπως η Walmart και άλλες μεγάλες αλυσίδες, ενσωματώνουν agents για να βοηθήσουν την αναζήτηση, τις αντικαταστάσεις και τις επαναπαραγγελίες συχνά συνδυάζοντας loyalty profiles και δρομολόγησηinventory-aware. Αυτή η εξέλιξη προσφέρει σημαντικές διευκολύνσεις στους καταναλωτές και αυξάνει τα conversion rates για τους εμπόρους.

Agentic payments & fintech toolkits

Τα συστήματα πληρωμών και οι fintechs δημιουργούν agent–aware υποδομές: οι PayPal, Stripe, Visa και Mastercard έχουν κάνει διαθέσιμα ή ανακοινώσει εργαλεία και πρωτόκολλα όπως το agentic toolkit της PayPal, το agent toolkit της Stripe, το Agent Pay της Mastercard, ή το Acceptance Agent Toolkit της VISA, που επιτρέπουν στους agents να κάνουν ταυτοποίηση, να ζητούν εξουσιοδότηση και να ολοκληρώνουν αγορές, μειώνοντας τον κίνδυνο απάτης. (PayPal, VISA, Mastercard )  

B2B procurement agents

Σε ότι αφορά τις αγορές από εταιρίες, οι ροές επεξεργασίας των agents αυτοματοποιούν επαναλαμβανόμενες διαδικασίες προμηθειών: την αναζήτηση προμηθευτών, το RFP parsing, τη διαπραγμάτευση SLAs και τη δημιουργία εντολών αγοράς βάσει κανόνων προϋπολογισμού. Αυτή η λύση, δηλαδή το “procurement–as–an–agentic–service”, μειώνει τον φόρτο εργασίας για την ολοκλήρωση επαναλαμβανόμενων αγορών και διασφαλίζει τη συμμόρφωση με τις πολιτικές της κάθε εταιρίας – αγοραστή.

Μεθοδολογίες και αρχιτεκτονικές που χρησιμοποιούνται

Agentic αρχιτεκτονικές

• Planner + executor: ένα LLM ή ένα reasoning model κατασκευάζει ένα multi-step πλάνο (αναζήτηση, σύγκριση, κλήση APIs, επικοινωνία μέσω πρωτοκόλλων), ενώ μια ξεχωριστή επεξεργασία, ενεργοποιεί τα κατάλληλα εργαλεία και συντονίζει κλήσεις άλλων συστημάτων (APIs/πρωτόκολλα, ερωτήματα σε βάση δεδομένων). Αυτή η διάκριση μεταξύ planner καιexecutor, βοηθά στη διατήρηση ελέγξιμων ενεργειών και ασφαλών ορίων.
• Multi–agent systems: συντονισμός εξειδικευμένων agents (π.χ. agent εντοπισμού, agent διαπραγμάτευσης, agent πληρωμών, διαχειριστής επιστροφών) μέσω ανταλλαγής μηνυμάτων επιτρέποντας τη δομημένη κατανομή εργασιών και το σαφέστερο διαχωρισμό ευθυνών. Βιβλιοθήκες/πλαίσια multi-agent συστημάτων όπως τα CrewAI, Autogen ή LangGraph, επιτρέπουν την ανάπτυξη και τον συντονισμό πολλαπλών ΑΙ agents, που συνεργάζονται για την επίλυση σύνθετων εργασιών.

Χρήση εργαλείων και επεξεργασία δεδομένων

• Retrieval Augmented Generation (RAG): ανάκτηση στοιχείων από πηγές δεδομένων όπως το ιστορικό αγορών ενός καταναλωτή, κατάλογοι προϊόντων, όροι και πολιτικές που πρέπει να τηρούνται ή και άλλες εξωτερικές πληροφορίες, ώστε οι agents να διαμορφώνουν τις αποφάσεις τους και να παράγουν αποτελέσματα που είναι συμβατά με τις πλέον σύγχρονες πληροφορίες που ανακτήθηκαν.
• AI agent protocols: πρωτόκολλα interoperability που επιτρέπουν στους agents να επικοινωνούν και να πραγματοποιούν συναλλαγές με ασφάλεια:
  • Το Model Context Protocol (MCP) τυποποιεί τον τρόπο με τον οποίο τα μοντέλα και οι ΑΙ Αgents επικοινωνούν πληροφορίες και ενέργειες, επιτρέποντας τη σύνθεση multi-agent συστημάτων.
  • Το Agentic Commerce Protocol (ACP) της OpenAI ορίζει ένα ανοικτό πρότυπο που επιτρέπει τη διεξαγωγή συνομιλίας μεταξύ αγοραστών, ΑΙ Αgents και εμπόρων, ώστε να ολοκληρώνεται μια συναλλαγή αγοράς.
  • Το Agent Payments Protocol (AP2) της Google ρυθμίζει την ασφαλή, tokenized εξουσιοδότηση πληρωμών μεταξύ πρακτόρων και δικτύων πληρωμών, εξασφαλίζοντας την αναγνώριση της προέλευσης και την προστασία μιας συναλλαγής αγοράς έναντι περιστατικών απάτης.

• Προσαρμοστικότητα και ασφάλεια
• Βελτιστοποίηση μέσω περιορισμών και εφαρμογή πολιτικών: Οι agents εκτελούν αναζητήσεις με περιορισμούς (όρια προϋπολογισμού, συμπερίληψη/αποκλεισμό εμπορικών σημάτων, φίλτρα βιωσιμότητας) και εφαρμόζουν πολιτικές και ελέγχους συμμόρφωσης πριν την εκτέλεση χρηματικών ενεργειών.
• Συνεχής μάθηση και feedback loops: Οι διαδικασίες ενισχυτικής μάθησης (reinforcement learning) ρυθμίζουν τις ευρετικές τεχνικές των agents βάσει τελικών αποτελεσμάτων (π.χ. return rate, ικανοποίηση πελατών).
• Ταυτότητα, πιστοποίηση και προέλευση: Τα πρότυπα για την αναγνώριση εγκεκριμένων agents (έναντι κακόβουλων επιθέσεων) και την επιβεβαίωση δικαιωμάτων πρόσβασης καθίστανται πλέον προτεραιότητα το Trusted Agent Protocol της Visa αποτελεί παράδειγμα της προσπάθειας του κλάδου να καλύψει αυτά τα θέματα.

Ωφέλειες του Agentic Commerce

• Ευκολία και εξατομίκευση: οι agents μειώνουν τον χρόνο και την προσπάθεια είτε για αγορές ρουτίνας ή για πιο σύνθετες αγορές (π.χ. αγορά δώρων, διαχείριση συνδρομών), και μπορούν να ενσωματώνουν μακροπρόθεσμες προτιμήσεις ώστε να λαμβάνουν καλύτερες αποφάσεις στο μέλλον.
• Αποδοτικότητα και μετατροπή: οι έμποροι ωφελούνται από υψηλότερη διάθεση των καταναλωτών να πραγματοποιήσουν μια αγορά και τις πιο ομαλές ροές για την ολοκλήρωση των συναλλαγών. Οι agents μπορούν να συγκρίνουν επιλογές και να επιλέγουν προϊόντα με υψηλότερα περιθώρια κέρδους ή διαθέσιμο απόθεμα, βελτιώνοντας έτσι την αποδοτικότητα της εμπορικής δραστηριότητας.
• Νέα μοντέλα προϊόντων και υπηρεσιών: συνδρομητικές υπηρεσίες “agent–as–a–service” και προγράμματα πιστότητας προσαρμοσμένα στους agents, ανοίγουν νέους διαύλους για παραγωγή πρόσθετων εσόδων.

Προκλήσεις και Κίνδυνοι

Προκλήσεις και όρια

• Τεχνική ωριμότητα και “agent washing”: πολλοί προμηθευτές προϊόντων και υπηρεσιών ισχυρίζονται ότι διαθέτουν agentic δυνατότητες χωρίς επαρκή αυτονομία ή ασφάλεια. Η Gartner και άλλοι αναλυτές προειδοποιούν ότι μεγάλο ποσοστό των πρώιμων έργων με agents ενδέχεται να εγκαταλειφθεί λόγω ασαφούς απόδοσης επένδυσης (ROI) και “πρόχειρων” υλοποιήσεων. Αυτό εντείνει την ανάγκη για αυστηρά πιλοτικά έργα και μετρήσιμους δείκτες απόδοσης (KPIs).  (Reuters)  
• Πολυπλοκότητα ενσωμάτωσης: οι agentic ροές απαιτούν στενή διασύνδεση μεταξύ καταλόγων προϊόντων, συστημάτων πληρωμών, και βάσεων δεδομένων για αποθέματα και στοιχεία πελατών πολλά παλαιά τεχνολογικά περιβάλλοντα δεν είναι έτοιμα για μια τέτοια διασύνδεση.
• Σχεδίαση εμπειρίας χρήστη (UX) και συγκατάθεσης: ο σχεδιασμός σαφούς συγκατάθεσης και μηχανισμών παρέμβασης του χρήστη, ώστε να αισθάνεται ότι έχει τον έλεγχο απέναντι σε αυτόνομες αποφάσεις, δεν είναι απλή υπόθεση — οι agents πρέπει να εξηγούν τη συλλογιστική τους και να περιγράφουν τους περιορισμούς που εφαρμόζουν.
• Απάτη και κακόβουλη χρήση: δημιουργούνται νέες ευκαιρίες για κακόβουλες επιθέσεις (αυτόματες μαζικές αγορές, απάτη πληρωμών). Τα  πρωτόκολλα των συστημάτων πληρωμών(π.χ. το Visa Trusted Agent Protocol) και οι συνεργασίες μεταξύ πλατφορμών και παρόχων λύσεων κατά της απάτης στοχεύουν στον περιορισμό αυτών των κινδύνων, αλλά η “ κούρσα εξοπλισμών ” στον τομέα αυτό συνεχίζεται.

Νομικοί, Ηθικοί και Επιχειρηματικοί κίνδυνοι

• Ευθύνη και συμβάσεις: όταν ένας agent πραγματοποιεί μια αγορά που τελικά παραβιάζει τα συμφέροντα ενός καταναλωτή ή τους όρους ενός εμπόρου, ανακύπτουν νομικά ζητήματα σχετικά με την ευθύνη – ποιό είναι το συμβαλλόμενο μέρος, ο καταναλωτής ή ο πάροχος του agent; Τα νομικά πλαίσια εξακολουθούν να είναι ασαφή και χρειάζονται συμπλήρωση στα θέματα αυτά. (TLT)
• Μεροληψία: οι agents που μαθαίνουν από μεροληπτικά ιστορικά δεδομένα μπορούν να διατηρήσουν μια μεροληπτική προσέγγιση (π.χ. προτείνοντας επιλογές υψηλότερης τιμής σε ορισμένα προϊόντα). Η διασφάλιση της ίσης αντιμετώπισης και της δυνατότητας ελέγχου είναι απαραίτητη. 
• Απόρρητο και διακυβέρνηση δεδομένων: οι agents χρειάζονται πρόσβαση σε προσωπικές προτιμήσεις και ιστορικό αγορών. Η προστασία αυτών των δεδομένων και ο καθορισμός πολιτικών διατήρησης/χρήσης είναι κρίσιμες παράμετροι για τη διατήρηση της εμπιστοσύνης. 
• Συγκέντρωση αγοράς και ισχύς πλατφορμών: εάν ένα μικρό σύνολο πλατφορμών ή παρόχων agents ελέγχει την κάλυψη μιας ολόκληρης αγοράς καταναλωτών, οι έμποροι ενδέχεται να αντιμετωπίσουν μεγαλύτερη πίεση για προμήθειες ή μειωμένες άμεσες σχέσεις με τους πελάτες. 

Καλύπτει το EU AI Act το Agentic Commerce;

Ο Νόμος για την Τεχνητή Νοημοσύνη παρέχει ένα ισχυρό γενικό πλαίσιο, αλλά αφήνει κενά για αυτόνομα multi–agent συστήματα, που ενεργούν, μαθαίνουν, συναλλάσσονται και αυτοτροποποιούνται σε πραγματικό χρόνο.

Βασικά κενά και γιατί έχουν σημασία

• Ορισμοί και εύρος για “agentic” συμπεριφορές: Ο νόμος αντιμετωπίζει πολλά συστήματα ως “συστήματα ΤΝ”, αλλά δεν παρέχει ακριβείς κανόνες για multi-step, αυτόνομους agents  που αναθέτουν επεξεργασίες, διαπραγματεύονται και αυτοενημερώνονται καθιστώντας την επιβολή διατάξεων και την ταξινόμηση ανάλογα με τον κίνδυνο ασαφή.
• Αυτοτροποποίηση & μάθηση σε πραγματικό χρόνο: Τα συστήματα agentic που αλλάζουν συμπεριφορά κατά την παραγωγή χρειάζονται σαφείς ελέγχους. Ο νόμος δεν προβλέπει διακυβέρνηση σε πραγματικό χρόνο αρκετά ισχυρή για self-learning agents.
• Κανόνες για agents που εκτελούν πληρωμές: Οι agents που πραγματοποιούν πληρωμές αγορών χρειάζονται ειδικούς κανόνες: προέλευση της εντολής για την αγορά, όρια στην εκχώρηση αρμοδιοτήτων, έλεγχο κινδύνου σε πραγματικό χρόνο και σαφείς κανόνες ευθύνης όταν οι agents συναλλάσσονται εκ μέρους των καταναλωτών. Το υφιστάμενα νομικά πλαίσια έχουν ελλείψεις σε αυτόν τον τομέα.

References

BCG – “The agentic commerce opportunity: How AI agents are ushering in a new era for consumers and merchants”, Oct-2025 – https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-agentic-commerce-opportunity-how-ai-agents-are-ushering-in-a-new-era-for-consumers-and-merchants?utm_source=chatgpt.com

Anthropic – “Building effective agents” – https://www.anthropic.com/engineering/building-effective-agents

OpenAI – “Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol” – Sep 2025 – https://openai.com/index/buy-it-in-chatgpt/

Stripe – “Guide to agentic commerce”, https://stripe.com/en-gr/guides/agentic-commerce

“PayPal Releases Agent Toolkit to Accelerate Commerce”, Apr 2025 – https://developer.paypal.com/community/blog/paypal-agentic-ai-toolkit/

“VISA advances agentic commerce with MCP Server, Acceptance Agent Toolkit”, Sep 2025 – https://corporate.visa.com/en/sites/visa-perspectives/innovation/visa-mcp-server-agent-acceptance-toolkit.html

“Mastercard unveils Agent Pay, pioneering agentic payments technology to power commerce in the age of AI”, Apr 2025 – Mastercard unveils Agent Pay, pioneering agentic payments technology to power commerce in the age of AI

Reuters – “Over 40% of agentic AI projects will be scrapped by 2027, Gartner says”, Jun 2025 – https://www.reuters.com/business/over-40-agentic-ai-projects-will-be-scrapped-by-2027-gartner-says-2025-06-25/?utm_source=chatgpt.com

TLT – “Agentic commerce: The next legal frontier in AI-powered shopping”, Sep – 2025 – https://www.tlt.com/insights-and-events/insight/agentic-commerce—the-next-legal-frontier-in-ai-powered-shopping/?utm_source=chatgpt.com

Άρθρο: O Αντώνης Δραγγιώτης έχει περισσότερα από 30 χρόνια εμπειρίας στους τομείς της τραπεζικής, της διαχείρισης κινδύνων και της τεχνητής νοημοσύνης. Έχει διατελέσει Group Chief Risk Officer στη VIVA WALLET και έχει αναλάβει ανώτερες διοικητικές θέσεις στον τομέα της διαχείρισης κινδύνων σε μεγάλες ελληνικές τράπεζες. Κάτοχος διδακτορικού (PhD) στην Τεχνητή Νοημοσύνη (ΤΝ), συνδυάζει βαθιά γνώση του χρηματοπιστωτικού τομέα με εμπειρία στην ανάπτυξη λογισμικού και συνεχή εκπαίδευση σε GenAI και Responsible AI, προκειμένου να είναι στην αιχμή των εξελίξεων και να υποστηρίζει την ασφαλή και αποτελεσματική εφαρμογή της ΤΝ στις χρηματοοικονομικές υπηρεσίες.