Когда выбирает не человек, а его агент

На протяжении всего корпуса AI100 мы говорили о мире, в котором пользователь задаёт вопрос, а система формирует ответ. Это мир ответной среды: бренд конкурирует за право быть названным, процитированным, рекомендованным. Но следующая волна устроена иначе. ИИ-агент не просто отвечает на вопрос — он действует: ищет товары, сравнивает варианты, проверяет цены и наличие, а в некоторых случаях уже завершает покупку, не показывая человеку промежуточный список альтернатив.

Это не отдалённое будущее. ChatGPT Instant Checkout работает с сентября 2025 года, позволяя пользователям совершать покупки прямо внутри диалога через партнёров Shopify и Etsy [1]. Google в январе 2026 года объявил собственный Universal Commerce Protocol (UCP), к которому присоединились Walmart, Target и более 20 партнёров [2]. Amazon строит закрытую экосистему — Rufus AI и Alexa+ — внутри собственной платформы. Три конкурирующие системы уже работают, и ни одна из них не спрашивает у бренда разрешения на участие.

Данные Salesforce по Cyber Week 2025 показывают, что объём задач, выполненных ИИ-агентами от имени покупателей, вырос на 70% по сравнению с 2024 годом, а в Чёрную пятницу — на 84% [3]. Gartner прогнозирует, что к концу 2026 года 25% корпоративных закупок программного обеспечения будет проходить при участии ИИ-агента [4]. McKinsey оценивает, что персонализация и автономные покупки с участием ИИ могут создать дополнительные 1,2 триллиона долларов стоимости для глобальной розничной торговли [5]. По данным Human Security, активность агентного ИИ выросла на 6 900% за последний год, а 64% потребителей планировали использовать ИИ для праздничных покупок в 2025 году [6].

Для бренда эти цифры означают простую, но болезненную вещь: один из самых важных «покупателей» в ближайшем будущем может вообще не быть человеком. А если он не человек, то ему безразличен дизайн сайта, эмоциональное позиционирование, визуальная айдентика и рекламный баннер. Ему нужны структурированные данные, которые он может прочитать, сравнить и проверить.

Сегодня агентная коммерция формируется вокруг трёх несовместимых протоколов. ACP (Agentic Commerce Protocol) — протокол OpenAI и Stripe, работающий через ChatGPT Instant Checkout. OpenAI берёт 4% с каждой транзакции плюс стандартная комиссия платёжного процессора [1]. UCP (Universal Commerce Protocol) — коалиционный протокол Google, подключённый к AI Mode и Gemini, с поддержкой Walmart, Target и Shopify [2]. Закрытая экосистема Amazon — Rufus AI, Alexa+ и Buy for Me, работающие только внутри маркетплейса Amazon.

Для бренда это означает, что нужно быть видимым во всех трёх мирах. Компания, которая оптимизировала данные только для одной платформы, теряет спрос на двух других. И ни один из этих миров не работает по правилам классического SEO.

Покупатель просит ChatGPT: «Найди блендер для смузи до $150, чтобы не шумел и гарантия не меньше двух лет». Агент обращается к каталогам через Shopify. Бренд А — известный производитель с красивым сайтом, но в товарной ленте нет атрибута «уровень шума», а гарантия указана только на странице FAQ в формате PDF. Бренд B — менее раскрученный, но в его Product schema прописаны все двенадцать атрибутов, включая decibel level и warranty_months. Агент выбирает B. Не потому что B лучше, а потому что B — читаемый.

В корпоративном мире механика та же, только ставки выше. Компания ищет procurement software; у одного вендора SSO, ISO 27001, модель развёртывания и SLA прописаны в структурированном каталоге с машиночитаемыми атрибутами. У второго всё это спрятано в PDF-презентации для отдела продаж. Агент, сравнивающий варианты по поручению CTO, выберет первого — не потому что продукт лучше, а потому что данные доступны для вычислимого сравнения.

ИИ-агент не читает маркетинговые тексты так, как это делает человек. По данным MIT Sloan, 82% руководителей называют качество данных главным барьером для достижения целей генеративного ИИ [7]. Агент работает со структурированными атрибутами: название, категория, цена, наличие, характеристики, условия возврата. Если эти данные отсутствуют, неточны или рассинхронизированы между платформами, агент не может корректно сравнить товар — и выбирает конкурента с более чистыми данными.

Это принципиально отличается от ответной среды. В ответе модели бренд может компенсировать слабые данные сильной репутацией или ярким экспертным контентом. В агентном сценарии таких компенсаций нет. Агент принимает решение на основе атрибутов, а не на основе впечатлений. Если ваша товарная лента не содержит машиночитаемых данных о совместимости, гарантии, размерах или сроках доставки, агент может вычеркнуть вас из сравнения ещё до того, как дойдёт до оценки качества.

Ещё одна неприятная особенность агентного мира: классическая веб-аналитика перестаёт работать. Когда пользователь спрашивает ChatGPT о категории товаров, агент сравнивает, рекомендует и оформляет покупку — всё внутри диалога. Сайт бренда не получает ни визита, ни клика, ни сессии [1]. GA4 не видит этого трафика. Маркетолог, который измеряет успех визитами на сайт, не замечает, что продажа состоялась через другой канал.

Это не значит, что аналитика стала бесполезной. Но это значит, что рядом с привычными метриками должны появиться новые: цитирование в агентных рекомендациях, включение в агентные сравнения, конверсия через агентный checkout. Инструменты для этого только формируются, но сам факт необходимости уже очевиден.

Агентный выбор пока не стал доминирующей формой покупки. Но темпы роста таковы, что через 12–18 месяцев он может стать обязательным каналом для любой компании, продающей товары или услуги онлайн. И подготовка к нему начинается не с нового инструмента, а с фундаментальной работы: чистые структурированные данные о продукте, синхронизированные между платформами, машиночитаемые и актуальные.

Для владельца бизнеса это означает ещё один переход в мышлении. Сначала нужно было научиться быть видимым для поисковика. Потом — быть понятным для ответной системы. Теперь — быть пригодным для агента, который не спрашивает, не читает и не кликает, а просто выбирает на основе данных.