Звична модель онлайн-шопінгу, де покупець сам відкриває каталог, налаштовує фільтри, порівнює десятки позицій і лише після цього переходить до оформлення замовлення, поступово відходить від єдиного стандарту. Штучний інтелект уже здатний перебрати на себе значну частину цього маршруту — від пошуку потрібного продукту до формування кошика, а в окремих сценаріях навіть до автоматичної покупки.
Великі міжнародні платформи активно тестують саме такий підхід. Amazon розвиває інструменти, які дозволяють AI відстежувати вартість товару та оформлювати замовлення після досягнення визначеної покупцем ціни. Glovo інтегрує каталог із зовнішніми AI-сервісами. В Україні власні рішення розвивають “Сільпо” та Varus.
У результаті штучний інтелект перестає бути лише цифровим консультантом. За даними Retailers.ua, він поступово стає окремою ланкою між потребою людини та конкретною покупкою. Для ритейлу це означає значно більше, ніж автоматизацію служби підтримки: трансформується сама механіка вибору товарів і конкуренції за клієнта.
Від пошукового рядка до готового кошика
Традиційні чатботи переважно працюють за заздалегідь визначеними сценаріями: відповідають на поширені запитання, повідомляють умови доставки або допомагають зв’язатися з оператором. Агентні AI-системи мають іншу логіку. Вони отримують кінцеве завдання та можуть самостійно визначати, які кроки потрібні для його виконання.
Наприклад, покупцю необов’язково окремо шукати кожен продукт для вечері. Достатньо описати страву або сформулювати потребу, після чого система може підібрати інгредієнти, перевірити доступні позиції та скласти кошик. Так само працює запит на кшталт “потрібен подарунок для людини, яка захоплюється кулінарією”: замість точної назви товару AI отримує контекст і на його основі формує пропозиції.
Для продуктових мереж і сервісів доставки така модель особливо перспективна, оскільки їхні каталоги містять тисячі позицій. Людина при цьому далеко не завжди приходить за конкретним SKU. Часто завдання звучить простіше: організувати пікнік, приготувати вечерю, зібрати сніданок або знайти продукти для певного рецепта.
Цей напрям розвиває Glovo, відкриваючи можливості пошуку асортименту через зовнішні AI-платформи. Технологічною основою для взаємодії каталогу з такими системами став Discover MCP. Для сервісу це створює додаткову точку контакту з аудиторією: користувач може розпочати пошук не безпосередньо в застосунку доставки, а в AI-інтерфейсі.
Каталог магазину при цьому не втрачає значення. Змінюється спосіб доступу до нього: замість самостійного перегляду сотень карток частину роботи виконує алгоритм.
Amazon і Shopify наближають автоматичну покупку
Amazon рухається ще далі, поступово передаючи AI не тільки пошук, а й окремі етапи оформлення покупки. Компанія розвиває торгові можливості Rufus та Alexa, завдяки яким користувач може отримувати персоналізовані рекомендації, порівнювати пропозиції та працювати з історією вартості товарів.
Один із ключових сценаріїв — автоматична покупка за встановленою умовою. Покупець визначає прийнятну ціну, після чого система контролює її зміну. Коли вартість досягає заданого рівня, замовлення може бути оформлене з використанням збережених платіжних та адресних даних відповідно до налаштувань користувача.
Подібна логіка підходить і для регулярних покупок. Товари повсякденного попиту — корм для домашніх тварин, побутові витратні матеріали чи інші позиції, які замовляються з певною періодичністю, — можуть поступово переходити до напівавтоматичного сценарію придбання.
Паралельно Shopify готує інфраструктуру, за якої інтернет-магазину необов’язково чекати, поки покупець безпосередньо зайде на його сайт. Через Agentic Storefronts та стандартизовані механізми взаємодії з AI-платформами товари продавців можуть ставати доступними в сторонніх інтелектуальних інтерфейсах.
Це принципово змінює роль точки входу в e-commerce. Раніше бізнес змагався за переходи з Google, соцмереж, реклами та маркетплейсів. Тепер початком купівельного маршруту дедалі частіше може бути звичайна розмова з AI, під час якої користувач описує не конкретний товар, а свою потребу.
“Сільпо” та Varus тестують нову модель покупок
Українські продуктові мережі також поступово переходять від окремих AI-функцій до повноцінних сценаріїв допомоги під час покупок. У “Сільпо” працює цифровий асистент Машрум Геннадійович. Водночас ритейлер розвиває технологічну інфраструктуру, на основі якої можуть створюватися AI-агенти для взаємодії з його екосистемою.
Серед можливих сценаріїв — планування закупівель, робота з інформацією про чеки, підбір продуктів і формування раціону. Такий підхід виходить за межі звичайного чатбота в мобільному застосунку: AI потенційно отримує можливість взаємодіяти з різними елементами цифрової інфраструктури мережі.
Varus пішов шляхом спрощення формування продуктового кошика. AI-помічник мережі може працювати з текстовими переліками, голосовими командами та зображеннями. Покупцю не потрібно вручну переходити між розділами каталогу та шукати кожну позицію окремо — частину цих операцій бере на себе система.
Для ритейлерів за зовнішньою простотою такого сервісу стоїть складне технологічне завдання. AI повинен отримувати актуальні дані про асортимент, залишки, характеристики, ціни, акції, доступність у конкретній торговій точці та умови доставки. Якщо інформація помилкова або застаріла, алгоритм ризикує не просто показати неправильну картку, а запропонувати клієнту невідповідний товар чи виконати некоректну дію.
Не менш важливими стають інтеграції з CRM, системами управління замовленнями, оплатою та іншими внутрішніми платформами. Що більше повноважень отримує AI, то чіткіше компаніям доведеться визначати межі його автономності. Рекомендація продукту та списання коштів — операції різного рівня ризику, тому платежі, повернення, редагування замовлень та інші фінансово значущі дії потребують окремих механізмів контролю.
Змінюється і конкуренція в електронній комерції. Якщо раніше магазини передусім оптимізували категорії, пошук, фільтри, картки товарів і позиції у видачі Google, тепер їм потрібно враховувати ще одного учасника купівельного процесу — AI-агента.
Алгоритм має правильно інтерпретувати інформацію про товар, співвіднести його характеристики із запитом людини та зрозуміти, чи відповідає пропозиція конкретній ситуації. Отже, якість структурованих даних може безпосередньо впливати на те, чи потрапить продукція бренду до рекомендації.
Людина поки залишається головним учасником такого процесу: вона формулює потребу, встановлює обмеження та визначає, які дії можна автоматизувати. Однак кількість ручних операцій між бажанням щось придбати й готовим замовленням скорочується.
Для ритейлу формується новий виклик. Недостатньо лише привернути увагу покупця або зайняти високу позицію у традиційному пошуку. Бізнесу доведеться зробити свій асортимент зрозумілим і доступним для AI-систем, які дедалі частіше братимуть участь у виборі товару. І від того, наскільки точно алгоритм зможе знайти, оцінити та запропонувати потрібну позицію, може залежати вже не просто видимість магазину, а саме оформлення продажу.
