Агентная коммерция или будущее бизнеса с AI агентами

В январе 2026 года на крупнейшей мировой конференции ритейлеров NRF в Нью‑Йорке три технологических гиганта — Stripe, Microsoft и Google одновременно представили продукты для агентной коммерции. Это модель, при которой покупку совершает не человек, а ИИ‑агент от его имени. Три четверти участников конференции заявили, что уже внедряют или планируют внедрять такие решения. С помощью ИИ покупают 23% американцев и каждый третий россиянин использует нейросети при выборе товаров. Рекомендации — это только первая ступень. Дальше агенты начнут покупать сами, рассчитываться сами, и для этого потребуется совершенно другая инфраструктура.

Что происходит в мире

Дмитрий, последний год все обсуждают ИИ‑агентов, и есть заявления, что агентная коммерция — это главный тренд, но давайте начнём с простого, что это такое и чем отличается от обычных чат‑ботов, к которым мы уже привыкли?

Ключевое отличие от чат‑ботов: бот отвечает на вопросы, агент — действует. Бот ответит «вот ссылка на каталог», а агент сам пройдёт по каталогу, подберет три варианта под ваш бюджет и предпочтения, сравнит отзывы и предложит лучший или даже закажет, если вы дали ему такие полномочия.

Вернемся к результатам отчета, что действительно изменилось за последний год?

Изменилось главное: крупнейшие инфраструктурные компании мира одновременно поставили на одну и ту же идею. Stripe запустил Agentic Commerce Suite и протокол для взаимодействия агентов с магазинами. Google анонсировал Universal Commerce Protocol — единый стандарт, по которому агенты смогут общаться с любой торговой площадкой. Microsoft выкатил Copilot Checkout — покупка товара прямо в чате, без перехода на сайт продавца.

К платформе Stripe подключились URBN, Etsy, Coach, Kate Spade. Больше 25 партнёров — от Salesforce до PwC — поддержали протокол. Это уже не эксперименты, а инфраструктурный сдвиг и цифры это подтверждают. По данным Morgan Stanley, 23% американцев совершали покупки с помощью ИИ за последний месяц. На Чёрную пятницу 2025 года каждая шестая покупка была с ИИ‑ассистентом, а на Cyber Week — уже каждая пятая. McKinsey прогнозирует до триллиона долларов выручки от агентной коммерции к 2030 году только в США. На конференции NRF в январе провели опрос прямо в зале: три четверти присутствующих ритейлеров уже внедряют или планируют внедрение агентных инструментов.

Глобальные тренды в ритейле и рынках B2B

Stripe в отчёте с NRF выделил несколько ключевых трендов. Давайте по ним пройдемся. Первый тренд — ритейлеры перешли от вопроса «если» к вопросу «как»?

Именно так: если год назад настроение было в позиции подождем, то сейчас вопрос другой: «как масштабировать бизнес, не потеряв контроль?» Такая ситуация является показателем зрелости рынка. Все ритейлеры на NRF задавали один вопрос: как должны выглядеть «хорошие» данные о продуктах для ИИ‑агентов? Елена Резникова из OpenAI на конференции подчеркнула: ИИ‑агент работает со структурированными фидами — чистые описания, актуальные цены, наличие в реальном времени. Если ваши данные не структурированы так, чтобы ИИ‑агент мог их прочитать, вас просто не будет в новой воронке продаж. Представьте: агент ищет товар, находит 100 магазинов, но только 10 из них могут дать чистый API с ценой, наличием и описанием. Остальные 90 выпадают из выдачи. Агент не будет разбираться в хаосе вашего каталога. Он возьмёт данные там, где они структурированы.

У крупных ритейлеров тысячи и десятки тысяч наименований товаров и здесь есть важный урок для российского МСБ. Не нужно ждать, пока вы «подготовите все», начните с топ‑20 самых продаваемых позиций. Сделайте их описания машиночитаемыми, добавьте структурированные данные. Это можно сделать за неделю и вы уже в игре.

Возьмем для примера URBN — это компании Anthropologie, Free People, Urban Outfitters, они владеют несколькими брендами с огромным ассортиментом. Директор по информационным технологиям Роб Фриман рассказал рабочую стратегию: они не стали переделывать весь каталог разом. Начали с самых популярных категорий — платья и деним. Стандартизировали язык, атрибуты, таксономию именно там, где ценность будет максимальной.

Второй тренд — крупные ритейлеры запускают собственных ИИ‑агентов. Зачем, если есть ChatGPT?

Это не конкуренция с ChatGPT, а подготовка к новой модели взаимодействия. Home Depot создал ИИ‑помощника Magic Apron, он видит историю покупок клиента, знает, что есть в конкретном магазине рядом. Сторонний агент, как, например, Chat GPT, этой информацией не располагает. Ralph Lauren запустил Ask Ralph — ИИ‑стилиста, который подбирает образы из коллекций бренда. Lamoda в январе запустила ИИ‑помощника по стилю и виртуальную примерку.

Но важнее не то, что эти агенты делают сегодня. Сегодня они консультируют покупателей‑людей. Завтра это будет точка входа для агентов‑покупателей. Когда агент клиента придёт за товаром, он будет общаться не с сайтом и не с менеджером по телефону. Он будет общаться с агентом продавца. И от того, насколько хорошо этот агент умеет обрабатывать запросы, оформлять заказы, предлагать варианты, — зависит, получит ли компания клиента или нет.

Все зациклились на первом слое, где описания товаров должны быть машиночитаемыми. Это необходимый минимум, как наличие сайта для онлайн‑торговли, но настоящие изменения гораздо глубже.

Представьте: агент не просто ищет товар, он его покупает, оплачивает, организует доставку, оформляет возврат. Для этого ему нужна не карточка товара, а целая экосистема. И вот её пока никто толком не строит. Технически процесс можно разбить на три слоя:

1. Первый слой — протоколы взаимодействия. Раньше строили интерфейсы для людей: кнопки, корзины, формы заказа. Теперь нужны интерфейсы для агентов. Агенту не нужна красивая кнопка «Купить». Ему нужен чистый API/MCP, через который он проверит наличие, цену, условия доставки — и оформит заказ автоматически.
2. Второй слой — агенты на стороне бизнеса. Если агент покупателя приходит в ваш магазин — с кем он будет общаться? Бизнесу нужен собственный агент, который умеет принимать входящие запросы, отвечать на них, формировать предложения, обрабатывать заказы.
3. Третий слой — финансовая и юридическая инфраструктура. Если агент покупает — ему нужен доступ к платежному средству. Кто несёт ответственность, если агент ошибется? Как происходит авторизация? Когда два агента — покупателя и поставщика — договариваются между собой, что это с правовой точки зрения?

Эти вопросы пока не решены ни в одной юрисдикции мира, но они уже актуальны.

Риски: фрод, потеря бренда и зависимость от платформ

Не может быть, чтобы всё было так идеально с этими агентами, есть ли подводные камни?

Да, безусловно, есть серьёзные вызовы, и я бы обозначил следующие основные пункты:

1. Первый — это фрод. 78% финансовых институтов ожидают рост мошенничества. Агент совершает покупки быстро, в нетипичных для человека паттернах — антифрод‑системы воспринимают это как бот‑атаку. Нужны протоколы идентификации агентов — «Know Your Agent», по аналогии с банковским KYC.
2. Второй — потеря контроля над описанием продукта. Когда агент рекомендует ваш товар, он описывает его так, как складывается из доступных данных. Включая негативные отзывы. Вы не контролируете, что он скажет. Это, кстати, хороший стимул работать над реальным качеством продукта, а не над рекламной оберткой.
3. Третий — разрушение атрибуции. Всё «путешествие покупателя» — поиск, сравнение, решение — происходит внутри ChatGPT или Copilot. Ваша аналитика этого не видит. По данным исследований, конверсия через агентов пока на 86% ниже, чем через традиционные каналы — потому что инфраструктура к этому не готова.
4. Четвертый — зависимость от платформ. BCG предупреждает: если не действовать, бизнес рискует стать безликим поставщиком, которого агент выбирает только по цене. Кто контролирует агента, тот контролирует воронку. Это похоже на ситуацию с маркетплейсами: зависишь от алгоритмов площадки. Рецепт тот же — не складывать все яйца в одну корзину.

Что означает для России агентная коммерция?

Насколько всё это актуально для российского рынка? Или пока это история про Америку?

Эти технологии уже работают у нас. Яндекс запустил Commerce Protocol, к которому подключены около 3500 магазинов. Lamoda в январе запустили ИИ‑помощника по стилю и виртуальную примерку. Wildberries тестирует персонального ИИ‑ассистента на базе больших языковых моделей. Ozon тоже рассматривает разработку своего ИИ‑помощника для поиска товаров. То есть все крупные российские маркетплейсы одновременно двигаются в сторону агентной коммерции.

Каждый третий россиянин уже использует нейросети при принятии решений о покупках. Это не обязательно покупка через агента — пока это стадия совета. Человек открывает Chat GPT или Claude и спрашивает: какой кондиционер поставить в двушку, бюджет 60 тысяч? Или: какой герметик использовать для ванной, чтобы не почернел через полгода? Получает конкретный ответ с аргументацией и идёт покупать именно это. Формально покупку совершил человек. Фактически решение принял алгоритм. И вот на этой стадии экономика уже меняется — потому что от того, как нейросеть описывает ваш продукт, зависит, придет к вам клиент или к конкуренту. Примерное развитие протокола агентной коммерции будет происходить так:

1. Первая ступень — «агент‑советник» — это текущее состояние. Человек спрашивает нейросеть, какой товар выбрать, куда поехать, что заказать. Решение принимает сам, но опирается на рекомендацию.
2. Вторая ступень — «агент‑исполнитель», горизонт — ближайшие год‑два. Человек говорит: «Закажи эти кроссовки в моём размере». Или: «Забронируй столик в том месте, которое ты рекомендовал». Агент выполняет, а человек подтверждает. Microsoft Copilot Checkout уже работает в этой логике.
3. Третья ступень — «агент‑доверенное лицо» — через два‑четыре года. Типичная покупка будет выглядеть так: «Мне нужны кроссовки для бега по асфальту, бюджет до 15 тысяч рублей». Агент найдет пять вариантов, отсеет те, что плохо дышат (он знает, что вы жалуетесь на потливость ног — потому что он читал ваш диалог с врачом), закажет пару на примерку с бесплатным возвратом. Если не подойдут — оформит возврат сам.

Gartner прогнозирует, что к 2028 году треть корпоративного софта будет включать агентов, самостоятельно принимающих 15% рабочих решений. Начинается с мелочей, но доля будет расти.

Как это работает: кейс из дистрибуции строительной химии

Дмитрий, вы работаете с дистрибьютором строительной химии. Как агентная коммерция касается этого бизнеса?

Например, в компании работают 45 торговых представителей. Более 800 точек по стране. Каждый торговый представитель должен объехать 10–15 магазинов в день: поговорить с владельцем, проверить полки, оформить заказ. Супервайзер, который следит за качеством, физически может прослушать 10–15 звонков в день. А звонков — пять тысяч в месяц, и он видит 5% от реальной картины.

Мы внедрили ИИ‑агента, который обрабатывает все пять тысяч звонков: определяет, кто говорит — менеджер или клиент, оценивает разговор по сценарию, выставляет баллы. Супервайзер теперь не слушает все подряд, а работает только с теми звонками, которые агент пометил как проблемные. Стоимость — два рубля тридцать пять копеек за звонок, включая все расходы на API, распознавание речи и обработку, данные на начало 2026 года. Мы потратили несколько месяцев на оптимизацию пайплайна — подбирали модели, настраивали распознавание голоса, калибровали скоринг. Первые два месяца модель путала менеджера с клиентом. Агенты — не волшебная палочка, они требуют вложений в данные и терпения, но результат окупается многократно.

Вы описываете агента‑сотрудника, а что насчет агента‑закупщика?

Вот тут начинается самое интересное. Закупщик строительной компании каждую неделю часто заказывает одни и те же позиции — пену, герметик, крепеж. Звонит менеджеру, ждёт счёт, подтверждает, ждёт доставку. Рутина, которая съедает часы с обеих сторон. Агент может мониторить остатки на стороне клиента, видеть, когда запасы падают ниже установленного порога, формировать заказ у оптимального поставщика. И тут ключевой момент — он может отправить этот заказ агенту поставщика, который его обработает и подтвердит.

Получается два агента договариваются между собой без участия людей?

В рутинных операциях — да. Человек подключается, когда происходит что‑то нестандартное: новый поставщик, крупная партия, специальные условия. Остальное происходит на автопилоте.

MetaRouter прогнозирует тесты агентной коммерции в этом году. Salesforce выпустил Agentforce — платформу, где ИИ‑агенты автономно квалифицируют клиентов, бронируют встречи, обновляют CRM, генерируют коммерческие предложения. Это не прогноз, а продукт, который уже продается.

Для B2B агентной коммерции нужны протоколы обмена данными между агентами, финансовая инфраструктура для автоматических расчётов, логистическая система, которая понимает машинные запросы, юридическое оформление сделок. Это задача не одной компании — это задача целых индустрий.

Что делать предпринимателям прямо сейчас?

Дмитрий, предлагаю пройти по конкретным решениям для бизнеса, что можете посоветовать?

Исходя из практического опыта нашей команды разработчиков, я бы следовал следующим рекомендациям:

1. Первое — проведите эксперимент. Откройте ChatGPT или любой привычный сервис и задайте вопрос, который задал бы ваш клиент. Если вы поставляете строительную химию — спросите: «Какой монтажной пеной лучше работать при минусовой температуре?» Если у вас кофейня — «Где в Казани хорошая кофейня?» Посмотрите, упоминает ли вас нейросеть в ответе. Если нет — это тревожный звоночек, что вас не существует в том информационном поле, из которого агенты черпают знания. Кстати, сейчас агенты уже выдают полноценную наполненную подходящими точками карту города.
2. Второе — работайте с контекстом, а не только с каталогом. На первой ступени агент рекомендует не по вашей карточке товара, а по тому, что о вас написано в открытых источниках. Отзывы, статьи, упоминания, описания на сайте. Если на сайте написано «Широкий ассортимент по привлекательным ценам» — это не информативно, агент ничего из этого не извлечет, а «Монтажная пена AKFIX 805 PRO, выход до 65 литров, рабочая температура от −10 до +35, время полной полимеризации — 2 часа» — это конкретное описание, с которым алгоритм может работать.
3. Третье — начните думать о взаимодействии с агентом‑покупателем. Какие вопросы он задаст? Какие данные ему понадобятся? Цена понятно, а условия возврата? Какая минимальная партия? Есть ли совместимость с другими товарами? Сроки доставки в конкретный город? Чем полнее вы ответите на эти вопросы в машиночитаемом формате, тем больше шансов, что агент приведёт к вам клиента.
4. Четвёртое — начните выстраивать специальную архитектуру, внутри которой агент‑покупатель сможет реализовать любые сценарии. Подбор нужной конфигурации, размеров и других свойств. Проверка доставки, оплата товара, организация логистики, отслеживание товара и его обслуживание. Все должно быть реализовано через доступные к подключению агентов MCP протоколы, с понятной документацией и инструкциями по каждому сценарию для ИИ‑агентов.

Как одно из решений, вы можете начать строить своего агента, чтобы когда агент‑покупатель постучится — у вас был кто‑то, кто его встретит. Начните с малого, сделайте бота, который отвечает на типовые вопросы о товаре, проверяет наличие, называет цену, потом добавьте обработку заказов, далее автоматические расчёты. Со временем внедрите агентов внутри компании для обработки звонков, контроля качества, генерации отчётов, маршрутизации задач. Это даст команде практический опыт работы с агентами. Мы в дистрибуции начали именно с контроля качества звонков и это принципиально изменило понимание того, что агенты реально могут, а что нет.

Прогноз на ближайшие годы

Какой прогноз, что изменится через два‑три года?

Через два‑три года у большинства активных пользователей будет агент‑ассистент, как сейчас смартфон. Он будет знать предпочтения, бюджет, расписание. Morgan Stanley считает, что к 2030 году почти половина онлайн‑покупателей будет использовать агентов. Но самое интересное — не сами агенты, а экосистема вокруг них.

Я вижу четыре направления, которые либо возникнут с нуля, либо радикально трансформируются:

1. Финтех для агентов — платёжные системы, авторизация, лимиты, аудит автономных транзакций. Stripe уже на пороге этого, но рынок огромный.
2. Страхование действий агентов — покрытие ошибок, неверных решений, устаревших данных. Допустим, агент заказал партию товара по цене, которая оказалась устаревшей. Кто платит разницу? Это новый класс страховых продуктов, которого сейчас не существует.
3. Логистика, интегрированная с агентами — не просто «доставка 3–5 дней», а машиночитаемые данные о слотах, маршрутах, возможности консолидации заказов. Кто первый это построит, тот получит серьезное преимущество.
4. Юридическое поле agent‑to‑agent — оферты, договоры, ответственность, идентификация. Сейчас правового поля не существует, но оно появится, потому что через агентов будут проходить деньги, и это потребует регулирования.

Звучит как идеи для стартапов. Что посоветуете тем, кто будет читать нашу статью?

Это новый уровень борьбы за лучший сервис, в котором выиграют те, кто хорошо понимает логику построения агентов и то, как они будут принимать решения. Те, кто ответит на эти вопросы сейчас, через три года будут задавать правила, а остальные будут к ним адаптироваться.