Торговые ИИ-агенты для интернет-магазина: Anthropic выложила эталонную архитектуру — что это даёт бизнесу

Торговый ИИ-агент — это программа, которая понимает запрос покупателя на человеческом языке, сама обращается к каталогу, остаткам и системе заказов и доводит человека до покупки: подбирает, сравнивает, уточняет наличие и сроки, оформляет или передаёт менеджеру. Отличие от чат-бота — агент действует, а не отвечает. 3 сентября 2026 года Anthropic открыла исходный код Claude Commerce Agents, и у отрасли появился публичный эталон того, как такие агенты устроены внутри. Разбираю, что это меняет для владельца магазина и как я собираю подобные системы.

Что такое торговый ИИ-агент

Развожу три вещи, которые в рекламе называют одинаково.

Разницу видно на запросе «нужен тихий насос в квартиру, до двенадцати тысяч, в наличии и чтобы приехал до пятницы». Поиск вернёт всё со словом «насос», кнопочный бот предложит выбрать категорию. Агент разложит запрос на условия — шум, цена, остаток, срок, — сходит в каталог, отсечёт лишнее и предложит оформить. Про эту границу я писал в материале ИИ-агенты против чат-ботов, а про агента-консультанта — в статье AI-консультант для бизнеса.

Что открыла Anthropic и почему это важно

Факты по новости от 3 сентября 2026 года. Anthropic открыла исходный код Claude Commerce Agents — готовую основу для создания торговых агентов и агентов для продавцов, с рабочими примерами для розницы, путешествий, телекома и развлечений. В блоге компании разбирается архитектура, способы снижения задержек и стоимости, а также подходы к оценке качества. Выложена открытая эталонная реализация: внутри агенты для покупателей и продавцов, четыре демонстрации для разных отраслей и плагин для Claude Code, позволяющий собрать агента поверх собственного бэкенда. Исходники — на GitHub, разбор — в блоге Anthropic.

Почему это важно даже тем, кто не пишет код. Раньше каждая команда изобретала торгового агента заново и упиралась в три вопроса: как разложить диалог на шаги, как не разориться на задержках и токенах, как понять, что стало лучше. Теперь по всем трём есть публичный референс для техзадания.

Оговорюсь честно: это открытый код и демонстрации, а не готовый продукт под российскую розницу. Русский язык, интеграция с 1С и «Битрикс», 152-ФЗ остаются работой внедренца. Я использую такие эталоны как каркас и чек-лист, а не как коробку.

Где окупается, а где нет

Закономерность с проектов: агент приносит деньги там, где человек тратит время на однотипные операции с большим объёмом данных.

• Подбор в большой номенклатуре. Тысячи артикулов, десятки параметров, покупатель не знает терминов.
• Наличие и сроки. Самый частый вопрос и самый дорогой в рабочем времени оператора.
• Допродажа сопутствующего. Агент видит корзину и знает совместимость: к насосу — фильтр и шланг нужного диаметра.
• Запись и бронь. Услуги и сервис, где заказ — слот в расписании.
• Поддержка по заказам. Где посылка, как вернуть, что с браком — по данным из системы.

Где не окупается и я честно отговариваю. Каталог на десять позиций — дешевле живой человек. Редкие крупные заказы, где решают на переговорах. И главное — каталог без данных: пустые характеристики, остатки раз в неделю, цены в трёх местах разные. Агент поверх такого каталога транслирует бардак покупателю, только быстрее.

Не уверены, к какой группе относитесь? С этого я и начинаю разговор: смотрю выгрузку каталога и месяц переписки и говорю прямо — окупится агент или сначала чиним данные. Такой разбор входит во внедрение ИИ-консультанта.

Как я собираю такого агента

Методика, по которой я иду. Порядок принципиален — большинство провалов от перепрыгивания первого пункта.

1. Сначала данные, потом модель. Проверяю выгрузку: заполнены ли характеристики, как часто обновляются остатки, один ли источник цены. Пока источник правды не один — рано.
2. Подключение через инструменты. Агент не «читает сайт», он вызывает функции: найти товар, проверить остаток, посчитать доставку, создать заказ. Стандарт такой связки — протокол MCP, о нём я писал в статье MCP простыми словами.
3. Ограничение полномочий. Три корзины: что агент делает сам (подбор, наличие), что предлагает человеку на подтверждение (скидка, возврат), что не делает никогда (цены, оплата).
4. Защита от выдумывания. Цена, остаток, срок — только из системы, дословно. Инструмент не ответил — агент говорит «уточняю у менеджера», а не подставляет правдоподобное число.
5. Замер на реальных диалогах. Беру сто-двести настоящих переписок и считаю: доля верных подборов, доля выдуманных фактов, доля дошедших до заказа.
6. Человек в контуре. Передача оператору по стоп-словам, по нескольким неудачам подряд и по просьбе клиента.

Отдельно про деньги и персональные данные: агента нельзя пускать к платежам и ПДн без регламента — минимум данных в контексте, логирование, согласия и хранение по 152-ФЗ. Оплату оставляю штатному эквайрингу. Схему передачи заявки разбирал в материале ИИ-агент: заявки с сайта в CRM.

Магазин и CRM переписывать не нужно — агент собирается поверх. Это моя обычная работа: подключаюсь к вашему каталогу, остаткам и заказам и разворачиваю ИИ-отдел продаж и поддержки на сайте и в мессенджерах.

С чего начать за 2-3 недели

Не советую стартовать со всего каталога. Рабочая схема пилота такая.

• Неделя первая. Одна категория с частым спросом: чиним её данные, описываем три-пять инструментов, собираем черновик и прогоняем на архиве переписок.
• Неделя вторая. Живой трафик в одном канале — чат на сайте или мессенджер, оператор видит все диалоги.
• Неделя третья. Считаем метрики и решаем числами.

Метрики: доля обращений, закрытых без оператора; конверсия диалога в заказ; доля ответов с фактической ошибкой (цель — ноль). Первые две растут, третья у нуля — расширяем. Нет — разбираем причину, и она почти всегда в данных. Мессенджеры подключаются так же, как витрина в боте, — про формат я писал в статье магазин в боте MAX.

Частые вопросы

Чем торговый ИИ-агент отличается от обычного чат-бота?

Чат-бот идёт по нарисованному сценарию и отвечает текстом. Агент разбирает запрос на человеческом языке, сам вызывает функции магазина — поиск, проверку остатка, расчёт доставки, создание заказа — и планирует несколько шагов. Бот отвечает, агент действует.

Что именно открыла Anthropic в Claude Commerce Agents?

Исходный код эталонной реализации: агенты для покупателей и для продавцов, четыре демонстрации — розница, путешествия, телеком, развлечения — и плагин для Claude Code, чтобы собрать агента поверх своего бэкенда. В блоге разобраны архитектура, снижение задержек и стоимости, оценка качества.

Можно ли поставить такого агента на существующий магазин?

Да: агент подключается к текущему каталогу, остаткам и CRM через набор инструментов, сайт переписывать не нужно. Основная работа приходится не на агента, а на данные каталога.

Может ли агент выдумать цену или наличие товара?

Может, если позволить. Поэтому цены, остатки и сроки в правильной сборке берутся только из системы дословно, а при недоступности инструмента агент обязан сказать, что уточняет у менеджера. Это проверяется тестом до запуска.

Кому такой агент не нужен?

Магазинам с маленьким каталогом и редкими заказами, а также тем, у кого остатки ведутся вручную. Сначала данные, потом ИИ.

Коротко о главном

Открытый эталон от Anthropic снимает главный аргумент против торговых агентов — «непонятно, как это устроено правильно». Но выигрывает не тот, у кого лучше модель, а тот, у кого чистый каталог и честные остатки.

Что предлагаю конкретно. Присылайте выгрузку каталога и месяц переписок — за несколько дней скажу, окупится ли агент на ваших данных и где узкое место. Дальше собираю пилот на одной категории за две-три недели: инструменты к каталогу и остаткам, ограничение полномочий, защита от выдуманных цен, замер на ваших диалогах. Начать проще с ИИ-консультанта в магазин, полный контур — на странице ИИ-отдел продаж и поддержки.