Агентная коммерция: 3 трлн рублей начинаются не с автономной оплаты

21 августа Data Insight при поддержке Яндекса выпустили первое исследование о перспективах агентной коммерции в России. По прогнозу агентства, к 2028–2029 годам под управлением ИИ-агентов может оказаться 2–4% продаж российского e-commerce, или 400–850 млрд рублей. К 2030–2032 годам доля может вырасти до 7–11%, а объем — до 2–3 трлн рублей.

Если соединить этот прогноз с исследованиями McKinsey, Adobe Digital Insights и Capgemini, складывается последовательная картина. Покупки не станут автономными в один момент. Сначала ИИ забирает исследование категории и выбор, затем сбор корзины и оформление, после этого — выполнение действий под контролем человека. Полная автономность появится прежде всего в рутинных, недорогих и обратимых сценариях.

Поэтому главный вывод для бизнеса находится не в верхней границе прогноза. Агентная коммерция начинается не с передачи банковской карты нейросети. Она начинается с качественных данных, прозрачного клиентского пути, управляемых прав агента и способности связать его действия с заказом, оплатой, маржой и повторной покупкой.

Что именно прогнозирует Data Insight

Под «продажами под управлением ИИ-агентов» исследователи понимают широкий набор сценариев. Агент может участвовать только в выборе, может собрать корзину и оформить заказ, а может провести весь путь до оплаты. Поэтому 7–11% не означают, что к 2032 году каждая десятая покупка будет совершаться без участия человека.

Прогноз предполагает три этапа. В 2026–2027 годах агентная коммерция может составить 0,4–1% российского e-commerce, или 65–160 млрд рублей. В 2028–2029 годах — 2–4%, или 400–850 млрд рублей. В 2030–2032 годах — 7–11%, или 2–3 трлн рублей.

Важно понимать методику. Это не репрезентативный опрос всех российских покупателей. Data Insight провели 30 глубинных интервью с ранними пользователями ИИ, шесть интервью с представителями крупного ритейла, изучили существующие сервисы и построили сценарную модель распространения технологии. Сами авторы отмечают, что нынешний объем рынка находится ниже уровня статистической погрешности. Прогноз стоит читать как обоснованный сценарий, а не как гарантированный план продаж.

Международные исследования показывают ту же последовательность

McKinsey оценивает мировой объем потребительской торговли, который ИИ-агенты могут опосредовать к 2030 году, в 3–5 трлн долларов. Но не менее важен другой вывод McKinsey: агентная коммерция развивается по кривой делегирования, а не по прямой лестнице к полной автономности. Для разных категорий покупатели остановятся на разных уровнях. Кофе, корм или бытовую химию можно пополнять автоматически. Покупка автомобиля, дорогого украшения или эмоционально значимого товара еще долго будет требовать участия человека. Цель — не максимальная, а оптимальная автономность.

Adobe Digital Insights дает не прогноз, а наблюдение за реальным поведением. Исследование охватывает более 1 трлн визитов на американские сайты ритейлеров и опрос более 5 000 потребителей. В июле 2025 года трафик из генеративных ИИ-источников вырос на 4 700% год к году, хотя Adobe отдельно отмечает: относительно традиционных каналов его доля пока невелика.

Пользователи, пришедшие из ИИ, проводили на сайтах на 32% больше времени и на 27% реже уходили сразу. При этом их конверсия в покупку была на 23% ниже, чем у обычного трафика. Разрыв быстро сокращался, но сохранялся. Это почти идеальное подтверждение текущей стадии рынка: ИИ уже делает покупателя более информированным и вовлеченным, однако чаще работает в исследовании и выборе, чем закрывает транзакцию.

В опросе Adobe 38% американских респондентов уже использовали генеративный ИИ для онлайн-покупок. Чаще всего — для исследования товара, рекомендаций и поиска выгодных предложений. Иными словами, новый коммерческий интерфейс уже формируется, хотя его вклад еще нельзя оценивать только по последнему клику и прямым покупкам из чата.

Capgemini Research Institute добавляет к этой картине парадокс доверия. В исследовании участвовали 10 000 потребителей из 13 стран. 53% сообщили, что уже совершали покупки на основе рекомендаций генеративного ИИ, а 64% готовы покупать новые товары, предложенные ИИ. Одновременно общий уровень доверия к ИИ снизился по сравнению с 2023 годом. Более половины респондентов готовы доплачивать за инструменты с гарантиями безопасности данных и киберзащиты, а почти 60% хотят более строгих правил безопасности и справедливости.

Использование растет быстрее доверия. Это важная граница между влиянием на решение и правом выполнить действие.

ИИ уже меняет выбор, но еще редко проводит транзакцию

Российские данные показывают тот же разрыв. В 38 пользовательских кейсах, разобранных Data Insight, ИИ во всех случаях помогал изучать категорию, искать и сравнивать предложения. В 13 кейсах он участвовал в добавлении товара в корзину или оформлении услуги. И только два кейса завершились оплатой через ИИ-помощника.

Это не означает, что влияние ИИ мало. Напротив, он уже забирает один из самых важных участков клиентского пути — формирование критериев и короткого списка вариантов. Покупатель просит объяснить сложные характеристики, сравнить составы, проверить совместимость, найти аналог, уложиться в бюджет или собрать решение под жизненную задачу. В этот момент нейросеть формирует будущий спрос еще до перехода на сайт магазина.

Для ритейла возникает проблема измерения. Покупатель мог несколько дней обсуждать выбор с ИИ, а затем открыть сайт напрямую и сделать заказ. Обычная аналитика увидит прямой или органический визит, но не увидит, кто сформировал решение. Новый канал уже влияет на продажи, хотя его вклад плохо различим в стандартных отчетах.

Почему 5 000 рублей — важная, но не универсальная граница

В большинстве интервью Data Insight ранние пользователи называли 5 000 рублей психологически допустимой суммой, которую они готовы рискнуть доверить ИИ. Для более дорогих покупок они хотят увидеть состав заказа и самостоятельно подтвердить оплату. Часть респондентов предпочитает отдельную виртуальную карту или кошелек с лимитом.

Эту цифру нельзя переносить на всех россиян. Выборка состояла из людей, которые уже активно используют ИИ и покупают преимущественно онлайн. У конкретного покупателя граница будет зависеть от дохода, категории, привычности заказа, бренда, истории взаимодействия и последствий ошибки.

Но сам механизм универсален и согласуется с международными данными. Доверие к агенту нельзя создать рекламным обещанием. Оно растет после серии успешных действий, которые человек понял и мог контролировать. Поэтому подтверждение, лимит, объяснение выбора, возможность отмены и история действий — не временные ограничения технологии, а элементы продукта.

Ближайшая модель — агент с подтверждением

На горизонте двух лет Data Insight считает наиболее вероятным агентный сценарий с подтверждением. ИИ подбирает товар, формирует корзину, выбирает условия и передает человеку финальное решение. Пользователь проверяет результат и подтверждает оплату.

Эта модель выглядит переходной только на первый взгляд. McKinsey приходит к похожему выводу: более высокий уровень автоматизации не всегда лучше. Для части категорий участие человека останется частью ценности покупки. Значит, подтверждение нужно проектировать как полноценный продуктовый механизм, а не как помеху, которую следует убрать любой ценой.

Управляемое подтверждение позволяет одновременно накапливать два актива. Бизнес получает данные о том, где пользователь согласился или изменил решение агента. Покупатель получает личный опыт безопасного делегирования. На этой истории можно постепенно расширять права: сначала рекомендации, затем корзина, потом оформление и только после этого — оплата в заданном лимите.

Новый интерфейс торговли создает для ритейлера стратегический выбор

Data Insight описывает четыре модели рынка: универсальный GenAI-агент, агент экосистемы, агент маркетплейса и собственный агент ритейлера. Они будут развиваться одновременно.

Внешний универсальный агент дает магазину новый спрос. Чтобы попасть в его ответ, ритейлеру придется передавать актуальные данные о товарах, ценах, остатках, персональных скидках, доставке и доступных способах оплаты. McKinsey формулирует это жестко: если каталог, правила и ценность предложения не читаются машинами, агент просто не найдет магазин для покупателя.

Но если вся покупка проходит во внешнем диалоге, магазин рискует потерять прямой контакт, данные о мотивации клиента и возможность управлять опытом. В предельном сценарии бренд превращается в невидимый склад и исполнителя заказа.

Собственный агент на сайте или в приложении решает другую задачу. Он работает с уже привлеченной аудиторией, знает ассортимент, историю заказов и правила сервиса, помогает удерживать клиента и защищать маржу. Но без качественного контекста такой агент остается улучшенным чат-ботом и не может надежно провести покупателя по всему сценарию.

Практичная стратегия для ритейлера — не выбирать одну модель навсегда, а строить два связанных контура. Внешний контур делает ассортимент доступным для универсальных ИИ-систем и приводит новый спрос. Внутренний контур сохраняет отношения с покупателем, персонализацию, сервис и управляемую транзакцию.

Как мы видим эту задачу в Andata

В подходе Andata ИИ-агент — не отдельное окно диалога, а последний слой над данными и бизнес-процессами. Чтобы агент действительно участвовал в коммерции, ему нужен проверяемый контекст и разрешенные инструменты.

1. Товарная правда. Каталог, цена, остаток, доставка и персональные условия должны быть доступны в момент решения, а не загружены в модель несколько недель назад.
2. Единая история клиента. События сайта и приложения, источники трафика, интересы, предыдущие заказы, CRM-статусы, оплаты и возвраты соединяются в профиль 360. Только так агент отличит нового посетителя от постоянного покупателя и поймет, какое действие уместно.
3. Права и контроль. Агенту нельзя сразу выдавать одинаковую автономность для всех категорий, сумм и клиентов. Он должен действовать в рамках сценария: где-то только консультировать, где-то собирать корзину, а где-то оформлять заказ после явного подтверждения.
4. Замкнутая аналитика результата. Нужно фиксировать не только начало диалога, но и предложенные товары, изменение корзины, подтверждение, оплату, отмену, возврат, маржу и повторную покупку.
5. Управляемое обучение. Следующий сценарий должен меняться на основе подтвержденного результата, а не уверенного ответа модели. Согласие пользователя, успешная оплата, отсутствие возврата и повторная покупка — более ценные сигналы, чем длина диалога.

Adobe показывает, почему замкнутая аналитика критична: ИИ-трафик может быть очень вовлеченным, но хуже конвертироваться в текущей сессии. Если считать только последний клик, бизнес недооценит влияние агента; если считать только диалоги, переоценит его экономику.

Andata может связать эти уровни в единый контур: собрать события сайта, приложения и сервера, соединить их с CRM, заказами, оплатами и выручкой, сформировать цифровой профиль клиента и дать ИИ-агенту знания, инструменты и права в рамках выбранного сценария. Это не заменяет товарную, логистическую и платежную инфраструктуру ритейлера, но создает основу, на которой агентную коммерцию можно измерять и развивать, а не просто демонстрировать.

С какого сценария начинать

Первый пилот не должен пытаться заменить весь интернет-магазин. Лучше выбрать частую, понятную и низкорисковую задачу: повторить регулярную корзину, подобрать расходные материалы, собрать продукты по рецепту, найти совместимую деталь или записать клиента на стандартную услугу.

Затем нужно описать путь от запроса до результата и разметить его событиями: диалог, рекомендация, добавление в корзину, изменение корзины, подтверждение, заказ, оплата, отмена, возврат и повторная покупка. Для первой версии разумно сохранить подтверждение перед оплатой независимо от суммы, а автономность расширять только после накопления успешной истории.

Экономику пилота следует оценивать не по количеству диалогов. Нужны конверсия в корзину, заказ и оплату, выручка и маржа от ассистированных продаж, размер корзины, доля ошибок, отмен и возвратов, стоимость обслуживания и повторные покупки. Отдельно важно сравнить результат с похожей группой покупателей без агента.

Порог автономности должен быть динамическим. Новому пользователю можно разрешить только подбор и корзину. Постоянному покупателю, который много раз подтверждал один и тот же заказ, — предложить автоматическое повторение в заданном лимите. Дорогие, эмоциональные или необратимые покупки оставить под ручным контролем. Так доверие становится измеримым параметром клиентского пути, а не одной общей настройкой для всех.

Почему начинать нужно до появления массового спроса

Все четыре исследования сходятся в одном. Технология распространяется быстро, но коммерческий результат зависит от вещей, которые создаются медленно: качественных данных, интеграций, правил ответственности, измерения и доверия.

Ритейлеру потребуется время, чтобы привести в порядок товарные данные, связать клиентские события с заказами и деньгами, определить права агента, настроить подтверждение и накопить историю успешных сценариев. Покупателю тоже потребуется время, чтобы лично убедиться: агент не перепутает количество, применит скидку, выберет подходящее предложение и не спишет лишнее.

Поэтому ближайшие два года — не ожидание автономного покупателя, а период обучения. Компании будут учиться передавать агентам данные, измерять их вклад и постепенно расширять границы действий. Покупатели — накапливать доверие через небольшие и обратимые покупки.

Прогноз в 2–3 трлн рублей показывает размер возможного российского канала. McKinsey подтверждает глобальный масштаб, Adobe — уже начавшееся изменение трафика и поведения, Capgemini — растущее влияние рекомендаций при сохраняющемся дефиците доверия.

Конкурентное преимущество получит не тот, кто первым поставит на сайт чат. Его получит тот, кто раньше замкнет контур: актуальные данные — понятное решение — контролируемое действие — подтвержденный финансовый результат — следующий более точный сценарий.

Начинать стоит с аудита готовности данных и одного сценария с подтверждением. Это даст бизнесу не презентацию о будущем, а первый измеримый опыт агентной коммерции.

Источники

1. Data Insight, «Перспективы агентной коммерции в России»21 августа 2026 года
2. McKinsey, The automation curve in agentic commerce28 января 2026 года
3. Adobe Digital Insights, Generative AI-Powered Shopping Rises with Traffic to U.S. Retail Sites21 августа 2025 года
4. Capgemini Research Institute, From hype to habit: How consumers are embracing AI2025 год