Productdata geschikt voor AI-agents: zo pak je het aan en wat niets doen je kost

In The GEO Playbook bespraken we de drie pijlers van zichtbaarheid in AI: SEO, merk en productdata. In dit artikel duiken we dieper in die derde pijler, speciaal voor technische leidinggevenden. Er valt veel te bespreken en je hebt vast vragen.

Het aantal gesprekken dat we hierover voeren met beslissers in enterprise-organisaties is het afgelopen jaar explosief gegroeid, en niet zonder reden.

Productdata geschikt voor AI-agents (agentic-ready productdata) is gestructureerde, door machines leesbare productinformatie in realtime, die AI-agents en large language models (LLM's) direct kunnen opvragen, begrijpen en gebruiken om jouw producten aan te bevelen en te verkopen. Dat op orde hebben is inmiddels een voorwaarde om mee te doen in verkoopkanalen die door AI worden aangedreven, en het moment om in actie te komen is nu. Volgens de commercedata van Shopify uit het eerste kwartaal van 2026 groeide het aantal bestellingen via AI-verwijzingen bijna 13 keer ten opzichte van een jaar eerder, en converteren bezoekers via AI-kanalen bijna 50% beter dan bezoekers via organisch zoekverkeer.

AI verandert commerce, en snel. In het rapport ‘Optimize Product Data for Agentic Commerce’ van januari 2026 voorspelt Gartner® dat in 2030 20% van de digitale commercetransacties via AI-platforms verloopt, met een checkout op het platform zelf of via AI-agents.

Toch heeft maar een klein deel van de bedrijven die we spreken een formele strategie voor het beheer van hun productdata. Dat is een gat dat raden van bestuur en CEO's nu opmerken.

Er komt dus een vraag op je af, als je die nog niet hebt gekregen: ‘Welke stappen zetten we om klaar te zijn voor AI?’

In dit artikel krijg je het antwoord: een concreet technisch kader om je opties in kaart te brengen.

Waarom zou je naar ons luisteren? Terechte vraag. Een paar redenen:

• We ontwikkelden UCP samen met Google. Het Universal Commerce Protocol is een open standaard voor agentic commerce die de hele branche helpt, niet alleen klanten van Shopify. Het is gemaakt voor de echte complexiteit van commerce, zoals gestructureerde productdata, checkoutinfrastructuur en fulfilmentlogica. Daar weet Shopify meer van dan wie ook.
• Toonaangevende AI-platforms kiezen als eerste voor Shopify. Merken op Shopify behoren tot de eersten die verkopen via AI-kanalen als ChatGPT, Microsoft Copilot, Google AI Mode en Gemini.
• Sinds onze oprichting hebben we wereldwijd meer dan 1,7 biljoen dollar aan transacties verwerkt. Die schaal geeft ons inzicht. We zien veranderingen aankomen voordat de rest van de markt dat doet, en we bouwen actief aan die toekomst.

Dit artikel laat zien wat we in realtime leren en bouwen.

Waarom productdata voor de meeste enterprises het knelpunt is

Was je eerste reactie op ‘de kwaliteit van productdata is de voorwaarde voor het AI-tijdperk’ een stille zucht? We snappen het, en je bent niet de enige.

We spreken elke dag CTO's, CIO's en andere technische leidinggevenden in enterprise-organisaties. We horen de verhalen. En de realiteit is: bij de meeste grote bedrijven is productdata een enorm pijnpunt.

Dit zien we meestal.

De meeste enterprise-retailers hebben hun data-architectuur in de loop van jaren, vaak decennia, laten groeien. Wat begon met een ERP, vroeg na een tijd om een PIM. Het PIM moest de website voeden. De website moest koppelen met marktplaatsen. Elk kanaal bracht een eigen systeem mee: een OMS voor bestellingen, een WMS voor fulfilment, een DAM voor beeldmateriaal. En elk systeem werd de ‘bron van waarheid’ voor een deel van de productkenmerken.

Het resultaat? Je productdata staat niet op één plek, maar op zes. Of twaalf. En omdat elk kanaal waarop je verkoopt, zoals je website, marktplaatsen en social media, een eigen formaat vraagt, heb je meerdere versies van die data in je backendsystemen. Dat alles hangt aan elkaar met middleware die vaak ouder is dan de helft van de mensen die er nu verantwoordelijk voor zijn. En hoe groter je assortiment, hoe lastiger het wordt.

Dat komt niet door slecht werk. Veel komt neer op entropie. Elk systeem werd toegevoegd om een echt probleem op te lossen, en elke aanpassing was op dat moment logisch. Maar na verloop van tijd stapelt het zich onvermijdelijk op tot technische schuld die niemand nog helemaal overziet.

We schetsen dit beeld niet om je moedeloos te maken. We doen het omdat we, als we het hebben over wat klaar zijn voor AI echt vraagt, eerlijk moeten benoemen wat de meeste CTO's al tegenhoudt voordat ze beginnen.

Laten we dus eerst kijken wat productdata geschikt voor AI-agents eigenlijk inhoudt.

Wat is productdata die geschikt is voor AI-agents?

Wil je dat klanten je ontdekken en bij je kopen in AI-chats, dan moet je productdata geschikt zijn voor AI-agents. Maar wat is daar precies voor nodig?

Kort gezegd: LLM's hebben data nodig die door machines leesbaar is en realtime. Dat werken we hieronder uit.

Door machines leesbare data

Door machines leesbare data is productinformatie die zo is gestructureerd dat software, vooral AI-agents en LLM's, die direct kan opvragen, begrijpen en gebruiken, zonder tussenkomst van een mens of een vertaalslag.

De meeste productdata is gemaakt voor mensen die websites bezoeken: leesbare teksten, mooi vormgegeven pagina's en elegante aanpassingen in het thema die er prachtig uitzien in een webshop. Maar er zit een kloof tussen wat er goed uitziet voor een menselijke shopper en wat een AI-agent echt kan verwerken.

Het gaat dus niet om de kwaliteit van de data in de traditionele zin, maar om de toegankelijkheid. Een productpagina kan alle informatie bevatten die een koper nodig heeft. Maar staat die informatie in Liquid-templates, JavaScript-renderlogica of eigen weergaveregels, dan is ze onzichtbaar voor AI.

Realtime data

Realtime data betekent in AI-commerce: productinformatie, vooral prijzen en voorraad, die klopt op het moment dat de shopper zijn vraag stelt, niet op het moment dat het LLM je website voor het laatst heeft gescrapet.

Heeft een LLM geen directe toegang tot je productdata via een API, dan valt het terug op web scraping. Tegen de tijd dat een potentiële klant je data ziet, kan de voorraad dus al op zijn, kunnen er nieuwe kleuren zijn bijgekomen of nieuwe kortingen zijn gestart. Je productinformatie verandert te vaak om op die methode te vertrouwen.

Nu je weet hoe productdata eruitziet die geschikt is voor AI-agents, bespreken we wat je eraan kunt doen, met de voor- en nadelen van elke route:

1. Je productdata optimaliseren voor AI-agents
2. Niets doen en afwachten
3. Alleen vertrouwen op SEO en merk

Route 1: Optimaliseer je productdata voor AI-agents

We draaien er niet omheen, en het zal je niet verbazen: wil je productdata die geschikt is voor AI-agents, dan raden we je aan om over te stappen naar Shopify of je aan te melden voor het Agentic Plan (daarover verderop meer).

Met het Agentic Plan krijg je toegang tot Shopify Catalog. Dat schoont je productdata automatisch op, controleert die en verspreidt die naar AI-platforms, zodat agents je producten vinden en aanbevelen. En met Agentic Storefronts kunnen klanten die aanbevelingen ook direct kopen.

Maar stel dat je actief wilt meedoen in AI-commerce, inziet dat je schone, realtime productdata nodig hebt, en het liever zelf doet dan overstappen naar Shopify of het Agentic Plan te gebruiken.

Zonder een platform dat die technische complexiteit voor je oplost, kom je het volgende tegen.

Om te beginnen heeft elk AI-platform andere eisen. Volgens Gartner:

Dat zijn drie afzonderlijke integratieprojecten, met drie verschillende dataformaten, drie verschillende goedkeuringsprocessen en drie keer doorlopend onderhoud. En dat zijn alleen de platforms van vandaag: er komen voortdurend nieuwe AI-shopervaringen bij.

De technische schuld stapelt zich op. Elk uur dat je team besteedt aan het bouwen en onderhouden van koppelingen met AI-platforms, gaat niet naar innovatie. Elke synchronisatie die bewaakt moet worden, kost aandacht die niet naar je onderscheidend vermogen gaat.

Op welk commerceplatform je ook zit, het werk begint op dezelfde plek: je productdata door machines leesbaar, realtime en compleet maken.

Zo ziet dat er in de praktijk uit. Shopify Catalog neemt je het zware werk van al deze stappen uit handen:

• Breng in kaart waar je data echt staat. Is je productinformatie gestructureerd of gepresenteerd via weergavelogica, zoals kleurstalen die met JavaScript worden getoond, productgroepen die in templates worden beheerd of eigen opties die als tags zijn opgezet? Dan kan AI die informatie niet lezen. Directe toegang via een API, zoals met Shopify Catalog, is hier verreweg de beste oplossing: dan hebben agents altijd realtime toegang tot de meest actuele en juiste informatie.
• Zet je varianten goed op. Gebruik je voor elke variant een aparte productpagina, dan gaat een agent er waarschijnlijk van uit dat het allemaal verschillende producten zijn. Vraagt een potentiële klant dan ‘Is dit ook in het rood verkrijgbaar?’, dan krijgt die mogelijk een verkeerd antwoord. Groepeer echte varianten onder één hoofdproduct, zodat een agent begrijpt dat het om één product met opties gaat. Dat heeft een agent nodig om goede aanbevelingen te doen.
• Kies een specifieke producttaxonomie. Gebruik het meest specifieke producttype of de meest specifieke categorie: ‘gevoerde winterlaarzen voor heren’, niet ‘schoenen’. Hoe preciezer je taxonomie, hoe nauwkeuriger AI je producten kan indelen en tonen. Haal het giswerk eruit.
• Gebruik letterlijke taal. Agents werken met de data die je ze geeft en nemen die vaak letterlijk, dus houd marketingteksten uit productvelden. Heet je product alleen ‘Ocean breeze’ in plaats van ‘Zeezoutspray voor textuur’, dan heeft een agent misschien niet genoeg context om je product te tonen als een klant om advies vraagt. Creatieve teksten blijven belangrijk voor menselijke bezoekers, maar je moet nu ook genoeg detail leveren voor LLM's.
• Zorg voor realtime nauwkeurigheid. Prijzen en voorraad moeten kloppen op het moment dat de shopper zijn vraag stelt, niet op het moment dat een crawler je site voor het laatst bezocht. Realtime API-endpoints bouwen en onderhouden voor elk AI-platform is een van de meest arbeidsintensieve uitdagingen in agentic commerce. Shopify Catalog levert realtime, gecontroleerde data rechtstreeks aan AI-platforms. Vraagt een AI-agent ‘Is dit beschikbaar voor deze prijs?’, dan antwoordt Shopify direct en correct, precies wat nodig is.

Dat is het werk. En voor de meeste enterprisemerken, zeker die met een versnipperde stack waarbij data verspreid staat over een PIM, ERP, OMS en DAM, is dat een flinke klus. Je moet jarenlang opgebouwde data-architectuur doorlichten, opnieuw inrichten hoe varianten en groepen zijn opgezet, en realtime API-infrastructuur bouwen of kopen waar elk AI-platform op kan aansluiten.

Hier maakt je platformkeuze het verschil.

Op Shopify wordt veel hiervan voor je geregeld. Shopify Catalog verspreidt je productdata automatisch via een directe API naar AI-platforms, zonder koppelingen op maat. Agentic Storefronts, aangedreven door Catalog, staat automatisch aan voor ondernemers die in aanmerking komen, en verbindt je standaard met ChatGPT, Microsoft Copilot, Google AI Mode en Gemini. Zo worden je producten op die platforms niet alleen ontdekt en aanbevolen, maar ook echt gekocht.

Let op: native verkoop via Agentic Storefronts is op dit moment beschikbaar voor winkels die in aanmerking komen en aan klanten in de Verenigde Staten verkopen.

📍 Belangrijk onderscheid: ontdekking versus native verkoop Je producten kunnen in AI-aanbevelingen verschijnen, wat je ook wel of niet hebt gedaan. Dat is ontdekking, via scraping, feeds of Shopify Catalog. Maar native verkoop, waarbij consumenten echt kunnen kopen in de chat, kan alleen als Agentic Storefronts is ingeschakeld.

• Ontdekking (via scraping, feeds of Shopify Catalog): gebeurt ongeacht de instellingen van Agentic Storefronts.
• Native verkoop (afrekenen in een chat): kan alleen als Agentic Storefronts is ingeschakeld.

Voor merken met een eigen data-opzet biedt Shopify bovendien tools zoals de app Combined Listings, waarmee je je variantgroepen herstructureert, en Catalog Mapping, waarmee je eigen velden koppelt aan de standaardvelden die AI-kanalen begrijpen. Zo hoef je niet alles vanaf nul opnieuw te ontwerpen.

Zit je niet op Shopify en wil je niet overstappen? Dan geeft het Agentic Plan je toegang tot dit alles, zonder je huidige platform te vervangen. Koppel je productfeed, stel je checkout in en verkoop via AI-kanalen, zonder dat je een Shopify-webshop nodig hebt.

De kern: het optimalisatiewerk is hetzelfde, waar je nu ook staat. De vraag is hoeveel je er zelf van wilt doen.

Route 2: Niets doen en afwachten - wat is het echte risico?

Misschien overweeg je deze optie omdat AI je nog te pril of te riskant lijkt.

De tegenwerping die we vaak horen: ‘Onze productdata is misschien niet de netste, maar technisch werkt het. Waarom zou ik er moeite in steken?’

Maar het risico zit niet in nu klaar worden voor AI. Het risico zit erin dat je niet voorbereid bent op het moment dat het ertoe doet.

Zie het zo: je zorgt vandaag dat je zaken op orde zijn, zodat je niet in paniek raakt als een nieuw verkoopkanaal doorbreekt.

We zitten nog vroeg in de curve. Je hebt tijd, maar juist dáárom is nu handelen de veilige keuze, niet de riskante.

Route 3: Alleen vertrouwen op SEO en merk - is dat genoeg?

Misschien geloof je wel in agentic commerce, maar zie je het meer als een marketingvraagstuk dan als een technisch vraagstuk.

SEO en merk spelen ook zeker een grote rol in hoe je zichtbaar bent als mensen met AI-agents winkelen. Misschien krijg je zelfs al verkeer via AI-kanalen, zonder dat je er extra in hebt geïnvesteerd.

Dat klopt, maar het is maar een deel van het verhaal.

Zonder schone productdata die rechtstreeks naar LLM's stroomt, kunnen AI-platforms je nog steeds vinden via web scraping. Alleen vinden ze dan misschien niet de juiste informatie over je. Je productinformatie verandert te vaak om alleen op web scraping te vertrouwen. Prijzen, voorraad en productbeschrijvingen moeten allemaal actueel en correct zijn als je iets wilt verkopen.

Laat je het aan SEO en merk over, dan zijn je producten misschien wel vindbaar in AI-chats, maar stopt het winkelen bij die ontdekking. Een aankoop kan alleen worden afgerond als de klant het gesprek verlaat. En in moderne commerce, waar elk wrijvingspunt je verkopen kost, is dat een route die we niet zouden aanraden.

Niets doen of de voorbereiding op agentic commerce aan SEO en merk overlaten, lijkt misschien een neutrale keuze. In werkelijkheid kies je ervoor om onnodig wrijving toe te voegen op plekken waar je dat niet kunt permitteren.

Het moment om je productdata geschikt te maken voor AI-agents is nu 

Productdata was altijd al belangrijk. Maar het grootste deel van de digitale geschiedenis van retail was ‘goed genoeg’ ook echt goed genoeg. Je website werkte. Bestellingen kwamen binnen.

Dat verandert.

Dit zijn geen hypothetische eisen voor een verre toekomst. Het zijn de technische specificaties voor verkoopkanalen die vandaag al bestaan en snel groeien.

Het goede nieuws: je hoeft dit niet alleen op te lossen. Shopify neemt je het zware werk uit handen om je productdata geschikt te maken voor AI-agents en via AI-kanalen te verkopen.