Att förbereda en butik för agentic commerce handlar i praktiken om två saker: att era produktdata går att läsa av maskiner lika bra som av människor, och att er plattform kan exponera den datan via API på ett sätt som håller när nya protokoll som ACP och AP2 mognar. Här går vi igenom vad det innebär tekniskt, och hur Shopify, BigCommerce och WooCommerce skiljer sig åt just nu.
Vad ett agentic commerce-API gör i praktiken
Ett agentic commerce-API är gränssnittet som låter en AI-agent läsa produktdata, kontrollera lagerstatus och i vissa fall genomföra ett köp – utan att en människa klickar sig fram i ett användargränssnitt. Det bygger på samma grundprinciper som andra moderna API:er (autentisering, strukturerad data, webhooks för uppdateringar), men ställer högre krav på att produktinformationen är fullständig, eftersom en AI-agent inte kan ”gissa” på samma sätt som en människa kan.
De tre protokoll som just nu formar fältet – ACP, AP2 och TACP – har delvis olika fokus, men delar samma grundkrav på handlarsidan: ren produktdata och en plattform som kan koppla på nya integrationer utan en total ombyggnad.
Så ligger de tre plattformarna till
| Plattform | API-arkitektur | Läget just nu |
|---|---|---|
| Shopify | Admin API + Storefront API, väletablerat och väldokumenterat | Tidigast ute med faktiskt ACP-stöd via Shopify/OpenAI-samarbetet. Bäst utgångsläge om ni vill ligga i framkant. |
| BigCommerce | API-first, GraphQL-stöd, stark headless-arkitektur | Tekniskt väl rustad tack vare separationen mellan data och presentationslager, men utan ett lika uttalat ACP-partnerskap ännu. |
| WooCommerce | REST API byggt på WordPress, kräver mer eget arbete | Flexibelt men öppet — ni behöver oftare bygga eller anpassa endpoints själva jämfört med Shopify/BigCommerce. |
Oavsett plattform: ingen av de tre är ”klar” för agentic commerce ur lådan. Skillnaden ligger i hur mycket eget arbete som krävs för att koppla på det när det blir relevant för er.
Så förbereder ni er produktdata
- Strukturerad data. Schema.org/JSON-LD på produktsidor, med fullständiga attribut – inte bara titel och pris.
- Produktidentifierare. Fyll i GTIN, EAN och MPN konsekvent. Ofullständiga identifierare är en vanlig anledning till att produkter blir svåra för AI-system att matcha korrekt.
- Lagerstatus i realtid. Se till att API:et speglar faktiskt saldo, inte cachad data som kan vara timmar gammal.
- Konsekvent terminologi. Samma material- och variantbeteckningar rakt igenom katalogen, snarare än fritext som varierar produkt för produkt.
Vanliga fallgropar
Den vanligaste missen är att behandla det här som ett engångsprojekt. Produktdata som var komplett vid lansering blir ofullständig i takt med att nya produkter läggs till av olika personer på olika sätt. Det andra vanliga misstaget är att vänta tills en specifik integration efterfrågas av en kund – då är det ofta för sent att göra grundarbetet på ett strukturerat sätt.
Vanliga frågor
Måste vi bygga en helt ny integration?
Inte just nu. Fokusera på att strukturera datan rätt – det är samma investering som förbättrar SEO, produktflöden till jämförelsesajter och konvertering redan idag, oavsett hur snabbt agentic commerce växer.
Vilken plattform bör vi välja om vi ändå ska byta?
Om agentic commerce är en uttalad prioritet ligger Shopify bäst till just nu tack vare det etablerade ACP-samarbetet. Men plattformsval bör alltid vägas mot era andra behov – kontakta oss så tittar vi på helheten.
Vill ni ha hjälp att gå igenom er nuvarande produktdata och API-uppsättning – och vad som faktiskt är värt att prioritera för er plattform? Boka ett kostnadsfritt samtal.
