Wstęp

Poniższy artykuł zawiera charakterystykę oraz przykłady możliwych zastosowań w handlu elektronicznym programów zwanych agentami. Agenci mogą znaleźć zastosowanie na każdym etapie procesu handlu elektronicznego. Począwszy od zbierania informacji, działań marketingowych oraz budowania relacji z klientem, poprzez wyszukiwanie korzystnej oferty, negocjacje warunków umowy, reprezentowanie w czasie aukcji i zakup w imieniu klienta. Mimo że pomysł, jaki kryje się za oprogramowaniem tej klasy nie jest nowy, przyszłość tego oprogramowania nie jest przesądzona. Wraz z rozwojem i wzrostem powszechności sklepów internetowych popularne stały się przypadki, kiedy to jesteśmy na bieżąco informowani o pojawieniu się nowego produktu, np. książki z dziedziny, która nas interesuje. Powszechne stało się również rekomendowanie innych produktów najczęściej kupowanych wraz z poszukiwanym przez nas towarem przez innych użytkowników. Wyobraźmy sobie jednak sytuację, że nie tylko będziemy informowani o nowościach, które mogą nas potencjalnie zainteresować, ale również możliwe będzie przeprowadzenie rozmowy na dowolny temat z wirtualnym sprzedawcą. Wyobraźmy sobie również, że gdy zdecydujemy się kupić dany produkt, powiemy o tym elektronicznemu asystentowi, a on zrobi resztę. Samodzielnie wyszuka najatrakcyjniejszą ofertę, zarówno pod względem cenowym, terminów dostaw, warunków gwarancji, jak i innych cech, w sklepie, który cieszy się dobrą opinią klientów lub na aukcji internetowej, wynegocjuje w naszym imieniu możliwie najniższą cenę, a na końcu odpowie na wszystkie nasze pytania dotyczące np. innych nowości, sposobów płatności czy bezpieczeństwa transakcji.

Taka idea stoi właśnie za programami zwanymi inteligentnymi agentami.

Co to jest agent?

Pomysł agenta zrodził się już w połowie lat 50¹. John McCarthy i Oliver Selfrige² mieli wizję programowego robota, który potrafiłby zrealizować zadany cel nie posiadając szczegółowych instrukcji, a w razie potrzeby zapytać, porozumiewając się z człowiekiem w bliskim mu języku, zbliżonym do naturalnego.³ Właściwe badania nad teorią, budową oraz zastosowaniem agentów rozpoczęły się jednak dużo później. W roku 1977 Carl Hewitt opublikował artykuł⁴, w którym przedstawił swoją koncepcję Aktora. Aktor był prototypem agenta, obiektem interaktywnym, bazującym na przetwarzaniu równoległym, który posiadał jakiś wewnętrzny stan i mógł odpowiadać na komunikaty od innych, podobnych obiektów (aktorów). Od tego momentu datowane jest rozpoczęcie pierwszego nurtu badań, pod hasłem badań nad rozproszoną sztuczną inteligencją (Distributed Artificial Intelligence DAI)⁵, w którym kładziono nacisk na rozwój systemów wieloagentowych⁶.

Zainteresowanie systemami wieloagentowymi szybko rosło, ponieważ dawały one większą wydajność i moc obliczeniową oraz pozwalały na rozwiązywanie problemów, w których informacje, wiedza fachowa lub kontrola były rozproszone. Nurt ten koncentrował się na zagadnieniach o wymiarze makro, takich jak: komunikacja między agentami, podział i przypisanie zadań, koordynacja i kooperacja agentów oraz rozwiązywanie konfliktów poprzez negocjacje itd. Rozwinięto w tym czasie wiele zagadnień związanych z teorią, architekturą oraz językiem komunikacji systemów wieloagentowych⁷. Celem badań była specyfikacja, analiza, projektowanie i integrowanie systemów składających się ze "społeczności" agentów, przy pominięciu specyfiki poszczególnych jednostek. Prace nad systemami wieloagenckimi prowadzone są nadal, natomiast od około 1990 roku dominuje nowy kierunek badań.

Kierunek, który pojawił się na początku lat 90., spowodował powstanie ogromnej ilości różnorodnych programów nazywanych przez ich twórców agentami⁸. Koncentruje się on głównie na pracach nad poszczególnymi typami agentów - ich modelami teoretycznymi oraz architekturą. Tworzone programy mają bardzo różny stopień złożoności, od prostych podprocedur automatyzujących pracę, po złożone systemy inteligentne. Twórcy tego typu programów posługiwali się różnorodnymi kryteriami przy zaliczaniu swoich dzieł do klasy oprogramowania agenckiego, ponieważ każdy inaczej rozumiał termin "agent".

Agentem nazywano⁹:

• program, który wykonuje na zdalnej maszynie zadania zaplanowane wcześniej przez użytkownika;
• program, który przetwarza instrukcje niskiego poziomu podczas, gdy jest instruowany w języku programowania wyższego poziomu lub w języku skryptowym;
• program, w którym zaimplementowano prymitywne funkcje poznawcze;
• program, który wykazuje pewne charakterystyki rozproszonej inteligencji;
• program, który pełni rolę mediatora pomiędzy użytkownikiem a innym programem;
• program, który pełni rolę inteligentnego asystenta;
• program, który potrafi przenosić się w sieci z komputera na komputer, w wybranym przez siebie kierunku;
• program, który prezentuje się użytkownikowi w formie wirtualnej osoby;
• program, który komunikuje się przy pomocy agenckiego języka komunikacji
• program, który posiada umiejętności społeczne, stany psychiczne lub emocjonalne.

Definicja pojęcia agent

Do dnia dzisiejszego nie powstała jednak definicja programu agenckiego (lub agentowego) satysfakcjonująca wszystkich badaczy tej dziedziny. Intuicyjnie wszyscy są zgodni - agent to taka "maszyna", której zachowanie można najlepiej wytłumaczyć poprzez analogię do roli, jaką pełnią agenci ubezpieczeniowi, nieruchomości, podróży, maklerzy, osobiści asystenci, lokaje itd. Agent to ktoś, kto działa samodzielnie w imieniu innej osoby¹⁰, asystuje użytkownikowi¹¹, współpracuje z nim w tym samym środowisku pracy¹², wykonuje w jego imieniu operacje prowadzące do osiągnięcia zadanego celu¹³. Zadaniem agenta jest osiągnięcie wytyczonego przez użytkownika celu, zredukowanie nakładu pracy oraz zwiększenie produktywności osoby, która zleciła realizację zadania¹⁴. Taka definicja nie daje jednoznacznej odpowiedzi na pytanie, czym są programy agenckie ani czy dany program do tej klasy należy. Stąd dla jednych badaczy agentem może być nawet prosta procedura automatyzująca codzienne, rutynowe czynności typu filtrowanie poczty elektronicznej, dla innych musi to być inteligentne oprogramowanie, dostosowujące się do potrzeb użytkownika. Franklin i Greasser dokonali przeglądu najbardziej popularnych definicji pojęcia "agent" i zaproponowali następującą syntezę:

Autonomiczny agent to system usytuowany wewnątrz środowiska, którego jest częścią. System ten postrzega własne środowisko i oddziałuje na nie w czasie, w trakcie realizacji własnego programu (agendy) tak, aby wpłynąć na to, co odbiera¹⁵.

Cechy agenta

Ze względu na brak jednoznacznej definicji warto się przyjrzeć cechom, które najczęściej są przypisywane agentom. Wśród fundamentalnych cech najczęściej wymieniane są następujące określenia:

• autonomiczny, niezależny, samodzielny - potrafi działać niezależnie bez bezpośredniej interwencji człowieka, kontroluje zarówno swoje zachowanie, jak i stany wewnętrzne¹⁶, potrafi wykazywać się własną inicjatywą, może zadawać pytania, modyfikować żądania, a nawet odmówić ich wykonania¹⁷;
• reaktywny - wyczuwa zmiany w swoim środowisku i reaguje na nie w odpowiednim czasie^,18;
• proaktywny, zorientowany na cel - nie tylko reaguje na zmiany, ale działa tak, aby osiągnąć wyznaczony cel¹⁹;
• ciągły w czasie - działa nieustannie, nawet gdy użytkownik z niego nie korzysta²⁰;

Jako opcjonalne lub definiujące poszczególne kategorie agentów wymieniane są: umiejętność poruszania się w sieci komputerów²¹, zdolność uczenia się, zdolności społeczne, umiejętność wchodzenia w interakcje z innymi agentami lub człowiekiem²² oraz upostaciowienie²³, czyli przedstawienie agenta w formie wiarygodnej postaci, widzialnej i słyszalnej, która ma swoją osobowość, przeżywa emocje.

Agenci w handlu elektronicznym

Wizja przytoczona na wstępie tego artykułu jest, wbrew pozorom, bardzo realna. Zaprojektowano i stworzono programy agenckie, które mogą być stosowane od początku procesu handlowego, czyli od marketingu, bezpośredniego kontaktu z klientem, poprzez rekomendowanie produktów, wyszukiwanie towarów i dostawców, negocjowanie cen, warunków dostawy, gwarancji, aż po reprezentowanie człowieka na aukcjach i rynkach elektronicznych. Pełne zastąpienie człowieka w procesie handlu elektronicznego nie jest jeszcze możliwe i prawdopodobnie nigdy nie będzie, ale już dziś w wielu czynnościach mogą nas wyręczyć programy, takie jak agenci.

Agenci rekomendujący

Zanim jeszcze potencjalny klient poczuje potrzebę nabycia jakiegoś dobra, już agent może być użyteczny, rekomendując, podsuwając ofertę towaru, którą przygotowuje, mając na uwadze tego konkretnego nabywcę i jego upodobania. Może nawet stymulować potrzebę posiadania przez informowanie o ciekawych produktach. Zadaniem tego typu agentów jest informowanie, na podstawie zdobytego na wiele sposobów profilu użytkownika, o dostępnych dobrach lub usługach, które mogłyby mu się spodobać. Stosowani w sklepach internetowych, wykorzystują najczęściej technikę zwaną collaborative (lub social) filtering²³, która polega na identyfikowaniu podobnych użytkowników i posługiwaniu się ich zakupami oraz opiniami przy rekomendowaniu produktów. Jest to metoda bardzo skuteczna, ponieważ działa jak rekomendacja słowna "z ust do ust", którą trudno jest manipulować, przez co cieszy się dużym zaufaniem klientów.

Przykładem systemu wieloagenckiego, który wykorzystywał technikę collaborative filtering był Ringo. Rekomendował on produkty rozrywkowe, takie jak: płyty CD i filmy wideo. Ringo ewoluował do FireFly, który został wykupiony w 1998 r. przez firmę Microsoft - wtedy zniknął z rynku.

Wspomniana technika jest również wykorzystywana przez serwis MovieCentral, który poleca ciekawe filmy. Bazuje on na profilu stworzonym po wstępnej ocenie dziesięciu filmów²⁵.

Innym przykładem prostego agenta rekomendującego produkty jest Amazon Delivers (http://www.amazon.com), który automatycznie wysyła recenzje najciekawszych książek z kategorii interesującej klienta.

Z drugiej strony, agenci są wykorzystywani w procesie zbierania i analizowania informacji na temat sprzedaży, modelowania zachowań konsumenckich, analizowania historii zakupów oraz tworzenia profili grup, dla których mają być przeznaczone kampanie reklamowe. Przykładem takiego wykorzystania jest system stworzony przez niemiecką firmę Fraunhofer-IGD w firmie handlowej OTTO²⁶. System ten został oparty o trzy rodzaje agentów: agentów interfejsowych - ułatwiających interakcję z systemem (np. sformułowanie zapytania) i prezentujących wyniki pracy w przystępnej formie, agentów zadaniowych - analizujących zadania, dzielących je na mniejsze części oraz zlecających ich realizację agentom informacyjnym - którzy przemieszczali się pomiędzy wieloma oddziałami firmy, pobierając dane bezpośrednio z wielu zasobów informacyjnych - zarówno komercyjnych, jak i publicznych.

Wirtualne postacie

Na stronach internetowych wielu firm pojawiły się wirtualne postacie, które posiadają głowy, a niektóre nawet całe ciała, na wzór ludzkich i wdają się w rozmowy z użytkownikiem. Agenci ci są odmianą chatterbotów - agentów symulujących prowadzenie konwersacji zwanych Embodied Conversational Agents (ECA)²⁷. Ich zadaniem jest zwiększenie zaufania klienta do firmy, udzielanie pomocy przy zakupach online, odpowiadanie na najczęściej zadawane pytania, zbieranie informacji o użytkowniku, personalizowanie treści serwisów, budowanie trwałych i znaczących relacji z klientem, a w efekcie zwiększanie zadowolenia z kontaktów z firmą i budowanie lojalności klienta. Jest to nowy sposób na elektroniczne zarządzanie relacjami z klientem (eCRM) przy wykorzystaniu systemów agenckich. Taka postać, z założenia, buduje relację z klientem w taki sam sposób, jak człowiek w świecie realnym buduje więzi lojalności i zaufania do firmy.

Na stronach firmy Procter&Gamble rezydował Mr. Clean stworzony przez Extempo Systems Inc.²⁸, który witał wszystkich odwiedzających, wdawał się w pogawędkę, udzielał rad, informacji o sobie, o swojej rodzinie, przyjaciołach oraz przyzwyczajeniach w sprzątaniu. Agent rozmawiał z klientem w naturalnym języku, a dodatkowo wykorzystywał animowany język gestów. Potrafił dostosować stronę WWW do preferencji odwiedzającego, pozyskując informacje z bazy danych na temat profilu użytkownika. Kolejną postacią wirtualną autorstwa tej firmy był Virtual Jack - pies "mieszkający" na stronach internetowych sklepu zoologicznego Petopia.

Agenci stworzeni przez Extempo Systems okazali się bardzo skuteczni. Prawie 90% klientów, którzy "kliknęli" na jednego z tych agentów rozmawiała z nimi ponad 12 minut. 85% rozmawiających z Mr.Clean podawało swoje dane, wyjawiając cenne informacje marketingowe, takie jak: płeć, wiek, wykształcenie, miejsce zamieszkania, przyzwyczajenia oraz podawała swój adres e-mail²⁹. Innymi przykładami ECA są: Ramona rezydująca na stronach KurzweilAI.net (pokazana na rysunku 1), Hank odpowiadający na pytania na stronach Coca-Cola Company oraz NOMI - postać animowana, która wita odwiedzających strony firmy NovoMind³⁰ i odpowiada na pytania dotyczące firmy, serwisu internetowego oraz własnego życia prywatnego.

NOMI (przedstawiona na rysunku 2) efektywnie wykorzystuje wiele dróg komunikacji, takich jak wyraz twarzy i kierowanie spojrzeniem, co daje poczucie osobistego kontaktu.

Chatterboty są elektronicznymi przedstawicielami firm. Służą radą, reklamują produkty, oprowadzają po stronie internetowej, mają nas przychylnie nastawić do firmy i wciągnąć w rozmowę oraz zbierają cenne dane marketingowe np. dotyczące wieku, płci i upodobań klienta.

Shopboty i priceboty

Kolejnym krokiem po zidentyfikowaniu potrzeby zakupu jest znalezienie najkorzystniejszej oferty pośród wielu dostawców. Do wyszukiwania najlepszych ofert powstały programy zwane shopbotami. Nie dokonują one zakupu w imieniu użytkownika, ale wyszukują sklep internetowy, w którym najkorzystniej będzie kupić - ze względu na cenę albo z powodu innych korzyści. Przykładem shopbota jest serwis mySimon.com - przedstawiony na rysunku 3 po prawej.

Pierwsza generacja agentów wspomagających zakupy w sieci internet zajmowała się porównywaniem ofert pod względem cenowym. Przykładem programu tej generacji był stworzony przez firmę Andersen Consulting, niedostępny już, BargainFinder, który wyszukiwał najkorzystniejsze pod względem cenowym oferty sprzedaży płyt kompaktowych³¹. Serwisy te potrafiły porównać między sobą ogromną ilość produktów, np. www.shopper.com był w stanie porównać około milion cen na stu tysiącach akcesoriów komputerowych³².

Druga generacja shopbotów rekomenduje produkty nie tylko na podstawie cen, ale również innych atrybutów, tj. jakość, czas i koszty dostawy, udzielane gwarancje, promocje i prezenty, jak również obsługa posprzedażna i reputacja sprzedającego. Przykładem shopbota drugiej generacji jest Frictionless Sourcing, który na podstawie pewnych charakterystyk dopasowuje użytkownika do stereotypowego profilu i w oparciu o preferencje wynikające z profilu odpowiednio waży wymienione kryteria, a następnie wylicza ocenę ogólną dla każdego sprzedawcy³³.

Wyzwaniem dla tego typu agentów są strony generowane dynamicznie oraz informacje zawarte w plikach graficznych, dźwiękowych oraz klipach wideo.

System IntelliShoper natomiast nie jest serwisem dostępnym w sieci WWW tylko rezyduje na komputerze użytkownika³⁴. Obserwuje użytkownika i uczy się jego preferencji, gdy ten robi zakupy w sieci WWW, a następnie informuje go, gdy znajdzie nowe oferty podobnych towarów. Użytkownik może też bezpośrednio zlecić wyszukanie jakiegoś towaru. Agent przeszukuje nie tylko sklepy internetowe, ale również serwisy aukcyjne. Duży nacisk w tym systemie położono na anonimowość i gwarancję ochrony prywatności użytkownika. System składa się z agenta uczącego, monitorującego, chroniącego prywatność oraz samego shopbota.

Obecnie większość shopbotów dostępna na rynku to agenci stworzeni przez firmy oferujące określone towary, którzy prezentują oferty tylko tych firm, które zapłaciły za udział w wyszukiwaniu³⁵. Firmy nie sprzyjają niezależnym shopbotom. Zmieniają znaczniki HTML tak, aby utrudnić parsowanie stron, pozyskiwanie koniecznych informacji i uniknąć walki cen. Dodatkowo obecna generacja shopbotów, przeglądająca możliwie wszystkie sklepy i prezentująca wszystkie oferty, jest zbyt powolna.

Następna rozwijana generacja korzysta z informacji na temat tego, jak użytkownik podejmuje decyzje, jak istotna dla niego jest cena, marka towaru, marka sklepu, w których sklepach warto szukać jakich towarów oraz jakie są koszty poszukiwań, jak długo będzie trwało wykonanie zapytania i zwrócenie rezultatów. W nowej generacji shopbotów nacisk kładziony jest nie tylko na dopasowanie parametrów poszukiwanego towaru, ale również na uwzględnienie kosztów poszukiwań i kryteriów podejmowania decyzji przy wyborze sklepu³⁶. Reakcją na shopboty, dające korzyści klientom, są priceboty³⁷. Są to agenci dynamicznie wyceniający produkty w miarę zmiany sytuacji na rynku tak, aby zmaksymalizować korzyści sprzedających. Księgarnia internetowa Books.com, na przykład, korzysta z pricebota i techniki posted pricing³⁸. Agent skanuje ceny danej książki u największych konkurentów, takich jak: Amazon, Barnes and Nobles i Borders, aby przebić ich oferty i zaproponować najlepszą cenę. Technika posted pricing oznacza, że ceny uzyskane w ten sposób są już nienegocjowalne, na zasadzie take-it-or-leave-it.

Aukcje i rynki elektroniczne

Następnym krokiem po wybraniu towaru i dostawcy są negocjacje terminów i warunków umowy. W zautomatyzowanych negocjacjach agenci przygotowują i oceniają oferty w imieniu reprezentowanych klientów tak, aby zyskać najkorzystniejsze warunki³⁹. Odbywa się to przy wykorzystaniu pewnej strategii negocjacji, która jest określana w protokole. Protokół negocjacji opisuje zasady interakcji agentów (np. kto może komu, co i kiedy powiedzieć). Wykorzystywane są różne protokoły w zależności od okoliczności. Generalnie negocjacje można podzielić na aukcje i negocjacje dwustronne, czyli rynki elektroniczne.

Najprostszym przykładem agenta wykorzystywanego do reprezentowania człowieka na elektronicznej aukcji jest Bid-Click⁴⁰, dostępny na stronach aukcyjnych firmy Amazon oraz bardziej złożony od niego BiddingBot⁴¹, który pomaga użytkownikowi w obserwowaniu i uczestniczeniu w kilku aukcjach jednocześnie. Agent monitoruje strony aukcyjne i zbiera informacje, na podstawie których określa rozsądną cenę za różne dobra.

Innym przykładem agenta aukcyjnego jest RoxyBot (ApproximateBot)⁴², który osiągnął jeden z najwyższych wyników w konkursie First International Trading Agent Competition (TAC), organizowanym w Bostonie w 2000 roku. Agenci przystępujący do tego konkursu musieli, w skończonym czasie i wydając jak najmniejszą sumę, przygotować pakiet wakacyjny zawierający bilet lotniczy w obie strony, rezerwację pokoju hotelowego na czas pobytu oraz bilety na wybrane dodatkowe atrakcje. RoxyBot potrafi licytować towary z uwzględnieniem dóbr substytucyjnych (np. bilety na mecz piłkarski lub na koncert odbywający się w tym samym czasie) i komplementarnych (np. bilet lotniczy i rezerwacja hotelu) w wielu aukcjach elektronicznych jednocześnie. Przy licytacji uwzględnia nie tylko cenę, ale również inne atrybuty, np. konieczność synchronizacji daty przylotu i wylotu z datami rezerwacji hotelu.

Agent SouthamptonTAC, który miał szansę na drugie miejsce w konkursie TAC w 2001 roku, wykorzystuje logikę rozmytą do określania kategorii aukcji, w jakiej bierze aktualnie udział i na tej podstawie dobiera strategię i decyduje, czy kupować towar, czy czekać. Prowadzone są prace badawcze nad zastosowaniem tego typu agentów na giełdzie papierów wartościowych tak, aby wspomóc, a może nawet zastąpić, maklerów giełdowych⁴³.

Rynki elektroniczne to miejsca, gdzie wielu agentów-klientów i dostawców może się spotkać, negocjować i wymieniać informacje niezbędne do zawarcia transakcji. Negocjacje dotyczą wysokości opłaty za usługi, jak i rodzaju samych usług czy dóbr. Mogą być to rynki, gdzie sprzedającymi są firmy a kupującymi klienci B2C (business-to-consumer), jak i rynki gdzie sprzedającymi i kupującymi są klienci firmy B2B (business-to-business) lub klienci nieinstytucjonalni C2C (consumer-to-consumer). Przykładem prostego rynku elektronicznego był Kasbah⁴⁴, zbudowany w MIT Media Lab, na którym agenci kupowali i sprzedawali dobra w jednym centralnym miejscu, używając prostego języka reklamy i zamówień. Każdy agent posiadał wiedzę na temat dobra, które ma sprzedać lub kupić i aktywnie szukał najlepszej oferty. Warunki oferty negocjował w imieniu użytkownika z innym agentem.

Innym przykładem rynku elektronicznego jest UMDL (University of Michigan Digital Library) - biblioteka elektroniczna Uniwersytetu w Michigan, która oferuje elektroniczne dane i usługi w rozproszonym środowisku45. Bazuje ona na systemie wieloagenckim SMS (Service Market Society).

Agenci sprzedają i kupują między sobą usługi, mając do dyspozycji określony zestaw protokołów komunikacyjnych i handlowych. W tym systemie agenci dbają wyłącznie o własne dobro i realizację zadanego celu, przez co mogą nawet próbować się nawzajem przechytrzyć.

Uczenie się z kontekstu SMS daje agentom sposób na rozbudowanie oczekiwań i wiedzy o sobie nawzajem.

Podsumowanie

W niniejszym artykule zaprezentowano przykładowe zastosowania w handlu elektronicznym klasy oprogramowania, która kryje się pod szerokim i niejednoznacznym pojęciem agenta. Pomysł inteligentnego agenta nie jest nowy i mimo że wydaje się bardzo atrakcyjny i dający ogromne możliwości, oprogramowanie, to nie ma jeszcze ugruntowanej pozycji na rynku. Przyczyną takiego stanu rzeczy mogą być trudności, z którymi borykają się również badacze sztucznej inteligencji, takie jak: brak algorytmów pozwalających na planowanie działań przy niekompletnej informacji, niedoskonałe algorytmy uczenia maszynowego, niedopracowane sposoby wirtualnej percepcji i inne. Czas pokaże, czy pewnego dnia będziemy mogli powiedzieć naszemu elektronicznemu asystentowi, że lecimy do Barcelony na konferencję, a on zarezerwuje bilety lotnicze, wynajmie miejsce w hotelu, przełoży zaplanowane spotkania na inne terminy, rozplanuje czas zwiedzania po godzinach pracy oraz znajdzie najbliższą restaurację w pobliżu hotelu z naszym ulubionym włoskim jedzeniem.

Bibliografia

• A. De Angeli, G. I. Johnson, L. Conventry, The unfriendly user: exploring social reactions to chatterbots, [w:] Proceedings of The International Conference on Affective Human Factors Design, pod redakcją Helander, Khalid and Tham, Asean Academic Press, London, 2001.
• J. Bradshaw, Introduction to Software Agents, [w:] J. Bradshaw (red.), Software Agents, AAAI Press/The MIT Press, Boston 1999.
• O. Etzioni., D. Weld, Intelligent Agents on the Internet: Fact, Fiction, and Forecast, "IEEE Expert" 1995, Vol. 10, No. 4.
• S. Franklin, A. Graesser, Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents, Procedings of the Third International Workshop on Agent Theories, Architectures, and Languages, Springer-Verlag, 1996.
• A. Greenwald, J. Kephart, Shopbots and Pricebots, Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence, Stockholm, Sweden, August 1999, s. 506-511.
• M. He, N. Jennings, H. Leung, On agent-mediated electronic commerce, IEEE Transactions on Knowledge and Data Engineering, Vol. 15, Issue 4, 2003.
• T. Ito, N. Fukuta, T. Shintani, K. Sycara,., BiddingBot: A Multiagent Support System for Cooperative Bidding in Multiple Auctions, [w:] Proceedings of the Fourth International Conference on Multi-Agent Systems (ICMAS'2000), IEEE, Boston, 2000.
• M. Jalali-Sohi, R. Malkewitz An Application of Intelligent and Mobile Agnets for Retail Visual Mining and E-Commerce on the Intrenet, [w:] From E-Commerce to M-Commerce. Conference On Telecomunications and Information Markets 2001 Proceedings, R .R. Dholakia, L. Kolbe, A. Venkatesh, P. Zoche (red.), Kingston, RI: RITIM, University of Rhode Island, 2001.
• N.R. Jennings, K. Sycara, M. Wooldridge, A Roadmap of Agent Research and Development, "Journal of Autonomous Agents and Multi-Agent Systems" 1998, Issue 1.
• J.O. Kephart, Greenwald A. R., Shopbot Economics, "Journal of Autonomous Agents and Multi-Agent Systems" 2002, Vol. 5, Issue 3, s. 255-287.
• M. Klusch, Agent-Mediated Trading: Intelligent Agents and E-Business, [w:] A. Hayzelden (red.), Agent Technology for Communication Infrastructures, John Wiley & Sons Ltd., 2001.
• H. Lieberman, T. Selker, Agents for the User Interface, [w:] J. Bradshaw (red.), Handbook of Agent Technology, MIT Press, Boston 2003.
• P. Maes, Agents that Reduce Work and Information Overload, "Communications of the ACM" 1994, Vol. 37, Issue 7, s. 31-40.
• P. Maes, R. Guttman, A. Moukas, Agents that Buy and Sell: Transforming Commerce as We Know It, "Communications of the ACM" 1999, Vol. 42, Issue 3, s. 81.
• F. Menczer, A. Monge, N. Street, Adaptive Assistants for Customized E-Shopping, "IEEE Intelligent Systems" 2002, Vol. 17, Issue 6, s. 12-19.
• H. Nwana, Software Agents: An Overview, "Knowledge Engineering Review" 1996, Vol. 11, Issue 3.
• M. Wooldridge, N. Jennings , Intelligent Agents: Theory and Practice, "Knowledge Engineering Review" 1995, Vol. 10, Issue 2.

Netografia

• http://www.novomind.com, 27.10.2004.
• M. Brooke-Smith, Is it possible that human stockbrokers could, one day, be replaced with computer based agent traders?, 2nd Annual CM316 Conference on Multimedia Systems, Southampton University, UK 12th January 2002,
  http://mms.ecs.soton.ac.uk/mms2002/papers/29.pdf, 27.10.2004.
• Extempo Announces Mr. Clean and Virtual Jack; Interactive Web Characters Build Relationships Between Businesses and Consumers, Business Wire, March 14, 2000, http://www.businesswire.com, 21.12.2003.
• S. Green, L. Hurst, B. Nangle, P. Cunningham , F. Somers, R. Evans, Software Agents: A review, Trinity College & Broadcom Eireann Research Ltd., Dublin, http://www.cs.tcd.ie/research-groups/aig/iag/toplevel2.html, 25.05.2004.
• D. Gilbert, Intelligent Agents: The Right Information at the Right Time., IBM Intellligent Agent White Paper, IBM Corporation, Research Triangle Park, 1997, http://www.networking.ibm.com/iag/iaghome.html, 25.05.2004.
• B. Hayes-Roth, Online Ambassadors as eCRM Agents, White Paper from Extempo Systems Inc., March, 2001, http://www.elearningforum.com/meetings/2001/may/Online%20Ambassadors.doc, 25.05.2004.
• M. Luck, P. McBurney, C. Preist, Agent Technology: Enabling Next Generation Computing. A Roadmap for Agent-Based Computing., AgentLink II. Europe's IST-funded Network of Excellence for Agent-based Computing, 2003, http://www.agentlink.org, 25.05.2004.
• A. Montgomery, K. Hosanagar, R. Krishnan, K. B. Clay, Designing a Better Shopbot, GSIA Working paper, May 2002, http://www-2.cs.cmu.edu/~callan/Projects/P2P/Pubs/shopbot-may_2002b.pdf, 25.10.2004.