Агентная коммерция: как ИИ-агенты будут выбирать, покупать и платить

Mastercard прогнозирует: к 2030 году более 300 млн интернет-покупателей — больше одного из десяти — будут регулярно поручать ИИ-агентам не только поиск, но и выбор, оформление и оплату покупки. За большой цифрой легко пропустить главное. Как только помощник получает право платить, он становится не просто удобным собеседником, а носителем ограниченного полномочия человека.

Для бизнеса вопрос меняется. Уже недостаточно спросить, какая модель лучше советует товары. Нужно знать, какой агент, от чьего имени, на основании каких сведений, в пределах какой суммы и при каких условиях вправе совершить действие. А затем — доказать, что именно он сделал, кто это подтвердил и чем закончилась покупка.

Я бы назвал возникающий рынок не рынком «чата с банковской картой», а рынком управляемого делегирования. Mastercard строит платёжную часть этого контура. Продавцу предстоит построить всё, что находится до и после платежа: актуальный каталог, цифровой паспорт клиента, правила выбора, работу специализированных агентов, подтверждение, историю решений и сквозное измерение результата.

Что именно прогнозирует Mastercard — и чего не прогнозирует

8 сентября 2026 года Mastercard опубликовала отчёт о будущем покупок и платежей. По прогнозу компании, к 2030 году более 300 млн интернет-покупателей, или свыше 10% мировой аудитории электронной торговли, будут регулярно использовать ИИ-агентов для покупок и оплаты. Первыми должны стать частые и понятные операции: заказ продуктов и лекарств, повторение привычной корзины, управление подписками.

Отдельная часть работы — опрос 13 000 пар родителей и подростков 13–18 лет, всего 26 000 человек на 13 рынках Европы и Израиля. Его проводили в июне и июле 2026 года. 27% подростков сообщили, что готовы пользоваться полностью автономным помощником для покупок; среди родителей таких 16%. 18% подростков уже еженедельно применяют ИИ для поиска цен и скидок против 10% родителей. А 31% подростков готовы доверять товарной рекомендации ИИ больше, чем совету друга.

Эти цифры нельзя складывать в одно доказательство. 300 млн — прогноз на 2030 год, а не пересчёт ответов подростков. Опрос показывает разницу поколений и готовность части аудитории к делегированию, но не измеряет нынешнюю долю покупок через агентов в мире и тем более в России.

Российский прогноз Data Insight измеряет другое. По его сценарию, к 2030–2032 годам под управлением ИИ-агентов может оказаться 7–11% отечественной электронной торговли, или 2–3 трлн рублей. Исследование построено на глубинных интервью, разборе ранних сценариев и модели развития рынка, а не на массовом опросе. Складывать 300 млн человек Mastercard и 3 трлн рублей Data Insight бессмысленно. Но оба источника показывают одну последовательность: сначала ИИ влияет на поиск и выбор, затем собирает корзину, после этого получает право на ограниченное действие.

Почему переход к оплате меняет природу ИИ-агента

Рекомендация обратима. Покупатель может закрыть окно, сравнить ещё раз или проигнорировать совет. Оплата создаёт заказ, списание, обязательства продавца, доставку, возможный возврат и спор. Ошибка превращается из неверной фразы в финансовое действие.

Обычная авторизация отвечает на узкий вопрос: подтверждает ли человек эту конкретную покупку сейчас. Агенту часто нужно выдать более широкое, но всё равно ограниченное разрешение: пополнять привычный набор товаров, платить не более заданной суммы, выбирать только из разрешённых продавцов, не заменять товары с аллергенами, спрашивать при росте цены или переносе срока доставки.

Поэтому у каждого делегированного действия должен быть проверяемый ответ на семь вопросов:

1. Кто является владельцем полномочия?
2. Как подтверждена личность агента и его связь с человеком?
3. Какое намерение сформулировал человек?
4. Какие категории, продавцы, суммы и сроки разрешены?
5. Какие сведения использовал агент и когда они обновились?
6. В какой точке требуется новое подтверждение?
7. Как отменить полномочие, оспорить действие и восстановить ход решения?

Это уже не просто задача для языковой модели. Нужны управление личностью, согласиями и правами, свежие сведения о товаре, надёжные инструменты продавца, платёжная инфраструктура и журнал действий. Модель может предложить решение, но полномочие и ответственность должны находиться в проверяемой системе.

Как Mastercard строит контур доверия

Mastercard отвечает на платёжную часть задачи системой Agent Pay. В ней зарегистрированный агент получает платёжные реквизиты, заменённые отдельным токеном, а банк и продавец могут отличить доверенную программу от мошеннического бота. Токен связывает пользователя, агента и допустимое действие, не раскрывая продавцу исходные реквизиты карты.

Вторая часть — подход Verifiable Intent, разработанный Mastercard совместно с Google для подтверждения намерения. Он должен связать личность, заданные человеком условия и выполненное агентом действие в защищаемую от подмены запись. Смысл не в том, чтобы дать агенту бессрочный доступ к деньгам, а в том, чтобы банк и продавец могли проверить: это действие укладывается в заранее выданное разрешение.

Для торговли важны три следствия.

Во-первых, магазин должен уметь распознать агента и принять от него машиночитаемое намерение, а не только показать страницу сайта человеку. Во-вторых, цена, остаток, доставка, ограничения и правила возврата должны быть актуальны в момент решения. В-третьих, после оплаты нужно сохранить не только чек, но и связь между запросом, выбором, подтверждением и результатом.

Agent Pay закрывает последнее звено — доверенную передачу платёжного полномочия. Он не исправляет устаревший каталог, не соединяет разрозненную историю клиента, не выбирает коммерческое правило продавца и не измеряет маржу, отмены или повторную покупку. Это остаётся задачей самого бизнеса.

Что это означает для России

Agent Pay в России сейчас недоступен: Mastercard приостановила российские операции в марте 2022 года. Но задача делегированного полномочия от этого не исчезает. Российские банки, СБП, маркетплейсы и крупные экосистемы уже имеют части необходимой инфраструктуры — подтверждённую личность, платёжный счёт, каталог, доставку, бонусную программу и историю заказов.

У СБП, например, есть подписки: после явного согласия клиента продавец может выполнять регулярные списания, а человек — видеть и отключать разрешения и задавать месячные ограничения. Это полезный строительный блок, но не российский аналог Agent Pay. Подписка разрешает повторные платежи конкретному продавцу; она не подтверждает произвольное намерение ИИ-агента на любом сайте.

Наш вывод: первыми в России появятся закрытые сценарии внутри банка, маркетплейса, сети или другой экосистемы, где одна организация уже знает покупателя, товары, доставку и способ оплаты. Между независимыми магазинами, агентами и банками задача сложнее: участникам понадобится общий способ проверить личность программы, полномочие человека и историю действия.

Data Insight даёт ещё одну полезную подсказку. В качественных интервью ранние пользователи часто называли 5 000 рублей психологически приемлемой суммой для делегирования. Это не общероссийский порог и не готовое правило. Но сама логика верна: автономность должна зависеть от суммы, категории, привычности заказа, последствий ошибки и накопленной истории доверия.

У покупателя и продавца будут разные агенты

В разговорах об агентной коммерции часто фигурирует один всезнающий помощник. На практике по разные стороны сделки будут работать разные агенты с разными интересами.

Агент покупателя должен защищать бюджет и условия человека: сравнивать товары, учитывать ограничения, находить предложение и соблюдать предел полномочия. Агенты продавца решают другие задачи: предоставляют актуальные сведения, проверяют доступность и условия, применяют разрешённую скидку, собирают заказ, контролируют риск и измеряют итог.

Один универсальный агент продавца не должен одновременно видеть все сведения, определять цену, менять заказ, инициировать списание и оценивать собственную эффективность. Роли лучше разделять. Например, один агент отвечает за подбор по каталогу, второй — за клиентский контекст, третий — за проверку коммерческих правил, четвёртый — за анализ результата. Каждый получает только нужные знания и инструменты.

Так появляется не новый чат, а цифровая организация сделки. Агенты обмениваются не красивыми ответами, а проверяемыми заданиями и результатами. Если изменилась цена, остаток или согласие клиента, прежнее решение нужно пересчитать. Память такой системы — это не бесконечная переписка, а версия правила, использованные сведения, решение, поправка человека, совершённое действие и его итог.

Как ИИ-агенты Андаты входят в этот контур

В Андате мы разделяем сведения, решение, действие и измерение. Это позволяет собрать торговый сценарий не вокруг одной модели, а вокруг управляемой работы нескольких компонентов.

1. Цифровой паспорт клиента. Центр данных Андаты соединяет собственные события сайта и приложения с подключёнными сведениями системы работы с клиентами, заказов, оплат и других систем в единый профиль 360. Агент получает не обезличенный вопрос, а допустимую для его роли часть истории: интересы, заказы, согласия и текущий контекст.
2. Специализированная цифровая роль. В модуле ИИ-агентов задаются назначение, инструкция, модель, базы знаний, разрешённые инструменты и версия агента. Подключение инструмента само по себе не даёт права менять внешнюю систему.
3. Задание и контроль. Бизнес-терминал связывает задачу сотрудника с подходящим агентом, нужными сведениями и сохранённым результатом. Диагностика и подготовка решения могут идти без записи; важное действие получает точный предварительный результат и подтверждение.
4. Разрешённое действие. Агент вызывает только поддерживаемый инструмент и только в выданных пределах. Для заказа или оплаты это означает проектное подключение систем продавца и платёжного поставщика, а не свободный доступ модели к деньгам.
5. События и финансовый результат. Тег-менеджер и серверные события фиксируют предложение, изменение корзины, подтверждение, заказ, оплату, отмену и возврат. Сквозная аналитика связывает их с выручкой, маржой и повторной покупкой.
6. Следующее решение. Сегменты, когорты и история заданий показывают, для каких клиентов и условий сценарий действительно работает. Следующая версия правила меняется по подтверждённому результату, а не потому, что модель уверенно сформулировала ответ.

Андата не списывает деньги и не заменяет банк, СБП, кассу или платёжного поставщика. Мы даём бизнесу слой данных, специализированных агентов, управления действиями и измерения. Конкретная оплата возможна только через подключённый и поддерживаемый платёжный контур с согласием пользователя.

Пример: агент повторяет регулярную покупку по правилам

Представим покупателя, который каждую пятницу заказывает один и тот же набор продуктов. Он разрешает повторять корзину до 4 500 рублей, запрещает заменять товары с аллергенами и просит подтверждение, если общая цена выросла более чем на 10% или доставка переносится на другой день.

Рабочий сценарий выглядит так:

1. Система получает задание и проверяет, действует ли согласие, срок и предел суммы.
2. Агент продавца читает текущий каталог, цену, остаток и условия доставки, а не полагается на старый текст в памяти модели.
3. Из цифрового паспорта он получает только нужные для задачи сведения: привычную корзину, запрет замен и подтверждённый адрес доставки.
4. Агент собирает корзину и отдельно показывает отклонения. Если сработало правило подтверждения, действие останавливается до ответа человека.
5. После подтверждения заказ передаётся в систему продавца. Оплату выполняет банк или другой подключённый платёжный поставщик в рамках своего договора и согласия клиента.
6. Заказ, списание, доставка, отмена, возврат и повторная покупка поступают в аналитику. Если замена привела к возврату, это становится основанием изменить следующее правило.

Это архитектурный пример, а не заявление о единой готовой кнопке во всех установках Андаты. Его состав зависит от подключённых систем работы с клиентами, каталога, заказов, службы доставки и платёжной системы. Но именно так полезно проектировать агентную коммерцию: сначала договориться о данных и полномочии, затем выполнять действие и обязательно возвращать его фактический результат.

Без событий и сквозной аналитики агент остаётся чёрным ящиком

Если измерять только последний переход на сайт, влияние внешнего агента может исчезнуть: он сформировал критерии и короткий список, а покупатель открыл магазин напрямую. Если считать только диалоги, картина искажается в другую сторону: совет мог быть убедительным, но не привести к заказу или создать невыгодную продажу с возвратом.

Минимальная цепочка измерения включает запрос, показанные варианты, причину выбора, добавление и изменение корзины, подтверждение, заказ, оплату, доставку, отмену, возврат, выручку, маржу и повторную покупку. Для рискованных сценариев нужна ещё доля остановленных действий и поправок человека.

Сравнивать следует не «агента вообще», а конкретную версию правила на сопоставимой аудитории. Отдельно смотреть новых и постоянных клиентов, простые и сложные категории, небольшие и крупные суммы, покупки с подтверждением и без него. Только после этого можно расширять полномочие.

Главная единица памяти — не ответ агента, а связка «условие → решение → действие → финансовый результат». Она позволяет объяснить прошлое решение, заметить изменение исходных сведений и не повторить неудачный сценарий лишь потому, что формулировка запроса немного изменилась.

С чего начинать бизнесу уже сейчас

Не нужно ждать общего стандарта автономных платежей и не нужно начинать с доступа к деньгам. Первые шаги полезны сами по себе:

1. Выбрать одну частую, понятную и обратимую задачу: повтор корзины, подбор расходников, продление услуги или управление подпиской.
2. Собрать актуальные сведения о товаре, цене, остатке, доставке и правилах возврата в форме, которую может прочитать программа.
3. Определить цифровой паспорт и минимальный набор клиентских сведений, действительно нужных для этой задачи.
4. Описать полномочие: разрешённые действия, предел суммы, срок, категории, причины обязательного подтверждения и способ отзыва согласия.
5. Настроить специализированного агента с ограниченными знаниями и инструментами; не выдавать одной модели доступ ко всему контуру.
6. Разметить путь событиями до заказа, оплаты, отмены, возврата и повторной покупки.
7. Сначала запускать сценарий с подтверждением человека. Расширять автономность только там, где история показывает устойчивый результат и приемлемую цену ошибки.

Прогноз Mastercard важен не потому, что обещает ещё один технологический рынок. Он показывает смену способа взаимодействия с торговлей: часть покупателей будет приходить к продавцу не глазами и кликами, а через программу, которой доверено ограниченное полномочие.

Выиграет не тот, кто первым разрешит нейросети платить. Выиграет тот, кто сможет доказать всю цепочку: человек сформулировал намерение, агент получил ровно нужные сведения, выполнил разрешённое действие, платёж прошёл в доверенном контуре, а бизнес увидел финансовый результат и учёл его в следующем решении. Именно эту цепочку — от цифрового паспорта и ИИ-агентов до действия и сквозной аналитики — мы строим в Андате.

Источники

1. Mastercard, прогноз использования ИИ-агентов для покупок и оплаты к 2030 году, 8 сентября 2026 года.
2. Mastercard, полный отчёт о будущем покупок и платежей, 2026 год.
3. Mastercard Agent Pay.
4. Mastercard, Verifiable Intent, 2026 год.
5. Data Insight, «Перспективы агентной коммерции в России», 21 августа 2026 года.
6. НСПК, «Подписка СБП: что это и как работает».
7. Банк России, Система быстрых платежей.
8. Mastercard, заявление о приостановке российских операций, 5 марта 2022 года.