AI-агенты приходят в e-commerce: как изменятся интернет-магазины и работа с покупателями

Интернет-магазины много лет совершенствовали путь покупателя: поиск, фильтры, карточку товара, рекомендации, корзину и оформление заказа. Теперь между витриной и человеком появляется новый участник — AI-агент, способный самостоятельно искать товары, сравнивать характеристики и собирать корзину по заданным условиям. Для ритейлера это меняет требования к IT-инфраструктуре: Сервер для MCP становится одним из способов предоставить AI-системам контролируемый доступ к каталогу, остаткам, ценам и другим функциям магазина без попыток заставить агента работать с сайтом так же, как это делает человек.

Покупатель может перестать искать товар вручную

Привычный сценарий начинается с запроса в Google или внутреннем поиске магазина. Затем покупатель открывает несколько карточек, сравнивает цены, читает отзывы и выбирает подходящий вариант.

Агентная модель сокращает эту цепочку. Пользователь может сформулировать задачу: подобрать корм для кота на месяц в заданном бюджете, исключить определенные ингредиенты, выбрать товары с доставкой завтра и использовать доступные бонусы. Дальше агент самостоятельно разбирает условия и обращается к магазинам.

Это уже не отдаленная концепция. AI активно используется на этапе выбора товаров.

Согласно исследованию McKinsey, проведенному в декабре 2025 года среди потребителей Франции, Германии и Великобритании, 38% опрошенных уже использовали AI для изучения товаров и услуг или принятия решения о покупке. Среди таких пользователей 63% применяли AI для сравнения брендов, моделей, цен и отзывов.

Для e-commerce последствия существеннее очередного изменения интерфейса. Магазин начинает обслуживать сразу двух посетителей: человека, которому нужны удобная витрина и понятный контент, и программного агента, которому нужны структурированные данные и предсказуемые способы взаимодействия с системой.

MCP «Сільпо»: украинский кейс уже в сети

Показательный пример появился в украинском продуктовом ритейле. «Сільпо» запустило официальный MCP — Model Context Protocol, через который совместимый AI-клиент может взаимодействовать с e-commerce-платформой сети от имени авторизованного пользователя.

MCP в данном случае можно представить как стандартизированный шлюз между AI и функциями магазина. Вместо того чтобы агент пытался распознать кнопку на странице или разбирать HTML-код карточки товара, сервер сообщает ему, какие действия доступны и какие параметры для них нужны.

У «Сільпо» заявлено 40 инструментов. Через MCP доступны каталог, поиск товаров, корзина, заказы, доставка, программа лояльности, бонусы и сертификаты. Для авторизации используется OAuth 2.1 с PKCE. Система рассчитана на MCP-совместимые клиенты, среди которых в документации указаны Claude, Cursor и Kiro.

Практический смысл становится понятнее на бытовом примере. Человек может поручить помощнику собрать продукты для ужина, проверить наличие, добавить подходящие позиции в корзину и учесть условия доставки. AI получает возможность работать не с визуальной оболочкой сайта, а непосредственно с разрешенными функциями магазина.

Для украинского ритейла это интересный прецедент: интерфейсом магазина потенциально становится уже не только сайт или мобильное приложение.

Карточка товара становится данными для машины

В агентной коммерции качество каталога приобретает новое значение. Человеку иногда достаточно фотографии, названия и нескольких строк описания. Агенту нужно однозначно понять характеристики товара, цену, остаток, варианты доставки, ограничения и совместимость с запросом пользователя.

Если важные свойства спрятаны в маркетинговом тексте, характеристики заполнены непоследовательно, а наличие обновляется с задержкой, AI сложнее корректно сравнивать предложение с конкурентами.

McKinsey в исследовании европейского e-commerce прямо относит структурированные и актуальные данные о товарах, ценах, наличии и доставке к условиям готовности бизнеса к agentic shopping. По оценке компании, европейская электронная коммерция сейчас растет примерно на 5–7% ежегодно, а AI становится одним из факторов следующего этапа конкуренции.

Поэтому работа с каталогом постепенно выходит за пределы классического SEO. Product feed, API, Schema.org, единые атрибуты, корректные SKU, актуальные остатки и понятные условия доставки становятся способом объяснить ассортимент не только поисковику, но и системе, которая принимает решение от имени клиента.

Конкурировать придется за выбор агента

Ритейлер привык бороться за внимание человека: позицию в поиске, привлекательный баннер, CTR объявления, открытие push-уведомления. AI-посредник частично меняет экономику этого внимания.

Если пользователь просит найти пять подходящих моделей холодильника, агент может самостоятельно проанализировать десятки предложений и показать только несколько. Человек не увидит большую часть магазинов, которые машина отбросила на этапе сравнения.

Значение получают параметры, которые легко проверить автоматически: конечная цена, наличие, срок доставки, условия возврата, характеристики товара и репутационные сигналы. Красивый интерфейс никуда не исчезает, но перестает быть единственным способом убедить покупателя.

McKinsey оценивает, что к 2030 году через модели agentic commerce потенциально может проходить от $3 до $5 трлн мирового потребительского оборота. Это прогнозный сценарий аналитической компании, а не гарантированный объем рынка.

Для массовых категорий эффект может оказаться особенно заметным. Покупатель вряд ли захочет вручную сравнивать десятки почти одинаковых расходных товаров, если агент способен учитывать прошлые покупки, бюджет и сроки доставки автоматически.

От чат-бота к сотруднику магазина

AI внутри самого интернет-магазина тоже меняет функцию. Чат-бот первого поколения отвечал на заранее предусмотренные вопросы. Агент получает доступ к инструментам и способен выполнять действия.

Покупатель пишет, что получил поврежденный товар. Система находит заказ, проверяет правила возврата, запрашивает фотографию, формирует обращение и предлагает доступный способ возврата. В сложном случае диалог передается оператору вместе с уже собранным контекстом.

Другой сценарий — персональный подбор. Агент видит историю заказов и может подобрать совместимый аксессуар или сформировать повторную корзину. Здесь Сервер для AI-агента может выполнять роль постоянно работающей среды, где размещены интеграции с CRM, каталогом, базой знаний, системой заказов и внешними AI-моделями.

Человека при этом разумно оставлять в цепочке там, где ошибка дорого обходится: возврат значительной суммы, спорная претензия, изменение персональных данных или нестандартная операция. Автоматизация полезна, пока границы полномочий определены заранее.

К чему готовиться ритейлеру?

Подготовка к агентной коммерции начинается вовсе не с установки AI-чата на главной странице. Сначала имеет смысл проверить фундамент: насколько чист каталог, синхронизируются ли остатки в реальном времени, можно ли получить цену программно, описаны ли правила доставки и возврата, существуют ли стабильные API для основных операций.

Следующий уровень — безопасность. Агенту нельзя выдавать безграничный доступ к учетной записи покупателя. Нужны авторизация, ограниченные разрешения, журналирование операций и подтверждение чувствительных действий. Именно поэтому стандартизированные протоколы взаимодействия интереснее самодельных интеграций, в которых права доступа приходится проектировать заново.

Наконец, придется пересматривать аналитику. Если AI сам нашел товар, собрал корзину и привел пользователя непосредственно к подтверждению покупки, классический путь из десяти страниц превращается в несколько машинных запросов и одну человеческую сессию. Pageviews и время на сайте в таком сценарии рассказывают о покупателе гораздо меньше.

Новый покупатель уже рядом

AI-агенты вряд ли одномоментно заменят привычный интернет-магазин. Одежду хочется рассматривать, новые продукты — изучать, а эмоциональные покупки плохо сводятся к набору параметров. Зато регулярные и рациональные покупки гораздо легче делегировать.

Поэтому ближайшее изменение e-commerce выглядит прагматично: часть клиентов продолжит самостоятельно ходить по каталогу, часть будет консультироваться с AI перед покупкой, а часть начнет передавать ему отдельные этапы — от поиска до формирования корзины.

Для ритейла это означает появление нового типа интерфейса. Раньше магазин проектировали для человека и поискового робота. Теперь к ним добавляется агент, который умеет читать каталог, пользоваться инструментами и действовать от имени реального покупателя. И чем раньше ассортимент, инфраструктура и бизнес-процессы станут понятны такому посреднику, тем меньше будет зависимость магазина от того, какой именно экран покупатель откроет перед следующей покупкой.