Покупатель — не вы. Как алгоритмы начали покупать за людей и почему это уже не фантастика

коротко о том, что такое agentic commerce, кто им уже пользуется в России и в мире, и почему обычным магазинам пора шевелиться.

В феврале 2026 года в России случилось то, что в США происходит уже два года, а мы как будто пропустили. Яндекс представил Yandex Commerce Protocol — стандарт, по которому магазины могут отдавать товары прямо в чат с Алисой AI. К концу апреля заявки на подключение подали 1 600 магазинов, более 200 крупных ритейлеров уже интегрировались.

На первый взгляд — ещё один технический протокол, мало ли их. На самом деле — переломный момент. Это значит, что покупатель скоро перестанет ходить по сайтам и сравнивать. За него это будет делать алгоритм.

Звучит как фантазия про будущее? Уже нет. К началу 2026 года 35% российских покупателей в интернете используют ИИ при выборе товаров. 41% советуются с нейросетями перед покупкой техники. Половина зумеров в США доверяет ИИ выбор подарков больше, чем себе. Amazon за год заработал на своём AI-помощнике дополнительные $12 миллиардов.

В этой статье — что такое agentic commerce, кто из крупных игроков на нём уже зарабатывает, как меняется доверие людей к покупкам через алгоритм, и что нужно сделать брендам, чтобы не остаться за бортом. Без футурологии. Только то, что работает прямо сейчас.

Что такое agentic commerce и почему это не «улучшенные рекомендации»

Чтобы понять, зачем вообще нужно новое слово, попробуйте сравнить три сценария покупки одних и тех же кроссовок для трейлраннинга.

Сценарий первый — как было пять лет назад. Вы открываете Яндекс или Wildberries, забиваете «кроссовки для трейла», листаете десять страниц, читаете отзывы, переходите на три сайта, сравниваете цены, заказываете. Полтора часа времени.

Сценарий второй — как чаще всего сейчас. Вы открываете ChatGPT или Алису и спрашиваете: «Какие сейчас хорошие кроссовки для бега по горам, есть плоскостопие, бюджет до 12 тысяч». Получаете развёрнутый ответ с тремя вариантами и плюсами-минусами каждого. Дальше — всё равно идёте на маркетплейс, добавляете, оплачиваете сами. Минут двадцать.

Сценарий третий — agentic commerce. Вы говорите Алисе: «Купи мне Salomon Speedcross в 42 размере на чёрной подошве, доставка к пятнице, до 12 тысяч». Алиса сама ходит по магазинам, сравнивает цены, наличие и сроки, выбирает оптимум, приносит вам предложение: «Магазин X, 11 400 рублей, доставка к четвергу — подтвердить?». Вы говорите «да». Покупка оформлена. Деньги ушли. Меньше минуты.

Разница не в скорости. Разница в принципе работы. В первых двух сценариях алгоритм даёт совет — действует человек. В третьем — действует алгоритм. Человек только формулирует намерение и подтверждает результат.

Технически это называется переходом «от нахождения к действию». И именно за этот переход сейчас сражаются Яндекс, Google, OpenAI, Amazon, Alibaba и десяток платёжных систем.

Ещё одна важная деталь: в третьем сценарии алгоритм не сидит на сайте магазина и не имитирует пользователя — он общается с магазином напрямую, через специальный программный интерфейс. Не парсит карточку товара глазами, а читает структурированные данные о цене, складе, размере, материале. Это и есть протокол. И именно поэтому магазины, которые сейчас не готовят свои данные правильно, в скором будущем для агентов станут невидимыми.

Кто уже зарабатывает: пять кейсов с цифрами

Amazon: Rufus — золотая жила, которой больше нет

Amazon запустил своего AI-помощника Rufus в 2024 году как «эксперта-консультанта»: спрашиваешь — он отвечает, помогает выбрать. За полтора года Rufus стал привычкой 300 миллионов покупателей. Конверсия в покупку в сессиях с Rufus оказалась в три раза выше, чем в обычных. Только за 2025 год Amazon заработал на этой воронке дополнительные $12 миллиардов.

В ноябре 2025 года появилась функция Auto Buy: пользователь задаёт желаемую цену на товар, и Rufus сам совершает покупку, когда цена падает ниже порога. В апреле 2025 — Buy for Me: агент уходит на сторонние сайты, оформляет там заказ и оплачивает его инфраструктурой Amazon, не выпуская пользователя из приложения.

13 мая 2026 года Rufus как отдельный бренд закрыли. Его функции встроили в Alexa for Shopping — прямо в строку поиска Amazon.com. Этот шаг показывает направление: AI-помощник больше не «фича в углу», а основной интерфейс магазина.

И ещё одна цифра, которая в маркетинговых отчётах попадается реже: 20% пользователей, увидевших спонсорский брендовый промпт в Rufus, продолжают разговор именно об этом бренде. То есть реклама внутри AI-помощника работает в пять раз эффективнее обычной баннерной — и это новая бюджетная статья, которой у вас ещё нет.

OpenAI и Walmart: дорогой урок про доверие

В сентябре 2025 года OpenAI запустил Instant Checkout — возможность купить товар, не выходя из ChatGPT. Партнёрами стали Walmart, Target, Sephora, Nordstrom, Best Buy. У ChatGPT 900 миллионов активных пользователей в неделю. Казалось, успех неминуем.

В марте 2026 года Instant Checkout фактически свернули. За полгода подключилось около 30 продавцов. У Walmart конверсия покупок внутри ChatGPT оказалась в три раза ниже, чем на собственном сайте Walmart.

Почему провалилось? Люди готовы советоваться с ИИ. Готовы получать рекомендации. Но не готовы нажимать «оплатить» внутри незнакомого интерфейса. Доверие к платёжному моменту нужно строить долго — короткой ссылкой и брендом OpenAI его не заменишь.

Сейчас OpenAI и Shopify пошли другим путём: товары видны в ChatGPT, но оплата идёт через привычную пользователю инфраструктуру магазина. Этот же принцип лежит и в российском YCP. Продаёт магазин — агент только канал.

Яндекс: первая ласточка в России

Yandex Commerce Protocol — это четыре способа интеграции магазина с Алисой. Самый простой — для магазинов на платформе Яндекс KIT, там подключение происходит автоматически. Для тех, кто на 1С-Битрикс, нужен модуль и выгрузка фидов в Яндекс Товары. Для остальных есть API-интеграция в бета-режиме. А кто не готов разворачивать собственное решение, может работать через классическое подключение фидов.

Сценарий уже работает: пользователь спрашивает у Алисы что-то вроде «хочу купить кроссовки для бега», получает подборку, выбирает, оплачивает через привычные платёжные сервисы — и заказ напрямую попадает в учётную систему магазина.

К концу апреля 2026 года — 1 600 заявок и более 200 интеграций. По объёму это пока далеко от Amazon, но для российского рынка момент важный: впервые появилась стандартизированная точка входа в агентский канал. Параллельно Яндекс развивает полностью агентный режим Алисы — это когда вы говорите «купи кроссовки 42 размера до 8 000 рублей», а ассистент сам идёт на маркетплейсы и оформляет.

Google и Microsoft: тяжёлая артиллерия в США

В январе 2026 года Google на отраслевой выставке NRF представил Universal Commerce Protocol — открытый стандарт, который поддержали Meta, Microsoft, Salesforce, Stripe, Shopify, Etsy, Target и Wayfair. Это попытка создать единые правила игры для всей агентской коммерции, чтобы не было фрагментации, как у Amazon и OpenAI.

Параллельно Microsoft вывел Copilot Checkout в продакшен. Логика та же: разговор с Copilot заканчивается покупкой, без перехода на сайт магазина.

В этой битве уже сейчас понятно, что не будет одного победителя. Будет три-четыре больших экосистемы, и каждый бренд должен будет решать, в каких из них присутствовать.

Alibaba и китайский путь

В Китае Alibaba встроила свой собственный ИИ Qwen прямо в Taobao. Никаких сторонних протоколов, никаких партнёров — закрытая вертикальная экосистема. Это работает за счёт масштаба: Taobao настолько большой, что бренду проще играть по правилам Alibaba, чем не играть вовсе.

Для российских ритейлеров это похоже на сценарий «маркетплейсы Wildberries, Ozon, Яндекс.Маркет встраивают ИИ-помощников в свои интерфейсы», который происходит прямо сейчас. По сути, это уже агентская коммерция — только люди этого ещё не называют этим словом.

Готовы ли люди доверять покупки алгоритму

Самая интересная картинка по доверию выглядит так: люди уже массово используют ИИ для выбора, но не готовы отдать ему оплату

По данным РБК и Яндекса, 35% российских интернет-покупателей в начале 2026 года используют ИИ при выборе и покупке товаров. По опросу НАФИ, 43% россиян в принципе готовы доверить выбор товаров и услуг искусственному интеллекту. По данным «АльфаСтрахования», 32% советуются с нейросетями перед крупными покупками, а 47% сравнивают товары через ИИ для поиска более выгодных предложений.

Чаще всего обращаются к нейросетям перед покупкой электроники и техники (41%), при планировании путешествий (27%), при выборе бытовой техники (23%). По другому опросу — одежда, обувь и аксессуары (37%), косметика и парфюмерия (28–29%).

А теперь — что тормозит. В международном опросе Criteo на выборке 6 300 человек из шести стран выяснилось: 55% боятся делиться платёжной информацией с ИИ-агентом, 57% — личными данными и геолокацией. 62% россиян считают, что рекомендации нейросетей всё равно нужно перепроверять. И 38% опасаются, что алгоритмы дают рекламные советы под видом независимых.

Ещё одна важная деталь: 44% россиян хотя бы раз сталкивались с ошибкой нейросети при покупке. Один такой промах — и человек на полгода отворачивается от технологии.

Кому доверяют, а кому нет

Доверие сильно зависит от того, что покупать. По НАФИ:

Зелёная зона (доверяют): развлечения (21% доверия), одежда и непродовольственные товары (14%), путешествия, рутинные покупки, подарки. Здесь алгоритм даёт максимальную пользу — он быстро перебирает варианты, которые человеку лень сравнивать.

Жёлтая зона (ищут, но не покупают): дорогая техника, мебель, ноутбуки. Люди готовы получать рекомендации, но финальное решение оставляют за собой.

Красная зона (не доверяют): медицина и образование (не более 7% доверия), финансы, недвижимость, продукты питания. Слишком высокая цена ошибки, либо вопрос телесной автономии («что я ем — выбираю сам»).

И любопытный парадокс: 22% россиян в принципе не доверяют ИИ выбор товаров. Среди людей с высоким уровнем достатка таких уже 30%. Чем дороже у человека стоят покупки, тем меньше он готов делегировать алгоритму.

Поколения

Среди покупателей 18–24 лет ИИ при покупках используют 49%. Среди 25–34 лет — 41%. Старше 45 лет — всё ещё 24%, и аналитики РБК ожидают, что именно эта аудитория даст основной прирост в ближайшие два года. Регионы тоже подтянутся: за пределами Москвы и Санкт-Петербурга проникновение должно вырасти на 40 процентных пунктов.

То есть мы сейчас в моменте, где молодёжь и крупные города привыкли, а основная масса людей ещё нет. У бренда есть окно в 12–18 месяцев, чтобы оказаться готовым к моменту, когда эта основная масса подключится.

Как агенты выбирают товары: данные побеждают красивые фотографии

Главный сдвиг для маркетинга, который мало кто проговаривает прямо: красивая фотография и убедительный текст перестают быть аргументами. В смысле — для человека они по-прежнему важны, но человек теперь видит карточку второй, после того как агент уже отсортировал варианты.

А агент смотрит на четыре вещи в строгом порядке: чистые данные, машиночитаемая разметка, фид в актуальном формате и согласованность данных между каналами.

Четыре слоя данных, которые должны быть у каждого товара

Базовый слой — разметка schema.org прямо на сайте. Это бесплатно. В коде карточки прописываются поля: название, цена, наличие, бренд, GTIN, размеры, материалы, ставка отзывов. Без этого ваш товар для агента — мутное пятно, в котором ничего не разглядеть.

Слой фидов — товарные feed-форматы под конкретные платформы. Для России это фиды в Яндекс Товары (через них товар попадает в YCP и в поиск). Для глобальных брендов — Google Merchant Center, OpenAI commerce feed.

Слой протоколов — стандартизированный способ передачи данных в момент оформления заказа. В России — YCP. В мире — ACP (от OpenAI и Stripe) и UCP (от Google и Shopify).

Слой реального времени — MCP-серверы. Это endpoint, к которому агент обращается прямо во время разговора с пользователем: «есть ли товар на складе сейчас, какая цена прямо сейчас, есть ли красный в 42-м размере». Не кэш, не фид, а живое подключение к системе магазина.

Ключевой момент, который губит больше всего магазинов: данные должны совпадать между сайтом, фидами и маркетплейсами. Если на сайте цена 5 000 рублей, в Яндекс Товарах — 4 800, а на маркетплейсе — 5 200, агент решит, что вы ненадёжный источник, и просто перестанет вас рекомендовать. Машина не прощает рассинхрона.

3D и AR: почему фотографии перестают работать

Параллельно с агентами растёт спрос на 3D-модели товаров и AR-просмотр. Связь прямая: когда выбор делает агент, человеку нужна максимально честная визуализация, прежде чем он скажет «да, беру». Фотография стола в студии не отвечает на вопрос «влезет ли в мою прихожую».

Цифры по эффекту от 3D и AR в e-commerce:

Конверсия: +94% в среднем по каталогу Shopify, в отдельных кейсах — до +250%.
Возвраты: −40% по данным Shopify, −25% по McKinsey. Для мебели и одежды это огромная экономия.
Время на странице: 75 секунд с 3D-вьюером против 49 без.
IKEA Place: пользователи AR-приложения покупают в 11 раз чаще и возвращают товар в 2,7 раза реже.
Warby Parker (виртуальная примерка очков): +40% к конверсии онлайн.

Сейчас 3D-модель стоит $50–500 за SKU — недорого, если речь о 10–20 топовых товарах в каталоге. К концу 2026 года ожидается массовый выход AI-инструментов для генерации 3D-моделей из обычных фотографий — это уронит стоимость до $20–50.

Категории, где 3D окупается быстрее всего: мебель, бытовая техника, одежда, обувь, очки, украшения, косметика, сложная электроника. Категории, где 3D пока не нужен: продукты, бытовая химия, расходники.

Здесь главный парадокс агентской коммерции: чем больше рутины уходит в алгоритм, тем выше становится цена тех точек, где остаётся человек.

Половина зумеров в США говорит, что AI-шопинг убивает удовольствие от процесса. И при этом 47% Gen Z активно использовали ИИ для покупок за последний год. То есть люди не отказываются от технологии — они хотят и эффективности, и эмоции. Просто эмоции мигрируют.

Когда выбор и оплату делает агент, эмоциональный заряд концентрируется в трёх точках: момент формулировки желания («что я вообще хочу»), момент подтверждения шорт-листа («да, вот это») и момент физического получения товара. Бренды, которые это понимают, инвестируют в упаковку, инструкции, ритуалы доставки, follow-up-коммуникации.

Параллельно меняется роль физического магазина. По свежему отчёту ICSC и McKinsey (апрель 2026, опрос 3 000 покупателей), магазины расходятся на два полюса:

Convenience-магазины — скорость, надёжное наличие, забежал-забрал. Большую часть таких покупок в перспективе вообще заберёт агент через доставку.
Discovery-магазины — опыт, история, событие. Сюда идут специально. Более 40% Gen Z и миллениалов говорят, что experiential retail повышает вероятность визита к бренду.

«Среднее звено» — обычные магазины с просто широким ассортиментом — вымывается между этими полюсами. Транзакции уходят в онлайн через агентов, а оффлайн остаётся либо как «терминал самовывоза», либо как «театр бренда».

Продавец в физическом магазине тоже меняется. Он перестаёт быть «справочником с ногами» (эту функцию забрал ИИ) и становится тем, кем должен был быть изначально — человеком, который рассказывает историю, помогает с эмоционально нагруженным выбором, проявляет внимание там, где алгоритм бессилен.

Что точно останется за человеком

Есть пять зон, куда агент не зайдёт ни через год, ни через пять:

1. Высокая цена ошибки. Недвижимость, машина, дорогая мебель — люди хотят контролировать сами. Среди россиян с высоким достатком 30% в принципе не готовы доверять ИИ выбор товаров.

2. Здоровье и тело. Медицина (доверие ИИ не более 7%), продукты, лекарства. Тут вопрос не доверия к технологии, а телесной автономии.

3. Идентичностные покупки. Свадебное платье, обручальное кольцо, подарок ребёнку на совершеннолетие, первая машина. Это не товар — это часть истории человека.

4. Покупки-ритуалы. Букет жене, выбор книги в подарок, поход в винный бутик перед ужином. Сам процесс выбора и есть продукт.

5. Эмоционально нагруженные категории с живым экспертом.** Косметология, эстетическая медицина, психотерапия, тренеры. Физическая встреча — часть результата.

Любопытный встречный сигнал: половина зумеров готовы отдать ИИ выбор подарков. Но не потому, что подарок не важен, а потому, что подарок-как-обязанность утомителен. То есть граница «делегируется/нет» проходит не по категории, а по смысловой нагрузке: «подарок потому что надо» — отдаём, «подарок потому что хочу» — оставляем себе.

Что делать брендам в России: пять конкретных шагов

Если убрать риторику и оставить действия, для российского бренда сейчас есть пять понятных шагов. Все они окупаются вне зависимости от того, насколько быстро взлетит агентский канал — потому что улучшают и обычные продажи.

Первый шаг — единый источник данных о товаре. Если данные раскиданы по Excel, CMS, ERP и таблицам у разных менеджеров — никакая агентская интеграция не заработает. Нужна PIM-система (Product Information Management). В России: Brandquad, AGORA, AVES, Pimroom. Для маленького каталога подойдёт даже хорошо ведённая Google-таблица как первая итерация.

Второй шаг — машиночитаемые карточки. Schema.org разметка на сайте, чистый товарный фид в Яндекс Товары, точные характеристики на маркетплейсах (Wildberries, Ozon, Яндекс.Маркет). Это базовая гигиена, которую почему-то до сих пор не делает половина российских брендов.

Третий шаг — пилот 3D/AR на 10–20 SKU. Берёте топовые по обороту или те, у которых высокий процент возвратов. Заказываете 3D-модели через одну из российских студий ($50–500 за SKU). Подключаете на сайте и в карточках на маркетплейсах. Измеряете эффект на конверсию и возвраты — обычно окупаемость 1–3 месяца. Дальше масштабируете.

Четвёртый шаг — работа с отзывами как с критическим сигналом. Магазин с 50 подробными разнообразными отзывами (включая критические, на которые бренд отвечает) обходит магазин с 500 однотипными «спасибо, отлично». Агенты ранжируют именно по содержательности и реакции бренда. Запускайте механики получения качественных отзывов, отвечайте на негатив публично и по делу.

Пятый шаг — подключение к актуальным агентским каналам. YCP — точка входа в Алису AI и поиск Яндекса. Технически интеграция реализована в четырёх форматах: магазины на платформе Яндекс KIT подключены автоматически; на 1С-Битрикс — через модуль и выгрузку фидов; для других CMS — через API в бета-режиме. Готовиться имеет смысл и к тому, что в ближайшие 6–12 месяцев свои протоколы появятся у других экосистем (есть сигналы по линии Сбера и ГигаЧата). Бренд с чистыми данными подключится к новому каналу за недели — у бренда с данными в Excel на это уйдёт полгода.

А что с маркетингом, если собеседник — алгоритм

Главный сдвиг тонкий, но принципиальный. Карточка товара теперь должна работать на двух адресатов одновременно — на алгоритм (через структурированные данные и схему) и на человека (через визуал, историю, social proof). Это не разные тексты, а одна страница, хорошо «читаемая» с двух сторон.

Конкретные изменения:

Оптимизация под намерение, а не под ключевые слова.** Агент формулирует запрос как человек консультанту: «трейловые кроссовки, плоскостопие, бег по горам, до 8 000». Карточка должна отвечать на такой сценарий — расширенные FAQ, явные use-cases, ответы на возражения.

Brand-as-trust-signal. В мире, где конкретные товары взаимозаменяемы, единственная защита бренда от ценовой войны — узнаваемость. Когда пользователь явно называет имя бренда в запросе («найди Salomon», а не «найди кроссовки»), агент сначала ищет именно этот бренд. Это значит, инвестиции в бренд из «приятной роскоши» становятся структурной защитой выручки.

Прозрачность в спонсорстве. 75% теряют доверие к платформе при первом ощущении скрытой рекламы. Маркированная нативная реклама работает; замаскированная — обваливает доверие к каналу и к самому бренду. Не пытайтесь обмануть алгоритм через формулировки — это считывается.

Post-purchase коммуникация. Если первое касание с покупателем было через агента, бренд может вообще не появиться в его сознании в момент выбора. Тогда единственная точка контакта — упаковка, инструкции, follow-up. Сюда смещается заметная часть маркетингового бюджета.

Retail media как новая бюджетная статья. Реклама внутри AI-помощника эффективнее обычной — Amazon показывает 20% продолжения разговора после спонсорского промпта. Аналоги появятся и в России. Стоит закладывать эту строку в план уже сейчас.

Сколько у бренда времени

Если коротко — год-полтора. Дальше окно начнёт закрываться.
McKinsey оценивает, что агентская модель может перенаправить $3–5 триллионов мирового розничного оборота к 2030 году. В США — рынок в $1 триллион к тому же сроку, при том что 68% американцев уже использовали хотя бы один AI-инструмент для шопинга за последние три месяца.

В России цифры пока скромнее, но динамика та же. Аналитики РБК прогнозируют рост доли интернет-покупателей, использующих ИИ при покупках, с текущих 35% до 74% в среднесрочной перспективе. Это значит, что покупательский опыт за два года изменится принципиально, и магазины, которые сейчас не подготовили карточки и не вышли в агентские каналы, окажутся в положении «магазин без вывески на людной улице» — товар есть, его никто не видит.

Хорошая новость: подготовка к agentic commerce не требует героических действий. Не нужно покупать дорогое ПО, нанимать команду AI-инженеров и переписывать сайт. Нужно сделать пять конкретных вещей, которые и так улучшают обычные продажи: единый источник данных, чистые карточки, пилот 3D, работа с отзывами, подключение к актуальным каналам.

Плохая новость: те, кто начал в 2025, к концу 2026 будут опережать конкурентов на полтора-два технологических цикла. И эта дистанция со временем только растёт.

Когда-то поход за покупками означал разговор с продавцом. Потом — клик по сайту. Скоро — фразу в адрес ассистента. Покупатель не исчезает. Меняется только, кто за него ходит по магазинам.

Главный вопрос для бренда сейчас не «верить ли в эту историю». Главный вопрос — успеете ли вы подготовиться к моменту, когда ваши покупатели начнут говорить агентам не «найди мне кроссовки», а «купи мне кроссовки в таком-то магазине». Это разница в одно слово. И в полную перестройку розничного опыта.

Краткое резюме статьи для тех, кто долистал

Agentic commerce — это не рекомендации, а автономные покупки: алгоритм выбирает, сравнивает и оформляет за человека.
В России уже работает Yandex Commerce Protocol: 1 600 заявок, 200+ интеграций за два месяца.
Amazon на AI-помощнике Rufus заработал $12 млрд дополнительных продаж за год.
35% российских покупателей используют ИИ при выборе; молодёжь — почти 50%.
Доверие к покупкам ИИ растёт, но платить через агента готовы пока меньшинство.
Эмоция от шопинга мигрирует в момент получения товара и в физический «театр бренда».
Магазины с чистыми данными, машиночитаемыми карточками и 3D-моделями будут выигрывать у конкурентов с обычными фотографиями.
Окно для подготовки — 12–18 месяцев. После этого подключение к агентским каналам станет существенно дороже.