Ewolucja 30 lat badań nad sztuczną inteligencją w handlu
Trzydzieści lat badań naukowych nad sztuczną inteligencją w e-commerce wytworzyło obszerny, lecz głęboko sfragmentowany dorobek. Poszczególne przeglądy skupiały się na wybranych platformach, konkretnych aspektach technicznych lub wąskich niszach tematycznych, nie oferując syntetycznego obrazu całego pola. Badanie Chugh i Jain¹ jest pierwszym, które systematycznie mapuje ten dorobek przy użyciu analizy bibliometrycznej 1 458 artykułów ze Scopus (1995-2024) z zastosowaniem narzędzi R Studio i VOS viewer. Wyniki ujawniają dwa równoległe fenomeny. Pierwszy to strukturalna koncentracja kapitału badawczego wokół technicznych zastosowań AI, przede wszystkim systemów rekomendacyjnych i zaawansowanej analityki, przy wyraźnym niedoinwestowaniu tematów o najwyższej przyszłej wartości regulacyjnej: zaufania konsumentów, przejrzystości algorytmów i etycznego projektowania systemów rekomendacji. Drugi fenomen to globalna asymetria cytowań: Chiny generują 1 309 artykułów i dominują wolumenowo, lecz średnia liczba cytowań na artykuł wynosi tam zaledwie 7,10, podczas gdy Stany Zjednoczone z 506 artykułami osiągają 37,20 cytowań na publikację. Ta asymetria nie jest dziełem przypadku, lecz odzwierciedla architekturę globalnego wyznaczania kierunków intelektualnych w polu, które praktykujący e-commerce traktują jako coraz bardziej strategiczne.
Ewolucja tematyczna badań AI w e-commerce przebiega w trzech wyraźnych falach, które analiza bibliometryczna Chugh i Jain¹ odczytuje ze struktury słów kluczowych i rocznych trendów publikacji. Pierwsza fala, trwająca od 1995 do około 2006 roku, charakteryzuje się niskim wolumenem (średnio 10,6 artykułów rocznie) i dominacją technik takich jak logika rozmyta, eksploracja danych i wczesne systemy agentów. Badania tego okresu były silnie inżynierskie i akademickie, oderwane od skali komercyjnej. Około 2007 roku nastąpił przełom technologiczny powiązany z ekspansją mediów społecznościowych, który uruchomił drugą falę: uczenie maszynowe, uczenie nadzorowane i chmura obliczeniowa stały się głównymi słowami kluczowymi, a liczba publikacji wzrosła do 74 rocznie w całym przedziale 2007-2024. Trzecia fala, wyraźna od 2017 roku, to głębokie uczenie, przetwarzanie języka naturalnego (NLP), chatboty i wirtualna rzeczywistość, napędzane przez popularyzację dużych modeli językowych i pandemiczny wzrost e-commerce. Każda z tych fal pozostawiła po sobie trwałe sedymentacje tematyczne w strukturze siedmiu klastrów badawczych, które analiza współwystępowania wyodrębnia jako osobne skupiska pojęciowe.
