Productontdekking in AI-assistenten: wat de Catalog Agent van Adobe Commerce verandert

De aankondiging in het kort

Op 27 juli 2026 maakte Adobe productontdekking op zogenoemde LLM-oppervlakken beschikbaar in Adobe Commerce (de officiële aankondiging). Concreet: uw winkel kan nu een machineleesbare laag productdata publiceren, gebouwd voor AI-crawlers en antwoordmachines — ChatGPT, Perplexity, winkelassistenten — zonder iets te veranderen aan wat uw klanten zien.

Het hart van het systeem is de Catalog Agent: die verrijkt productpagina's met gestructureerde informatie rechtstreeks uit de Commerce-catalogus — attributen, specificaties, categorieën, varianten, prijzen, beschikbaarheid en productrelaties (compatibiliteit, accessoires).

Waarom nu

Adobes eigen cijfers spreken boekdelen: het verkeer vanuit AI-assistenten naar Amerikaanse retailsites lag in maart 2026 269% hoger dan een jaar eerder. Een groeiend deel van de kooptrajecten begint tegenwoordig met een vraag aan een assistent — « laat me lichte trailrunningschoenen zien voor marathontraining » — en niet meer met een Google-zoekopdracht.

De meeste webwinkels zijn nooit voor dat soort lezers gebouwd. De beslissende informatie zit in afbeeldingen, uitklapmenu's of JavaScript waar AI-systemen slecht mee overweg kunnen. Begrijpt de assistent uw aanbod niet, dan beveelt hij dat van de concurrent aan — en u ziet het niet eens in uw statistieken.

Hoe het werkt

Drie punten verdienen de aandacht van uw technische team:

• Een parallelle laag, geen verbouwing. De machineleesbare data wordt achter de bestaande storefront gepubliceerd: productpagina's, beeldmateriaal en kooptraject blijven onaangeroerd.
• Een source-first-aanpak. De informatie komt uit de catalogus zelf, niet uit scraping of een feed van derden. De prijzen, voorraad en varianten die aan AI worden getoond, zijn die van uw bron van waarheid — echte winst voor governance.
• Optionele AI-verrijking. Adobe kan productnamen en -beschrijvingen herschrijven rond echte gebruikssituaties, afgestemd op conversationele vragen in plaats van trefwoorden.

Alles past in de agentische strategie die op Summit 2026 werd gepresenteerd, naast de Commerce MCP-server en Brand Concierge (de AI-pagina van Adobe Commerce).

De grenzen die u moet kennen

De functionaliteit steunt op de Commerce-catalogus in alle deploymentmodellen, zonder aangekondigde extra licentie. Twee kanttekeningen: de toegang tot de integratie is nog beperkt, en de workflow voor catalogusverrijking wordt als bèta omschreven. U gaat dus via Adobe (of uw partner) om ze te activeren — en laat de automatische verrijking beter niet ongecontroleerd op uw hele catalogus los.

En vooral: deze laag vervangt de fundamenten van AI-vindbaarheid niet. Schone gestructureerde Schema.org-data, goed gevulde attributen en content die zonder JavaScript werkt, blijven de basis — AI verrijkt uw data, ze verzint ze niet.

Wat ik aanraad

1. Audit nu uw attributen. Onvolledige fiches, maten alleen in afbeeldingen, nooit ingevoerde compatibiliteit: dat zal de Catalog Agent afremmen, niet de technologie.
2. Meet het AI-verkeer in uw analytics (referrers ChatGPT, Perplexity, Copilot) om uw uitgangspunt vast te leggen.
3. Op Adobe Commerce: vraag toegang aan. De eerste correct ontsloten catalogi bouwen een voorsprong op in de antwoorden van assistenten.
4. Op Magento Open Source of een ander platform: geen Catalog Agent, maar dezelfde regels gelden — Schema.org, sitemap, servergerenderde content, llms.txt. Achterstand inhalen duurt langer dan voorsprong nemen.

Mijn kijk

Productontdekking speelt zich steeds vaker af buiten uw site, in gesprekken die u nooit ziet. Adobe is een van de eerste e-commerceleveranciers die daar een concrete productfunctie van maakt in plaats van een verhaal. De bouwsteen is jong — beperkte toegang, verrijking in bèta — maar de richting is duidelijk: een machineleesbare catalogus wordt een commercieel actief, net als uw posities in zoekmachines. Bereid uw data voor voordat alleen uw concurrenten nog geciteerd worden.