Почему покупки с использованием ИИ-агентов до сих пор не стали массовыми?

Автор: Anderl

Подготовка материала: Chopper, Foresight News

В индустрии искусственного интеллекта и криптовалют сейчас распространено утверждение: наделение AI-агентов кошельками для полномасштабной замены человека в покупках является самым важным сценарием внедрения ИИ. Данная формулировка звучит лаконично и идеально, словно предвестие будущего, но внутренняя логика не выдерживает критики. Эта точка зрения путает сложные и простые аспекты покупок, ставя при этом самый простой этап оплаты в центр внимания.

Давайте сначала оставим в стороне вопросы оплаты и вернёмся к самому процессу совершения покупок.

Два основных действия при совершении покупок

Покупки по своей сути представляют собой два типа действий, которые сегодня оказались связаны друг с другом: поиск информации и оценка ценности. Поиск (сбор, фильтрация, сравнение, первичная сортировка) обладает стандартизированными характеристиками и практически может быть полностью передан машинам-агентам; тогда как оценка ценности (качественный ли товар, подходит ли он мне, можно ли доверять продавцу) тесно связана с человеческими субъективными эмоциями.

Данные уже доказали, что поиск информации быстро переходит к ИИ. Согласно данным Adobe Analytics, в период с июля 2024 года по июль 2025 года трафик с генеративного ИИ на американские розничные сайты вырос примерно на 4700%. Однако нарратив об «AI-кошельке» предполагает, что интеллектуальные агенты могут одновременно взять на себя и поиск, и оценку ценности, что является ключевой подменой понятий во всей этой логике. Поиск можно полностью передать машинам, но оценку ценности можно передать частично лишь при определенных условиях; в большинстве случаев она совершенно не подлежит делегированию.

Оценка ценности разделяется на два уровня

Более того, сама оценка ценности также не является одномерной, а делится на две части. Одна часть — это оценка, то есть проверка различных вариантов на основе функции полезности. Вторая часть — это определение потребностей, то есть первоначальная установка функции полезности: какие измерения важны, каков их вес, какие ценности являются обязательными, и что означает «хорошо» в конечном итоге.

Определение потребностей не происходит однократно в начале; оно пронизывает весь процесс покупки. Стандарты соответствия товаров определяете вы; решите ли вы отказаться от товара из-за сломанной молнии, зависит от ваших критериев оценки; выбор продавца обусловлен вашими ценностными ориентирами. Каждый этап отбора следует логике «субъективный человеческий стандарт × машинная оценка ИИ». Автоматизация может заменить только этап оценки, суверенное право определения потребностей всегда остается за человеком.

Многие ошибочно полагают, что достаточно один раз составить список стандартов, чтобы полностью передать дела, что серьезно недооценивает логику человеческих решений. Многочисленные исследования в области принятия решений подтверждают, что человеческие предпочтения не являются статичными. Психолог Пол Словик предложил теорию конструктивного формирования предпочтений: у нас нет заранее существующего набора фиксированных предпочтений, которые нужно просто извлечь; предпочтения формируются поэтапно в процессе выбора. Эксперименты по «перевороту предпочтений» подтверждают это: два эквивалентных метода исследования — выбор и ценообразование — приводят к совершенно разным рейтингам товаров, что противоречит базовым аксиомам рационального выбора.

Ариэли, Лёвенштейн и Преалек в 2003 году предложили теорию «согласованной арбитрарности»: даже случайные числа, такие как последние цифры номера социального страхования, могут служить якорем для психологической цены обычных товаров; причем этот эффект привязки не исчезает ни с приобретением потребительского опыта, ни с рыночными сделками. То, что называется «стабильными предпочтениями», является всего лишь иллюзорным порядком, построенным искусственно.

Следовательно, взаимодействие человека и машины не должно ограничиваться одноразовым заполнением списка стандартов, а требует постоянного итеративного диалога. AI-агент на каждом этапе отбора задает целевые вопросы: «Ранее вы придавали значение долговечности. При каком уровне премии она перестает быть для вас экономически оправданной?», после чего человек устанавливает эту границу в режиме реального времени.

Настоящая разделительная черта: закупки как рутина или как источник удовольствия?

Отрасль традиционно делит сценарии на «стандартизированные товары» и «индивидуализированные товары»; расхождения касаются не столько возможности количественной оценки стандартов, сколько истинной разделительной черты: обладает ли сам процесс принятия выбора ценностью опыта.

Что касается бумаги для принтеров, батареек или товаров, требующих регулярного пополнения запасов, процесс выбора здесь совершенно не несет никакой эмоциональной ценности. Никто не хочет тратить силы на сравнение двух практически идентичных картриджей. Такие товары изначально подходят для полной автоматизации через AI-агентов, и автоматическое повторное приобретение машиной не приведет к потере какого-либо опыта.

Для товаров наслаждения ситуация строго противоположна. Вино, мебель, пальто, книги — сам процесс отбора является частью удовольствия от потребления. Если передать право оценки машине, мы сэкономим время, но напрямую лишимся ключевого удовольствия от покупки. Даже если ИИ будет бесплатно консультировать на всех этапах, люди все равно не захотят полностью делегировать этот процесс.

В отношении товаров для удовольствия AI-агент не должен принимать окончательные решения самостоятельно, а должен трансформироваться в собирателя информации: завершить поиск, первичную фильтрацию, сопоставление параметров, проверку квалификации продавца, выявление общих недостатков продукта среди множества отзывов, сократить 200 вариантов до пяти и оставить право окончательного выбора за человеком.

Тройная дилемма: опрос ИИ, анализ истории, независимый выбор

Кто-то скажет: разве ИИ не может просто напрямую спросить мои критерии оценки? Этот метод как раз является неэффективным шаблоном, который обычные люди обычно презирают в повседневной жизни, а самое опасное заключается в том, что постоянные уточнения стандартов искажают конечный выбор человека.

Уилсон и Шклер в 1991 году провели эксперимент по оценке джемов: испытуемых, которых заранее просили проанализировать причины своих предпочтений, в конечном итоге ранжировали продукты сильнее в сторону от профессиональных стандартов дегустации; последующие эксперименты доказали, что принуждение людей подробно перечислять причины своего выбора заставляет их покупать картины для украшения, степень удовлетворенности которыми впоследствии оказывается ниже. Язык способен описывать лишь поверхностные характеристики, легко поддающиеся выражению, но не может уловить истинные внутренние предпочтения; такие ощущения, как вкусовые или эстетические чувства, воспринимаются исключительно на интуитивном уровне, их трудно определить словами.

Таким образом возникает тройная неразрешимая дилемма:

• Прямой опрос ИИ: точно отражает текущие реальные предпочтения, но сопряжен с крайне высоким уровнем интеракционного трения, вплоть до искажения выбора;
• Анализ на основе исторического поведения: обеспечивает плавность взаимодействия, однако ограничивает пользователя прошлыми предпочтениями и подавляет новые потребительские открытия;
• Полностью самостоятельное суждение человека: сохраняет полное право выбора, но требует значительных затрат времени и сил.

Четвертый компромиссный подход позволяет избежать указанных недостатков: распознающий интерфейс вместо пошаговых вопросов. ИИ непосредственно демонстрирует три варианта, а человеку остается лишь выбрать один. Этот метод удобен и точен, поскольку не требует абстрактного именования тех стандартов, которые часто невозможно сформулировать словами.

Классический эксперимент по перегрузке выбором подтверждает это. Айянгор и Леппер в 2000 году провели эксперимент с дегустационным стендом джемов: при выставлении 6 видов джемов конверсия в покупку была значительно выше, чем при 24 видах. Однако эта теория вызывает споры, и ряд последующих аналитических экспериментов опровергли этот вывод. Шебенхен и соавторы в 2010 году, обобщив множество исследований, пришли к выводу, что в целом универсального эффекта перегрузки выбором не существует; анализ Чернева, Бёккенхольта и Гудмана 2015 года, охвативший 99 исследований, показал, что эффект перегрузки проявляется лишь когда товары сложны, принятие решений затруднительно, а собственные предпочтения размыты. Авторы в дальнейшем отмечали также, что при столкновении с 24 вариантами у потребителей просто не хватает времени для осмысления своих предпочтений. Подлинная автономия кроется в пространстве между «агент применяет мои критерии» и «агент придумывает критерии на основе моей истории».

Возвращение к «AI-кошельку»: оплата — лишь второстепенный этап

Разобравшись в приведенной логике, можно увидеть слабость нарратива о «наделении ИИ кошельком».

Данное утверждение смешивает три совершенно независимых понятия: субъект принятия решений, субъект исполнения и субъект владения средствами. «Наделение ИИ кошельком» решает лишь проблему владения средствами, и доверительное управление капиталом приобретает смысл только тогда, когда ИИ также обладает правом принятия решений.

Выделяется три ситуации. Первая: человек принимает решение и оплачивает самостоятельно. В этом случае агент не оплачивает, а выступает в роли разведчика. Вторая: человек принимает решение и поручает выполнение задачи агенту («да, купи это»). Тогда агент отвечает за расчет, но не хранит средства, ему предоставляется лишь ограниченная по масштабу и отзывная авторизация для конкретно одобренной покупки. И только в третьей ситуации, когда агент самостоятельно принимает решение и производит оплату без участия человека на кассе, сам кошелек берет на себя функцию проведения платежа.

Примечательно, что в 2025 году глобальная платежная индустрия уже реализовала многоступенчатые схемы авторизации, четко разделяющие «разрешение» и «доверительное управление средствами»:

• OpenAI совместно со Stripe запустила протокол коммерческих смарт-агентов, генерирующий общий платежный токен, привязанный к одному торговцу, фиксированной сумме и использующийся в течение ограниченного времени однократно; ИИ не получает доступ к полному номеру банковской карты;
• Mastercard в апреле 2025 года представила Agent Pay, создающую специализированный токен для конкретного агента, определенного торгового партнера и правил авторизации пользователя;
• Google в сентябре 2025 года выпустила протокол умной оплаты AP2, четко разделяющий «сертификат авторизации потребности пользователя» и «сертификат списка закупок ИИ»; оба относятся к верифицируемым криптографическим токенам, идеально соответствуя описанной выше логике分层 «определение потребностей / машинная оценка»;
• Visa в октябре 2025 года представила протокол доверенных агентов, концептуально совпадающий с рассмотренными выше решениями.

Ведущие платежные институты единогласно подтвердили основной тезис данной статьи: нет необходимости передавать ИИ контроль над средствами, достаточно предоставить ограниченные права на операции.

Тогда где находятся действительно применимые сценарии для независимого управления кошельками ИИ? В сфере розничного потребления необходимость в таком решении практически отсутствует; реальная ниша для внедрения данной системы лежит в плоскости стандартизированных массовых товаров и автоматических расчетов между машинами. Совместно выпущенные Coinbase и Cloudflare протокол x402 восполняет пробел в традиционных карточных платежных шлюзах: поддерживает автономные платежи между агентами без человеческого вмешательства, круглосуточно, с тарификацией по количеству вызовов API. За несколько месяцев после запуска объем транзакций превысил 100 миллионов. Mastercard параллельно запустила машинную версию Agent Pay, обслуживающую высокочастотные, низколатентные мелкие расчеты между машинами. Это фундаментальная инфраструктура экономики машин, а не решение для личных покупок.

Сам по себе этот нарратив не содержит ошибок, но в нем полностью перепутаны приоритеты: независимое управление кошельками ИИ представляет существенную ценность исключительно в ситуациях высокой гомогенности товаров и низкого среднего чека.

Где кошельку следует находиться на самом деле

Это также объясняет смещение фокуса в криптоиндустрии за последние два года: вместо нарративов об освобождении личного потребления отрасль углубляется в развитие институциональной базовой инфраструктуры — клиринг стейблкоинов, токенизация активов и корпоративные сервисы. Это вовсе не отказ от направления покупок с ИИ, а возврат к сфере, которой данная модель хранения кошельков соответствует в наибольшей степени: бизнес-сектору. Корпоративные отделы закупок сами по себе являются институциональным воплощением «закупок исключительно рутинных товаров»; процедуры закупок исключают субъективные эстетические оценки и личные ощущения, опираясь исключительно на спецификации, цены, показатели исполнения обязательств и условия контрактов, что по своей сути представляет собой ручную версию умного закупочного агента. AI-кошелек лишь автоматизирует давно отлаженные процессы предприятий, не требуя революционного изменения моделей поведения.

Сегодня многие компании передают на аутсорсинг закупки офисных принадлежностей и недорогих расходников; ключевое конкурентное преимущество платформ Mercateo и Amazon Business заключается не в низкой цене, а в снижении процесовых издержек: централизованные каталоги закупок и консолидация счетов. Бизнес готов мириться с небольшой премией за единицу товара ради резкого снижения затрат на персонал при закупках, ведь процесовые расходы на недорогие расходники зачастую превышают стоимость самих товаров. AI-агент способен снизить затраты на оформление заказов практически до нуля, одновременно производя поиск среди рассеянных огромных массивов поставщиков; закупочные платформы сохраняют лишь функцию проверки на соответствие нормам: аудит допуска поставщиков, централизованное сверка счетов, проверка подлинности; именно верификация является настоящим узким местом всего процесса.

Поэтому стратегию внедрения нельзя сводить к простому тезису «кошелек служит бизнесу, а не физлицам»; более точной формулировкой станет: инструмент подбирается под сценарий.

• Самостоятельно управляемый кошелек (ИИ самостоятельно принимает решения, хранит средства и осуществляет платежи): адаптирован для корпоративных закупок стандартизированных товаров и автоматических расчетов M2M, преимущественно охватывает сценарии высокочастотных повторных покупок B2B и M2M;
• Сценарии личных расходов: хранение средств не требуется, предоставляется только разовый токен платежа с ограниченной зоной применения, ИИ имеет право рассчитываться только после подтверждения заказа человеком.

Нарратив «наделить ИИ кошельком» в качестве маркетингового заголовка, ориентированного на частных лиц, затрагивает лишь микроскопическую долю рынка; реальной же основной нишей внедрения данной технологии выступают системы автоматизации бэк-офиса предприятий.

Пояснение: корпоративные закупки также не состоят исключительно из стандартизированных товаров. Часть закупочных решений likewise не может быть передана ИИ на автономную обработку: выбор юридических фирм, объектов поглощения или ключевых поставщиков относится к стратегическим решениям, чьи субъективные последствия имеют колоссальное значение, и, подобно личному выбору вина, должны приниматься человеком лично, оставляя никаких шансов для автономно управляемых кошельков в подобных сценариях.

Данный принцип применим ко всем сферам: независимое управление кошельками ИИ приносит пользу исключительно на уровне стандартизированных товаров, а именно внутри компаний сосредоточены наиболее масштабные и насыщенные запросами типовые процессы.

Настоящее узкое место — это никогда не оплата

Технологии движения капитала давно достигли зрелости, барьеров в платежном процессе не существует; истинные ограничения внедрения покупок с ИИ кроются в двух других аспектах.

Во-первых, дефицит достоверных источников данных. Автоматизированное суждение строится на правдивости и надежности данных; если базовая информация искажается, ИИ, принимающий решения самостоятельно, мгновенно усилит негативное влияние дезинформации. Массовое распространение фальшивых отзывов стало общепризнанной проблемой отрасли. Федеральная торговая комиссия США в 2024 году опубликовала новые правила (вступают в силу 21 октября), прямо запрещающие фейковые обзоры товаров, подчеркнув, что генеративный ИИ радикально снижает порог создания массовых ложных комментариев; за каждое нарушение предусмотрен штраф до 51 744 долларов, а к концу 2025 года регуляторы уже выдали ряд предупреждений.

Проблема контрафактных физических товаров также стоит крайне остро. Согласно данным ОЭСР и Европейского ведомства по интеллектуальной собственности за 2025 год, объем мировой торговли подделками в 2021 году составил около 467 миллиардов долларов, что равно 2,3% от общего объема мировой торговли; доля импорта контрафакта в ЕС достигает 4,7%, особо пострадали сегменты одежды, обуви, сумок и предметов роскоши, которые как раз относятся к категориям потребительских товаров для получения опыта. Сертификаты отслеживания происхождения отдельной единицы товара, проверяемые подлинные отзывы, экспертиза независимых третьих лиц, фиксация перемещения на уровне каждой единицы (директива ЕС о борьбе с контрафактом и закон США о цепочке поставок фармацевтической продукции давно обязывают внедрять эти механизмы на упаковку лекарств) выступают обязательными предварительными условиями для безопасной оценки ИИ.

Во-вторых, право определять потребности человека не подлежит автоматизации. Пока стандарты потребностей задаются человеком, последующая фильтрация, сравнение и расчет могут осуществляться автоматически. Процесс определения собственных потребностей по своей природе невозможно передать машине. Если ИИ сгенерирует для вас стандарты потребностей, итоговые предпочтения уже не будут принадлежать вам лично.

Наделение AI-агентов кошельками решает лишь самую простую задачу обращения средств. Направление, достойное глубокой проработки, заключается в безопасной и контролируемой автоматизации фильтрации и оценки, одновременно возвращая человеку два фундаментальных права — определение критериев оценки и наслаждение моментом финального выбора.

Заключение

В завершение необходимо подчеркнуть: для товаров потребительского опыта, если каналы закупок станут товаром, они станут повсеместно доступны. В тот момент ваше предложение перестанет быть самим товаром, решением станет именно выбор. Платформам необходимо оптимизировать уровень стандартизации собственной информации для удобства поиска ИИ: обеспечивать полную и верифицируемую прослеживаемость, предоставлять очищенные структурированные данные о товарах, направляя трафик ИИ обратно на собственную площадку. Сохраняя на этой базе непреходящие конкурентные преимущества, недоступные автоматизации, расширять границы пользовательского эстетического восприятия через новые формы потребительского опыта, а также дарить приятные эмоции от итогового выбора товара. Возложив сбор информации на плечи AI-агентов, платформы должны сфокусировать свое главное конкурентное преимущество на создании еще более качественного опыта выбора.