Покупатель, которого магазин не видит

В корзине The RealReal десять вещей провели почти весь день. Их туда положил ИИ-агент Meta Muse по просьбе журналистки The Verge Мии Сато. На сайте магазина каждая вещь резервируется на двадцать минут. Когда бронь истекала, Muse добавлял объявления заново. Так повторялось снова и снова.

Сато проверяла, насколько далеко агент способен зайти в обычном интернет-магазине. Покупать вещи она не собиралась. Для неё это был эксперимент, для алгоритма каждое добавление в корзину выглядело очередным выполненным действием. А для других посетителей десять товаров на время исчезли из продажи.

После публикации The RealReal усилила защиту от ботов. Агентам оставили возможность находить объявления и переходить на страницы товаров, а автоматические действия, мешавшие работе площадки, ограничили.

Меня в этой истории зацепила почти бытовая деталь. Магазин увидел покупателя, который весь день что-то выбирал и складывал в корзину, хотя за ним не стояло намерения заплатить. Сайт реагировал на действия программы так, словно перед ним обычный клиент. ИИ уже вошёл в покупательский путь, а торговля только учится понимать, что именно он делает от имени человека.

Привычный путь к покупке постепенно меняется. Раньше человек сам перебирал поисковую выдачу, открывал карточки, сравнивал характеристики и читал отзывы. Теперь часть этой работы можно отдать помощнику. Достаточно описать задачу: найти наушники для поездок, подобрать крем без отдушек или собрать продукты для ужина. Агент сам изучит варианты и вернётся с коротким списком.

Масштаб уже заметен в международных исследованиях. В июне McKinsey опросила около 21 тысячи потребителей из 11 стран. К моменту публикации исследования, 28 октября 2026 года, 53% участников использовали ИИ для покупок в течение предыдущих трёх месяцев. Среди пользователей ИИ 14% уже совершали покупку непосредственно через такой инструмент. В США доля пользователей ИИ, которые завершили покупку с его помощью, выросла с 10 до 17% по сравнению с предыдущим замером.

Российский рынок пока находится на более раннем этапе. Data Insight провела 30 глубинных интервью с активными пользователями ИИ и шесть интервью с представителями крупных ритейлеров. Исследователи разобрали 38 пользовательских сценариев. Во всех случаях человек обращался к ИИ за консультацией, поиском или сравнением. В 13 сценариях агент дошёл до корзины или оформления услуги. Оплата через ИИ-помощника состоялась только в двух.

Эта разница многое объясняет. Люди уже готовы поручать машине работу консультанта, который раньше сидел за стойкой магазина или помогал разобраться в характеристиках на сайте. С оплатой они осторожнее. Пока покупатель хочет сам проверить продавца, убедиться в условиях доставки и нажать кнопку, которая отправит деньги.

В интервью Data Insight участники особенно часто говорили о желании самостоятельно выбирать магазин. Агент может сузить выбор до нескольких подходящих товаров, однако доверие к продавцу и самой площадке человек предпочитает проверять лично. Для ритейлера это важная перемена: покупатель может прийти уже с готовым решением, сформированным где-то в другом интерфейсе.

Data Insight оценивает потенциальную долю агентной коммерции в 7–11% российского e-commerce к 2030–2032 годам. В деньгах это 2–3 трлн рублей. Прогноз опирается на сценарную модель и исследование ранних пользователей. До массового поведения ещё предстоит пройти путь, однако первые привычки уже видны: покупатель всё чаще начинает выбор с разговора с ИИ.

Чтобы агент мог довести такой разговор до заказа, ему нужен доступ к ассортименту, ценам и оформлению покупки. Именно эту инфраструктуру сейчас собирают технологические компании.

В октябре Shopify представил Shop.md, специальный навык для ИИ-агентов. Пользователь может подключить его к ChatGPT, Claude или другому помощнику. Агент получает доступ к каталогу Shopify, в котором больше миллиарда товаров, учитывает предпочтения и историю покупок из Shop и может оформить заказ через Shop Pay. Для покупателя витрина и корзина постепенно превращаются в часть разговора.

В России похожую основу строит Яндекс. В феврале компания представила Yandex Commerce Protocol. Он позволяет интернет-магазинам подключать товары и оформление заказов к Алисе AI и поиску Яндекса. На момент анонса продавать через эти каналы могли уже 3500 магазинов. При этом заказ оформляет сам магазин и получает информацию о покупке.

В июне Яндекс проверил этот сценарий на собственном продукте. Наушники Дропс первую неделю продавались эксклюзивно через чат с Алисой. Пользователь мог узнать об устройстве, выбрать цвет и оплатить заказ, не выходя из диалога. По данным Data Insight, первые пять тысяч устройств раскупили за несколько часов. Всего покупатели оформили более 15 тысяч заказов на сумму свыше 135 млн рублей.

У Shopify и Яндекса разные позиции в этой цепочке. Shopify открывает ассортимент магазинов внешним агентам и даёт им инструмент оформления заказа. Яндекс развивает собственный интерфейс, через который покупатель приходит к продавцу. В обоих случаях разговор с ИИ становится местом, где товар впервые попадает в поле зрения человека.

Допустим, человек просит подобрать пастельное платье с цветочным принтом для весны. Обычный поиск выдаст страницы, где встречаются похожие слова. Хороший ИИ-стилист должен понять, что пользователь ищет конкретный силуэт, цвет и настроение, а затем сопоставить запрос с ассортиментом.

Так работает ASOS Stylist, запущенный внутри ChatGPT в мае 2026 года для пользователей из Великобритании и США. Сервис ищет товары ASOS по категории, случаю и трендам, а подборку показывает прямо в диалоге. Покупатель может посмотреть видео с вещью в движении и перейти на сайт магазина.

За этим интерфейсом стоит большая работа с каталогом. ASOS объединил товарные данные и видеобиблиотеку с помощью технологии Bambuser. Она превращает описание продукта и видеоматериалы в структурированные сведения, которые языковая модель может обработать и использовать в ответе. Видео здесь помогает решить знакомую проблему онлайн-моды: фотография показывает вещь, но движение лучше передаёт посадку и то, как ткань ведёт себя на человеке.

Американский ритейлер Wayfair решает задачу с другой стороны. В его каталоге около 40 млн товаров, распределённых почти по тысяче категорий. Чтобы ИИ мог уверенно сравнивать мебель и предметы для дома, характеристики должны быть точными. Цвет, материал, размер и конструкция влияют на то, попадёт ли товар в подборку под конкретный запрос.

С помощью моделей OpenAI Wayfair проверила более 11 млн товарных характеристик. Система уже обработала свыше миллиона товаров, а перечень параметров, которые ИИ способен проверять, компания расширяет в 70 раз быстрее прошлогоднего темпа. Контролируемый A/B-тест показал рост показов, кликов и позиций в поиске у товаров, для которых использовали эту систему.

У этих двух примеров общий нерв. ASOS учит алгоритм разбираться в стиле и видеть одежду в движении. Wayfair наводит порядок в характеристиках огромного каталога. В обоих случаях компания готовит свой ассортимент к ситуации, когда первым его будет изучать программный посредник.

Раньше карточка товара в первую очередь убеждала человека. Теперь она должна ещё и объяснить машине, что именно продаётся, кому это подходит и чем отличается от соседних вариантов. Название и красивая фотография остаются важными, но выбор всё сильнее зависит от точности данных, которые стоят за ними.

Когда покупатель обсуждает с ИИ будущую покупку, рекламные платформы получают новый момент для контакта. Человек уже объяснил, что ему нужно, назвал ограничения и начал сравнивать варианты. Для бренда это очень конкретная ситуация, в которой можно предложить товар.

Google размещает объявления внутри и рядом с ответами AI Overviews и AI Mode. Они помечены как Sponsored и визуально отделены от органического ответа. Для размещения подходят существующие кампании Search, Shopping и Performance Max. Отдельно покупать место в ИИ-ответах рекламодателю пока не нужно. По данным Google, такие объявления доступны на английском языке в США и ряде других англоязычных рынков.

Amazon пробует другой формат внутри Alexa for Shopping. Подсказки Sponsored Products и Sponsored Brands открывают разговор о конкретном товаре или бренде. Покупатель может задать дополнительные вопросы и продолжить диалог с Alexa. Amazon сообщает, что почти 20% пользователей, взаимодействовавших с такими подсказками, продолжали разговор о бренде. Добавление подсказок к Sponsored Brands, по данным компании, увеличивало конверсию на 6%.

Target вместе с рекламным подразделением Roundel пошёл по третьему пути. В феврале 2026 года компания начала тестировать контекстную рекламу в ChatGPT. Объявления Target и его партнёров появляются рядом с подходящими по смыслу разговорами о покупках. Например, пользователь спрашивает о технике для быстрой готовки и может увидеть предложение аэрогриля. Реклама отделена от ответа ChatGPT и не влияет на его содержание.

Пока эти форматы выглядят по-разному. Google встраивает спонсируемые предложения в ИИ-поиск. Amazon превращает рекламную подсказку в начало диалога о товаре. Target использует контекст разговора, чтобы показать объявление рядом с ответом. Но все три компании стремятся оказаться в моменте, когда человек уже формулирует покупательское решение.

Опрос McKinsey среди 182 американских руководителей рекламных агентств и маркетинговых подразделений показывает, что рынок уже перераспределяет бюджеты. Более половины респондентов инвестируют в рекламу внутри ответов ИИ. Около 40% перераспределяемых бюджетов на AI-рекламу переходят из традиционного поиска и открытого веба на платформы, где объединены данные, измерение результатов и возможность завершить покупку.

Для маркетолога меняется сама точка конкуренции. Раньше бренды боролись за место в поисковой выдаче или за показ в ленте. Теперь им приходится добиваться того, чтобы алгоритм включил товар в короткий список рекомендаций. А если рядом с этим списком появится платное предложение, покупателю ещё предстоит понять, почему система показала именно его.

Участники рынка хотят занять разные места в новой цепочке. Универсальные ИИ-платформы стремятся стать первым экраном, с которого начинается выбор. Маркетплейсы развивают собственных помощников, чтобы удержать пользователя внутри приложения. Ритейлеры подключают внешние протоколы и одновременно думают, как сохранить прямую связь с клиентом.

В исследовании Data Insight представители российского ритейла говорят о риске потерять отношения с покупателем. IT-директор Золотого Яблока Павел Бондарев опасается, что заказ через внешнего агента оставит магазин без прямого контакта с клиентом и обратной связи. Директор по электронной коммерции Restore Андрей Васильев обращает внимание на возможную каннибализацию органического трафика. ИИ-платформы со временем могут начать монетизировать собственные рекомендации.

В Бетховене задаются практическими вопросами. Кто будет контролировать клиента, кому достанутся данные о его выборе, как считать вклад агента в продажу и сколько ритейлеру придётся платить за новый канал?

Data Insight описывает один из возможных сценариев как превращение ритейлера в dark store. Покупатель общается с единым ИИ-интерфейсом, выбирает товар и оформляет заказ там же. Магазин получает заказ, хранит товар и организует доставку. Вся история выбора остаётся внутри платформы, которая разговаривала с человеком.

Для бренда это меняет привычную работу с лояльностью. Человек может годами покупать одну и ту же марку, но каждый раз возвращаться к ней через рекомендации внешнего помощника. В памяти покупателя останется товар и его опыт использования, а следующую покупку снова будет сопровождать чужой алгоритм. Бренду придётся поддерживать отношения сразу на двух уровнях: с человеком, который пользуется продуктом, и с системой, которая решает, когда этот продукт стоит предложить.

Поэтому рынок сейчас проверяет разные модели. Одни компании открывают каталоги внешним агентам, другие строят собственных помощников, третьи сохраняют оформление заказа на своей стороне. Универсального ответа пока нет. Многое будет зависеть от того, кто контролирует интерфейс и какие данные получает после покупки.

Вернёмся к десяти вещам в корзине The RealReal. Muse выполнил команду и снова добавлял объявления после окончания брони. Магазин увидел автоматизированное поведение и закрыл уязвимость. Журналистка получила материал для эксперимента. Обычная покупка так и не состоялась, хотя агент провёл на сайте целый день.

Покупатель всё ещё человек. Он выбирает, кому доверить деньги, и решает, что ему нужно. Но всё чаще первым собеседником магазина становится программа, которая действует от его имени. И брендам уже приходится учиться разговаривать с ней.

The Verge. Al agents are ready to shop. Some retailers are wary, 22 октября 2026.

The Verge. The RealReal won't let Al agents hog designer clothing, 26 октября 2026.

McKinsey. Who wins when Al does the shopping? New evidence on agentic commerce, 28 октября 2026.

Data Insight. Перспективы агентной коммерции в России, август 2026.

Shopify. Fall '26 Edition, октябрь 2026

Яндекс. Яндекс анонсировал первый в России протокол агентной коммерции, 27 февраля 2026.

Яндекс. Яндекс открыл продажи Яндекс Дропс, 9 июня 2026.

ASOS. ASOS launches ASOS Stylist app in ChatGPT, 20 мая 2026.

OpenAl. Wayfair boosts catalog accuracy and support speed with OpenAI, 25 сентября 2026.

Google Ads. About ads in Al-powered experiences in Google Search.

Amazon Ads. What agentic shopping means for advertising, 11 июня 2026.

Target. Target and Roundel Test Advertising in ChatGPT, 9 февраля 2026.

McKinsey. The agentic advertising economy: From attention to action, 16 июня 2026.