Автор: Anderl
Перевод: Chopper, Foresight News
В настоящее время в индустрии ИИ и криптовалют существует распространённая теория: дать ИИ-агенту кошелёк и позволить ему полностью совершать покупки за человека — это ключевой сценарий применения ИИ. Эта идея звучит просто и идеально, словно будущее уже наступило, но её внутренняя логика не выдерживает критики. Данная точка зрения смешивает сложные и простые аспекты покупок, выдвигая на первый план самый простой этап — оплату.
Давайте оставим в стороне оплату и вернёмся к самой сути процесса покупок.
Два ключевых действия при покупке
Покупка по своей сути — это два действия, которые сегодня объединены: поиск информации и оценка ценности. Поиск (сбор, фильтрация, сравнение, предварительная сортировка) обладает свойствами стандартизации и может быть почти полностью передан машинному агенту. Оценка ценности (хорош ли товар, подходит ли мне, можно ли доверять продавцу) — это этап, тесно связанный с субъективными человеческими эмоциями.
Данные уже доказывают, что поиск информации быстро переходит к ИИ. Согласно данным Adobe Analytics, с июля 2024 по июль 2025 года трафик на американские розничные сайты, привлечённый генеративным ИИ, вырос примерно на 4700%. Однако нарратив «ИИ-кошелёк» по умолчанию предполагает, что интеллектуальный агент может одновременно выполнять и поиск, и оценку ценности, и это является ключевым моментом подмены понятий во всей этой логике. Поиск можно полностью делегировать машине, тогда как оценку ценности можно передать лишь частично и только при определённых условиях; в большинстве сценариев её невозможно полностью делегировать.
Оценка ценности также делится на два уровня
Что ещё важнее, сама оценка ценности не является одномерной — она делится на две части. Первая — это оценка, то есть проверка различных вариантов на основе функции полезности. Вторая — определение потребностей, то есть первоначальная установка функции полезности: какие критерии важны, каков их вес, какие ценности являются ограничивающими и каково окончательное значение понятия «хорошо».
Определение потребностей не происходит однократно в самом начале, а продолжается на протяжении всего процесса покупки. Стандарты соответствия товара определяете вы; решаете ли вы отказаться от товара из-за сломанной молнии, зависит от ваших критериев оценки; выбор продавца зависит от ваших ценностных ориентаций. Каждый уровень фильтрации следует логике «человеческий субъективный стандарт × машинная оценка ИИ». Автоматизация может заменить только этап оценки, право определять потребности всегда остаётся за человеком.
Многие ошибочно полагают, что человеку достаточно один раз составить список критериев, чтобы полностью отстраниться, что является серьёзным недооцениванием логики принятия человеческих решений. Многочисленные исследования в области принятия решений подтверждают, что человеческие предпочтения не фиксированы и неизменны. Психолог Пол Слович предложил теорию конструктивных предпочтений: у нас внутри нет готового, фиксированного набора предпочтений, которые можно извлечь; предпочтения формируются постепенно в процессе принятия решений. Эксперименты с «инверсией предпочтений» подтверждают это: два эквивалентных метода исследования — выбор и оценка — приводят к совершенно разным рейтингам товаров, что противоречит базовым аксиомам рационального выбора.
Ариели, Лёвенштайн и Прелек в 2003 году предложили теорию «когерентного произвола»: даже такие случайные числа, как последние цифры номера социального страхования, не имеющие никакого отношения к делу, могут служить якорем для психологической цены, которую люди готовы заплатить за обычный товар; и этот эффект якорения не исчезает с накоплением опыта потребления или рыночных сделок. Так называемые «стабильные предпочтения» — всего лишь искусственно созданная иллюзия порядка.
Следовательно, взаимодействие человека и машины не может быть однократным заполнением списка критериев, а требует постоянной итеративной коммуникации. ИИ-агент на каждом узле фильтрации должен задавать уточняющие вопросы: «Ранее вы придавали значение долговечности, при какой надбавке к цене долговечность перестанет для вас быть оправданной?», а человек должен в реальном времени определять эту границу.
Истинная граница: покупка — это рутина или само удовольствие?
В индустрии часто принято разделять сценарии на «стандартизированные товары / персонализированные товары». Однако разногласия заключаются не в том, можно ли стандартизировать критерии, а в том, обладает ли сам процесс выбора ценностью как опыт.
Для бумаги для принтера, батареек или товаров, требующих регулярного пополнения запасов, процесс выбора не имеет никакой ценности как опыт. Никто не хочет тратить силы на сравнение двух практически идентичных картриджей. Такие товары естественным образом подходят для полной передачи ИИ-агенту; автоматический повторный заказ машиной не приведёт к потере какого-либо опыта.
Для удовольствия от потребления ситуация прямо противоположная. Вино, мебель, пальто, книги — сам процесс выбора является частью удовольствия от покупки. Если передать право принятия решения машине, хотя это и сэкономит временные затраты, это напрямую лишит покупателя основного удовольствия. Даже если ИИ будет бесплатно давать ответы на все вопросы, люди не захотят полностью ему делегировать.
Для товаров, приносящих удовольствие, ИИ-агент не должен принимать решения самостоятельно, а должен переключаться на роль собирателя информации: выполнять поиск, предварительный отбор, сопоставление параметров, проверку репутации продавцов, извлекать общие недостатки продукции из огромного массива отзывов, сокращать 200 вариантов до 5 и оставлять окончательный выбор за человеком.
Три дилеммы: вопросы ИИ, экстраполяция истории, самостоятельный выбор
Кто-то скажет: а что, если ИИ будет напрямую спрашивать мои критерии оценки? Именно такой способ — это неэффективная модель, которую обычные люди в повседневной жизни находят раздражающей, и, что более важно, повторяющиеся вопросы о критериях могут исказить окончательный выбор человека.
Уилсон и Шкулер в 1991 году провели эксперимент по оценке джема: группа, которую заранее просили сформулировать причины своих предпочтений, в итоге дала рейтинги, больше отклоняющиеся от профессиональных стандартов дегустации; последующие эксперименты показали, что принуждение людей перечислять причины выбора по пунктам заставляет их выбирать картины для украшения, удовлетворённость которыми впоследствии оказывается ниже. Язык может описать лишь легко выражаемые поверхностные характеристики, но не уловить истинные внутренние предпочтения; такие ощущения, как вкус или эстетическое восприятие, можно только почувствовать, их трудно определить словами.
Таким образом, возникает тройная дилемма, где все три условия невозможно совместить одновременно:
- Активный опрос со стороны ИИ: соответствует текущим реальным предпочтениям, но создаёт высокое трение во взаимодействии и может даже исказить выбор;
- Экстраполяция на основе прошлого поведения: обеспечивает плавное взаимодействие, но замыкает в рамках прошлых предпочтений, подавляя новые потребительские исследования;
- Полностью самостоятельное принятие решений человеком: полностью сохраняет право выбора, но требует больших затрат времени и сил.
Четвёртый, компромиссный вариант, может избежать вышеуказанных недостатков: интерактивность распознавания, а не пошаговый опрос. ИИ напрямую показывает 3 варианта, и человеку нужно лишь сделать выбор. Этот метод удобен и точен, поскольку не требует абстрактного называния тех стандартов, которые вы часто не можете назвать.
Классический эксперимент с перегрузкой выбором может подтвердить это. Айенгар и Леппер в 2000 году провели эксперимент с дегустационным стендом джема: когда было представлено 6 видов джема, конверсия в покупку была значительно выше, чем при 24 видах. Однако эта теория небесспорна, последующие многочисленные аналитические эксперименты опровергли этот вывод. Шебехен и другие в 2010 году, обобщив множество экспериментов, обнаружили, что в целом не существует универсального эффекта перегрузки выбором; Чернев, Бокенхольт и Гудман в 2015 году, проанализировав 99 исследований, показали, что эффект перегрузки проявляется только при высокой сложности товара, большой трудности принятия решения и нечёткости собственных предпочтений. Авторы оригинального эксперимента впоследствии также отметили, что при выборе из 24 товаров у потребителей не было достаточно времени, чтобы разобраться в своих предпочтениях. Истинная автономия существует где-то между «агент применяет мои стандарты» и «агент выдумывает стандарты на основе моей истории».
Возвращаясь к «ИИ-кошельку»: оплата — это самый незначительный этап
Разобравшись с этой логикой, легко увидеть изъян в нарративе «дать ИИ кошелёк». Эта теория смешивает три совершенно независимые вещи: субъект принятия решений, субъект исполнения и субъект владения средствами. «Дать ИИ кошелёк» решает только проблему владения средствами, и смысл в доверительном управлении средствами появляется только тогда, когда ИИ одновременно обладает и правом принятия решений.
Рассмотрим три ситуации. Первая: человек самостоятельно принимает решение и производит оплату. В этом случае агент не платит, а выступает в роли разведчика. Вторая: человек принимает решение и делегирует агенту выполнение задачи («да, купи это»). В этот момент агент отвечает за оформление заказа, но ему не нужно хранить средства, достаточно лишь ограниченного и отменяемого разрешения на данную конкретную одобренную покупку. Только в третьей ситуации, когда агент самостоятельно принимает решение и производит оплату без необходимости присутствия человека для оформления заказа, сам кошелёк берёт на себя ответственность за платеж.
Интересно, что в 2025 году мировая индустрия платежей уже внедрила схемы многоуровневой авторизации, полностью разделяющие «авторизацию» и «доверительное управление средствами»:
- OpenAI совместно со Stripe выпустили коммерческое соглашение для интеллектуальных агентов, генерирующее общие платежные токены, привязанные к конкретному продавцу, с фиксированной суммой и разовым использованием в течение ограниченного времени; ИИ не может получить полный номер банковской карты;
- Mastercard в апреле 2025 года выпустила Agent Pay, генерирующую специальные токены для конкретного агента, указанного продавца с привязкой к правилам авторизации пользователя;
- Google в сентябре 2025 года представил интеллектуальный платежный протокол AP2, чётко разделяющий «учётные данные авторизации потребностей пользователя» и «учётные данные списка покупок ИИ», оба из которых являются верифицируемыми криптографическими учетными данными, что идеально соответствует логике разделения уровней «определение потребностей / машинная оценка», упомянутой ранее;
- Visa в октябре 2025 года представила протокол доверенного агента, идея которого совпадает с вышеуказанными решениями.
Ведущие платежные организации независимо друг от друга доказали ключевую мысль этой статьи: нет необходимости передавать средства ИИ, достаточно предоставить ограниченные права на операции.
Тогда в каких же сценариях действительно уместно независимое доверительное управление кошельком со стороны ИИ? В сценариях розничных покупок для потребителей в этом почти нет необходимости; реальное пространство для применения этой схемы — стандартизированные биржевые товары, автоматические расчеты между машинами. Coinbase и Cloudflare совместно представили протокол x402, заполняющий пробел в традиционных каналах карточных платежей: он поддерживает автоматические платежи между агентами без вмешательства человека, 24/7, с оплатой за вызов API; за несколько месяцев объём транзакций превысил 100 миллионов. Mastercard одновременно выпустила Agent Pay для машин, обслуживающих высокочастотные микроплатежи с низкой задержкой между машинами. Это базовая инфраструктура для машинной экономики, а не для личных покупок.
Сам по себе этот нарратив не ошибочен, но важность в нём полностью перевёрнута: независимое доверительное управление кошельком ИИ имеет значительную ценность только в сценариях с высокой степенью однородности товаров и низкой стоимостью отдельной транзакции.
Где на самом деле должен находиться кошелёк
Это также объясняет смещение акцента в криптоиндустрии за последние два года: отказ от нарратива об освобождении от потребительских забот для частных лиц в пользу углубленного развития институциональной базовой инфраструктуры — клиринга стейблкоинов, токенизации активов, корпоративных услуг. Это не отказ от направления ИИ-покупок, а возвращение к области, которая действительно подходит для модели доверительного управления кошельком: корпоративный сектор. Отдел закупок предприятия сам по себе является институционализированным воплощением «закупок как чистой рутины»; процесс закупок лишён субъективной эстетики и личных ощущений, решения полностью основываются на спецификациях, цене, исполнении, условиях контракта, что по сути является ручной версией интеллектуальных агентских закупок. ИИ-кошелёк просто автоматизирует уже устоявшиеся корпоративные процессы, не предполагая смены поведенческой модели.
Сегодня многие компании передают на аутсорсинг закупки канцелярских товаров, малоценных расходных материалов; ключевым преимуществом платформ, таких как Mercateo или Amazon Business, является не низкая цена, а снижение затрат на процессы: единый каталог закупок, объединённые счета. Компании готовы принять небольшую надбавку к цене за единицу товара в обмен на значительное снижение затрат на рабочую силу для закупок; процессные затраты на малоценные расходные материалы часто превышают стоимость самого товара. ИИ-агент может снизить трудозатраты на оформление заказа почти до нуля, одновременно осуществляя поиск по множеству разрозненных поставщиков; закупочная платформа сохраняет лишь функцию проверки соответствия: проверка допущенных поставщиков, единая сверка счетов, проверка на подлинность, что и является реальным узким местом во всём процессе.
Поэтому стратегия внедрения не может быть просто сформулирована как «кошелёк обслуживает предприятия, а не частных лиц». Более точная формулировка: инструмент должен соответствовать сценарию.
- Самоуправляемый доверительный кошелёк (ИИ самостоятельно принимает решения, владеет средствами, осуществляет платеж): подходит для корпоративных закупок стандартизированных товаров, автоматических расчетов между машинами, в основном для сценариев B2B и M2M с высокой частотой повторных покупок;
- Сценарии личного потребления: нет необходимости доверительного управления средствами, достаточно предоставить одноразовый платежный токен ограниченного действия; ИИ может провести расчет только после подтверждения заказа человеком.
«Дать ИИ кошелёк» как рекламный заголовок для конечных потребителей нацелен лишь на очень узкую нишевую сцену; реальным ключевым рынком для этой схемы являются системы автоматизации корпоративного бэк-офиса.
Дополнительное пояснение: корпоративные закупки также не состоят исключительно из стандартизированных товаров. Часть решений по закупкам также не может быть передана ИИ для самостоятельной обработки; выбор юридической фирмы, объекта для поглощения, ключевого поставщика — это стратегический выбор, субъективные последствия которого значительны, и, как и при выборе вина для себя, решение должно приниматься человеком лично. Самоуправляемый доверительный кошелёк в таких сценариях совершенно бесполезен.
Это правило применимо ко всем областям: независимое доверительное управление кошельком ИИ имеет ценность только на уровне стандартизированных товаров, а стандартизированные операции сосредоточены внутри предприятий, где объёмы наибольшие, а потребности наиболее плотные.
Истинное узкое место никогда не заключалось в оплате
Технологии движения средств давно成熟, в платежном этапе нет никаких узких мест; реальные узкие места для внедрения ИИ-покупок заключаются в двух других аспектах.
Во-первых, отсутствие достоверных источников данных. Предпосылкой для автоматизированной оценки является достоверность данных; как только базовая информация искажается, ИИ, принимающий самостоятельные решения, с машинной скоростью усиливает негативное влияние ложной информации. Распространенность фальшивых отзывов — уже общеизвестная проблема в отрасли. Федеральная торговая комиссия США в 2024 году ввела новые правила (вступили в силу 21 октября), прямо запрещающие фальшивые товарные отзывы, указывая, что генеративный ИИ значительно снизил порог для массового производства поддельных отзывов; максимальный штраф за одно нарушение составляет 51 744 доллара, и к концу 2025 года регуляторы уже выдали несколько предупреждений.
Проблема контрафактной продукции для физических товаров также серьёзна. Согласно данным ОЭСР и EUIPO за 2025 год, в 2021 году мировой объём торговли контрафактной продукцией составил около 467 миллиардов долларов, что составляет 2,3% от общего объёма мировой торговли; доля контрафактной продукции в импорте ЕС составляет 4,7% от общего объёма импорта, причём одежда, обувь, сумки и предметы роскоши являются наиболее проблемными категориями, которые как раз относятся к категории товаров, приносящих удовольствие от потребления. Сертификаты прослеживаемости для единицы товара, проверяемые достоверные отзывы, независимая сторонняя экспертиза, фиксация передачи на уровне единицы товара (Директива ЕС о борьбе с контрафакцией, Закон США о безопасности цепочки поставок лекарственных средств уже давно обязывают внедрять это для упаковки лекарств) — это предварительные условия для безопасной оценки товара ИИ.
Во-вторых, право человека определять свои потребности не поддаётся автоматизации. Пока стандарты потребностей определяются человеком, последующие этапы фильтрации, сравнения и расчёта могут быть автоматизированы. Сам процесс определения собственных потребностей по своей природе не может быть передан машине. Если ИИ будет генерировать за вас стандарты потребностей, в итоге сформированные предпочтения не будут принадлежать лично вам.
Предоставление ИИ-агенту кошелька решает только самый простой этап — денежный. Направления, заслуживающие углублённой работы: безопасная и контролируемая автоматизация отбора и оценки, одновременно возвращающая человеку два ключевых права — право определять критерии оценки и право наслаждаться удовольствием от окончательного выбора.
Заключение
Наконец, важно подчеркнуть, что для товаров, приносящих удовольствие от потребления, как только канал закупок становится товаром, сам товар становится повсеместно доступным. Тогда ваш продукт — это уже не сам товар, а выбор. Платформам необходимо оптимизировать степень стандартизации собственной информации для удобства поиска ИИ: полная проверяемая прослеживаемость, чистые структурированные товарные данные, направляющие ИИ для привлечения пользователей на собственную платформу. На этой основе следует сохранить ключевые преимущества, которые не может заменить автоматизация: расширение границ эстетического восприятия пользователя через новые потребительские исследования и приятный опыт от окончательного выбора товара. Передайте сбор информации ИИ-агенту, а ключевую конкурентоспособность платформы сосредоточьте на создании более качественного опыта выбора.
