Классическая воронка электронной коммерции предполагала, что пользователь сам проходит путь от поиска к покупке: открывает сайт, изучает его, сравнивает предложения и собирает решение из нескольких источников. Сейчас часть этого маршрута переносится в интерфейс ИИ-ассистента. Человек формулирует намерение, а агент берет на себя исследование, например, сопоставляет варианты, проверяет условия и возвращает уже собранный ответ. В статье Олег Беспалов, директор по развитию компании «Фабрика кода», разберет, почему API-интеграция с ИИ-ассистентами важнее мобильного приложения.
ИИ-трафик начал конвертироваться лучше
Недавно переходы из ИИ-ассистентов были экспериментальным каналом. Пользователи приходили после общих вопросов и не всегда имели сформированное намерение купить, поэтому такой трафик уступал привычным источникам.
К 2026 году ситуация начала меняться. По данным Adobe Digital Insights, в марте 2025 года трафик из ИИ-источников конвертировался на 38% хуже обычных каналов, а в марте 2026 года уже на 42% лучше. Люди начали делегировать ассистентам рутинную часть выбора — сравнение товаров, условий, скидок и ограничений. В том же исследовании 39% опрошенных в США заявили, что уже использовали ИИ для интернет-покупок, а 85% из них отметили, что с таким сценарием им стало проще находить подходящие товары и предложения.
За счет этого меняется качество перехода на сайт:
- пользователь из поисковой выдачи чаще еще сравнивает варианты и собирает контекст;
- пользователь после диалога с ИИ-ассистентом уже приходит с конкретным выбором.
Похожую картину показывают и более узкие исследования. По данным Visibility Labs, трафик из ChatGPT на 94 сайтах электронной коммерции в 2025 году конвертировался на 31% лучше небрендового органического трафика Google: 1,81% против 1,39%. Доход на одну сессию также был выше — $3,65 против $3,30. При этом ChatGPT принес этим сайтам $474 тыс. выручки, тогда как небрендовый поиск Google — $32,1 млн. То есть канал уже показывает более высокое качество визитов, но пока остается значительно меньше классического поиска по объему.
Для рынка это не означает мгновенную замену поисковой оптимизации или мобильных приложений. Скорее, в воронке появляется новая первичная точка входа — ИИ-платформы аккумулируют пользовательский спрос и перенаправляют готовый трафик на сайты и в приложения бизнеса. По прогнозуEMARKETER, продажи через ИИ-платформы в США могут превысить $144 млрд к 2029 году и составить 8,8% розничной электронной торговли.
В феврале 2026 года, по данным TechCrunch, OpenAI объявила о 900 млн еженедельных пользователей ChatGPT. При этом исследование OpenAI и NBER показывает, что около 2,1% разговоров относятся к категории товаров и услуг для покупки. McKinsey оценивает, что к 2030 году ИИ-агенты могут опосредовать от $3 трлн до $5 трлн мирового потребительского оборота в категории товаров. Бизнес уже готовится к этому:
- Gartner прогнозирует, что к концу 2026 года до 40% корпоративных приложений будут включать специализированных ИИ-агентов.
- Deloitte отмечает, что 50–60% компаний в розничной торговле и потребительских товарах уже пилотируют агентские возможности и отдельно выделяют готовность программных интерфейсов как один из приоритетов.
Условный баннер, анимация и визуальная иерархия по-прежнему работают, когда человек уже пришел в веб-интерфейс бизнеса. Но ИИ-агент оценивает цену, наличие, совместимость, условия доставки, возврата, рейтинги и полноту описания. Если эти данные разрознены или недоступны в машинно-читаемом виде, продукт становится хуже понятен внешнему алгоритму.
Агентский слой и его место в сетевой инфраструктуре бизнеса
Когда выбор начинается в диалоге с ИИ, первой точкой контакта становится сгенерированный ответ. Присутствие в нем зависит от того, насколько бренд представлен в сети: нужны понятные для поисковых моделей тексты на сайте и внешних площадках, а также структурированные данные для однозначной интерпретации предложения.
Для алгоритма витрина — это набор структурированных параметров: спецификация товара, актуальное наличие, стоимость доставки, действующие ограничения и прямой путь к оформлению заказа. Сопоставляя эти данные с контентом на сайте, модель делает вывод о ключевых отличиях продукта от аналогов.
Когда такого слоя нет, ассистент собирает информацию обходными способами. Он обращается к текстам страниц, поисковым описаниям, отзывам, торговым площадкам, агрегаторам и сторонним обзорам. В результате бренд может сохранить качественный интерфейс для человека, но потерять контроль над тем, как его продукт будет понят, сравнен и представлен в ответе ИИ-системы.
Программный интерфейс приложения (API) становится полноценной частью канала продаж. Чем быстрее и точнее внешний агент получает структурированные данные о товаре, цене, наличии и правилах заказа, тем меньше ему приходится достраивать картину по косвенным источникам.
Но если выбор происходит внутри ассистента, из поля зрения исчезает контекст — какой запрос был задан, какие варианты сравнивались и почему агент выбрал именно этот продукт. В связи с этим вместе с архитектурой продаж меняется и архитектура аналитики.
Покупку видно, а поведение — нет
Проблема в том, что стандартная аналитика видит этот слой неполно. Отраслевые разборы показывают, что часть переходов из ИИ-сервисов попадает в Google Analytics 4 как прямой трафик. Google указывает, что источник появляется, когда система не получает понятных данных об источнике перехода. По даннымLoamly, в выборке из 446 405 визитов 70,6% ИИ-переходов пришли без заголовка источника перехода.
Да, переходы с ИИ-сервисов можно увидеть, если ассистент передал источник или ссылка была размечена метками. Но это мало меняет общую проблему. Даже когда система показывает, что пользователь пришел из ChatGPT или Perplexity, она не раскрывает саму логику выбора: какой вопрос задал человек, какие варианты сравнивались и почему агент вывел именно этот товар.
На основе вышеописанного бизнесу нужно отслеживать не только поведение на странице, но и признаки того, что спрос был сформирован до перехода на сайт:
- наличие и релевантность контента о бренде во внешних источниках (СМИ, блоги) и на сайте (база, на которой обучаются и строят выдачу ИИ);
- долю присутствия бренда и продуктов в ответах ИИ-систем;
- переходы из ИИ-ассистентов, когда источник технически передается;
- серверные запросы к сайту и программным интерфейсам;
- инфраструктурные журналы, где видны обращения автоматизированных систем;
- связь между заказами, источниками переходов и признаками агентского трафика.
Почему агенту нужен прямой доступ к данным
Если покупатель из Сызрани просит ИИ-ассистента найти лучший аккумуляторный шуруповерт с доставкой и подходящей ценой, агенту нужно быстро сравнить предложения разных продавцов. Если у магазина бренда нет прямого машинного доступа к данным, алгоритм вынужден отделять описание товара от меню, рекламных блоков, служебного кода и элементов интерфейса, которые не помогают выбору. Когда часть информации скрыта за сценариями JavaScript или нестабильной версткой, агент может неверно понять характеристики, условия покупки или ограничения продавца.
Отсюда возникает потребность в стандартизированном обмене данными. Это понятный формат взаимодействия, при котором бизнес передает машине ключевую информацию о том, что продается, сколько стоит, есть ли товар в наличии, какие действуют условия доставки, возврата и оформления заказа.
Этот переход уже оформляется на уровне протоколов
Model Context Protocol, или MCP, стал одним из первых проектов Agentic AI Foundation, созданной Linux Foundation, и задает общий способ подключения ИИ-систем к инструментам, данным и сервисам.
В торговле похожую задачу решают Universal Commerce Protocol, или UCP, от Google и партнеров, а также Agentic Commerce Protocol, или ACP, который развивают OpenAI и Stripe. Их общий смысл — в попытке заменить хаотичное извлечение данных из страниц управляемым машинным обменом.
Крупные платформы уже движутся в эту сторону. Shopify описываетотдельную точку доступа MCP для каждого магазина, а iManage выпустилаMCP-сервер для безопасного доступа ИИ-систем к управляемым корпоративным знаниям.
Но значит ли это, что бизнесу уже сейчас нужно переносить ресурсы с мобильных приложений на ИИ-инфраструктуру?
И да, и нет: мобильная разработка точно не умерла
Говорить о смерти мобильных приложений на фоне роста ИИ-агентов ошибочно. Мобильный канал остается одной из главных сред, где пользователь проводит время, платит за сервисы и взаимодействует с брендами. По данным Sensor Tower, в 2025 году покупки внутри приложений и платные приложения в iOS и Google Play принесли $167 млрд, а общее время, проведенное пользователями в приложениях, достигло 5,3 трлн часов.
Но рынок вышел на плато по установкам. Sensor Tower оценивает число новых загрузок в 2025 году примерно в 149 млрд, прирост составил лишь 0,8% год к году. Значит, мобильная разработка перестала быть универсальным способом быстрого роста.
Отсюда меняется критерий необходимости. Приложение оправдано там, где оно дает функции, которые сложно заменить сайтом или внешним ИИ-ассистентом: защищенный личный кабинет, локальную обработку данных, работу с датчиками устройства, биометрию, уведомления, офлайн-доступ, управление физическими объектами или сценарии с высокой ценой ошибки. Это банкинг, медицина, транспорт, авиация, промышленность, сложные корпоративные системы и сервисы, глубоко встроенные в возможности устройства.
Куда инвестировать бюджет: в экраны или архитектуру
В итоге ИИ-агенты не отменяют мобильные приложения, а меняют критерии их окупаемости. Будущее не за отказом от мобильной разработки, а за системами, в которых приложение, сайт и ИИ-агенты работают с одним надежным машинно-читаемым слоем. Перед запуском нового приложения стоит задать несколько важных вопросов:
- Есть ли у приложения функция, которую нельзя заменить сайтом или ИИ-ассистентом?
- Может ли внешний алгоритм корректно понять ваш продукт без ручного разбора страниц?
- Есть ли быстрый и документированный программный интерфейс для ключевых действий?
- Структурированы ли данные о товарах, услугах, ценах, наличии и правилах заказа?
- Видите ли вы, откуда приходят пользователи после взаимодействия с ИИ-системами?
- Появляется ли компания в ответах «Алисы», ChatGPT, Gemini, Perplexity и Google?
- Не тратится ли бюджет на интерфейс, который не создает нового канала продаж?
Если ответы на эти вопросы неочевидны, инвестиции лучше начинать с архитектуры данных. В новой логике выигрывает не тот, у кого больше экранов, а тот, чей продукт проще найти, понять, сравнить и купить через ИИ-ассистента.