Экономист Александр Аузан на «Дне платформенной экономики» в ноябре 2026 года сказал прямо: модель «человек сам листает маркетплейс и выбирает» будет меняться, потому что выбор и покупку всё чаще будут поручать ИИ-агентам, который действует рациональнее человека и к брендам не привязан. Мы попросили маркетолога Надежду Варлачеву рассказать про новые тренды предпринимателям и дать прогноз, как ситуация будет развиваться в дальнейшем.
«Это — вторая фаза революции, — говорит Надежда, — первая была, когда человек пришёл на платформу, а сейчас на платформу пришёл агент. И у него, в отличие от нас с вами, другая оптика».
И это не только ноябрьская дискуссия в России. В течение 2026 года мировые эксперты из Gartner, McKinsey и Deloitte независимо друг от друга много писали об agentic commerce — торговле, где ИИ уже не просто советует человеку, а участвует в поиске, сравнении и исполнении покупки. Gartner прямо пишет, что agentic commerce уже формируется как новый тип коммерции, McKinsey на исследовании около 21 тысячи потребителей обнаружил, что больше половины опрошенных уже используют нейросети на разных этапах покупки. Deloitte сообщает: 68% ритейлеров ожидают внедрения ИИ-агентов в ключевые процессы в ближайшие 12–24 месяца. То есть это уже не прогноз одного российского экономиста, а мировой тренд.
Агент видит вашу рекламу не так, как человек
Нейросеть не скроллит ленту, не «залипает» на красивой витрине и не испытывает внезапного желания купить что-нибудь только потому, что увидел «горящую скидку». Она сравнивает цену, характеристики, отзывы, сроки и другие данные — и если они грязные или противоречивые, у вашей компании появляются проблемы ещё до того, как агент добрался до вашей красивой карточки.
Исследователи Columbia Business School ради эксперимента пустили нейросети GPT, Claude и Gemini по магазинам — точнее, по специально собранной симуляции магазина ACES. И выяснилось, что агенты вовсе не идеально рациональны. Все предпочитали верхний ряд, GPT чаще выбирал слева, Claude — в центре, Gemini — справа. Метка Sponsored снижала вероятность выбора, а рекомендация платформы Overall Pick, наоборот, повышала её. То есть идея "золотой полки" на удивление продолжает жить и в мире агентов. Просто выясняется, что у агента тоже есть своя «психология покупателя», и мы её пока только начинаем изучать.
Более того, исследователи дали продавцу-агенту возможность слегка менять описания товаров под особенности выбора покупающих агентов. Примерно в четверти случаев даже небольшая перестановка слов или более точное описание заметно увеличивали долю выбора товара нейросетью. Но важная оговорка: то, что работало на одной модели, иногда ухудшало результат на другой.
Похоже, нас ждёт ещё одна разновидность маркетинга: оптимизация не только под человека и поисковик, но и под ИИ, который выбирает за человека.
Бренд дешевеет, но не весь
Аузан говорит, что тысячи брендов могут девальвироваться, потому что у агента нет нашей привычной лояльности и издержек перехода. При этом, по его мнению, в особенности сохранят ценность бренды, которые помогают человеку демонстрировать статус и идентичность.
Греф формулирует ещё жёстче: агентная экономика «убивает интерфейсы», а интерфейс — главное оружие платформы. Платформы, построенные вокруг удержания человеческого внимания, могут проигрывать тем, кто лучше умеет работать с машиночитаемыми данными.
Но я бы здесь не спешила хоронить бренд вообще. Потому что одно дело, когда человек говорит агенту:
«Найди мне хорошие кроссовки до 15 тысяч».
И совсем другое:
«Найди мне Salomon до 15 тысяч».
Во втором случае бренд уже выиграл часть битвы до того, как агент начал сравнивать характеристики.
То есть, возможно, задача бренда будущего — не заставить ИИ полюбить вас, а сделать так, чтобы человек сам включил ваш бренд в условия поиска.
Но есть голос против хайпа
Феликс Ризеберг, который руководил разработкой нейросеток ClaudeCowork и Claude Code Desktop в Anthropic, предостерегает от другой крайности — желания построить армию агентов просто потому, что сейчас модно строить агентов.
В его интервью мне особенно понравилась идея: не нужно искусственно нарезать бизнес на маленькие кусочки данных и каждому «агенту-аналитику», «агенту-маркетологу» и «агенту-креатору» выдавать по крошечному фрагменту. Сильнее работает модель, которой дали доступ к нужным исходным данным, инструментам и достаточно широкую задачу — а дальше позволили самой определить, что ей понадобится.
Его логика проста: нет причин раздувать штат ИИ-агентов там, где можно усилить чат скилами и правильными промтами. Вот здесь я услышала маленький звоночек, что все-таки есть другая ветка эволюции в наших отношениях с ИИ-моделями.
Есть, впрочем, ещё один показательный сигнал. Ещё в 2025 году Сбер сделал базовые навыки работы с ИИ обязательным требованием для большинства действующих и новых сотрудников. Для части специальностей эти навыки уже проверяются на собеседовании, а от аналитиков и ИТ-специалистов ждут более глубокого применения ИИ в работе. Первый зампред Сбера Александр Ведяхин сравнил происходящее с появлением когда-то в резюме фразы «уверенный пользователь ПК»: теперь компаниям нужны «уверенные пользователи искусственного интеллекта».
Мне кажется, это довольно прозрачный намёк: ИИ перестаёт быть отдельной профессией или модным дополнительным навыком и постепенно становится базовой рабочей грамотностью.
Три «антихрупких» действия для бизнеса
Надежда Варлачева советует: не ждите, пока ИИ-агенты станут привычной частью покупательского пути, чтобы обнаружить, что ваш бизнес им неудобно читать.
Первое — станьте понятны и человеку, и машине.
«Я бы не переносила приоритет с «для человека» на «для машины». Пока мы не знаем, насколько быстро агенты займут существенную часть покупок, — объясняет Надежда. — Но второй, «машиночитаемый», слой маркетинга нужен уже сейчас. Проверьте, насколько однозначно описаны ваши товары и услуги: название, характеристики, цена, наличие, варианты, сроки доставки, возврат. Нет ли противоречий между сайтом, маркетплейсом, каталогом и другими площадками».
Это уже не разговор о далёком будущем. Поисковик использует структурированные данные товаров, а ИИ-модель при подборе товаров учитывает цену, описание, отзывы, доступность и другие данные. Некоторые ИИ-модели уже позволяют продавцам передавать товарные фиды с актуальными ценами и остатками напрямую.
«Второе — не хороните бренд. Сделайте так, чтобы человек захотел назвать его агенту, — рассказывает Надежда Варлачева. — Аузан прав в одном: если выбор полностью передан рациональному агенту, привычная брендовая лояльность действительно может ослабнуть. Но из этого не следует, что нужно перестать вкладываться в эмоции и бренд и оставить только таблицу характеристик!»
Вернёмся к кроссовкам:
«Найди хорошие кроссовки до 15 тысяч».
А теперь:
«Найди Salomon до 15 тысяч».
Вот зачем вам всё ещё нужен бренд.
Человек может заранее ограничить пространство выбора: маркой, стилем, репутацией, ценностями, сообществом, опытом предыдущей покупки.
Поэтому задача становится двойной:
Пусть машина легко понимает, что вы продаёте.
А человек понимает, почему он хочет попросить именно вас.
«Третье — не стройте «зоопарк» агентов. Но начинайте работать с ними уже сейчас. «Здесь я бы как раз взяла логику Ризеберга», — объясняет Надежда. —Не нужно завтра создавать виртуальный «отдел маркетинга» из двадцати персонажей и давать каждому красивую должность. Но и сводить возможности агентов к «пусть раз в день проверяет пять цен конкурентов» уже поздно.
Агент может ежедневно следить за контекстной рекламой: находить аномалии, анализировать расходы и конверсии, тестировать креативы, предлагать перераспределение бюджета — а в заданных безопасных пределах и выполнять изменения. В рекламной индустрии именно анализ эффективности, оптимизация креативов, планирование и управление бюджетом сегодня относятся к наиболее востребованным сценариям агентного ИИ. Другой агент или агентная система могут вести контент-завод: собирать новости и сигналы рынка, следить за конкурентами, предлагать темы, собирать материалы, готовить варианты контента под разные площадки, запускать генерацию изображений и видео и собирать результаты публикаций».
Для B2B-компании, по словам Надежды, ИИ-агент может ежедневно мониторить тендеры и закупки по заданным критериям: отсеивать неподходящие, вытаскивать требования, сроки, обеспечение и документы, оценивать соответствие возможностям компании и приносить специалисту уже короткий список закупок, которые стоит рассмотреть.
Можно идти ещё дальше: агент анализирует весь бизнес-процесс, одновременно проверяет десятки гипотез и приносит специалисту уже подготовленный отчёт с возможными причинами отклонений. Сбер, например, тестировал такой подход в процессной аналитике: то, на что у аналитика уходили дни, агент выполнял за десятки минут, оставляя человеку интерпретацию, проверку и итоговое решение.
И вот это, пожалуй, главное: цель агента — не убрать специалиста. Цель — резко увеличить объём работы, который способен выполнить один хороший специалист.
Маркетолог по-прежнему решает, куда вести рекламу и что проверять. Специалист по тендерам — подаваться или нет. Руководитель — принимать решение.
Но человеку уже не обязательно собственными руками собирать, переносить, сравнивать и перепроверять каждую единицу информации.
Поэтому увеличивайте уровень доверия постепенно.
Сначала агент собирает информацию.
Потом анализирует и предлагает решение.
Потом делает действие после вашего подтверждения. И только там, где цена ошибки понятна, ограничена и действие обратимо, получает больше автономии.
Такой принцип используют уже и крупные компании: степень самостоятельности агента привязывают к риску и обратимости операции, а итоговую ответственность оставляют за человеком.
Потому что автоматизировать плохое решение — один из самых быстрых способов делать ошибки теперь не вручную, а промышленными объёмами.