Штучний інтелект (ШІ) все активніше входить у повсякденне життя, змінюючи традиційні підходи до споживання товарів і послуг. Зараз покупець, який раніше самостійно обирав продукти та бренди, дедалі частіше стає пасивним учасником процесу. Завдяки алгоритмам машинного навчання та аналітики даних, ШІ здатен не лише рекомендувати товари на основі попередніх запитів користувача, але й формувати його уподобання. Системи рекомендацій стали невід’ємною частиною онлайн-тор
Коли покупець дедалі частіше питає не продавця і навіть не Google, а ChatGPT, Gemini чи Perplexity, бізнес починає конкурувати не лише за увагу людини, а й за право бути зрозумілим алгоритму. Вітчизняні ритейлери вжебачатьцю зміну у цифрах: на Prom.ua переходи з ChatGPT, Gemini, Google AI Search, Perplexity, Grok і Copilot торік зросли вп’ятеро й уже дають близько 1% загального трафіку, а в “Епіцентрі” оцінюють, що до 60% користувачів так чи інакше взаємодіють зі ШІ перед покупкою.
Це ще не революція в касовому чеку, але вже зміна в найважливішому місці продажів – там, де формується сам набір товарів, між якими людина нібито “самостійно” обирає.
ШІ ще не купує замість людини. Але він уже дедалі частіше вирішує, з чого саме людина обиратиме. Покупець формулює запит: “порадь тихий пилосос до 8000 грн”, “знайди павербанк для ноутбука”, “який корм підійде коту з чутливим травленням”. У відповідь він отримує не весь ринок, не десятки вкладок і не 50 карток на маркетплейсі, а коротку алгоритмічну версію реальності – 3 або 5 варіантів, які система вважає достатньо релевантними.
Саме тому запуск shopping-функцій у ChatGPT минулоріч був не просто оновленням інтерфейсу. OpenAIдодалаперсоналізовані товарні рекомендації із зображеннями, відгуками й прямими посиланнями на купівлю. Компанія наголошувала, що ці рекомендації не є рекламою і не базуються на комісійних стимулах, а використовують структуровані метадані, ціни та відгуки з третіх джерел. Тут важлива не сама функція, а новий порядок взаємодії: покупець більше не шукає все сам, а просить систему звузити хаос до прийнятного вибору.
І це вже глобальний тренд. У січні-березні цього року трафік із джерел ШІ на американські retail-сайтизрісна 393% рік до року, а під час святкового сезону листопада-грудня 2025 року – на 693%. Опитування Adobe показало, що 39% споживачів уже використовували ШІ-асистентів для онлайн-шопінгу, а 85% із них заявили, що такий досвід покращив покупки.
Першими в такий режим переходять не найдорожчі й не найемоційніші товари, а найбільш виснажливі. Техніка, електроніка, побутові товари, косметика, корми, дитячі товари, автотовари, комплектуючі й витратники – усе, де покупець стикається з десятками характеристик і ризиком помилитися.
Ноутбук, пилосос, роутер чи пральна машина мають параметри, які звичайна людина часто не хоче або не вміє порівнювати: потужність, автономність, рівень шуму, сумісність, енергоефективність, гарантія, сервіс. У таких категоріях ШІ продає не “мрію”, а економію уваги.
Натомість повільніше в цей режим переходять товари, де сильна емоційна, статусна або смакова складова: ювелірні вироби, мистецтво, люксовий одяг, подарунки з особистим сенсом, частина меблів і декору. Там алгоритм може допомогти зорієнтуватися, але не так легко замінює людське відчуття “моє”. Тому нинішній етап – це ще не повне делегування покупки машині, а перенесення першого фільтра від людини до алгоритму.
У новій моделі товарстаєвидимим не тому, що продавець голосно його рекламує, а тому, що алгоритм може його прочитати, порівняти і пояснити. Для ШІ картка з брендом, моделлю, потужністю, розмірами, матеріалами, сумісністю, гарантією, ціною, наявністю, доставкою і відгуками значно більш цінніша за текст у стилі “якісний товар за вигідною ціною”.
Googleпояснює, що структурована розмітка дає змогу показувати в пошуку ціну, наявність, рейтинг, доставку та інші параметри товару. А точні й правильно відформатовані товарні дані потрібні, щоб система могла зіставляти продукти з релевантними запитами.
Це не смерть пошукової оптимізації, а втрата її монополії. Gartner ще у 2024 роціпрогнозував, що до 2026 року обсяг традиційного пошуку може скоротитися на чверть, бо частину запитів заберуть чатботи й віртуальні агенти. Для бізнесу стає очевидним, що бути знайденим у Google уже недостатньо, якщо користувач отримує відповідь у ChatGPT і навіть не доходить до списку посилань.
Пошукова оптимізація доповнюється оптимізацією під генеративні відповіді. У класичній моделі сайт боровся за позицію серед посилань. У новій – бренд, товар або експертний контент мають стати джерелом, яке модель використовує для відповіді. Важливими залишаються швидкість сайту, індексація, структуровані дані й повні товарні фіди, але додається новий критерій: чи може алгоритм безпечно витягти з цих даних зрозумілу рекомендацію.
Для маркетплейсів це майже зміна професії. Вони більше не просто цифрові вітрини, де людина сама вводить запит, гортає сторінки й порівнює товари. Вони стають постачальниками даних для ШІ. Саме з їхніх каталогів, відгуків, цін, рейтингів, статусів наявності, умов доставки й історії взаємодій модель формує відповідь покупцю. Цінність маркетплейсу зміщується від “у нас багато товарів” до “наші дані достатньо чисті, повні й надійні, щоб алгоритм міг ними користуватися”.
Для продавця це кінець епохи, коли достатньо було просто завантажити товар. Картка стає доказом довіри, якщо містить якісні фото, точні атрибути, нормальні описи, живі відгуки, швидке оновлення ціни й наявності, зрозуміла гарантія, повернення і доставка. Якщо цих сигналів немає, ШІ має менше підстав рекомендувати товар, навіть якщо ціна нормальна. Якщо сигнали є, продавець отримує шанс потрапити у короткий список, де конкуренція вже не така широка, як на сторінці маркетплейсу.
Саме тут системну перевагу отримують великі гравці. Rozetka, Prom, “Епіцентр” або Amazon мають структуровані каталоги, масиви відгуків, рейтинги продавців, технічні команди, аналітику пошуку й поведінкові дані. Малий продавець часто має іншу реальність: товар завантажений вручну, характеристики заповнені нерівномірно, опис скопійований у постачальника, фото різної якості, відгуків мало.
У класичному пошуку це ще можна було частково компенсувати нижчою ціною або рекламою. У генеративному пошуку слабко описаний товар може просто не потрапити в поле вибору.
Boston Consulting Groupописуєagentic commerce – торгівлю, де ШІ не лише шукає, а й веде користувача до транзакції – як ризик для рітейлерів, які можуть втратити прямий контакт із клієнтом і залежати від сторонніх платформ. За оцінкою BCG, покупці, які приходять через AI-агентів, на 10% більш залучені, ніж традиційні відвідувачі, тобто вони потрапляють до ритейлера вже ближче до рішення про покупку.
Для покупця все це виглядає майже бездоганно. Менше вкладок, менше шуму, менше оглядів, менше суперечливих відгуків. ШІ бере на себе частину когнітивної роботи: відсіює зайве, пояснює різницю, знаходить альтернативи, порівнює ціну, гарантію, доставку й рейтинг продавця.
Amazon уже рухається саме в цей бік: компаніяпоглиблюєshopping-досвід через Alexa for Shopping, щоб асистент пам’ятав контекст, порівнював товари, відстежував ціни й супроводжував користувача між пристроями.
Alibaba йде ще далі. КомпаніяінтегруєQwen із Taobao, щоб користувачі могли через AI-агента переглядати, порівнювати й купувати товари з каталогу Taobao і Tmall, який налічує понад 4 млрд позицій. Це вже не просто пошук у новій оболонці, а спроба зробити розмовного агента головним входом у покупку.
Але зручність має ціну. Покупець бачить не весь ринок, а його алгоритмічно відібрану версію. Якщо раніше він міг випадково натрапити на малий магазин, локальний бренд або дешевший аналог, то тепер маршрут дедалі частіше проходить через відповідь моделі. Ринок формально відкритий, але видимість контролює алгоритм. Це і є головний конфлікт AI-commerce.
…Наступного разу ми розглянемо, як ШІ змінює саму природу ціни: в одних категоріях він тисне її вниз, бо миттєво порівнює однакові товари, а в інших створює нову “премію за довіру” для брендів, які стабільно потрапляють у рекомендації. Ціна поступово перестає бути просто цифрою на полиці й стає результатом боротьби алгоритму покупця з алгоритмом продавця.
І саме тут починається найнебезпечніше: покупець може вже не розуміти, яку ціну бачить – ринкову, рекламну, персональну чи оптимізовану під його готовність платити. Це вже не тільки про e-commerce, а про нову політику цифрового ринку.