Трафик на сайты ритейлеров из генеративных AI-сервисов в ноябре и декабре 2025 года вырос на 693% год к году. На этом фоне AI-шопинг перестал быть красивой демкой для презентаций, а Shopify занялась скучной, но критичной задачей: научить систему понимать, что две карточки из разных источников описывают один и тот же товар. Для русскоязычной IT-аудитории здесь важен не только сам кейс Shopify, но и сигнал рынку: выигрывать будут не те, у кого громче баннер, а те, у кого каталог понятен машинам.
Как пишет The New Stack, ритейлеры спешно адаптируют каталоги под торговые ИИ-агенты, потому что ассистенты часто спотыкаются о базовую проблему сопоставления товаров. Для человека разница между двумя карточками кроссовок обычно очевидна: бренд, модель, цвет, размер, артикул. Для модели, которая собирает ответ из разрозненных фидов, маркетплейсов и витрин, все сильно менее романтично. Один и тот же товар может приехать в систему с разными названиями, неполными атрибутами, разным порядком характеристик и дублями изображений. В результате AI-агент либо показывает пользователю мусор, либо вообще не уверен, что нашел нужную позицию.
Для Shopify это не академическая задача про качество поиска, а инфраструктурный вопрос. Платформа давно живет на масштабе огромного каталога, а в январе 2026 года вместе с Google представила Universal Commerce Protocol, стандарт для AI-покупок через агентов. Тогда же компания заявила, что даже продавцы вне экосистемы Shopify смогут размещать товары в Shopify Catalog, который Barron’s описывал как каталог с миллиардами товаров. Чем активнее в эту систему заходят внешние продавцы, тем болезненнее становятся дубли, кривые атрибуты и пересекающиеся карточки. Если агент не может надежно понять, где один и тот же товар, а где похожий, вся идея «покупки внутри диалога» быстро превращается в дорогостоящую путаницу.
Снаружи это выглядит почти комично: индустрия обсуждает автономных агентов, протоколы и оплату без перехода в браузер, а упирается в старую добрую гигиену данных. Но именно на ней AI-шопинг сейчас и стоит. Shopify в своих более ранних анонсах уже подталкивала бренды к тому, чтобы они не просто выгружали товарный фид, а управляли тем, как продукт видят модели: через schema markup, FAQ, политики, описания и группировку товаров. Vogue в декабре 2025 года писала, что брендам на Shopify дали инструменты для управления присутствием в ChatGPT, Perplexity и Microsoft Copilot, а также для настройки базы знаний и схем, которые влияют на то, как товар выглядит в AI-ответах. На человеческом языке это означает простую вещь: карточка товара теперь пишется не только для покупателя и поисковика, но и для агентной системы, которая будет решать, достоин ли ваш SKU попасть в рекомендацию.
Отсюда и нервозность ритейла. AI-шопинг меняет саму логику discoverability. В классическом e-commerce магазин борется за место в поисковой выдаче, за CTR на маркетплейсе или за цену клика в рекламном кабинете. В агентной модели между магазином и покупателем появляется еще один слой принятия решения. Если этот слой видит каталог плохо, магазин просто выпадает из разговора. Причем не потому, что товар плохой или дорогой, а потому, что данные собраны так, будто их никто, кроме внутреннего движка сайта, никогда не увидит. Для команды продукта это означает пересмотр атрибутики, нормализации и правил дедупликации. Для разработки — работу с фидами, идентификаторами, схемами, качеством данных и наблюдаемостью того, как карточки интерпретируются внешними AI-каналами. Для бизнеса — новую метрику риска: товар может быть в наличии, но невидим для машинного посредника.
На этом фоне особенно интересно, что Shopify пытается закрыть не только этап обнаружения товара, но и последующую атрибуцию. В материалах о ее AI-инструментах для брендов отдельно подчеркивалось, что продавцы хотят видеть, какие именно AI-платформы привели заказ и о чем спрашивали пользователи. Это важный сдвиг. Когда AI-шопинг становится каналом, ему нужна не магия, а обычная коммерческая отчетность: откуда пришел пользователь, по какому запросу, почему был выбран именно этот товар, где возникла ошибка сопоставления. Иначе бренд вкладывается в оптимизацию каталога вслепую. По сути, на наших глазах рождается новая версия SEO, только вместо синего линка в поиске надо победить в ответе агентной системы.
Для российского рынка здесь нет повода отмахнуться в духе «это западный e-commerce, у нас своя специфика». Специфика, конечно, есть, но проблема универсальна. Любой крупный каталог с несколькими поставщиками, дублями, локальными названиями, нестабильными SKU и хаотичной атрибутикой будет так же плохо перевариваться агентами. А значит, все знакомые боли отечественного e-commerce никуда не делись, просто у них появился новый потребитель данных — не человек и не поисковый робот, а LLM с правом рекомендовать товар вместо пользователя. На этом фоне дедупликация, мастер-данные и аккуратные продуктовые схемы внезапно выглядят не бэк-офисной рутиной, а прямым фактором выручки.
Главный вопрос теперь не в том, будут ли торговые агенты покупать за людей, а в том, чьи каталоги они вообще смогут понять без ошибок. Если AI-шопинг действительно станет отдельным каналом продаж, рынок разделится очень прозаично: одни ритейлеры будут спорить о будущем агентной коммерции, а другие в это время просто приведут данные в порядок и займут место в ответах машин раньше конкурентов.