ИИ-агенты в e-commerce: как продавцам не потерять покупателя

Российский e-commerce стоит на пороге смены правил: решение о покупке постепенно переходит от человека к алгоритму. Диалоговый ИИ в e-commerce — и он может делать выбор вместо него. По прогнозу Data Insight и «Яндекса», к 2032 году через ИИ-агентов будет проходить 7–11% продаж российского e-commerce, или 2–3 трлн рублей.

#Кто получит власть в новой модели

В цепочке продаж больше влияния у того, кто контролирует точку принятия решения. В агентной модели это владелец ИИ-сервиса. McKinsey предупреждает: компании, которые промедлят с переходом, рискуют потерять позиции — ИИ-агенты становятся новыми привратниками коммерции. Для витрин, поставщиков и складов это риск превратиться в звенья чужой системы: если агент не находит товар или не доверяет данным о нем, покупатель до продавца не дойдет.

Идет борьба за главный актив — внимание клиента, и оно все больше перетекает к ИИ-ассистентам.

Значит ли это, что каждому ретейлеру нужен собственный агент? Скорее нет. Это дорогое вложение с высоким риском: для обучения агента нужно много данных, которых у небольших игроков обычно нет. Остальным выгоднее попасть в рекомендации существующих ИИ-сервисов, где уже накоплены трафик и доверие пользователей. Так и происходит: по словам «Яндекса», продавцы, на которых приходится 17% российского e-commerce, уже интегрированы в транзакционную инфраструктуру компании и доступны для покупок через «Алису AI».

#С каких категорий ИИ начнет решать за нас

Первыми под управление алгоритма уйдут товары повседневного спроса: бытовая химия, продукты, расходники. Они предсказуемые, а цена ошибки низкая. Агенту достаточно знать бюджет, предпочтения по брендам и наличие товара. Пока доверие ограничено суммой: по данным Data Insight, ключевой порог для пользователей составляет около 5 тыс. рублей.

Готовность отдать ИИ сам выбор тоже невысока. В опросе Gartner среди американских потребителей даже в категориях с низкой ценой ошибки — товары личной гигиены, бытовые принадлежности — доверить ИИ решение о покупке были готовы не более 11% респондентов.

Во вторую волну войдут товары, где важны вкус и статус: базовая одежда, электроника, подарки. Здесь решают нюансы, а чтобы учесть их, агентам нужно больше данных о человеке. К тому же выбор моделей пока нестабилен: в эксперименте Wharton агенты выбирали разные товары из одного и того же набора, когда исследователи меняли состав или порядок источников.

#Что происходит на практике

Большинство агентных сценариев сегодня — это разговорный подбор вариантов, а не автономная покупка. Исследование Data Insight подтверждает: пользователи в основном доверяют ИИ на этапе выбора товара и намного реже — при добавлении в корзину и оформлении заказа. Логичный следующий шаг — автоматические покупки: умный холодильник, подключенный к домашнему ИИ, сможет оформить заказ с учетом расписания хозяина, его предпочтений и даже того, что вечером ждут гостей.

#Карточка вместо баннера

Там, где покупку совершает агент, привычные инструменты продаж работают иначе. Классическая реклама рассчитана на глаза и эмоции, а агент в первую очередь читает данные: характеристики, цену, рейтинг, наличие. Но внешние сигналы не перестают действовать. Исследователи в 2025 году показали на симуляторе маркетплейса, что на выбор агентов влияют позиция товара на странице и значки вроде «Спонсорский» и «Выбор редакции», причем разные модели реагируют на них по-разному.

Влияние на агента смещается с картинки и слогана на данные, отзывы и независимые оценки. полной и точной карточки товара: чем подробнее описаны характеристики, состав, отзывы и наличие, тем выше шанс попасть в рекомендацию. Часть бюджетов может перетечь из визуала в качество и структуру данных о товаре. В итоге привлечение клиента подешевеет для производителей качественных товаров и подорожает для тех, кто делает ставку только на упаковку.

Оптимизация под ИИ становится новым SEO. На Западе для нее уже появились термины AEO (answer engine optimization — оптимизация под ответы ИИ-ассистентов) и ACO (agentic commerce optimization — оптимизация карточек под восприятие ИИ-агентом). От SEO ее отличает акцент на фактической точности. Но гарантией выбора точная карточка не служит: исследования показывают, что на решение агента влияют и внешние обзоры, и порядок источников, и коммерческие условия. Одной оптимизации данных мало.

#Как агент выбирает товар

Попадание в рекомендации — это многослойная система оценки.

• Технический слой: полнота и точность данных о товаре, актуальная цена, наличие на складе в реальном времени.
• Репутационный слой: рейтинги, отзывы, независимые обзоры и подтвержденные сертификаты. В эксперименте Wharton один независимый обзор сильно смещал выбор агента.
• Слой удобства: скорость доставки, расположение пунктов выдачи заказов, оплата при получении.
• Коммерческий слой: договоренность между продавцом и владельцем агента. Это самая спорная зона: если комиссия становится фактором ранжирования, конкуренция может перестать быть честной для покупателя.

На первые три слоя продавец может влиять сам.

#Что делать селлеру уже сейчас

1. Провести аудит карточек. У каждого товара должны быть заполнены характеристики, состав, размеры и совместимость, а цена и остатки — обновляться в реальном времени. Расхождение между карточкой и реальностью подрывает доверие и снижает шансы попасть в рекомендацию.
2. Работать с отзывами и подтверждениями. Собирать отзывы после покупки, отвечать на негатив, выкладывать сертификаты. Это сырье для репутационного слоя.
3. Подтянуть логистику и условия: сроки доставки, сеть пунктов выдачи, оплату при получении.
4. Следить за цифровой видимостью компании. Агент собирает информацию с доступных источников, поэтому стоит убедиться, что рейтинг цифровой видимости у вашей компании не ниже 70 по методологии iMetod.
5. Проверять, как бренд видят ИИ-ассистенты. Регулярно задавать им типовые запросы покупателей в своей категории и фиксировать, попадает ли товар в ответ и как его описывают.

Измерять результат можно по трем показателям: доля трафика из ИИ-ассистентов в веб-аналитике, частота упоминаний бренда в ответах по ключевым запросам и конверсия этого трафика в сравнении с поисковым.

#Доверие, которое будет продавать

Может ли нейросеть, получив право выбора, незаметно подменять привычные товары более дорогими «от партнеров»? Эксперименты показывают, что риск есть. Один из возможных сценариев: сначала мы привыкаем к интерфейсу и начинаем ему доверять, затем это доверие монетизируют. ИИ, который знает привычки и характер пользователя, может оказаться убедительнее обычной рекламы.

С регулированием пока неясно. С 1 сентября 2026 года частично действует рамочный закон о развитии технологий ИИ. По разбору юристов на ppc.world, он задает терминологию и правила для больших фундаментальных моделей, а нормы о возможности маркировать ИИ-контент вступают в силу с 1 марта 2027 года. О партнерских рекомендациях ИИ-агентов покупателям в этом разборе не говорится, и не факт, что действующих норм хватит, чтобы защитить покупателя.

Человек сможет не передавать выбор агенту. Но базовая версия ИИ-агента станет частью маркетплейсов и будет бесплатной: Wildberries уже объявил о запуске ИИ-ассистента в поисковой выдаче, он работает на модели, разработанной внутри компании. Сейчас готовность делегировать покупки невысока, но привычка и желание сэкономить силы могут это изменить.

#Что это значит для селлеров

Выигрывать в конкуренции за ИИ-трафик будут не те, кто громче рекламируется, а те, чьи данные агент находит, понимает и считает надежными. Для большинства продавцов это означает работу с карточками, отзывами, условиями доставки и цифровой видимостью, а не создание собственного агента. По прогнозу Gartner, к 2028 году 60% брендов будут использовать агентный ИИ для персональных взаимодействий с клиентами.

Агентная коммерция может прийти быстрее, чем кажется по сегодняшней доле в 0,4–1%. Начните с аудита карточек и репутации уже сейчас — чем раньше компания приспособится, тем меньше риск, что решение о покупке будет принято без нее.