Gepubliceerd 7 september 2026
Voorspellingen voor winkelen via AI-agenten in 2030 lopen van $385 miljard tot $1 biljoen
McKinsey, Bain en Morgan Stanley hebben elk een getal geplakt op hoeveel Amerikaanse retailomzet AI-agenten in 2030 afhandelen. De bovenkant van elke bandbreedte loopt van 385 miljard tot 1 biljoen dollar. Waarom ze verschillen, waar ze het over eens zijn, en de ene aanname over jouw productdata die in elke voorspelling zit.
Drie bureaus hebben een voorspelling gepubliceerd voor hetzelfde: hoeveel Amerikaanse retailomzet een AI-agent in 2030 namens een klant afhandelt. De bovenkant van elke bandbreedte:
| Bureau | Bovenkant, VS, 2030 | Volledige bandbreedte |
|---|---|---|
| McKinsey | $1 biljoen | tot $1T in de VS, $3T tot $5T wereldwijd |
| Bain & Company | $500 miljard | $300B tot $500B |
| Morgan Stanley | $385 miljard | $190B tot $385B, zo'n 10% tot 20% van online retail |
Bronnen: McKinsey via Digital Commerce 360, Bain, Morgan Stanley.
Het zijn voorspellingen, geen metingen. Behandel ze zo. Maar het is de moeite waard te weten waarom ze verschillen, want dat verschil is het nuttige deel.
Waarom de getallen zo ver uit elkaar liggen
Ze tellen niet hetzelfde.
Morgan Stanley telt aankopen die een agent afrondt. Een klant vertelt een assistent wat hij wil, de agent kiest en betaalt. Dat is de smalste definitie en geeft het kleinste getal: $190B tot $385B, wat zij vertalen naar 10% tot 20% van de Amerikaanse online retail.
Bain telt aankopen die een agent beïnvloedt of afrondt. De $300B tot $500B omvat ook gevallen waarin de agent de vergelijking doet en de klant zelf op de laatste knop drukt.
McKinsey telt "georkestreerde" omzet. Elke verkoop waarin een agent wezenlijk werk deed in het traject: ontdekken, vergelijken, nabestellen of afrekenen. Dat is de breedste definitie en geeft $1 biljoen in de VS en $3 tot $5 biljoen wereldwijd.
De spreiding gaat dus vooral over waar je de grens trekt tussen "de agent hielp" en "de agent kocht". In de smalle definitie gaat in 2030 één op de tien dollar online retail door een agent. In de brede raakt de agent het grootste deel.
Waar ze het over eens zijn
Drie dingen, en die wegen zwaarder dan het precieze cijfer.
De richting. Niemand voorspelt nul, of stilstand. Elk bureau dat ernaar keek, verwacht dat een deel van retail dat vandaag niet bestaat, over vier jaar wel bestaat.
Het mechanisme. In alle drie de modellen doet de agent de vergelijking. Hij leest productdata van meerdere verkopers, legt die naast wat de klant vroeg, en kiest. De mens ziet het resultaat, niet de shortlist.
De timing. De infrastructuur voor het smalle geval is in 2025 en 2026 uitgerold: afrekenen binnen ChatGPT, Googles betaalprotocol voor agenten, de agentlagen van Stripe en Shopify. De voorspellingen gaan over adoptie, niet over of het kan.
De aanname onder elke voorspelling
Elk van deze getallen gaat ervan uit dat wanneer een agent producten vergelijkt, jouw product te vergelijken is. Dat betekent dat de feiten waarop een koper beslist voor de agent als data beschikbaar zijn: de prijs, de specificatie waar de klant naar vroeg, wat dit product anders maakt dan het volgende.
Vandaag is dat bij de webshops die wij doorlichten vaak niet zo. De feiten staan in een foto, een PDF, een maattabel, of in het hoofd van de eigenaar. Een agent die die pagina leest, krijgt een naam en een prijs en gaat door naar een pagina die hem meer vertelt. De voorspellingen tellen de omzet die naar verkopers gaat wier pagina's leesbaar waren.
Dat is wat het getal de moeite waard maakt om op te handelen vóór 2030. De vergelijking gebeurt vandaag al, op kleine schaal, elke keer dat iemand een assistent vraagt welk product te kopen. Stel de assistent de vraag die jouw klanten stellen en kijk of hij jou noemt. De gratis check op onze homepage doet dat voor één vraag, met een live zoekopdracht.