Все чаще решение о покупке принимается не на сайте магазина, а в переписке с ИИ-агентом. Российский рынок здесь не исключение: по последним данным, к генеративным сервисам при выборе одежды, электроники и товаров для дома уже обращается каждый третий покупатель в стране. Свежее глобальное исследование Agentic Commerce Retail Tech Report фиксирует ту же тенденцию в мировом масштабе. Я слежу за тем, как технологии встраиваются в розницу, и вижу момент, когда ИИ-агенты перестали быть игрушкой для энтузиастов и стали обычным инструментом рядового покупателя — причем и в России тоже.
Агентная коммерция стала реальностью
По данным CI&T, глобального партнера по внедрению ИИ для технологичного бизнеса, 74 процента покупателей уже пользовались ИИ-агентом во время шопинга. В опросе участвовали 1011 респондентов, и 78 процентов из них признают, что ИИ делает их покупки более осознанными, а 55 процентов говорят, что стали покупать чаще.
Мелисса Минков, глобальный директор по стратегии и аналитике в ритейле CI&T, сформулировала это точно: «Агентная коммерция сегодня уже реальность современного шопинга. Отслеживая покупательские привычки почти десять лет, мы видели, как классический путь покупки “открытие — исследование — покупка” превратился в “исследование — открытие — покупка”, и быстрое распространение ИИ-агентов идеально вписывается в этот сдвиг».
На мой взгляд, эта перестановка местами двух этапов говорит больше, чем кажется на первый взгляд. Покупатель больше не натыкается на товар случайно — он приходит к нему через диалог с алгоритмом, а витрина магазина становится вторым шагом, а не первым. И это ровно то, что сейчас происходит и на российском рынке.
Российский сценарий: та же логика, свои инструменты
В России переход от самостоятельного поиска к делегированию покупок алгоритмам идет параллельно с мировым трендом, и я бы выделил здесь несколько закономерностей.
Прежде всего меняется сам сценарий поведения. Раньше покупатель сначала видел рекламу, а затем изучал товар. Теперь ИИ сначала анализирует множество вариантов под конкретный запрос и сразу выдает готовое решение — то есть исследование предшествует открытию, а не наоборот.
Дальше идет делегирование рутины. Пользователи в России активно тестируют инструменты вроде «Найти дешевле» и «Найти скидку» от Яндекса, которые берут на себя сравнение характеристик, цен и отзывов сразу на нескольких площадках. Здесь заметен и явный фокус на экономию: в категориях с высокой чувствительностью к цене алгоритмы в среднем находят предложения на 20 процентов дешевле базовой стоимости — это уже не просто удобство, а прямая финансовая мотивация пользоваться агентом вместо ручного поиска.
Меняется и сам формат запроса. Покупатели привыкают формулировать желаемое обычным языком — «подбери кроссовки для бега в дождь до 7000 рублей» — вместо того чтобы вручную настраивать фильтры каталога. Это тот же принцип, что описывает CI&T применительно к глобальному рынку: агент становится посредником между желанием и результатом, убирая из цепочки лишние клики.
Что уже делают крупные игроки
Маркетплейсы одними из первых перешли от обычного поискового движка к полноценным ИИ-консультантам. «Маркет AI» от Яндекс Маркета работает на базе нейросети YandexGPT и фактически выполняет функцию личного байера: можно загрузить фотографию вещи и попросить подобрать образ под нее с учетом бюджета и рейтинга магазина — ИИ сам проанализирует отзывы, сравнит характеристики и соберет готовые карточки товаров в одном диалоге. Ozon и Wildberries используют генеративный ИИ для персонализации выдачи, формируя уникальную витрину для каждого пользователя на основе его прошлых покупок и возвратов еще до того, как он введет поисковый запрос.
Похожая логика работает и в нишевом ритейле, где ставка на алгоритмы помогает снижать процент возвратов. Lamoda развивает поиск по визуальному сходству: покупатель загружает скриншот образа из соцсети, а система собирает похожую капсулу из доступных в России брендов. Отдельные оптические бренды сканируют геометрию лица через камеру смартфона и подбирают модели очков без ручного перебора. А агрегаторы люксовых товаров вроде Dropp Market используют ИИ как цифрового байера, который круглосуточно мониторит цены на дефицитные позиции по всему миру.
Банковские супераппы пошли еще дальше, встроив агентов в повседневную рутину. Голосовые ассистенты Сбера и Т-Банка способны выполнять команды уровня «найди доставку, где дешевле всего килограмм индейки и десяток яиц за 30 минут», обращаясь к API нескольких сервисов одновременно и собирая готовую корзину для подтверждения оплаты в один клик.
Даже офлайн-ритейл встроил ИИ в операционные процессы: крупные продуктовые сети используют системы компьютерного зрения для контроля пустых полок и сроков годности, снижая вероятность того, что покупатель не найдет нужный товар на месте.
Глобальный контекст: цифры продолжают расти
CI&T отмечает, что 63 процента тех, кто пока не пробовал ИИ-агента, готовы это сделать — рынок явно не достиг потолка. Опрос Deloitte за 2025 год показал, что 53 процента потребителей экспериментируют с генеративным ИИ или используют его регулярно, тогда как годом ранее эта доля составляла 38 процентов. Крупные западные ритейлеры реагируют на это соответствующим образом: Walmart запустил чат-бот Sparky для подбора товаров, а Amazon расширяет применение генеративного ИИ во множестве продуктов, включая инструменты автоматизации для независимых продавцов.
Мэй Николс, активная покупательница, описала свой опыт в разговоре с Inc.: «Я использую ИИ, чтобы планировать покупки. Сравнение цен, подборки отзывов, иногда просто спрашиваю, есть ли что-то в наличии в местных магазинах». Для нюансов она чаще выбирает Claude, но также обращается к Gemini. По ее словам, инструмент экономит время, которое иначе ушло бы на ручной сбор данных по разным сайтам.
Быстрее всего ИИ приживается в электронике, товарах для личной гигиены и одежде — эту закономерность CI&T фиксирует на глобальном уровне, и она почти зеркально совпадает с российской статистикой по категориям с высокой чувствительностью к цене.
Риск, о котором стоит помнить
При этом Николс обозначила и обратную сторону: «ИИ умен ровно настолько, насколько позволяет его понимание. Если кто-то заложит в систему глупую предвзятость, покупатель из нее выйдет тоже глупый».
Я читаю эту фразу как главное предупреждение всей истории: технология сама по себе не гарантирует умный шопинг, гарантирует его только качество данных и логика, заложенная разработчиками. Ответственность здесь полностью лежит на бизнесе, а не на алгоритме — и это касается любой компании, которая внедряет ИИ-агента для работы с клиентами, будь то маркетплейс, банк или розничная сеть.
Что это значит для бизнеса
Как отметила Минков, «агенты не заменяют сайты ритейлеров, они все чаще становятся первой точкой контакта с покупателем». Практический вывод здесь очевиден: сайт или приложение остаются нужны, но экономика внимания уже смещается в сторону агента. Компания, которая не научится «разговаривать» с этими системами языком структурированных данных — точных карточек товаров, актуальных остатков, понятных характеристик, — рискует остаться невидимой для покупателя еще до того, как тот откроет браузер или приложение.
Российский бизнес уже начал двигаться в этом направлении: маркетплейсы встраивают ИИ-байеров, банки превращают приложения в консьерж-сервисы, продуктовые сети автоматизируют работу с полками. Но это только начало пути, и, судя по динамике роста — как в России, так и в мире, — компаниям, которые сейчас относятся к агентной коммерции как к экспериментальной технологии, стоит пересмотреть эту оценку. Первый контакт с покупателем все чаще происходит не на витрине, а в диалоге с алгоритмом, и тот, кто не встроен в эту логику, рискует потерять этот контакт вовсе.