Ada satu skenario optimistis tentang AI shopping.
Kita nggak lagi scroll marketplace jam 1 pagi lalu tiba-tiba beli humidifier berbentuk beruang karena diskon 53 persen.
Sebaliknya, kita bilang ke AI:
“Gue butuh humidifier untuk kamar 20 meter, budget 600 ribu, gampang dibersihkan, nggak perlu lampu RGB.”
AI menyaring.
Bandingkan.
Kasih tiga pilihan.
Kita beli salah satu.
Lebih rasional.
Lebih sedikit distraction.
Lebih sedikit impulse.
Masuk akal.
Tapi ada skenario sebaliknya.
AI tahu preferensi kita.
Tahu budget.
Tahu ukuran sepatu.
Tahu brand favorit.
Tahu payment perk.
Tahu loyalty.
Tahu kita sedang cari liburan.
Lalu dia bisa menawarkan produk yang sangat tepat di momen yang sangat tepat.
Impulse buying tidak hilang.
Dia justru lebih personalized.
Di 2026, infrastructure untuk kedua skenario ini sudah mulai muncul.
Google Universal Cart dirancang untuk bekerja di background mencari price drop, memberi insight harga, mengingatkan ketika stok kembali, membaca payment perks, loyalty, dan merchant offer.
Google juga menguji Direct Offers di AI Mode, yaitu promo yang muncul ketika shopper sudah dekat keputusan.
OpenAI shopping research memungkinkan user memberi constraint, budget, preference, lalu AI mempersempit pilihan.
Teknologi yang sama bisa membuat belanja lebih disiplin atau lebih persuasive.
Tergantung desain.
Pertama, mari lihat sisi yang bisa mengurangi impulse.
AI mengurangi exposure ke pilihan yang tidak relevan.
Marketplace tradisional punya endless scroll.
User masuk cari kabel.
Keluar bawa lampu meja, tumbler, dan kaus kaki.
Kenapa?
Karena interface dirancang untuk discovery.
AI shopping bisa mengubahnya menjadi task.
“Cari kabel USB-C 2 meter 100W.”
Agent fokus.
Selesai.
Semakin objective jelas, semakin sedikit wandering.
Ini seperti masuk minimarket dengan daftar belanja versus tanpa daftar.
Agent adalah daftar belanja yang bisa berpikir.
Kedua, AI bisa mengingat budget.
Manusia lupa.
Apalagi saat diskon.
User bisa set:
“Budget gadget bulan ini Rp2 juta.”
Kalau agent melihat headphone Rp2,8 juta, dia bisa bilang:
“Ini melebihi budget.”
Friction muncul tepat saat dibutuhkan.
Ini lebih kuat daripada melihat saldo setelah checkout.
AI personal finance bahkan bisa menghubungkan spending dengan goal.
“Kalau beli ini, target dana liburan mundur.”
Kalimat seperti itu membuat opportunity cost visible.
Impulse sering terjadi karena opportunity cost invisible.
Kita melihat barang Rp700 ribu.
Tidak melihat bahwa itu setara empat hari transport atau satu bagian emergency fund.
AI bisa menerjemahkan.
Ketiga, AI bisa menunggu.
User bilang:
“Gue pengin kamera ini, tapi jangan beli sekarang. Kalau harga turun 15 persen dalam 30 hari, kabarin.”
Google Universal Cart 2026 memang bergerak ke price-drop monitoring.
Ini mengubah urgency.
Flash sale kehilangan sebagian power.
Agent bisa melihat price history.
“Diskon 40 persen” mungkin ternyata harga normal.
Kalau AI memberi konteks, FOMO turun.
Ini sisi sehat.
Sekarang sisi gelap.
AI juga bisa membuat persuasion lebih presisi.
Retailer tahu shopper mencari dress untuk wedding.
Budget Rp1,5 juta.
Preferensi navy.
Ukuran M.
Sudah hampir checkout.
Direct Offer bisa muncul:
“Tambah Rp200 ribu, dapat bundle dengan clutch.”
Relevan banget.
Bukan pop-up random.
Ini bisa meningkatkan value.
Bisa juga meningkatkan spending.
Google pada 2026 memperluas Direct Offers agar brand bisa memberikan discount, giveaway, local coupon, dan product bundle secara kontekstual di AI-assisted shopping.
Ini retail media yang jauh lebih dekat decision.
Persuasion menjadi conversational.
Dulu iklan bicara ke segmen.
Sekarang offer bisa muncul dalam context percakapan.
“Lo cari yang tahan hujan? Ada upgrade ini dengan diskon khusus.”
Sangat natural.
Impulse buying bisa jadi lebih canggih karena recommendation terasa seperti advice, bukan ad.
Makanya disclosure penting.
User harus tahu mana recommendation dan mana sponsored offer.
Kalau dua hal bercampur, trust rusak.
OpenAI juga memisahkan ads dari product results pada shopping experience mereka.
Separation semacam ini penting.
Kita perlu tahu kapan assistant membantu dan kapan merchant membayar untuk tampil.
Ada juga personalization dari memory.
Shopping assistant bisa mengingat preference.
Ini nyaman.
Tapi personalization bisa menjadi reinforcement loop.
User sering beli streetwear.
AI semakin banyak menampilkan streetwear.
User semakin sering beli.
Preference menjadi feed.
Mirip social media, tapi langsung commerce.
Control perlu.
User harus bisa bilang:
“Jangan rekomendasikan fashion bulan ini.”
“Gue lagi no-buy.”
“Jangan tampilkan promo kecuali masuk wishlist.”
AI yang benar-benar user-centric harus bisa menghormati restraint, bukan hanya desire.
Ini area product design yang menarik.
Shopping assistant bisa punya mode.
Explore.
Buy.
Budget.
No-spend.
Wish-list only.
Kalau model bisnis platform hanya mendapat benefit dari transaksi, ada tension.
Apakah assistant akan benar-benar membantu user tidak beli?
Trust jangka panjang mungkin menuntut iya.
Commerce platform yang terlalu agresif bisa membuat user merasa dimanipulasi.
Ada juga issue agentic checkout.
Kalau AI bisa langsung membeli, friction turun drastis.
One-click saja sudah mendorong conversion.
Zero-click lebih powerful.
User bilang:
“Yang itu bagus, beli deh.”
Selesai.
Natural language bisa membuat spending terasa kurang nyata.
Tidak ada cart.
Tidak ada checkout page.
Tidak ada total besar di layar.
Ini risk.
Platform perlu preview.
“Total Rp1.870.000 termasuk ongkir.”
Explicit.
Bahkan kalau user memberi auto-purchase permission, summary tetap perlu.
Automation tidak boleh membuat uang invisible.
Ada juga recurring purchase.
Agent bisa reorder kebutuhan.
Ini bagus untuk sabun.
Buruk kalau semua consumable di-reorder lebih cepat daripada benar-benar habis.
Merchant punya insentif meningkatkan frequency.
User punya insentif menghemat.
Agent harus mewakili siapa?
Principal harus user.
Kalau brand membayar commission ke agent ecosystem, conflict perlu disclosure.
Ini future policy issue.
Ada contoh household sederhana.
User bilang:
“Kalau kopi tinggal sedikit, beli lagi.”
Agent menggunakan consumption estimate.
Kalau salah, stock menumpuk.
Not fraud.
Just automation error.
Impulse versi baru bisa bukan manusia spontan, tapi machine over-ordering.
Batas quantity dan frequency penting.
AI juga bisa mengurangi emotional shopping kalau dipakai sebagai delay.
“Masukkan wishlist, tanya lagi 48 jam.”
Kalau dua hari kemudian masih mau, baru beli.
Ini behavioral tool yang bagus.
Platform bisa menawarkan cooling-off.
Tapi apakah retailer mau?
Mungkin tidak semua.
Namun bank atau personal finance assistant punya incentive berbeda.
Mereka bisa membantu user mengelola budget.
Ini menunjukkan AI shopping ecosystem punya banyak aktor dengan objective berbeda.
Merchant ingin conversion.
Payment network ingin transaction yang sehat.
Bank ingin fraud rendah dan customer engagement.
User ingin value.
Platform AI ingin trust dan usage.
Tidak ada satu “AI” dengan satu tujuan.
Impulsiveness akan tergantung siapa yang mendesain agent.
Ada juga role ads.
Google AI Max for Shopping 2026 menggunakan product feed dan conversational intent untuk membuat ads lebih relevan bahkan sebelum shopper mencari detail produk spesifik.
Relevance tinggi adalah pedang dua sisi.
Iklan lebih useful.
Juga lebih persuasive.
Kalau user bertanya:
“Baju nyaman buat long flight.”
Ad bisa dibuat langsung menjawab concern comfort, material, dan fit.
Tidak terasa seperti banner.
Ini perkembangan retail media.
Regulator dan platform perlu memastikan labeling tetap jelas.
User juga perlu literacy.
“Relevan” tidak sama dengan “terbaik”.
Offer bisa cocok dan tetap sponsored.
Shopping assistant bisa membantu membandingkan sponsored option dengan organic alternative.
Itu bisa menyeimbangkan.
Ada juga peran review.
Impulse purchase sering dipicu visual.
AI bisa memaksa reality check.
“Rating 4,2, complaint utama sizing.”
“Return tidak tersedia untuk sale item.”
Informasi ini bisa menahan.
Tapi kalau summary hanya menonjolkan positive karena merchant optimization, bahaya.
Review transparency penting.
Bagaimana user memakai AI untuk mengurangi impulse?
Set budget sebelum browsing.
Minta AI hanya menunjukkan produk yang memenuhi criteria.
Minta total cost, bukan harga headline.
Minta downside.
Minta alternatif lebih murah.
Minta tunggu 24 jam untuk non-essential purchase.
Pisahkan wishlist dan checkout.
Kalau agent punya payment access, beri limit.
Ini membuat AI jadi friction layer yang cerdas.
Bukan sales accelerator.
Untuk retailer, temptation-nya jelas.
Gunakan AI untuk meningkatkan basket size.
Bundle.
Cross-sell.
Offer.
Timing.
Semua legal dan normal kalau transparan.
Tapi jangan over-optimize.
Customer yang merasa ditipu mungkin convert sekali dan tidak kembali.
AI commerce punya memory jangka panjang.
Trust bisa menjadi differentiator.
Brand yang menawarkan “jangan beli kalau belum perlu” mungkin terdengar aneh.
Tapi dalam kategori tertentu justru membangun loyalty.
Impulse buying tidak akan hilang.
Manusia tetap manusia.
Kita suka novelty.
Diskon.
Status.
Reward.
AI tidak menghapus dopamine.
Dia hanya mengubah interface.
Bisa menjadi filter yang melindungi kita dari noise.
Bisa juga menjadi salesperson yang sangat mengenal kita.
Mana yang menang tergantung siapa yang pegang objective.
Kalau objective-nya “maksimalkan pembelian”, impulse buying akan menjadi lebih sophisticated.
Kalau objective-nya “bantu user membeli apa yang benar-benar dibutuhkan dalam budget”, AI bisa menjadi salah satu alat anti-impulse terbaik.
Teknologinya sama.
Alignment-nya yang berbeda.
Ada satu indikator sehat: assistant harus bisa menjawab pertanyaan “kenapa jangan beli ini?” dengan kualitas yang sama seperti “kenapa beli?”. Kalau sistem cuma jago meyakinkan, dia bukan shopping advisor, dia sales engine.
User-centric AI seharusnya bisa merekomendasikan tidak membeli ketika produk tidak menambah value atau melanggar budget yang sudah ditetapkan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
AI tidak menghapus impuls. Ia bisa mengarahkan atau membatasi impuls, tergantung objective yang diberikan.
Bacaan terkait
Artikel ini berada dalam E-commerce & AI Shopping dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.