Искусственный интеллект в электронной коммерции — настоящее дело скрыто до того, как пользователь совершит оплату

За последние тридцать лет инфраструктура электронной коммерции практически постоянно совершенствовалась в одном направлении: сделать процесс покупки максимально плавным для пользователя. Одноразовая оплата, токенизация платежных подтверждений, распознавание лица и отпечатков пальцев — всё это было направлено на снижение трения в момент оплаты.

Но после внедрения AI-агентов в процесс покупок изменения начали происходить до момента оплаты. Задача агента — понять намерения пользователя, отобрать товары, сформировать корзину и в рамках явно заданных полномочий выполнить следующий шаг.

Поэтому, Agentic Commerce нельзя воспринимать только как проблему платежей. Платежи всё ещё важны, но это лишь последний этап цепочки покупок. Первым, что было переписано AI, стала та часть процесса, которая происходит до одобрения транзакции.

1. Намерения пользователя превращаются в исполнимые ограничения

В традиционной электронной коммерции решения о покупке обычно принимаются в рамках длительного и случайного процесса просмотра страниц. Пользователь ищет, переходит на страницу товара, сравнивает отзывы, переключается между платформами, а на его решения влияют цена, дизайн страницы, акции и рекомендации.

Но когда агент действует от имени пользователя, процесс принятия решения перед оплатой перестраивается. Пользователь может не указывать конкретную платформу или товар, а дать описание на естественном языке с множеством ограничений. Обычно эти ограничения включают: чёткий лимит бюджета, сроки исполнения, исключённые бренды и персональные предпочтения по параметрам.

Ранее эти условия были просто предпочтениями в голове пользователя, теперь они превращаются в правила фильтрации при выполнении задачи агентом. Агент должен разбить естественный язык на понятные машине, сравнимые и исполнимые ограничения.

Это изменит распределение ценностей в бизнес-цепочке. Раньше продавцы боролись за клики и конверсии на страницах товаров; в будущем, многие товары сначала пройдут через фильтр агента. Страницы по-прежнему важны, но данные о товаре, актуальные цены, наличие на складе, сроки доставки, правила возврата и структура параметров станут решающими для попадания в список кандидатов.

2. Генеративные ответы AI станут новым интерфейсом отображения товаров

Эти параметры и ограничения сначала определят, попадёт ли товар в список кандидатов. После того, как намерения пользователя разбиты на ограничения, они передаются в AI-движки и модели, что порождает совершенно новый интерфейс отображения товаров.

Если раньше входом в систему был результат поиска, то новый витриной AI Commerce становится ответ, сгенерированный моделью.

Ранее, при поиске по вопросу о потреблении, пользователь видел набор страниц, рекламы, обзоров и ссылок на магазины. Бренды боролись за позиции в выдаче, клики и конверсии; пользователь сам открывал страницы, сравнивал параметры, проверял достоверность информации.

Теперь, благодаря генеративному поиску AI, этот процесс сокращается. Продукты вроде AI Overview, ChatGPT, Copilot объединяют информацию из нескольких источников в один ответ, прямо предлагая кандидатные товары, сценарии использования и рекомендации по покупке. Пользователь может и не кликнуть по десяткам ссылок, и не знать, какие источники использовались. Бренды теперь борются за попадание в список ответов AI.

Это также объясняет, почему GEO более чувствителен, чем SEO, — он влияет не только на видимость, но и на процесс оценки модели. В традиционном поиске бренды борются за более высокие позиции; в генеративном поиске — за попадание в ответ. Когда AI сравнивает товары в нейтральном тоне, он уже делает первичную фильтрацию.

Проблема в том, что рекомендации AI не возникают из ниоткуда. Они опираются на рейтинги, обсуждения на форумах, короткие видео, отзывы, отраслевые отчёты и т. д., — и эти данные сжимаются в кажущиеся объективными ответы. Бренды могут не покупать напрямую рекламные места у AI, а влиять через контент: отзывы, статьи, упоминания. Когда похожие мнения повторяются в разных источниках, AI воспринимает их как более весомые рекомендации. Так, коммерческая активность может не проявляться в виде рекламы, а входить в алгоритм оценки.

Это объясняет, почему Google более осторожен с GEO — его главный актив — доверие к поиску. Пользователи доверяют, что Google показывает более надёжную информацию, а рекламодатели платят за видимость. В традиционном поиске Google показывает ссылки, пользователь сам оценивает источник; в AI Overview — сразу ответ. Если ответ содержит фальшивые обзоры, фейковые сайты или предвзятый контент, Google рискует показывать некачественный результат, а не просто страницу.

Различные платформы по-разному относятся к GEO, исходя из своих бизнес-моделей. Google фокусируется на доверии к поиску, борется с недобросовестным контентом; Microsoft же рассматривает GEO как канал для рекламодателей в Copilot, Bing, Edge и будущих агентских систем. В будущем, GEO не будет единым правилом, а будет развиваться в рамках разных платформ и границ регулирования.

Чтобы бренды могли доверять генеративному поиску, им нужно обеспечить машинную читаемость товаров. Чем лучше товар структурирован, тем легче AI его понять.

3. Разделение витрины электронной коммерции: данные для машин, вкус — для человека

Для получения доверия и рекомендаций AI продукт должен обладать высокой машинной читаемостью.

Ранние интерфейсы электронной коммерции создавались для человека: изображения, описания, кнопки добавления в корзину — всё было ориентировано на увеличение времени пребывания пользователя. Но AI не воспринимает визуальные элементы, его оценка основана на структурированных данных: SKU, наличие, цена, SLA, политика возврата.

Эта трансформация делает структурированные данные базовым конкурентным преимуществом в эпоху AI-покупок. Разметка Schema.org, файлы llms.txt, API для актуальных цен и запасов, структурированные политики возврата — всё это влияет на то, сможет ли агент точно понять товар. Большие языковые модели могут извлекать информацию из неструктурированных страниц, но это часто неполно, медленно обновляется и содержит шум. Стандартизированные структуры позволяют напрямую сообщить AI: параметры товара, актуальные цены, наличие, возможности доставки и правила возврата. Это — предварительный барьер для попадания товара в цепочку фильтрации и рекомендаций.

Однако, эта трансформация не происходит одновременно для всех товаров. Можно выделить два типа потребления:

Первый — эффективное. Например, покупка туалетной бумаги, кабелей, офисных расходных материалов или сравнение цен на авиабилеты и отели. В этих случаях решения имеют чёткие критерии: цена, параметры, сроки доставки. Пользователю не нужно тратить время на выбор — он хочет быстро получить разумный ответ. В таких сферах AI работает очень быстро, автоматически сравнивает и оформляет заказ.

Второй — потребление, связанное с вкусом и самовыражением: подбор пальто, антикварной лампы или картины. В этих случаях важна эмоциональная составляющая, эстетика, процесс выбора, сомнений и сравнения — это часть удовольствия. В таких сценариях AI помогает до оплаты: вдохновлять, помогать понять стиль, объединять разрозненные источники информации, делать исследование более приятным.

Это и есть идея платформы The Mall. Сегодня онлайн-открытие для покупок очень фрагментировано: сайты брендов, Instagram, TikTok, рассылки, скидочные сайты, рекомендации друзей и контент создателей — всё разбросано. The Mall собирает эти точки в виртуальный торговый центр, где можно искать, отслеживать, сравнивать, сохранять и делиться брендами и товарами.

В этом пространстве поведение пользователя переорганизуется. Можно подписаться на бренды, следить за новинками и скидками, сохранять понравившиеся товары, смотреть за активностью друзей и создателей, а с помощью AI — находить похожие товары и стили, даже если они не рекламируются напрямую.

Это означает, что новые бизнес-модели AI-агентов не ограничиваются только финальной сделкой. Перед покупкой — в процессе поиска, сравнения, вдохновения — тоже можно строить ценные бизнесы.

Помогая пользователю управлять этими фрагментами эстетических предпочтений, можно не только укрепить доверие, но и собрать ценную информацию о намерениях. В перспективе, такие данные могут стать системой учета вкусов и целей потребителя — System of Record. Вблизи точки принятия решения, эти данные могут иметь не меньшую ценность, чем комиссия с финальной транзакции.

Поэтому, в будущем, витрина электронной коммерции будет состоять из двух слоёв. Один — для машин: структурированные, проверяемые данные для быстрого сравнения и заказа. Другой — для человека: выражение бренда, эстетика, опыт, случайные открытия (Serendipity), — всё, что заставляет пользователя задержаться, исследовать и сформировать уникальный стиль. Раньше бизнес фокусировался на визуальной части сайта, а в будущем — потребуется одновременно управлять структурированными каталогами и более скрытым, но более вдохновляющим пространством намерений.

4. Цепочка обязательств движется вверх по цепочке: агент действует в рамках полномочий

После того, как агент обнаружил товар, отобрал варианты и сформировал корзину, транзакция переходит к оплате.

С точки зрения системы, современные банковские сети — по сути, цепочка обещаний с задержкой исполнения. В этапе авторизации продавец через эквайринг и платежную систему проверяет валидность платежных данных у эмитента, после одобрения — передаёт товар, а расчёты и финализация происходят асинхронно. Эта система основана на простом принципе: транзакцию инициирует человек, и ответственность за неё тоже лежит на человеке.

Вмешательство AI-агента разрушает этот принцип. Теперь пользователь даёт не просто подтверждение платежа, а набор решений, которые агент сам принимает. Если агент подвергнется злоумышленным подсказкам, ошибкам в контексте или неправильной настройке параметров, он может совершить транзакцию за пределами полномочий, что создаст юридическую неопределённость.

Хотя крупные ритейлеры пытаются через условия использования (ToS) юридически закрепить, что транзакции, инициированные третьими сторонами, — это действия пользователя, это не решает инженерных рисков. Agentic Commerce требует установить ограничения ещё до транзакции.

В традиционных финансовых сетях эти ограничения реализуются через централизованные шлюзы авторизации. Visa, Mastercard и другие разрабатывают стандарты для идентификации агента, токенизации и верификации намерений, чтобы до одобрения транзакции сузить возможности машины. В реальности это означает, что платежный токен становится программируемым ограничением: при покупке создаётся одноразовая виртуальная карта или токен, ограниченный по времени, сумме, категории или конкретной задаче. Если агент выходит за рамки правил, сеть может заблокировать транзакцию на этапе авторизации.

Но ограничение только на этапе финансирования или через шлюз — это всё ещё защита на поздней стадии. Ведущие платёжные системы начинают расширять контроль на более ранние этапы — в источник данных. Недавно Visa инвестировала в платформу Replit, не раскрывая сумму. Хотя сотрудничество пока на ранней стадии и не анонсировано совместных продуктов, оно посылает ясный сигнал: глобальные платёжные сети стремятся интегрировать AI-генерируемые источники. Внедряя Visa Intelligent Commerce и Trusted Agent Protocol в платформы разработчиков, Visa хочет, чтобы идентичность агента, его намерения и контекст клиента учитывались ещё на этапе разработки и внедрения, а не только при оплате.

Это важно, потому что многие транзакции агентского типа могут инициироваться не из приложений ритейлеров, а из программных решений разработчиков, работающих в разных инструментах, — и агент действует от имени пользователя или компании. В этом случае Replit превращается не просто в среду разработки, а в точку входа в Agent Commerce. Для Visa будущее — это превращение платёжных возможностей в API-интерфейсы, которые могут распознавать идентичность, понимать намерения и управлять полномочиями.

Это и есть концепция контрактных Agent Wallet, таких как Cobo CAW Pact. Они избегают прямого доступа агента к полному балансу, а создают временный контракт для конкретной задачи, в который записываются ограничения по пути транзакции, лимитам и срокам. Если запрос выходит за рамки — MPC-узлы отказываются подписывать. Перед подписью, данные транзакции можно перевести в понятный человеку формат, чтобы пользователь подтвердил, что именно будет выполнено.

В перспективе цепочка обязательств смещается с доверия к агенту на его ограничения. Банковские сети размещают ограничения на шлюзах и начинают переносить их на уровень разработчика; блокчейн-системы — на уровень подписей. В будущем, платёжные системы будут проверять не только личность плательщика, но и то, находится ли поведение машины в допустимых границах.

Заключение: Agentic Commerce нуждается в новой цепочке обязательств

Технологии обычно меняют средства ведения бизнеса, но редко — ответственность.

Электронная торговля изменила среду сделок, мобильные кошельки — подтверждения платежей, API позволяют программировать авторизацию, а стабильные криптовалюты начинают влиять на расчёты. Каждое технологическое нововведение добавляет новые возможности в финансовую систему. Но что остаётся неизменным — это механизмы авторизации, расчётов, урегулирования споров.

Это объясняется просто: как только транзакция входит в бизнес-систему, должны быть люди, подтверждающие её возможность, несущие ответственность за оплату и готовые отвечать за ошибки.

AI-агенты усложняют эту цепочку. В прошлом, поиск, сравнение, добавление в корзину и checkout делались пользователем; в будущем, эти действия могут выполняться агентом автоматически и в разных системах. Опыт станет быстрее, но станет сложнее понять, что именно пользователь разрешил, что агент может делать, какие обязательства берут на себя продавцы и как делится ответственность за платёж.

Это — основа инфраструктуры, которую должна перестроить интеллектуальная коммерция. Необходима новая цепочка обязательств: в момент транзакции связать первоначальные намерения пользователя, полномочия агента, платёжные обещания и ответственность за споры, чтобы весь процесс был технически проверяемым и прослеживаемым.

Перестройка AI Commerce — это, на поверхности, вопрос платежей и автоматизации, а в глубине — вопрос ответственности.