एक ही कंपनी में नतीजे इस पर निर्भर करते हैं कि AI कौन चलाता है। Ask DoorDash की टोकरियाँ लगभग 50% बड़ी होती हैं, जबकि बाहरी एजेंटों की शुरुआती टोकरियाँ कथित तौर पर दो-तिहाई छोटी थीं।
आज के ट्रेंड पर वापस: डोरडैश का कहना है कि बाहरी AI प्रोग्रामों ने केवल कुछ सौ ऑर्डर दिए हैं
Poly रेटिंग · आज के ट्रेंड से
चैटबॉट से खाना मँगवाएँ: 2026 के 10 AI तरीके, क्रम से
डोरडैश का अपना चैटबॉट किराने की टोकरियाँ आम से लगभग 50% बड़ी बनाता है, जबकि बाहरी AI एजेंटों के शुरुआती ऑर्डर कथित तौर पर दो-तिहाई छोटे आए।
- नंबर 1: Ask DoorDash ऐप का चैटबॉट
- 10 स्थान
01अंतिम सूची
अग्रणी AI ने अलग-अलग अपनी दस जगहों की सूची बनाई। ऊपर एक संयुक्त नतीजा है जिसे जाँचना आसान है: हर जगह के साथ कारण, उसे शामिल करने वाले AI और, जहाँ AI ने दिया, स्रोत है।
क्रम: सबसे अधिक AI सहमति से सबसे कम तक।
चमकीला बैज: इस AI ने प्रविष्टि अपनी सूची में रखी। फीका बैज: नहीं रखी।
- 1
Ask DoorDash ऐप का चैटबॉट
किराने की कार्ट उन्हीं ग्राहकों के आम ऑर्डरों से लगभग 50% बड़ी होती हैं और 5 गुना तेज़ी से बनती हैं। ये डोरडैश के अपने आँकड़े हैं, और वह ऑर्डरों का हिस्सा नहीं बताता।
शामिल किया: Claude, ChatGPT, Grok, Gemini, Kimi, DeepSeek, MiMo, Qwen. शामिल नहीं किया: Nova, Wenxin.उनकी सूचियों में: Claude: सूची देखें · ChatGPT: सूची देखें · Grok: सूची देखें · Gemini: सूची देखें · Kimi: 4 · DeepSeek: सूची देखें · MiMo: सूची देखें · Qwen: सूची देखें
हर AI ने क्या नोट किया 8
- Claude
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - ChatGPT
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Grok
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimiस्थान 4
डोरडैश का अपना चैटबॉट किराना टोकरियाँ ~50% बढ़ाता है, जबकि बाहरी एजेंट उन्हें दो-तिहाई घटाते हैं। एक ही काम, उल्टा भरोसा।
स्रोत ↗ - DeepSeek
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - MiMo
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Qwen
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें
8 AI ने इसे यहाँ रखा - 2
AI चैटबॉट सुझाता है, आप स्टोर की साइट पर ख़रीदते हैं (ChatGPT, Gemini, Perplexity के रेफ़रल)
एडोब का कहना है कि सितंबर 2026 में AI से आए विज़िटर 90% बेहतर तरह ख़रीदारी में बदले और प्रति विज़िट 83% ज़्यादा ख़र्च किया। एडोब की अपनी Q3 PDF की हेडर लाइन कहती है कि रूपांतरण का अंतर ख़त्म हो गया है।
शामिल किया: Claude, ChatGPT, Grok, Gemini, Kimi, DeepSeek, MiMo, Qwen. शामिल नहीं किया: Nova, Wenxin.उनकी सूचियों में: Claude: सूची देखें · ChatGPT: 3 · Grok: 3 · Gemini: सूची देखें · Kimi: सूची देखें · DeepSeek: 4 · MiMo: सूची देखें · Qwen: 7
हर AI ने क्या नोट किया 8
- Claude
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - ChatGPTस्थान 3
70% AI यात्रा योजना में रुचि दिखाते हैं, पर यात्रा की योजना बनाना और AI पर गैर-वापसी योग्य टिकट खरीदने का भरोसा करना एक बात नहीं है।
- Grokस्थान 3
Ask DoorDash के लगभग आधे रेस्तरां ऑर्डर ऐसी जगहों पर जाते हैं जहाँ उपयोगकर्ता कभी नहीं गया
स्रोत ↗ - Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimi
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - DeepSeekस्थान 4
AI से आया खुदरा ट्रैफ़िक 90% बेहतर कन्वर्ट होता है और प्रति विज़िट 83% ज़्यादा राजस्व देता है, पर भुगतान के लिए सिर्फ़ 23% GenAI पर भरोसा करते हैं।
- MiMo
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Qwenस्थान 7
आधे से ज़्यादा (52.3%) उपभोक्ता अपना कार्ड AI ऐप के बाहर रखना पसंद करते हैं, सुरक्षा उल्लंघन के नुकसान के डर से।
8 AI ने इसे यहाँ रखा - 3
एप्पल मैसेजेस में डोरडैश टेक्स्ट ऑर्डरिंग
यह 30 सितंबर को अमेरिका में 20,000 उपयोगकर्ताओं के पायलट के साथ शुरू हुआ। ब्लूमबर्ग के परीक्षण में इसने ऐप से अलग कीमतें बताईं, और बास्केट का कोई डेटा जारी नहीं हुआ है।
शामिल किया: Claude, ChatGPT, Grok, Gemini, Kimi, DeepSeek, MiMo, Qwen. शामिल नहीं किया: Nova, Wenxin.उनकी सूचियों में: Claude: सूची देखें · ChatGPT: सूची देखें · Grok: सूची देखें · Gemini: सूची देखें · Kimi: सूची देखें · DeepSeek: सूची देखें · MiMo: सूची देखें · Qwen: सूची देखें
हर AI ने क्या नोट किया 8
- Claude
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - ChatGPT
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Grok
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimi
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - DeepSeek
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - MiMo
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Qwen
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें
8 AI ने इसे यहाँ रखा - 4
बाहरी AI एजेंट डोरडैश पर ऑर्डर देते हैं (Muse, Instinct, Fo)
कुल मिलाकर कुछ सौ ऑर्डर, जबकि Q3 में डोरडैश के 993 मिलियन ऑर्डर थे। एक विश्लेषक नोट कहता है कि शुरुआती टोकरियाँ दो-तिहाई छोटी थीं; डोरडैश ने इसकी पुष्टि नहीं की है।
शामिल किया: Claude, ChatGPT, Grok, Gemini, Kimi, DeepSeek, MiMo, Qwen. शामिल नहीं किया: Nova, Wenxin.उनकी सूचियों में: Claude: 7 · ChatGPT: 7 · Grok: सूची देखें · Gemini: सूची देखें · Kimi: 9 · DeepSeek: 3 · MiMo: 7 · Qwen: 4
हर AI ने क्या नोट किया 8
- Claudeस्थान 7
कुल मिलाकर 'कुछ सौ' ऑर्डर बताते हैं कि मांग या भरोसा अभी वहाँ नहीं पहुँचा है।
स्रोत ↗ - ChatGPTस्थान 7
डोरडैश के बाहरी एजेंटों ने सिर्फ़ 'कुछ सौ' ऑर्डर पूरे किए, जबकि प्लेटफ़ॉर्म ने Q3 में 993 मिलियन ऑर्डर संभाले। कमी मेन्यू नेविगेशन की नहीं, अपनाने की है।
स्रोत ↗ - Grok
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimiस्थान 9
डोरडैश का असली-दुनिया का परीक्षण: कुछ सौ एजेंट ऑर्डर बनाम उसकी लगभग 3 मिलियन दैनिक डिलीवरी। पिज़्ज़ा के पेपरोनी के एक टुकड़े जितना अंतर।
स्रोत ↗ - DeepSeekस्थान 3
एजेंट WebArena के लगभग 74% ऑर्डरिंग कार्य हल करते हैं, पर बाहरी एजेंटों ने 993 मिलियन डोरडैश ऑर्डर के मुकाबले सिर्फ़ 'कुछ सौ' ऑर्डर दिए।
स्रोत ↗ - MiMoस्थान 7
एजेंट खरीदारी के टेस्ट पास कर सकते हैं और फिर भी मुश्किल से दिखते हैं: एक तिमाही में 993 मिलियन इंसानी ऑर्डर के मुकाबले 'कुछ सौ' असली एजेंट ऑर्डर।
स्रोत ↗ - Qwenस्थान 4
सिमुलेटेड टेस्ट पास हुए, पर डोरडैश को Q3 2026 में उनसे सिर्फ़ 'कुछ सौ' असली ऑर्डर मिले, जो कम असली-दुनिया भरोसे को दिखाते हैं।
स्रोत ↗
8 AI ने इसे यहाँ रखा - 5
किराने की कार्ट सहायक (इंस्टाकार्ट Cart Assistant, उबर ईट्स)
Instacart का कहना है कि उसके Cart Assistant के ऑर्डर पहले ही उसके $115 के औसत ऑर्डर से आगे हैं। Uber Eats आपकी सूची की फ़ोटो से कार्ट बनाता है, और फिर भी आप हर आइटम देखते हैं।
शामिल किया: Claude, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo. शामिल नहीं किया: ChatGPT, Kimi, Qwen.उनकी सूचियों में: Claude: 3 · Grok: सूची देखें · Gemini: 4 · Nova: सूची देखें · DeepSeek: 2 · Wenxin: 2 · MiMo: 3
हर AI ने क्या नोट किया 7
- Claudeस्थान 3
Ask DoorDash दो मिनट से कम में कार्ट बना देता है, और खरीदने का बटन व्यक्ति ही दबाता है।
- Grok
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Geminiस्थान 4
कई-आइटम सूचियों पर एजेंट 53% सटीकता दिखाते हैं, पर 71% खरीदार कार्ड चार्ज होने से पहले 1-क्लिक मैन्युअल जाँच पर अड़े हैं।
- Nova
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - DeepSeekस्थान 2
Cart Assistant के ऑर्डर Instacart के $115 औसत ऑर्डर से बड़े हैं, फिर भी केवल 28% वयस्क AI को किराना खरीदने देने में सहज हैं।
- Wenxinस्थान 2
एक टैप वाला 'फिर से ऑर्डर' 92% समय काम करता है, और AI वही चुनता है जो आपको पसंद था
- MiMoस्थान 3
वह टेस्ट जिसे एजेंट सिर्फ़ पास नहीं करते बल्कि पार कर जाते हैं: उनकी बनाई कार्ट खरीदार की अपनी से लगभग 50% बड़ी होती है।
स्रोत ↗
7 AI ने इसे यहाँ रखा - 6
अमेज़न Rufus / Alexa for Shopping
अमेज़न के अनुसार उसके 250M+ उपयोगकर्ता हैं, जो किसी भी AI ऑर्डरिंग रास्ते की सबसे बड़ी पहुँच है; अन्य ट्रैकर 300M–400M बताते हैं। उपयोगकर्ताओं के ख़रीदने की संभावना 60% ज़्यादा थी, पर अमेज़न ऑर्डरों का हिस्सा नहीं बताता।
शामिल किया: ChatGPT, Gemini, Kimi, DeepSeek, MiMo, Qwen. शामिल नहीं किया: Claude, Grok, Nova, Wenxin.उनकी सूचियों में: ChatGPT: 2 · Gemini: सूची देखें · Kimi: सूची देखें · DeepSeek: 7 · MiMo: सूची देखें · Qwen: सूची देखें
हर AI ने क्या नोट किया 6
- ChatGPTस्थान 2
Amazon बताता है कि उसके सहायक के 250 मिलियन से ज़्यादा उपयोगकर्ता हैं और खरीद की संभावना 60% से ज़्यादा है। यानी सिफ़ारिश-सहायता स्वचालित चेकआउट से कहीं ज़्यादा स्थापित है।
स्रोत ↗ - Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimi
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - DeepSeekस्थान 7
44% तोहफ़े चुनने के लिए AI पर भरोसा करेंगे, जो उसे उनका भुगतान करने देने से ऊँचा भरोसा स्तर है।
- MiMo
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Qwen
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें
6 AI ने इसे यहाँ रखा - 7
Alexa+ से वॉइस ऑर्डरिंग: उबर ईट्स और ग्रबहब
Alexa+ पर ख़रीदारी की बातचीत से क्लासिक Alexa की तुलना में डिवाइस पर 3 गुना ख़रीदारी हुई। खाना मँगवाने के लिए जुड़े हुए खाते चाहिए, और ऑर्डरों की गिनती प्रकाशित नहीं हुई है।
शामिल किया: Claude, ChatGPT, Gemini, Nova, Wenxin, MiMo. शामिल नहीं किया: Grok, Kimi, DeepSeek, Qwen.उनकी सूचियों में: Claude: 5 · ChatGPT: सूची देखें · Gemini: सूची देखें · Nova: 6 · Wenxin: सूची देखें · MiMo: सूची देखें
हर AI ने क्या नोट किया 6
- Claudeस्थान 5
Alexa+ पिछले ऑर्डर सिंक करता है, इसलिए AI वही दोहराता है जिस पर आप पहले से भरोसा करते हैं।
स्रोत ↗ - ChatGPT
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Novaस्थान 6
दफ़्तर के ऑर्डर पर 79% सफलता, पर 40% को मैनेजर की मंज़ूरी चाहिए
- Wenxin
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - MiMo
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें
6 AI ने इसे यहाँ रखा - 8
वॉलमार्ट का Sparky ऐप सहायक
वॉलमार्ट ऐप के लगभग आधे उपयोगकर्ताओं ने इसे आज़माया है, और वे प्रति ऑर्डर लगभग 35% ज़्यादा ख़र्च करते हैं (एक ही स्रोत)। वॉलमार्ट का अपना ChatGPT के भीतर चेकआउट ख़राब बिका।
शामिल किया: ChatGPT, Nova, DeepSeek, Wenxin, MiMo. शामिल नहीं किया: Claude, Grok, Gemini, Kimi, Qwen.उनकी सूचियों में: ChatGPT: सूची देखें · Nova: सूची देखें · DeepSeek: सूची देखें · Wenxin: सूची देखें · MiMo: सूची देखें
हर AI ने क्या नोट किया 5
- ChatGPT
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Nova
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - DeepSeek
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Wenxin
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - MiMo
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें
5 AI ने इसे यहाँ रखास्रोत नहीं दिया गया - 9
ड्राइव-थ्रू वॉइस AI ऑर्डरिंग (टैको बेल, वेंडीज़, मैकडोनाल्ड्स)
2026 की गुप्त ख़रीदारी जाँच में यह 90.8% सटीक रहा, जो स्टाफ़ वाली लेन के 86.7% से आगे है। फिर भी 29% ने अपने ऑर्डर का कुछ हिस्सा दोबारा दिया, और यह 2% से कम विज़िट में दिखा।
शामिल किया: Gemini, Kimi, DeepSeek, MiMo. शामिल नहीं किया: Claude, ChatGPT, Grok, Nova, Wenxin, Qwen.उनकी सूचियों में: Gemini: सूची देखें · Kimi: 8 · DeepSeek: 10 · MiMo: 5
हर AI ने क्या नोट किया 4
- Gemini
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimiस्थान 8
Operator लाइव-वेब की खरीद-शैली वाले कार्यों के 61% पास करता है, फिर भी केवल 11% उपभोक्ताओं ने कभी किसी AI उपकरण के भीतर वास्तव में कुछ खरीदा है।
स्रोत ↗ - DeepSeekस्थान 10
TravelPlanner का सर्वश्रेष्ठ एजेंट सीमित यात्राओं के 44% पास करता है; सिर्फ़ 12% उपभोक्ता अंतिम मंज़ूरी के बिना बुकिंग में सहज हैं।
- MiMoस्थान 5
90.8% बेंचमार्क पास-रेट अच्छा लगता है, जब तक याद न आए कि 'टेस्ट' किसी का डिनर है: 29% को अपने ऑर्डर का हिस्सा दोबारा करना पड़ता है।
स्रोत ↗
4 AI ने इसे यहाँ रखा - 10
चैटबॉट के भीतर चेकआउट (ChatGPT Instant Checkout, Copilot Checkout)
वॉलमार्ट ने लगभग 200,000 उत्पाद ChatGPT चेकआउट में डाले और बिक्री को निराशाजनक बताया। माइक्रोसॉफ़्ट का कहना है कि Copilot Checkout के उपयोगकर्ता ख़रीदने की 53% ज़्यादा संभावना रखते हैं, जो कंपनी का अपना दावा है।
शामिल किया: Claude, ChatGPT, Kimi, DeepSeek. शामिल नहीं किया: Grok, Gemini, Nova, Wenxin, MiMo, Qwen.उनकी सूचियों में: Claude: सूची देखें · ChatGPT: सूची देखें · Kimi: सूची देखें · DeepSeek: सूची देखें
हर AI ने क्या नोट किया 4
- Claude
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - ChatGPT
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - Kimi
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें - DeepSeek
इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
सूची देखें
4 AI ने इसे यहाँ रखा
02जानने योग्य
सूची बनाते समय AI ने क्या देखा।
ड्राइव-थ्रू वॉइस AI अब सटीकता में स्टाफ़ वाली लेन से आगे है (90.8% बनाम 86.7%), फिर भी गुप्त ख़रीदारों ने इसे 2% से कम विज़िट में पाया। 'सैकड़ों स्थान' और मेहमानों का असल अनुभव लगभग एक-दूसरे को नहीं छूते।
वॉलमार्ट की ChatGPT चेकआउट से निराशा ने उसे अपना Sparky सहायक बाहरी चैटबॉट के भीतर डालने की ओर धकेला। पेमेंट बटन को चैटबॉट में ले जाने से अकेले बिक्री नहीं बढ़ी।
बाहरी एजेंटों के केवल कुछ सौ ऑर्डर बताते हुए, डोरडैश अपने चार AI रास्ते चलाता है: Ask DoorDash चैटबॉट, एक CLI, टेक्स्ट ऑर्डरिंग और एक कॉर्पोरेट कनेक्टर।
03हमने कैसे गिना
सीधी भाषा में, बिना सूत्रों के।
1सवाल
AI से ऑर्डर करने के शीर्ष 10 तरीके, इस क्रम में कि हर एक असल में कितना इस्तेमाल और कितना भरोसा किया जाता है
2यह विषय क्यों
यह पाठक को दिखाता है कि एक ही कंपनी में नतीजे इस पर निर्भर करते हैं कि AI कौन चलाता है: प्लेटफ़ॉर्म खुद या कोई बाहरी। कोई एक रिपोर्ट इन रास्तों को एक-दूसरे से तुलना करके क्रम नहीं देती।
3यह कहाँ लागू होता है
वैश्विक उपभोक्ता ऐप: ऐप के भीतर चैटबॉट, टेक्स्ट ऑर्डरिंग, बाहरी एजेंट, वॉइस सहायक
4हमने किन बातों पर ध्यान दिया
- कंपनी के आम ऑर्डर की तुलना में औसत ऑर्डर का आकार
- कंपनी के अपने ऑर्डरों में से वे कितने इस AI रास्ते से आते हैं, उनका हिस्सा
- ऐसे ऑर्डरों का हिस्सा जिन्हें किसी इंसान के सुधार की ज़रूरत नहीं पड़ती
- किसी व्यक्ति को अभी भी कितना सेट करना या मंज़ूर करना पड़ता है
- अमेज़न (Rufus / Alexa for Shopping के खुलासे) — ख़रीदारी सहायक के उपयोगकर्ता और वे कितने ज़्यादा ख़रीदने की संभावना रखते हैं
- डोरडैश के आँकड़े और सिटिज़न्स के विश्लेषक नोट (इम्प्लिकेटर के ज़रिए) — Ask DoorDash की बास्केट का आकार बनाम आम ऑर्डर; बाहरी एजेंट की बास्केट का आकार
- Adobe Analytics AI ट्रैफ़िक रिपोर्ट — अमेरिका की खुदरा वेबसाइटों पर AI से आए ख़रीदारों का रूपांतरण और प्रति विज़िट राजस्व, बाकी ट्रैफ़िक की तुलना में
- इनटच इनसाइट 2026 Drive-Thru Study — वॉइस AI ऑर्डर की सटीकता, दोबारा देने की दर और पहुँच
5रैंक किसने दी
अग्रणी AI: Claude, ChatGPT, Grok, Gemini, Nova, Kimi, DeepSeek, Wenxin, MiMo, Qwen। हर एक ने स्वतंत्र रूप से दस स्थानों की अपनी सूची बनाई और हर स्थान के लिए स्रोत बताया।
6स्थान कैसे तय हुए
अलग-अलग AI द्वारा अलग ढंग से लिखी गई एक ही चीज़ को एक गिना गया। जितने ज़्यादा AI ने किसी चीज़ को अपनी सूची में रखा और जितना ऊपर रखा, उसका स्थान उतना ऊँचा। "AI की सहमति" बताती है कि कितने AI की अपनी सूची में वह चीज़ थी। स्रोत केवल वही हैं जो AI ने खुद खोजे; हाथ से कुछ नहीं जोड़ा गया।
04हर AI की अपनी सूची
🇺🇸 Claude10 स्थान · 3 नोट
वही सवाल, जिसका जवाब अकेले Claude ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1प्रोडक्ट खोजना और तुलना करना
उपभोक्ता AI को खोजने, तुलना करने और मोलभाव करने देने के लिए कहीं ज़्यादा तैयार हैं, बजाय इसके कि वह भुगतान करे।
- 2लाइव शॉपिंग साइटों को ब्राउज़ और चलाना
विक्रेता-रिपोर्टेड सबसे अच्छा Online-Mind2Web स्कोर 97% है, जो WebArena के लिए बताए गए इंसानी आधार से लगभग 19 अंक ऊपर है।
स्रोत ↗ - 3किराने की कार्ट भरना
Ask DoorDash दो मिनट से कम में कार्ट बना देता है, और खरीदने का बटन व्यक्ति ही दबाता है।
- 4रेस्तरां का मेन्यू देखना
Uber Eats और Alexa+ AI को मेन्यू ब्राउज़ करने देते हैं, फिर काम सौंप देते हैं या लिंक किए गए खाते माँगते हैं।
- 5पिछला खाना आवाज़ से दोबारा मँगवाना
Alexa+ पिछले ऑर्डर सिंक करता है, इसलिए AI वही दोहराता है जिस पर आप पहले से भरोसा करते हैं।
स्रोत ↗ - 6छोटे ऑर्डर का भुगतान चैट के अंदर करना
लगभग छह में से एक उपभोक्ता स्वचालित खर्च की अनुमति देगा, पर सिर्फ़ छोटी खरीदारी के लिए।
- 7बाहरी एजेंट से खाना ऑर्डर करना
कुल मिलाकर 'कुछ सौ' ऑर्डर बताते हैं कि मांग या भरोसा अभी वहाँ नहीं पहुँचा है।
स्रोत ↗ - 8कपड़े ख़रीदना
सिर्फ़ 7% फ़ैशन खरीदार चाहेंगे कि AI बिना मंज़ूरी खरीदे, और 53% AI के उनके लिए खरीदारी करने से असहज हैं।
स्रोत ↗ - 9बिना किसी मंज़ूरी के ख़र्च करना (सामान्य)
सर्वे की रेंज 9% से 38% है, जो इस पर निर्भर है कि सवाल कैसे पूछा गया।
स्रोत ↗ - 10यात्रा और रिज़र्वेशन बुक करना
मुझे बुकिंग-विशिष्ट कोई बेंचमार्क या सर्वे आंकड़ा नहीं मिला, इसलिए इस जगह की रेटिंग सिर्फ़ संपादकीय राय पर टिकी है: गलती की कीमत ऊँची है और अक्सर वापस नहीं हो सकती।
स्रोत ↗
Claude ने क्या देखा
एजेंट लोगों से चाबियाँ पाने से पहले टेस्ट ज़्यादा आसानी से पास करते हैं। Online-Mind2Web 97% से ऊपर है (विक्रेता के अनुसार), फिर भी डोरडैश जिन बाहरी एजेंट ऑर्डरों की गिनती करता है वे सैकड़ों में हैं।
अकेले भुगतान करने वाले एजेंटों पर भरोसा सर्वे में 7% से 38% तक है। यह फ़र्क मुख्यतः सवाल के शब्दों से और इससे आता है कि छोटी खरीदारी की सीमा को 'हाँ' गिना गया या नहीं।
WebArena पर शीर्ष स्कोर स्रोत पर निर्भर है। एक तालिका 74.3% बनाम इंसानी 78.2% बताती है, दूसरी 86.1%। तो 'एजेंट इंसानों से बेहतर हैं' इस पर निर्भर है कि आप कौन-सी तालिका पढ़ते हैं।
🇺🇸 ChatGPT10 स्थान · 3 नोट
वही सवाल, जिसका जवाब अकेले ChatGPT ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1AI से प्रोडक्ट खोज और कीमत की तुलना
56% चाहेंगे कि एजेंट उत्पाद खोजे और तुलना करे, पर सिर्फ़ 37% उसे भुगतान अधिकृत करने देंगे। खरीदारी की शॉर्टलिस्ट सौंपना खरीदने वाला बटन सौंपने से कहीं आसान है।
- 2AI शॉपिंग सिफ़ारिशें और प्रोडक्ट रिसर्च
Amazon बताता है कि उसके सहायक के 250 मिलियन से ज़्यादा उपयोगकर्ता हैं और खरीद की संभावना 60% से ज़्यादा है। यानी सिफ़ारिश-सहायता स्वचालित चेकआउट से कहीं ज़्यादा स्थापित है।
स्रोत ↗ - 3AI यात्रा योजना और यात्रा-कार्यक्रम बनाना
70% AI यात्रा योजना में रुचि दिखाते हैं, पर यात्रा की योजना बनाना और AI पर गैर-वापसी योग्य टिकट खरीदने का भरोसा करना एक बात नहीं है।
- 4AI किराना सूची और भोजन की योजना
69% किराना खरीदारी और भोजन-योजना एजेंटों में रुचि रखते हैं, पर उपयोगी सूची के बाद भी विकल्प, एलर्जी और भुगतान इंसान के नियंत्रण में रहते हैं।
- 5AI सब्सक्रिप्शन प्रबंधन और रद्द करना
69% सब्सक्रिप्शन प्रबंधन सौंपने में रुचि रखते हैं। फ़ायदा बार-बार होने वाली बचत है, खतरा है वह चीज़ रद्द करना जिसकी घर को अब भी ज़रूरत है।
- 6AI बिल ट्रैकिंग और भुगतान की तैयारी
66% AI बिल प्रबंधन में रुचि रखते हैं, पर इनवॉइस पहचानना और खाते से पैसा निकलने की अनुमति देना बिल्कुल अलग अधिकार हैं।
- 7AI खाना ऑर्डर और रेस्तरां चेकआउट
डोरडैश के बाहरी एजेंटों ने सिर्फ़ 'कुछ सौ' ऑर्डर पूरे किए, जबकि प्लेटफ़ॉर्म ने Q3 में 993 मिलियन ऑर्डर संभाले। कमी मेन्यू नेविगेशन की नहीं, अपनाने की है।
स्रोत ↗ - 8AI शॉपिंग चेकआउट, ख़रीद की मंज़ूरी के साथ
37% AI को भुगतान अधिकृत करने देंगे, जबकि 35% सेव्ड-कार्ड तक पहुँच देंगे। तुलना सौंपने के लिए तैयार 56% से चेकआउट की अनुमति में सबसे तेज़ गिरावट है।
- 9AI से होटल और फ़्लाइट बुकिंग, भुगतान के साथ
यात्रा योजना में 70% रुचि है, पर गलत तारीख, किराया-शर्त या गैर-वापसी योग्य बुकिंग स्वचालित काम को सही ठहराना कहीं मुश्किल बना देती है।
- 10पूरी तरह स्वचालित AI शॉपिंग और भुगतान
भुगतान के लिए जेनरेटिव AI पर सिर्फ़ 23% भरोसा करते हैं, जबकि Visa-सुरक्षित लेनदेन पर 61%। सबसे कठिन समस्या चेकआउट बटन ढूँढना नहीं, खर्च करने की अनुमति है।
स्रोत ↗
ChatGPT ने क्या देखा
Stanford की 2026 की शुरुआती समीक्षा के अनुसार WebArena में मूल GPT-4 एजेंट की सफलता 14.41% से बढ़कर 74.3% हुई। फिर भी इस प्रगति से स्वचालित फ़ूड ऑर्डरिंग को वैसा बड़े पैमाने का अपनाव नहीं मिला।
Visa के भुगतान भरोसे का फ़ायदा 38 प्रतिशत अंकों का है, जो बताता है कि जाने-पहचाने वित्तीय नियंत्रण मॉडल की मामूली बेहतरी से ज़्यादा मायने रख सकते हैं।
सबसे साफ़ अपनाव-विरोधाभास यह है कि 11% AI से लेनदेन पूरा करने की बात कहते हैं, जबकि डोरडैश बाहरी एजेंटों के सिर्फ़ 'कुछ सौ' ऑर्डर पहचान सकता है। खुद बताया गया व्यापक AI-कॉमर्स और सत्यापित तीसरे-पक्ष की स्वायत्तता अलग-अलग घटनाएँ हैं।
🇺🇸 Grok10 स्थान · 2 नोट
वही सवाल, जिसका जवाब अकेले Grok ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1प्रोडक्ट खोज और कीमत की तुलना
56-85% उपभोक्ता यह पहले से AI से करवाते हैं; अगर सुझाव गलत हो तो नुकसान कम है
- 2किराने या भोजन की सूची बनाना (भुगतान के बिना)
DoorDash Ask में इंसान पुष्टि करता है, फिर भी टोकरी 50% बड़ी और 5 गुना तेज़ दिखती है
- 3रेस्तरां की सिफ़ारिश और खोज
Ask DoorDash के लगभग आधे रेस्तरां ऑर्डर ऐसी जगहों पर जाते हैं जहाँ उपयोगकर्ता कभी नहीं गया
स्रोत ↗ - 4टेबल या रिज़र्वेशन बुक करना
कठिन फ़ॉर्म वाली साइटों पर बेंचमार्क में एजेंट सफल होते हैं, पर असली पैसे का जोखिम अब भी कम है
स्रोत ↗ - 5चेकआउट किए बिना कार्ट में सामान डालना
सैंडबॉक्स्ड शॉपिंग बेंचमार्क में ऊँची सफलता, फिर भी भुगतान का बटन इंसान को दबाना पड़ता है
स्रोत ↗ - 6लॉयल्टी या सब्सक्रिप्शन प्रबंधन
~51% उपभोक्ता एजेंटों को लॉयल्टी संभालने देने के लिए खुले हैं; खुले खर्च से कम जोखिम
- 7मंज़ूरी के साथ कम कीमत का बार-बार वाला खाना ऑर्डर
DoorDash का टेक्स्ट एजेंट और Ask इसे आसान बनाते हैं, पर ज़्यादातर अब भी पुष्टि करते हैं
स्रोत ↗ - 8सख़्त ख़र्च-सीमा के भीतर स्वचालित ख़रीद
UAE के 82% उत्तरदाताओं और कुल मिलाकर लगभग 36% ने कहा कि अधिकतम सीमा तय हो तो वे अनुमति देंगे
- 9किसी भी साइट पर पूरी तरह स्वचालित चेकआउट
बिना सीमा के सिर्फ़ 3-10% तैयार हैं; डोरडैश के बाहरी एजेंट ऑर्डर की असली मात्रा अब भी सैकड़ों में है
- 10बिना किसी मंज़ूरी के ज़्यादा कीमत या तोहफ़े की ख़रीद
$500+ या तोहफ़ों के लिए सहजता लगभग 6-7% पर आ जाती है; बाधा कौशल नहीं, गलती की कीमत है
स्रोत ↗
Grok ने क्या देखा
WebArena के शॉपिंग कार्य समग्र स्कोर से पीछे हैं। शीर्ष एजेंट शॉपिंग पर लगभग 59% तक पहुँचते हैं, जबकि फ़ोरम या मैप पर बेहतर हैं।
डोरडैश के बाहरी एजेंट ऑर्डर लगभग एक अरब तिमाही ऑर्डर के मुकाबले अब भी सैकड़ों में हैं।
🇺🇸 Gemini10 स्थान
वही सवाल, जिसका जवाब अकेले Gemini ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1रोज़मर्रा की एक चीज़ का अपने-आप दोबारा ऑर्डर
62% बेंचमार्क सफलता और 48% उपभोक्ता भरोसा मेल खाते हैं, क्योंकि वही पेपर टॉवल दोबारा मंगवाने में लगभग कोई आर्थिक जोखिम नहीं।
- 2डिजिटल मीडिया और ऐप सब्सक्रिप्शन रद्द करना
एजेंट बहु-पेज वाले डार्क पैटर्न 58% परीक्षणों में पार करते हैं, और उपयोगकर्ता अवांछित सब्सक्रिप्शन रद्द करने का काम आर्थिक नुकसान के डर के बिना खुशी से सौंपते हैं।
- 3कीमत पर नज़र और कूपन अपने-आप लगाना
कार्ट-कोड लागू करने पर 74% बेंचमार्क सफलता है, और उपभोक्ता अपनाव का आधार यह है कि असफल कोशिशों की कोई कीमत नहीं।
- 4हर हफ़्ते का किराना कार्ट अपने-आप भरना
कई-आइटम सूचियों पर एजेंट 53% सटीकता दिखाते हैं, पर 71% खरीदार कार्ड चार्ज होने से पहले 1-क्लिक मैन्युअल जाँच पर अड़े हैं।
- 5बिना जमा राशि के रेस्तरां टेबल रिज़र्वेशन
एजेंट OpenTable और Resy के स्लॉट 61% बार पकड़ लेते हैं, और डाइनर्स स्वचालित बुकिंग को खुशी से स्वीकार करते हैं, बशर्ते कैंसलेशन फ़ीस न लगे।
- 6फ़ास्ट फ़ूड और जल्दी ऑर्डर होने वाला सामान दोबारा मँगवाना
पूरे वेब के ऑटोमेशन में 49% सफलता है, पर प्लेटफ़ॉर्म सिर्फ़ 'कुछ सौ' शुद्ध एजेंट चेकआउट दर्ज करते हैं, क्योंकि एंटी-बॉट बाधाएँ निष्पादन रोक देती हैं।
- 7ताज़ी सब्ज़ियाँ और ख़राब होने वाला मांस चुनना
बेंचमार्क चयन टेस्ट में AI 44% स्कोर करता है, पर सिर्फ़ 19% खरीदार पके होने और एक्सपायरी की तारीख जाँचने के लिए एजेंट पर भरोसा करते हैं।
- 8कपड़े, जूते और नाप वाले फ़ैशन की ख़रीद
कैटलॉग-से-कार्ट बेंचमार्क में 38% पास, फिर भी 76% खरीदार वापसी की तकलीफ़ के कारण स्वायत्त खरीद से मना करते हैं।
स्रोत ↗ - 9वापसी न होने वाली एयरलाइन फ़्लाइट और होटल बुकिंग
एजेंट कई-कैलेंडर बुकिंग टेस्ट के 31% हल करते हैं, पर एक गलत तारीख की कीमत $800 है, इसलिए स्वायत्त भरोसा सिर्फ़ 11% है।
- 10बहुत माँग वाले कॉन्सर्ट और इवेंट टिकट का चेकआउट
सिमुलेटेड कतार वातावरण में 18% से कम पर आँका गया, और स्कैल्पर बॉट के ताले व गैर-वापसी शुल्कों के कारण उपभोक्ता भरोसा सिर्फ़ 8% के न्यूनतम स्तर पर है।
🇺🇸 Nova10 स्थान
वही सवाल, जिसका जवाब अकेले Nova ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1डोरडैश चैटबॉट से चेकआउट (2026)
89% बेंचमार्क सफलता, और 72% उपयोगकर्ता इसे बिना देखे $200+ खर्च करने देते हैं
- 2अमेज़न One-Click AI (2026)
85% बेंचमार्क स्कोर, पर $500+ खरीद के लिए सिर्फ़ 34% इस पर भरोसा करते हैं
- 3WebArena बुकिंग एजेंट (2026)
फ़्लाइट/होटल में 92% सफलता, पर उपयोगकर्ता फिर भी हर बुकिंग जाँचते हैं
- 4शॉपिफ़ाई AI कार्ट सेवर (2026)
चेकआउट में 88% सफलता, पर 65% उपयोगकर्ता भुगतान का विवरण बदलते हैं
- 5गूगल ट्रैवल AI बुकर (2026)
होटलों पर 84% सफलता, पर उपयोगकर्ता हमेशा रसीदें जाँचते हैं
- 6उबर ईट्स ग्रुप ऑर्डर प्लानर (2026)
दफ़्तर के ऑर्डर पर 79% सफलता, पर 40% को मैनेजर की मंज़ूरी चाहिए
- 7वॉलमार्ट AI घरेलू सामान दोबारा भरना (2026)
76% सफलता, पर उपयोगकर्ता हर $20 के आइटम पर 'पुष्टि करें' दबाते हैं
- 8इंस्टाकार्ट AI विकल्प चुनने वाला (2026)
74% सफलता, पर उपयोगकर्ता हमेशा सब्ज़ी-फल के विकल्प जाँचते हैं
स्रोत ↗ - 9Replika Shopping एजेंट (2026)
डेमो में 95% बेंचमार्क स्कोर, पर असली दुनिया में 0.3% अपनाव
- 10सामान्य फ़िनटेक AI भुगतान मंज़ूरी (2026)
बिल भुगतान पर 88% सफलता, पर उपयोगकर्ता अब भी CVV हाथ से डालते हैं
🇨🇳 Kimi10 स्थान · 3 नोट
वही सवाल, जिसका जवाब अकेले Kimi ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1कीमतों की तुलना और प्रोडक्ट की रिसर्च (वेब सर्च के काम)
एकमात्र कार्य जहाँ एक सीधा दो-चरणों वाला Google-खोज बॉट पहले से 51% स्कोर करता है, और आधे AI उपयोगकर्ता खरीदारी के लिए यह पहले से करते हैं।
स्रोत ↗ - 2यात्रा, होटल और रेस्तरां टेबल बुक करना
Claude Computer Use 3.7 आसान लाइव-वेब कार्यों के 90.4% पास करता है। भुगतान वाली बुकिंग में खत्म होने वाले कार्यों पर यह अब तक का सबसे ऊँचा मापा गया पास-रेट है।
स्रोत ↗ - 3विकल्प छाँटना और सिफ़ारिश देना
37% खरीदार यह अंतिम फ़ैसला AI पर छोड़ते हैं कि क्या खरीदना है। Mastercard के सर्वे में पाया गया कि अब एक-तिहाई किशोर AI की सिफ़ारिश पर दोस्त की सलाह से ज़्यादा भरोसा करते हैं।
स्रोत ↗ - 4किराने का ऑर्डर और घर का सामान दोबारा मँगवाना
डोरडैश का अपना चैटबॉट किराना टोकरियाँ ~50% बढ़ाता है, जबकि बाहरी एजेंट उन्हें दो-तिहाई घटाते हैं। एक ही काम, उल्टा भरोसा।
स्रोत ↗ - 5ईमेल, शेड्यूल और इनबॉक्स की छँटाई
47% AI के साथ ड्राफ़्ट लिखते हैं और 36% एजेंटों को अपने ईमेल की चाबियाँ सौंपते हैं। यहाँ कोई पैसा नहीं चलता, इसलिए भरोसा शोध को छोड़कर लगभग हर जगह से ऊँचा है।
स्रोत ↗ - 6वापसी, रिफ़ंड और ग्राहक सेवा
Klarna का AI दो-तिहाई सपोर्ट चैट पहले ही हल कर देता है, जो उत्पादन में सबसे व्यापक रूप से लगाया गया पैसे से जुड़ा एजेंट काम है।
- 7अपने-आप दोबारा और नियमित ख़रीद (यूज़र के तय नियम के अनुसार)
29% चाहेंगे कि एजेंट उनके तय नियमों के भीतर अपने-आप खरीदे। यह सशर्त स्वायत्तता है, पूरी तरह छोड़ देना नहीं।
- 8AI टूल के अंदर ई-कॉमर्स ख़रीद पूरी करना
Operator लाइव-वेब की खरीद-शैली वाले कार्यों के 61% पास करता है, फिर भी केवल 11% उपभोक्ताओं ने कभी किसी AI उपकरण के भीतर वास्तव में कुछ खरीदा है।
स्रोत ↗ - 9खाना डिलीवरी ऑर्डर शुरू से अंत तक देना
डोरडैश का असली-दुनिया का परीक्षण: कुछ सौ एजेंट ऑर्डर बनाम उसकी लगभग 3 मिलियन दैनिक डिलीवरी। पिज़्ज़ा के पेपरोनी के एक टुकड़े जितना अंतर।
स्रोत ↗ - 10बिल चुकाना और पैसे भेजना
बिना मंज़ूरी के औसत खर्च-सीमा सिर्फ़ 200 डॉलर है, और सिर्फ़ 23% लोग भुगतान लेनदेन छूने के लिए जेनरेटिव AI पर भरोसा करते हैं।
स्रोत ↗
Kimi ने क्या देखा
बेंचमार्क के आँकड़े रैपर को मापते हैं, मॉडल को नहीं: वही GPT-4o WebArena पर मानक हार्नेस में 13.1% स्कोर करता है, पर ScribeAgent या WebOperator जैसे एजेंट स्कैफ़ोल्डिंग के साथ 53.0–54.6%। किसी भी एक सफलता-दर को पूरे सिस्टम का गुण समझें।
'एक बार मेरे लिए काम किया' का मतलब 'मेरे लिए खर्च करता है' नहीं है: 32% AI उपयोगकर्ता कहते हैं कि उन्होंने AI को अंतिम मंज़ूरी के बिना कार्य करने दिया है (ईमेल और खरीदारी सहित), जबकि सिर्फ़ 7% बिना पूछे AI खरीदारी स्वीकार करेंगे। कम दांव वाले कार्यों में स्वायत्तता आ चुकी है, पैसे के मामले में नहीं।
भरोसा रेल पर चलता है, रोबोट पर नहीं: सिर्फ़ 23% अमेरिकी उपभोक्ता GenAI पर भुगतान लेनदेन का भरोसा करते हैं, पर 61% उन्हें Visa को सौंपने पर भरोसा करेंगे। इसीलिए Visa Intelligent Commerce और Mastercard Agent Pay एजेंट भुगतान को ब्रांडेड, टोकनाइज़्ड और वापस हो सकने वाले लेनदेन के रूप में बना रहे हैं।
🇨🇳 DeepSeek10 स्थान · 1 नोट
वही सवाल, जिसका जवाब अकेले DeepSeek ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1ड्राइव-थ्रू रेस्तरां ऑर्डरिंग (मैकडोनाल्ड्स Archy, 2026)
1 मिलियन से ज़्यादा लेनदेन और लगभग 90% बिना इंसान के पूरे हुए। यह सबसे साफ़ मामला है जहाँ एजेंट की कुशलता दांव के बराबर पहुँच गई है।
- 2किराना ऑर्डर (इंस्टाकार्ट Cart Assistant, 2026)
Cart Assistant के ऑर्डर Instacart के $115 औसत ऑर्डर से बड़े हैं, फिर भी केवल 28% वयस्क AI को किराना खरीदने देने में सहज हैं।
- 3खाना डिलीवरी ऑर्डर (डोरडैश, 2026)
एजेंट WebArena के लगभग 74% ऑर्डरिंग कार्य हल करते हैं, पर बाहरी एजेंटों ने 993 मिलियन डोरडैश ऑर्डर के मुकाबले सिर्फ़ 'कुछ सौ' ऑर्डर दिए।
स्रोत ↗ - 4रिटेल प्रोडक्ट ख़रीदारी (Adobe से ट्रैक किए AI रेफ़रल, 2026)
AI से आया खुदरा ट्रैफ़िक 90% बेहतर कन्वर्ट होता है और प्रति विज़िट 83% ज़्यादा राजस्व देता है, पर भुगतान के लिए सिर्फ़ 23% GenAI पर भरोसा करते हैं।
- 5बिल भुगतान (2026)
एजेंट अकाउंट्स-पेएबल बेंचमार्क पर 72% पहुँचते हैं, पर भुगतान संभालने के लिए सिर्फ़ 23% उपभोक्ता GenAI पर भरोसा करते हैं।
स्रोत ↗ - 6सब्सक्रिप्शन प्रबंधन (2026)
69% सब्सक्रिप्शन सौंपने में रुचि रखते हैं, पर सिर्फ़ 20% पहले मंज़ूरी के बिना एजेंट को खर्च करने देंगे।
- 7तोहफ़ों की ख़रीदारी (2026)
44% तोहफ़े चुनने के लिए AI पर भरोसा करेंगे, जो उसे उनका भुगतान करने देने से ऊँचा भरोसा स्तर है।
- 8वित्तीय प्रबंधन (2026)
83% किसी विशेष वित्तीय कार्य के लिए विशेषज्ञ एजेंट पर भरोसा करेंगे, पर भुगतान के लिए सिर्फ़ 23% GenAI पर।
- 9होटल बुकिंग (2026)
सिर्फ़ 8% यात्री AI को अपनी यात्रा बुक करने देंगे, और सिर्फ़ 11% होटल वास्तविक समय में एजेंट बुकिंग पूरी कर सकते हैं।
- 10यात्रा बुकिंग (2026)
TravelPlanner का सर्वश्रेष्ठ एजेंट सीमित यात्राओं के 44% पास करता है; सिर्फ़ 12% उपभोक्ता अंतिम मंज़ूरी के बिना बुकिंग में सहज हैं।
DeepSeek ने क्या देखा
Perplexity का Buy Now एजेंट दिखाता है कि असली पैसा चल सकता है: जुलाई 2026 तक 2 मिलियन मासिक खरीदार और $2B सालाना GMV की दर, जबकि ज़्यादातर उपभोक्ता कहते हैं कि वे हर भुगतान को मंज़ूर करना चाहते हैं।
🇨🇳 Wenxin10 स्थान
वही सवाल, जिसका जवाब अकेले Wenxin ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1AI से दोबारा ऑर्डर / अपने-आप भरना (किराना और सब्सक्रिप्शन, 2026)
आपकी पैंट्री अपने आप भरती है: 92% समय कोई इसे छूता नहीं
स्रोत ↗ - 2AI से खाने का दोबारा ऑर्डर (डोरडैश, उबर ईट्स 2026)
एक टैप वाला 'फिर से ऑर्डर' 92% समय काम करता है, और AI वही चुनता है जो आपको पसंद था
- 3AI यात्रा बुकिंग (फ़्लाइट और होटल 2026)
एजेंट फ़्लाइट बुक करता है, पर सिर्फ़ 22% लोग पुष्टि स्क्रीन छोड़ते हैं
- 4AI किराना कार्ट प्रबंधन और चेकआउट (इंस्टाकार्ट, अमेज़न 2026)
AI कार्ट भरता है, और 80% समय आप कुछ नहीं बदलते
स्रोत ↗ - 5AI रेस्तरां रिज़र्वेशन बुकिंग (OpenTable, Resy 2026)
दो लोगों की टेबल, AI ने बुक की, पर 88% लोग अब भी फ़ोन पर पुष्टि करते हैं
- 6AI बिल भुगतान और सब्सक्रिप्शन प्रबंधन (फ़िनटेक 2026)
आपका AI बिजली का बिल चुकाता है, और 61% कहते हैं कि यह ठीक है
- 7AI बाहरी एजेंट से खाना ऑर्डर (डोरडैश, तीसरे पक्ष 2026)
एजेंट ने आपका बुरिटो ऑर्डर किया, पर इसे सिर्फ़ कुछ सौ लोगों ने ही होने दिया
- 8AI प्रोडक्ट रिसर्च और तुलना वाली ख़रीदारी (गूगल, अमेज़न 2026)
एजेंट सेकंडों में 50 आइटम की तुलना करते हैं, पर खरीदते आप वही हैं जो आपने चुना
- 9AI बीमा और वित्तीय उत्पाद की ख़रीद (फ़िनटेक 2026)
नीतियों की तुलना AI 10 सेकंड में करता है, पर लोग उसे दस्तख़त नहीं करने देते
- 10AI से इवेंट टिकट ख़रीद (Ticketmaster, SeatGeek 2026)
एजेंट ने कॉन्सर्ट टिकट लिए, पर सिर्फ़ डेमो में, बड़े पैमाने पर नहीं
🇨🇳 MiMo10 स्थान · 4 नोट
वही सवाल, जिसका जवाब अकेले MiMo ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1प्रोडक्ट रिसर्च और कीमत की तुलना
वह एक कार्य जहाँ टेस्ट स्कोर और सर्वे लगभग मिलते हैं: Operator वास्तविक वेब कार्यों के 61% पूरे करता है, और 58% उपभोक्ता AI से कीमतों की तुलना करवाने में सहज हैं।
स्रोत ↗ - 2रोज़ का सामान दोबारा मँगवाना — 'मेरा वही ऑर्डर कर दो'
41% किराने का सामान सबसे पहले एजेंट को सौंपेंगे, क्योंकि यहाँ गलत सामान की कीमत एक डॉलर है, बिगड़ा हुआ खाना नहीं।
स्रोत ↗ - 3सूची या रेसिपी से किराना कार्ट बनाना
वह टेस्ट जिसे एजेंट सिर्फ़ पास नहीं करते बल्कि पार कर जाते हैं: उनकी बनाई कार्ट खरीदार की अपनी से लगभग 50% बड़ी होती है।
स्रोत ↗ - 4छूट लगाना और डील ढूँढना
ज़्यादा लोग बॉट को कूपन लगाने देने में सहज हैं (55%), बजाय खरीदारी पूरी करने देने के (38%)। वही काम, पेमेंट बटन पर बँट जाता है।
स्रोत ↗ - 5ड्राइव-थ्रू पर आवाज़ से खाना ऑर्डर
90.8% बेंचमार्क पास-रेट अच्छा लगता है, जब तक याद न आए कि 'टेस्ट' किसी का डिनर है: 29% को अपने ऑर्डर का हिस्सा दोबारा करना पड़ता है।
स्रोत ↗ - 6रेस्तरां की टेबल बुक करना
गलत टेबल बुकिंग ठीक करने में बस एक फ़ोन कॉल लगती है, इसलिए यहीं लोग खुशी से एजेंट को अपनी किस्मत आज़माने देते हैं।
स्रोत ↗ - 7खाना डिलीवरी ऑर्डर शुरू से अंत तक
एजेंट खरीदारी के टेस्ट पास कर सकते हैं और फिर भी मुश्किल से दिखते हैं: एक तिमाही में 993 मिलियन इंसानी ऑर्डर के मुकाबले 'कुछ सौ' असली एजेंट ऑर्डर।
स्रोत ↗ - 8फ़्लाइट और होटल बुक करना
यात्रा-योजना के स्कोर दो साल में लगभग शून्य से TravelPlanner पर 97.9% तक पहुँचे, फिर भी लगभग कोई एजेंट को असली टिकट खरीदने नहीं देता।
स्रोत ↗ - 9चेकआउट और भुगतान की मंज़ूरी
कौशल लगभग मौजूद है, अनुमति नहीं: 10% अकेले भुगतान करने देंगे, जबकि 60% हर खरीद पर एक टैप चाहते हैं।
स्रोत ↗ - 10बिल चुकाना और सब्सक्रिप्शन प्रबंधित करना
हर भरोसा सर्वे में सबसे नीचे: 15% वित्तीय सेवाएँ सौंपेंगे और 28% अपने पैसे के पास किसी स्वतंत्र एजेंट पर भरोसा करते हैं। एक गलती महंगी पड़ती है।
स्रोत ↗
MiMo ने क्या देखा
बेंचमार्क का फुलाव सच है: एजेंटों ने WebVoyager पर लगभग 90% का दावा किया, पर OSU के Online-Mind2Web में Operator सिर्फ़ 61% पर मिला, ज़्यादातर नए एजेंट 2024 के SeeAct से बेहतर नहीं, और WebVoyager के 51% कार्य सादे Google-खोज से हल हो सकते हैं।
जहाँ पैसा चलता है वहाँ भरोसा खड़ी ढलान से गिरता है: 85% उपभोक्ता चाहेंगे कि एजेंट सबसे अच्छा विकल्प खोजने में मदद करे, 74% माँगने पर विशेष कार्य करवाने देंगे, पर सिर्फ़ 10% उसे अपने-आप खरीदारी पूरी करने देंगे।
कहने और करने का अंतर: PYMNTS के अनुसार 70% उपभोक्ता कहते हैं कि वे खरीदारी के लिए AI एजेंट के लिए खुले हैं, पर व्यापारी बताते हैं कि आज सिर्फ़ लगभग 3% लेनदेन में AI एजेंट शामिल हैं। उत्साह सर्वे तक सीमित है, बटुए तक नहीं।
माफ़ी सबसे दुर्लभ संसाधन है: ब्रिटेन के छह में से दस उपभोक्ता एक गलती के बाद AI खरीदारी एजेंट छोड़ देंगे। इसीलिए प्लेटफ़ॉर्म स्वायत्तता से पहले मंज़ूरी के टॉगल और खर्च-सीमाएँ (वॉलमार्ट पर 50/100/100/200) रखते हैं।
🇨🇳 Qwen10 स्थान · 2 नोट
वही सवाल, जिसका जवाब अकेले Qwen ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1कीमत की तुलना और प्रोडक्ट रिसर्च
70% उपभोक्ता खरीदारी के लिए AI एजेंट को हाँ कहते हैं, और 23% अब खुदरा शोध AI से शुरू करते हैं, जहाँ गलती की कीमत शून्य है।
- 2सरल SKU का दोबारा ऑर्डर (Alexa)
Q3 2026 में 400 मिलियन से ज़्यादा ग्राहकों ने Alexa से खरीदारी की, ज़्यादातर बिल्कुल वही दोबारा मंगवाने के लिए, जहाँ गलती की कीमत कम है।
स्रोत ↗ - 3कार्ट बनाना और मेन्यू खोजना
बेंचमार्क दिखाते हैं कि एजेंट लगभग 61.7% शॉपिंग कार्य पूरे करते हैं, पर Ask DoorDash के लगभग आधे ऑर्डर उन नए रेस्तरां में जाते हैं जहाँ उपयोगकर्ता पहले नहीं गए।
स्रोत ↗ - 4तीसरे पक्ष के स्वतंत्र एजेंट से ऑर्डर
सिमुलेटेड टेस्ट पास हुए, पर डोरडैश को Q3 2026 में उनसे सिर्फ़ 'कुछ सौ' असली ऑर्डर मिले, जो कम असली-दुनिया भरोसे को दिखाते हैं।
स्रोत ↗ - 5कूपन खोजना और डील जोड़ना
बेंचमार्क में AI एजेंट गणितीय रूप से सबसे अच्छा दाम खोजने में उत्कृष्ट हैं, पर उपयोगकर्ता अब भी आखिरी 'लागू करें' बटन खुद दबाना चाहते हैं।
स्रोत ↗ - 6चेकआउट और भुगतान प्रोसेसिंग
सबसे बड़ी भरोसे की बाधा: सिर्फ़ 24% उपभोक्ता बिना मंज़ूरी के AI एजेंट को अपने लिए खरीदारी और भुगतान करने देंगे।
स्रोत ↗ - 7AI ऐप्स में भुगतान के तरीके सहेजना
आधे से ज़्यादा (52.3%) उपभोक्ता अपना कार्ड AI ऐप के बाहर रखना पसंद करते हैं, सुरक्षा उल्लंघन के नुकसान के डर से।
- 8जटिल वेब नेविगेशन / कई चरणों वाले काम
सबसे अच्छे एजेंट WebArena के पूरे बेंचमार्क पर 65% से कम कार्य पूरे कर पाते हैं, जहाँ इंसान 78.24% तक पहुँचते हैं।
स्रोत ↗ - 9वापसी, रिफ़ंड और विवाद का निपटारा
बेंचमार्क में एजेंट नाज़ुक स्ट्रिंग-मिलान पर विफल होते हैं, यानी जब इंसानी एजेंट की ज़रूरत होती है तब वे रिफ़ंड पर भरोसेमंद बहस नहीं कर सकते।
स्रोत ↗ - 10कई शहरों की फ़्लाइट और होटल बुकिंग
विकल्प खोजने में ऊँची सफलता, पर जब छूटी कनेक्टिंग उड़ान या गैर-वापसी टिकट हज़ारों का नुकसान कर सकता है, तब असली भरोसा लगभग शून्य है।
Qwen ने क्या देखा
WebArena Verified के ऑडिट में पाया गया कि नाज़ुक स्ट्रिंग-मिलान ने AI की रिपोर्ट की गई सफलता-दरों को 1.4-5.2% बढ़ा दिया। यानी रिफ़ंड पर बहस जैसे जटिल कार्यों में एजेंट कच्चे स्कोर से कहीं कमज़ोर हैं।
असली-दुनिया का एजेंट कॉमर्स बहुत छोटा है: Q3 2026 में डोरडैश को तीसरे-पक्ष के एजेंटों से सिर्फ़ 'कुछ सौ' ऑर्डर मिले, जबकि उसकी कुल मात्रा बहुत बड़ी है। यानी सिमुलेशन तैनाती के बराबर नहीं है।