ИИ для покупок: как магазины адаптируются или НЕТ к ИИ-агентам?

Журналистка The Verge Мия Сато попросила ИИ-агента Meta Muse проверить, насколько далеко тот способен зайти в обычном интернет-магазине. На The RealReal товар резервируется на 20 минут. Когда срок истекал, Muse снова добавлял объявление в корзину. Так продолжалось часами.

Для алгоритма это была серия выполненных команд. Для других покупателей — десять товаров, которые временно исчезали из продажи. После публикации материала The RealReal усилила защиту от ботов: искать объявления и открывать карточки товаров агентам оставили, а автоматические действия, мешающие работе площадки, ограничили.

В этой истории важнее всего не сама лазейка, а то, что она показывает. Магазин уже умеет распознавать действия пользователя по привычной логике: посмотрел товар, положил в корзину, оформил заказ. Но теперь часть этих действий может выполнять программа от имени человека. И рознице приходится заново разбираться, кто именно находится по ту сторону интерфейса.

Покупатель всё чаще начинает не с магазина

Раньше путь к покупке выглядел примерно одинаково: человек открывал поиск, перебирал варианты, читал характеристики и отзывы, сравнивал цены. Теперь часть этой работы можно передать ИИ.

Достаточно описать задачу своими словами: найти наушники для поездок, выбрать крем без отдушек, собрать продукты для ужина. Агент сам изучит предложения и вернётся с более коротким списком.

Это уже не только экспериментальная модель. 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 них 14% уже совершали покупку непосредственно через такой инструмент. В США доля пользователей ИИ, завершивших покупку с его помощью, выросла с 10 до 17% по сравнению с предыдущим замером.

В России рынок пока заметно осторожнее. Data Insight провела 30 глубинных интервью с активными пользователями ИИ и шесть интервью с представителями крупных ритейлеров. Исследователи разобрали 38 пользовательских сценариев.

Картина получилась показательной:

• во всех 38 сценариях человек обращался к ИИ за консультацией, поиском или сравнением;
• в 13 случаях агент дошёл до корзины или оформления услуги;
• оплатить покупку через ИИ-помощника удалось только в двух сценариях.

То есть роль консультанта люди уже готовы отдавать машине, а деньги — пока не так охотно. Пользователь хочет сам убедиться, какой магазин выбран, проверить условия доставки и только потом подтвердить оплату.

Это меняет и роль самого магазина. Человек может прийти на его сайт уже после того, как ИИ отобрал несколько подходящих вариантов. Решение о том, что покупать, всё чаще формируется не внутри карточки товара и даже не внутри самого магазина.

По оценке Data Insight, к 2030–2032 годам на агентную коммерцию потенциально может приходиться 7–11% российского e-commerce, или 2–3 трлн рублей. Это сценарный прогноз, основанный на исследовании ранних пользователей, а не описание уже сложившегося рынка. Но направление понятно: точкой входа в покупку всё чаще становится разговор с ИИ.

Витрина постепенно переезжает в чат

Чтобы агент мог не просто посоветовать товар, а довести пользователя до заказа, ему нужны доступ к ассортименту, цены, данные о покупателе и способ оформить покупку. Именно вокруг этого сейчас строится новая инфраструктура.

В октябре Shopify представил Shop.md — навык для ИИ-агентов. Его можно подключить к ChatGPT, Claude или другому помощнику. Агент получает доступ к каталогу Shopify с более чем миллиардом товаров, учитывает предпочтения и историю покупок из Shop и может оформить заказ через Shop Pay.

Для пользователя это выглядит просто: поиск товара, сравнение вариантов и оформление заказа постепенно становятся частью одного разговора.

В России похожую модель развивает Яндекс. В феврале компания представила Yandex Commerce Protocol — механизм, который позволяет 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 сам заказ оформляет магазин и получает информацию о покупке.

В июне Яндекс отдельно проверил 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 5000 устройств раскупили за несколько часов. Всего покупатели оформили более 15 тысяч заказов на сумму свыше 135 млн рублей.

У Shopify и Яндекса разные роли в этой цепочке. Shopify делает ассортимент магазинов доступным внешним агентам и даёт им механизм оформления заказа. Яндекс развивает собственный интерфейс, через который пользователь приходит к продавцу. Но результат схожий: товар всё чаще появляется перед человеком внутри разговора с ИИ, а не на главной странице магазина.

Карточке товара теперь нужно объяснять себя машине

Представим простой запрос: найти пастельное платье с цветочным принтом для весны. Традиционный поиск в первую очередь сопоставляет слова. ИИ должен понять контекст: какой нужен силуэт, оттенок, стиль и для какого случая подходит вещь.

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.

Но за таким интерфейсом стоит работа с самими данными каталога. ASOS объединил товарную информацию и видеобиблиотеку с помощью технологии Bambuser, чтобы превратить описание продукта и видео в структурированные сведения, которые языковая модель может использовать в ответах.

Видео здесь решает вполне практическую задачу: фотография показывает вещь, но движение лучше передаёт посадку и поведение ткани на человеке.

Wayfair идёт другим путём. В его каталоге около 40 млн товаров почти в тысяче категорий. Для ИИ важна не только фотография, но и точность характеристик: цвет, материал, размер и конструкция могут определить, попадёт ли конкретный предмет в подборку.

С помощью моделей OpenAI Wayfair проверила более 11 млн товарных характеристик. Система уже обработала свыше миллиона товаров, а список параметров, которые она способна проверять, компания расширяет в 70 раз быстрее прошлогоднего темпа. По данным Wayfair, контролируемый A/B-тест показал рост показов, кликов и позиций в поиске для товаров, обработанных этой системой.

Оба примера решают одну задачу с разных сторон: ASOS помогает алгоритму лучше понимать стиль и визуальную подачу, а Wayfair приводит в порядок характеристики огромного каталога.

Раньше карточка товара в первую очередь убеждала человека. Теперь она должна ещё и точно объяснить машине, что продаётся, кому это подходит и чем товар отличается от соседних вариантов. Название и фотография никуда не исчезают, но за ними всё важнее становится качество структурированных данных.

Реклама тоже перемещается в разговор

Как только человек начинает обсуждать с ИИ будущую покупку, появляется новый рекламный момент. Пользователь уже сформулировал потребность, ограничения и начал сравнивать варианты. Для бренда это гораздо конкретнее, чем обычный показ объявления.

Google размещает рекламу внутри и рядом с ответами AI Overviews и AI Mode. Объявления помечены как Sponsored и визуально отделены от органического ответа. Для размещения подходят существующие кампании Search, Shopping и Performance Max; отдельную кампанию только для ИИ-ответов покупать не требуется. По данным Google, такие объявления доступны на английском языке в США и ряде других англоязычных рынков.

Amazon тестирует другой сценарий внутри Alexa for Shopping. Подсказки Sponsored Products и Sponsored Brands запускают разговор о конкретном товаре или бренде. Пользователь может задавать дополнительные вопросы и продолжать диалог с Alexa. Amazon сообщает, что почти 20% пользователей, взаимодействовавших с такими подсказками, продолжали разговор о бренде. По данным компании, добавление подсказок к Sponsored Brands увеличивало конверсию на 6%.

Target и рекламное подразделение Roundel выбрали ещё один подход. 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, запрос о технике для быстрой готовки может сопровождаться предложением аэрогриля. Реклама отделена от ответа ChatGPT и, по заявлению компании, не влияет на его содержание.

Форматы разные, но логика одна: попасть в момент, когда покупатель уже сформулировал, что именно ему нужно.

По данным McKinsey, среди 182 американских руководителей рекламных агентств и маркетинговых подразделений более половины уже инвестируют в рекламу внутри ответов ИИ. Около 40% перераспределяемых бюджетов на AI-рекламу, по оценке исследования, переходят из традиционного поиска и открытого веба на платформы, где объединены данные, измерение результатов и возможность завершить покупку.

Для маркетинга это меняет сам объект конкуренции. Раньше бренды боролись за место в поисковой выдаче или показ в ленте. Теперь всё чаще нужно добиваться того, чтобы алгоритм включил товар в короткий список рекомендаций.

Главный вопрос — кто контролирует покупателя

Разные участники рынка пытаются занять разные места в новой цепочке.

Универсальные ИИ-платформы хотят стать первым экраном, с которого начинается выбор. Маркетплейсы развивают собственных помощников, чтобы не выпускать пользователя из приложения. Ритейлеры подключают внешние протоколы, но одновременно ищут способы не потерять прямую связь с клиентом.

В исследовании Data Insight представители российского ритейла прямо говорят об этом риске. 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 указывает на возможную каннибализацию органического трафика: со временем ИИ-платформы могут начать отдельно монетизировать собственные рекомендации.

Здесь возникает несколько практических вопросов:

• кто контролирует интерфейс, в котором человек принимает решение;
• кому достаются данные о его выборе и покупке;
• как считать вклад агента в продажу;
• 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 хранит товар и организует доставку, а история выбора остаётся внутри платформы, которая разговаривала с человеком.

Для брендов это особенно важное изменение. Даже лояльный клиент может каждый раз приходить к одному и тому же товару через внешнего помощника. Он помнит продукт и собственный опыт, но следующий контакт с брендом снова проходит через чужой алгоритм.

Поэтому компаниям приходится работать сразу с двумя собеседниками: с человеком, который покупает и пользуется продуктом, и с системой, которая решает, когда этот продукт стоит ему предложить.

ИИ уже стал посредником — теперь магазинам нужно к нему привыкнуть

История с десятью вещами в корзине The RealReal хорошо показывает переходный момент. Muse выполнял команды 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 по-прежнему человек: именно он решает, что ему нужно и кому доверить деньги. Но часть пути к этому решению уже всё чаще проходит через программу, которая действует от его имени.

Для магазинов это означает простую, но серьёзную перемену: недостаточно быть удобными для человека. Нужно ещё сделать так, чтобы машина могла правильно понять ассортимент, сравнить его с конкурентами и безопасно довести пользователя до заказа.

Похоже, следующий этап e-commerce будет строиться не только вокруг витрины, поиска и корзины. Всё большее значение получает тот, кто стоит между покупателем и магазином и первым отвечает на вопрос: «Что мне купить?»