a16z новые инсайты: традиционная электронная коммерция мертва? ИИ-нативные платформы переопределяют саму суть «покупок»

Вы когда-нибудь задумывались, почему Google стала гигантом с рыночной капитализацией в 2 триллиона долларов, а Wikipedia остаётся некоммерческой организацией? Ответ прост: магия коммерческого поиска. Когда вы ищете «сколько протонов в атоме цезия», Google не зарабатывает ни копейки. Но когда вы ищете «лучшие теннисные ракетки», она начинает печатать деньги. Эта асимметрия определяет саму суть экономики поиска. Сейчас, с приходом ИИ, этот баланс полностью разрушается.

Недавно я прочитал глубокую аналитическую статью партнёра a16z Джастины Мур и Алекса Рампелла. Их идеи о том, как ИИ преобразует сферу электронной коммерции, вызвали у меня глубокий шок. Они не только проанализировали угрозы, которые могут ожидать Google, но, что важнее, нарисовали совершенно новую картину электронной коммерции эпохи ИИ. В этом будущем традиционная модель «поиск — сравнение — покупка» заменяется интеллектуальным процессом покупки, управляемым AI agent. Я много размышлял над их тезисами, сопоставил их со своими наблюдениями за отраслью и хочу поделиться более глубокими мыслями по этому поводу.

Настоящий кризис Google: дело не в объёме поисковых запросов, а в перераспределении ценности

Джастина в статье упоминает один поразивший меня тезис: даже потеряв 95% объёма поисковых запросов, Google всё ещё может увеличить доходы, если сохранит те запросы, которые имеют коммерческую ценность. Это утверждение звучит контринтуитивно, но на самом деле раскрывает главную тайну экономики поиска. Вникнув в него глубже, я понял, что за этим скрывается более фундаментальный вопрос: ИИ меняет место возникновения ценности.

В традиционной модели Google выступала в роли информационного посредника. Пользователь выражает намерение купить что-то, Google выдаёт результаты поиска и рекламу, продавцы получают трафик, а Google забирает рекламные доходы. Это относительно простая игра трёх сторон. Но появление AI agent нарушает этот баланс. Когда ChatGPT или Perplexity могут напрямую ответить на вопрос «что такое лучшая теннисная ракетка» и дать конкретную рекомендацию, зачем пользователю вообще кликать по рекламной ссылке в Google?

Более важно то, что ИИ не просто отвечает на вопросы — он переопределяет само понятие «поиска». Раньше наш процесс выглядел так: задать вопрос→получить список ссылок→перейти по ним→сравнить информацию→принять решение. Процесс работы AI agent выглядит иначе: описать потребность→получить рекомендации→совершить покупку. Этапы сравнения и анализа данных значительно сокращаются или исчезают вовсе. Это означает, что традиционные поисковые системы теряют не просто объём запросов, но и ключевую позицию в цепочке принятия решений.

Предпосылки этого прослеживаются в показаниях старшего вице-президента Apple Эдди Куя на судебном процессе Минюста США (DOJ) по антимонопольному делу в мае 2025 года. Он отметил, что объём поисковых запросов в Safari впервые за более чем двадцать лет снизился. Эта новость мгновенно обрушила акции Alphabet почти на 8% за один день, стёрв с рынка более 150 миллиардов долларов. Хотя во втором квартале доходы Google от поиска продолжали расти, что указывает на потерю в основном низкоценных запросов, направление этого тренда абсолютно ясно.

По моему мнению, Google сталкивается не просто с угрозой конкуренции, а со структурным вызовом для своей бизнес-модели. Когда ИИ способен напрямую обрабатывать весь цикл — от распознавания намерения до финального решения о покупке — традиционная схема «трафик→реклама→конверсия» становится неэффективной, а то и вовсе устаревшей. Google нужны не лучшие алгоритмы поиска, а совершенно новая бизнес-модель, адаптированная к потребительскому поведению, движимому ИИ.

Трансформация пяти типов покупок под ИИ: от импульсивных до взвешенных решений

В статье Джастина делит покупательское поведение на пять категорий, от Impulse buy (импульсивных закупок) до Life purchases (жизненно важных приобретений), и отмечает, что каждая из них претерпит изменения различной степени интенсивности в эпоху ИИ. Мне кажется, эта классификация невероятно точна, но я хотел бы глубже проанализировать психологические механизмы, стоящие за каждым типом покупок, и понять, как именно ИИ их трансформирует.

Impulse buy (импульсивные покупки) кажутся наименее затронутыми ИИ областью, ведь импульс по определению исключает рациональный анализ. Однако мне кажется, такая оценка слишком поверхностна. Настоящая сила ИИ заключается в прогнозировании и управлении импульсами. Представьте: вы видите забавную футболку в TikTok, а ИИ уже проанализировал вашу историю просмотров, записи покупок, активность в соцсетях и даже ваше текущее эмоциональное состояние. Затем система демонстрирует товар, идеально соответствующий вашим психологическим потребностям именно в этот момент. Это уже не банальная алгоритмическая рекомендация, а глубокое понимание и направление человеческой импульсивности. Подобная персонализированная стимуляция способна сделать импульсивные покупки ещё более частыми и целенаправленными.

Цифровизация Routine essentials (бытовых товаров первой необходимости) понимается проще всего и реализуется легче всего. Но я замечаю интересный феномен: когда ИИ начинает принимать рутинные покупательские решения от нашего имени, наши привычки потребления могут тонко измениться. Например, ИИ может корректировать время и объём закупки, исходя из колебаний цен, наличия на складах или даже прогноза погоды. Умный AI agent, заметив, что ваш стиральный порошок вот-вот закончится, ещё за неделю до этого обнаружит скидку у конкретного бренда, совершит закупку заранее и предложит вам попробовать. Такое «интеллектуальное арбитражное» поведение позволит потребителям незаметно получать лучшее соотношение цены и качества, одновременно заставляя бренды пересматривать свои стратегии ценообразования и промоакций.

Покупки Lifestyle purchases (товары для образа жизни) — это, по моему мнению, сфера, где ИИ окажет максимально сильное влияние. Для таких покупок характерны определённый ценовой порог, связь с индивидуальным вкусом и необходимость предварительного исследования. Джастина упоминает такие продукты, как Plush, но, думаю, это лишь верхушка айсберга. Подлинная революция начнётся благодаря глубокому обучению ИИ личному стилю и предпочтениям пользователей. Представьте ассистента, который знает не только вашу историю заказов, но и понимает особенности телосложения, оттенка кожи, стиля жизни, социального окружения и даже ваши aspiration (стремления). Он сможет рекомендовать не отдельные вещи, а целые комплекты одежды или даже пути развития вашего личного стиля. Такой уровень персонализации недостижим для традиционных маркетплейсов.

Трансформация Functional purchases (функциональных покупок) самая сложная и наиболее проблематичная. Обычно они сопряжены со значительными расходами и долгим сроком службы, поэтому потребителю недостаточно просто получить список товаров — ему нужен экспертный консалтинг. Здесь возникнет новый класс ИИ-приложений: AI-консультанты. Они будут обладать обширной базой знаний о продуктах и способны вести глубокие диалоги, аналогичные работе профессиональных продавцов. Такие агенты смогут уточнять ваши конкретные потребности, условия эксплуатации, бюджетные ограничения и даже долгосрочные планы, после чего предоставлять высокоперсонализированные советы. Ключевое преимущество этих консультантов заключается в их межбрендовой нейтральности: они не будут отдавать предпочтение какому-либо конкретному продукту из-за комиссионных или остатков на складе.

Life purchases (жизненно важные приобретения) — возможно, наименее затронутая ИИ область, но одновременно и одна из самых значимых. Решения о покупке недвижимости, создании семьи или образовании настолько масштабны и индивидуальны, что передать их полностью ИИ сложно. Тем не менее ИИ способен взять на себя сбор информации, сравнение вариантов, оценку рисков и многое другое. AI-coach, в моём представлении, не примет решение вместо вас, а поможет выбрать оптимальный путь. Он сможет систематизировать массивы данных, выявлять скрытые риски, моделировать долгосрочные последствия различных сценариев и даже помогать в переговорах по контрактам. Ценность такого AI coach заключается в его беспристрастности и всестороннем охвате контекста, чего зачастую не хватает человеческим консультантам из-за конфликта интересов.

Мосты Amazon и Shopify: двойное преимущество данных и инфраструктуры

В своём анализе Джастина утверждает, что Amazon и Shopify обладают более устойчивой защитой по сравнению с Google. Я полностью согласен с этой позицией, но хотел бы глубже рассмотреть происхождение и устойчивость этого преимущества. Сила Amazon заключается не только в контроле всей цепи — от поиска до доставки, но прежде всего во владении наиболее ценными behavioral data (поведенческими данными).

Amazon знает, что именно вы покупаете, когда это происходит, как быстро доставляется заказ, возвращаете ли товар и покупаете ли снова. Ценность этих данных несоизмерима с историей поисковых запросов, поскольку они напрямую отражают реальные транзакции и уровень удовлетворённости. Когда AI agent принимает решение о покупке за пользователя, эти данные становятся самым ценным тренировочным материалом. Google, хоть и видит, что вы искали, не знает, купили ли вы товар в итоге, а тем более довольны ли результатом. Разрыв в доступе к данным в эпоху ИИ будет только усиливаться.

Важнее то, что программа лояльности Amazon Prime (loyalty program) порождает уникальную экономико-психологическую динамику: sunk cost bias (предвзятость невозвратных затрат). Став платным участником Prime, человек склонен покупать больше товаров на платформе, чтобы «оправдать» потраченные средства. В эпоху ИИ этот механизм может усилиться. Когда AI agent подбирает для вас лучший вариант покупки, он вполне может естественным образом рекомендовать Amazon, поскольку знает ваш статус участника Prime и возможности бесплатной доставки и других бонусов.

Логика защиты Shopify принципиально иная, но от этого не менее надёжная. Она строит своё преимущество не через контроль потребителей, а через поддержку продавцов и создание сетевых эффектов. По мере того как всё больше D2C (Direct-to-Consumer, прямых поставщиков потребителю) брендов выбирают Shopify, платформа становится незаменимой. В эпоху ИИ децентрализованный характер этого преимущества проявится ещё ярче. AI agentу придётся одновременно собирать данные и оформлять заказы на сотнях разных сайтов брендов, и если все они работают на базе Shopify, сформируется стандартизированная экосистема API.

Я считаю, что у Shopify есть и недооценённое преимущество: она находится ближе всего к бренд-сторителлингу. В ИИ-эпоху функциональные различия продуктов будут оперативно оцениваться и сравниваться машинами, однако эмоциональная связь с брендом по-прежнему требует человеческого восприятия. Бренды на Shopify обычно обладают уникальной историей и культурой. Эти нематериальные ценности трудно поддаются полной количественной оценке ИИ, но они остаются решающим фактором при формировании потребительских выборов.

Четыре инфраструктурных вызова коммерциализации ИИ

В конце статьи Джастина выделяет четыре базовых условия, необходимых ИИ для раскрытия всего потенциала в коммерции. Каждое из них заслуживает детального разбора, ибо эти барьеры — не просто технологические трудности, но и возможности для инноваций в бизнес-моделях.

Во-первых, проблема качественных данных. Существующая система отзывов о товарах действительно страдает от серьёзных изъянов: фейковые отзывы, поляризация мнений, отсутствие контекста. Однако причина кроется в смещённой системе мотивации. Потребители оставляют комментарии преимущественно крайних позиций — либо при максимальном довольстве, либо при резком разочаровании. Средние показатели часто игнорируются. Кроме того, текущие механики не фиксируют условия эксплуатации товара, ожидания пользователей и изменение характеристик во времени.

Идеальная система данных, по моему представлению, работает так: AI agent собирает не только субъективные оценки, но и отслеживает фактическое использование продукта через устройства IoT. Например, умные часы анализируют не только наличие звёздного рейтинга, но и реальную частоту и продолжительность носки. Отзывы о кофемашине дополняются данными о частоте приготовления напитков, частоте чистки и обслуживания. Лишь комбинация объективных метрик использования и субъективных впечатлений формирует по-настоящему ценную систему оценки товаров.

Вызов Unified API (единых API) носит скорее политический, чем технический характер. Каждая торговая площадка обладает собственной архитектурой API, форматами данных и механизмами авторизации. Эти различия зачастую навязываются сознательно ради создания эффекта блокировки платформы. Однако в эпоху AI agentов фрагментация может стать главным тормозом эффективности всей отрасли. Я прогнозирую появление специализированных сервисов агрегации API, аналогичных глобальным дистрибутивным системам туриндустрии. Такие платформы стандартизируют интерфейсы разных маркетплейсов, позволяя AI agentам беспрепятственно сравнивать товары и совершать покупки между разными площадками.

Проблемы идентификации и памяти представляют наибольшую сложность, поскольку требуют баланса между приватностью, точностью и адаптивностью. Я полагаю, что будущим AI shopping assistants (ИИ-помощникам для шоппинга) потребуется многослойная модель предпочтений. Она должна не только фиксировать историю покупок, но и осознавать ваши ценности, жизненный этап, финансовые рамки и т. д. Система должна знать, что в будний обед вы цените скорость, но на ужин в выходные предпочитаете качество и эстетику. Персонализация с учётом контекста требует от ИИ социальной эмпатии, сопоставимой с человеческой.

Embedded capture (встроенный захват данных) может стать областью с наибольшим инновационным потенциалом. Традиционный сбор информации пассивен и запаздывает: оценка ставится после покупки, обратная связь приходит по факту использования. AI agent же способен обучаться на основе предпочтений в реальном времени. Если вы дольше обычного зависаете на характеристике конкретного товара, ИИ делает вывод о вашей повышенной заинтересованности. Мгновенное перемещение мимо определённых цветовых опций позволяет агенту изучать ваши цветовые предпочтения. Анализ микро-взаимодействий даёт ИИ возможность глубже и точнее понимать ваши вкусы.

Пересборка архитектуры маркетплейсов: кто победит?

Осмыслив аргументы Джастоины, я пришёл к собственным выводам о будущих ландшафтах электронной коммерции. ИИ спровоцирует новую реструктуризацию платформ, однако логика победы будет иной, чем ранее.

Конкуренция в классической эре e-commerce концентрировалась вокруг трёх измерений: ассортиментного разнообразия, удобства и цены. Amazon одержал верх в категории выбора благодаря концепции «магазина всего», а Prime закрепил лидерство в удобстве. В эпоху ИИ относительный вес этих конкурентных преимуществ трансформируется.

Когда AI agentы самостоятельно мониторят цены во всей сети и оформляют заказы от вашего имени, ценовое преимущество отдельных площадок размывается. Когда машинный ИИ берёт на себя интеллектуальную обработку заказов и кросс-платформенную доставку, само понятие удобства меняется. Реальное преимущество перейдёт в плоскости качества данных, зрелости ИИ-инструментария и глубины экосистемной интеграции.

Я ожидаю появления нескольких новых категорий игроков: AI-native платформ электронной коммерции, вертикальных AI agentов и поставщиков коммерческой инфраструктуры. Платформы нового поколения проектируются с нуля с приоритетом на потребности AI agentов: структурированные данные о товарах, унифицированные API и интерфейс, дружественный к машинному взаимодействию. Вертикальные агенты сосредотачиваются на конкретных категориях — например, fashion-AI, digital-AI или home-improvement-AI — и создают барьеры за счёт узкой экспертизы. Провайдеры коммерческой инфраструктуры будут поставлять базовый технологический слой, помогая traditional marketplaces пройти AI-трансформацию.

Также я предвижу формирование новой бизнес-модели: AI agent subscription (подписка на ИИ-агентов). Потребители могут уйти от прямого посещения маркетплейсов к оформлению подписки на одного или несколько персональных шоппинг-агентов, которые возьмут на себя все решения о покупках. Агенты будут брать абонентскую плату вместо торговых комиссий, устраняя конфликт интересов и работая исключительно в интересах покупателя. Подобная парадигма способна кардинально перераспределить стоимость в цепи создания ценности электронной коммерции.

Переосмысление маркетинга брендов под ИИ: от массовых кампаний к диалогу наедине

Влияние ИИ на коммерцию выходит далеко за рамки трансформации покупательского поведения: оно фундаментально меняет логику брендового маркетинга. В эпоху AI agentов эффективность традиционного массового маркетинга рухнет, поскольку пользователи перестанут самостоятельно искать и сравнивать товары, полагаясь исключительно на рекомендации машин.

Отсюда следует, что брендам необходимо научиться коммуницировать с ИИ, а не с людьми. При оценке товаров AI agentы действуют гораздо более рационально и опираются на данные: их невозможно ввести в заблуждение премиальной упаковкой или эмоциональными рекламными креативами. Машины фокусируются на объективных метриках производительности, соотношении стоимости и характеристик, а также баллах удовлетворённости клиентов.

Это вовсе не обесценивает роль бренд-нарративов. Напротив, подлинные истории брендов станут критически важными, поскольку AI agentы будут глубоко анализировать консистентность и доверие к бренду. Противоречия в сообщениях, транслируемых на разных площадках или в разные периоды, легко выявляются алгоритмами, что ведёт к снижению веса рекомендаций.

Я прогнозирую возникновение нового маркетингового профиля: AI relationship manager (специалист по взаимодействию с ИИ). Задача таких сотрудников — гарантировать, что вся информация о продукте, ценовая стратегия, управление запасами и прочие аспекты корректно интерпретируются и оцениваются системами ИИ. Им предстоит оптимизировать структурированные данные, управлять API-интеграциями, мониторить паттерны выдачи рекомендаций и многое другое.

Ещё одно существенное изменение — предельная персонализация. Благодаря глубокому осознанию профиля каждого пользователя AI agentом, бренды получат возможность предлагать индивидуальную продукцию каждому отдельно. Речь идёт уже не о рекомендации готового товара, а о создании самого продукта под конкретного человека. Представьте: ваш помощник передаёт фирме одежды точные параметры тела, цветовые симпатии, требования к материалам и бюджет. Бренд шьёт эксклюзивную вещь специально для вас. Подобная массовая кастомизация становится экономически оправданной именно в ИИ-эпоху.

Будущее десятилетие: какую трансформацию мы наблюдаем?

После углублённого изучения материалов Джастоины и сопоставления их с моими наблюдениями, я прихожу к выводу, что мы видим не просто изменение ландшафта e-commerce, а фундаментальный сдвиг в экономической поведенческой динамике.

Классическая экономическая теория постулирует потребителей как рациональных агентов, самостоятельно собирающих информацию, сравнивающих альтернативы и принимающих наилучшие решения. Однако практика неизменно доказывает, что человеческий выбор насыщен когнитивными искажениями, эмоциями и ментальными ограничениями. Появление AI agentов способно сделать потребление более «рациональным»: машины оперируют большими массивами данных, нивелируют эмоциональные перекосы и последовательно применяют критерии принятия решений.

Массовое распространение рационального потребления повлечёт за собой глубокие последствия. Во-первых, колоссально вырастет рыночная эффективность, поскольку потребители точнее оценят реальную стоимость товаров. Во-вторых, качество продукции превзойдёт по значимости навыки маркетинга, так как машинные агенты не поддадутся воздействию эффектной рекламы. В-третьих, возрастёт прозрачность ценообразования благодаря мгновенному сопоставлению ставок на всех площадках сети.

Вместе с тем возникает опасение: гиперрационализация потребления способна породить негативные эффекты. Радость открытия и спонтанности в шоппинге может уменьшиться, ведь алгоритмы упорно выдают «оптимальный» вариант, игнорируя сюрпризы или просто приятные эмоции. Импульсивные покупки, пусть и противоречащие строгости логики, являются частью удовольствия от жизни. Тотальная оптимизация процессов искусственным интеллектом способна сделать нашу повседневность излишне предсказуемой.

На макротехнологическом уровне внедрение ИИ в коммерцию ускорит цифровизацию экономики. Всё больше транзакций и бизнес-процессов будут регистрироваться и анализироваться в цифровом виде, создавая беспрецедентную основу для экономического прогнозирования и формирования государственной политики. Правительства получат инструменты для более точного предвидения трендов, выявления рыночных дисфункций и разработки адресных мер регулирования.

Я прогнозирую, что в ближайшие десять лет коммерческие решения, драйвером которых выступает ИИ, перейдут из статуса экспериментальных проектов в категорию стандартных практик. Пионеры внедрения получат весомые конкурентные преимущества, однако по мере массовой доступности технологий эти изоляции постепенно стираются. Долгосрочными победителями останутся те компании, которые сумеют в ИИ-эпоху заново определить ценность для клиентов и выстроить вокруг неё новые процессы взаимодействия.