AI in Magento-webshops: productcontent, zoeken en support die werken

De meeste Magento-teams hebben al eens een chatbot geprobeerd of een paar productnamen in een LLM geplakt. De lastigere vraag is welke AI-functies overeind blijven bij een echte catalogus met duizenden SKU's, meerdere store views en een supportteam dat de hele dag ordervragen beantwoordt.

Deze gids behandelt de use cases die in productie standhouden op Magento 2 en Adobe Commerce, wat Adobe standaard levert, wat je zelf bouwt en welke risico's je moet beheersen voordat er iets live gaat.

1. Productcontent: concepten, verrijking en vertalingen

Productcontent is het meest gekozen startpunt, omdat de input gestructureerd is. Je hebt al attributen zoals materiaal, afmetingen, compatibiliteit en onderhoudsinstructies. Een LLM maakt daar een leesbare omschrijving, een korte omschrijving, opsommingstekens en metatags van, veel sneller dan een copywriter die met een leeg vel begint.

Een workflow die werkt:

1. Exporteer de productattributen die je vertrouwt (SKU, naam, attributenset, belangrijkste specificaties) via de REST API of een catalogusexport.
2. Stuur ze naar het model met een vaste prompt met je merkstem, verboden woorden en de regel “gebruik alleen de aangeleverde feiten.”
3. Schrijf de output weg in een staging-attribuut of een aparte store view, nooit rechtstreeks in de live omschrijving.
4. Laat een merchandiser elk item goedkeuren of aanpassen en publiceer daarna.

Vertalingen volgen hetzelfde patroon. Genereer per store view een concept en laat een moedertaalspreker het controleren, vooral bij maattabellen, juridische teksten en alles met eenheden of een wettelijke betekenis.

Wat Google zegt over door AI gegenereerde productteksten

Volgens de zoekrichtlijnen van Google is passend gebruik van AI niet in strijd met de richtlijnen, maar generatieve AI gebruiken om veel pagina's te maken zonder meerwaarde voor gebruikers kan het spambeleid tegen misbruik van geschaalde content schenden. Google vraagt site-eigenaren ook AI-output te factchecken voor publicatie en merkt op dat die controle ook geldt voor titels, metabeschrijvingen, gestructureerde data en alt-teksten van afbeeldingen.

Voor Magento-webshops is het praktische risico bijna identieke tekst bij duizenden vergelijkbare SKU's. Geef het model de attributen die elk product onderscheiden en laat het dunne producten niet opvullen met algemene vulteksten.

2. Zoeken dat de intentie begrijpt

Zoeken op trefwoorden faalt bij zoekopdrachten als “warme jas om te wandelen in de regen” als je catalogus “waterdichte geïsoleerde shell” zegt. Semantisch zoeken vergelijkt de betekenis van de zoekopdracht met de betekenis van je productdata en kan die twee formuleringen dus aan elkaar koppelen.

Adobe Commerce: semantisch zoeken met Live Search

De Live Search-dienst van Adobe bevat nu semantisch zoeken. Volgens de documentatie van Adobe is het beschikbaar voor Adobe Commerce 2.4.4 en nieuwer, werkt het alleen voor Engelstalige catalogi en zet je het aan via Marketing > SEO & Search > Live Search in de Settings-workspace. Bestaande zoekregels, synoniemen, facetten, boosts en categoriemerchandising blijven ernaast werken. Adobe merkt ook op dat er in de Admin geen afstelmogelijkheden zijn, zoals drempelwaarden voor overeenkomst.

Draai je al Live Search op Adobe Commerce met een Engelstalige catalogus, dan is dit de AI-upgrade die de minste moeite kost. Vergelijk zoekopdrachten zonder resultaat en de zoekconversie voor en na het inschakelen.

Magento Open Source: vector search op OpenSearch

Live Search is een dienst van Adobe Commerce. Op Magento Open Source heb je twee routes: een zoek-SaaS van een derde partij, of bouwen op OpenSearch, dat Magento 2.4.8 en 2.4.9 al als zoekmachine gebruiken.

OpenSearch biedt vector search via de plug-ins k-NN en Neural Search, en ondersteunt hybride zoeken dat lexicale en vectorqueries combineert en de scores samenvoegt. Daarmee heb je de bouwstenen, maar de standaard zoekintegratie van Magento gebruikt ze niet voor je. Reken op een maatwerkmodule die:

• embeddings voor producttekst genereert tijdens het indexeren (of OpenSearch dat laat doen via een ingest pipeline),
• ze opslaat in een knn_vector veld naast de gewone productindex,
• bij het zoeken een hybride query uitvoert, zodat exacte SKU- en merkmatches nog steeds winnen.

Houd matching op trefwoorden erin. Shoppers die een onderdeelnummer intypen, willen precies dat onderdeel, en puur vector search kan in plaats daarvan “vergelijkbare” artikelen tonen.

3. Supportantwoorden gebaseerd op je eigen data

Een generieke chatbot die levertijden gokt of retourvoorwaarden verzint, kost je meer dan hij oplevert. Het patroon dat werkt is retrieval-augmented generation (RAG): de assistent zoekt eerst de feiten op en schrijft daarna een antwoord met alleen wat hij heeft gevonden.

Gangbare bronnen in een Magento-webshop:

• Catalogusdata voor productvragen (specificaties, voorraadstatus, compatibiliteit).
• CMS-pagina's voor verzend-, retour- en garantievoorwaarden.
• Orderdata voor vragen als “waar is mijn bestelling”, via de REST of GraphQL API, en pas nadat de klant is ingelogd.

Geef de assistent alleen-lezen API-gegevens die beperkt zijn tot de data die hij nodig heeft. Stel een duidelijke overdrachtsregel op: alles rond terugbetalingen, klachten, accountwijzigingen of antwoorden met weinig zekerheid gaat naar een menselijke medewerker, met het gesprek erbij.

Bedien je klanten in de EU, dan gelden vanaf 2 augustus 2026 de transparantieverplichtingen uit artikel 50 van de EU AI Act. Voor chatbots zegt de Europese Commissie dat mensen vanaf het begin van de eerste interactie duidelijk moeten worden geïnformeerd dat ze met een AI-systeem communiceren, tenzij dat vanzelfsprekend is.

4. Automatisering in admin en backoffice

Een deel van het beste rendement komt uit werk dat klanten nooit zien:

• Binnenkomende supportmails classificeren en naar de juiste wachtrij doorsturen.
• Categorietoewijzingen en attribuutwaarden voor nieuwe producten voorstellen op basis van leveranciersdata.
• Productreviews samenvatten in plus- en minpunten voor merchandisers.
• Ontbrekende of tegenstrijdige attribuutdata signaleren voordat een product live gaat.
• Developers helpen onbekende extensiecode te lezen tijdens upgrades, waarbij een mens elke wijziging controleert.

Dit draait als geplande jobs of queue consumers tegen de Magento API, zodat je het makkelijk kunt testen, meten en uitschakelen.

5. AI-shoppingagents en commerceprotocollen

Een nieuwer onderwerp zijn AI-agents die namens een shopper browsen en kopen. In februari 2026 maakte Adobe bekend dat Adobe Commerce zich inzet voor ondersteuning van het Universal Commerce Protocol (UCP, onder leiding van Google) en het Agentic Commerce Protocol (ACP, samen ontwikkeld door OpenAI en Stripe), voortbouwend op eerdere ondersteuning voor het Agent Payments Protocol (AP2). Het doel is catalogus, prijzen en voorraad machineleesbaar te maken voor AI-shoppingomgevingen.

Voor de meeste merchants is dit voorlopig iets om in de gaten te houden. De nuttige voorbereiding vandaag is hetzelfde werk dat ook zoeken en SEO helpt: volledige, juiste, gestructureerde productdata, nette GraphQL- en REST-API's en correcte gestructureerde data op productpagina's.

Risico's om rekening mee te houden

Zo begin je klein

1. Kies één use case waar een getal aan hangt. Percentage zoekopdrachten zonder resultaat, tijd om een nieuw product te publiceren, of aandeel supporttickets dat zonder medewerker wordt opgelost.
2. Meet de nulmeting twee tot vier weken lang voordat je iets verandert.
3. Test op een deel. Eén categorie, één store view, of chat op één paginatype.
4. Houd mensen in de loop bij alles wat klanten of zoekmachines te zien krijgen.
5. Bouw het buiten de core. Gebruik de API, message queues en aparte services, zodat je van modelaanbieder kunt wisselen zonder aan de checkout te komen.
6. Evalueer na 30 dagen en besluit om op te schalen, bij te sturen of te stoppen.

Een eenvoudige batchjob voor conceptteksten kan zo klein zijn als dit, uitgevoerd vanuit een aparte service in plaats van binnen Magento:

# 1. Pull products missing a description (admin token with catalog read scope)
curl -s -H "Authorization: Bearer $TOKEN" \
  "https://example.com/rest/V1/products?searchCriteria[pageSize]=50&searchCriteria[filter_groups][0][filters][0][field]=description&searchCriteria[filter_groups][0][filters][0][condition_type]=null" \
  > products.json

# 2. Generate drafts with your model provider, write them to a review sheet
# 3. After approval, push with PUT /rest/V1/products/{sku}

Veelgestelde vragen

Heb ik Adobe Commerce nodig om AI-functies te gebruiken?

Nee. Door Adobe gehoste diensten zoals semantisch zoeken met Live Search vereisen Adobe Commerce, maar contentgeneratie, RAG-supportassistenten en vector search op OpenSearch kun je bouwen op Magento Open Source via de standaard-API's en maatwerkmodules.

Schaden door AI gegenereerde productteksten mijn SEO?

Niet op zichzelf. De richtlijnen van Google zijn gericht op content die op grote schaal wordt gegenereerd zonder meerwaarde voor gebruikers. Juiste, gecontroleerde omschrijvingen op basis van echte productattributen zijn prima. Duizenden ongecontroleerde, bijna identieke teksten vormen het risico.

Is semantisch zoeken ook beschikbaar in andere talen dan Engels?

Voor Adobe Live Search noemt de documentatie van Adobe semantisch zoeken momenteel alleen voor Engelstalige catalogi. Een eigen OpenSearch-opzet kan meertalige embeddingmodellen gebruiken, maar de relevantie per taal moet je zelf testen.

Mag ik onder de AVG orderdata naar een LLM sturen?

Dat kan rechtmatig, maar behandel de modelaanbieder als verwerker: sluit een verwerkersovereenkomst, stuur alleen de velden die nodig zijn om de vraag te beantwoorden, ga na hoe lang data wordt bewaard en of die voor training wordt gebruikt, en leg de verwerking vast in je verwerkingsregister. Laat je privacyjurist de opzet beoordelen.

Bronnen

• Adobe Experience League: semantisch zoeken met Live Search
• Adobe Experience League: wat is Live Search?
• Adobe-blog: Adobe Commerce zet zich in voor standaarden voor agentic commerce
• Release notes van Adobe Commerce 2.4.9
• Releasenotes Adobe Commerce 2.4.8
• OpenSearch-documentatie: vector search
• OpenSearch-blog: effectief hybride zoeken bouwen
• Google Search Central: richtlijnen voor content gemaakt met generatieve AI
• Google Search Central: spambeleid
• Europese Commissie: transparantieverplichtingen onder artikel 50 van de AI Act