Клиент пишет в чат: «что взять на…», «что подойдёт, если…» — и получает готовый shortlist. Без вашего сайта, без клика по витрине, иногда без свежей цены. Вы в это время шлифуете ключевые слова и строку поиска. Точка входа уже уехала. Видит ли вас внешний агент? Готов ли ваш контент к таким запросам? Не теряете ли контроль над фактами и атрибуцией? Ниже — три управленческие проверки, без enterprise-бюджета и без очередного виджета «на всякий случай».
Агентный поиск — не виджет, а новая дверь в воронку
Отчёт Salesforce State of Commerce (июль 2026) зафиксировал сдвиг: agentic search — когда покупатель начинает путь с вопроса в LLM-диалоге или AI-ассистенте на сайте ритейлера, а не в строке ключевых слов — вырос как первый шаг shopping journey на 200% год к году. Опрос охватил 3 450 commerce-профессионалов и 4 690 потребителей; поведение дополнительно смотрели на данных более 1,5 млрд покупателей на глобальных commerce-сайтах.
Трафик из AI-чатов рос от 150% до 428% YoY в каждом измеренном квартале, а общий трафик тех же сайтов — в однозначных или низких двузначных процентах. Канал не «догоняет» остальные — перекашивает воронку. 86% commerce-лидеров согласны: LLM станут необходимы для product discovery в ближайший год. 39% потребителей уже использовали ИИ для поиска товаров (данные Salesforce research, цитируются в материалах Agentic Commerce Search).
Пример из отчёта: запрос вроде «outfit for a country concert on a hot day» ломает классический keyword-search с нулевой выдачей — агент понимает intent из естественного языка. Для SMB это значит: клиент спрашивает задачу, а не набор ключей из вашего SEO-листа.
Внедрение отстаёт от спроса. Только 28% организаций уже используют agentic AI, но 44% не-пользователей планируют внедрение в ближайшие шесть месяцев. У малого бизнеса разрыв шире: по обзору для SMB (Sintra AI, январь 2026, через kreativia.ru) 79% знают об AI-инструментах, но большинство не вывели их в production. SBE Council (март 2026) отмечает в среднем пять AI-инструментов на малый бизнес — выигрыш даёт не очередной виджет, а согласованный контур данных.
Три проверки видимости для бизнеса
1. Упоминаемость и точность во внешних ИИ-чатах
Первая проверка — эмпирическая, руками. Задайте в Perplexity, ChatGPT Search, Copilot или ассистенте маркетплейса те же вопросы, что задают ваши клиенты: категория, бюджет, город, ограничения («без доставки за…», «нужно сегодня»). Фиксируйте три вещи:
- упоминается ли ваш бренд или только конкуренты;
- верны ли цена, наличие, адрес, сроки — или модель «достраивает» устаревшее;
- на какие источники ссылается агент — ваш сайт, агрегатор, отзывы, чужой обзор.
Борьба смещается с «топ-3 в Google» на «топ-3 в ответе агента» (материал adne.info). ИИ опирается на индексы и цитируемые источники: согласованность фактов между сайтом, картами, маркетплейсами и отзывами, структура страниц (FAQ, Product/HowTo schema), сравнения с конкурентами, свежесть контента. Противоречия и «водянистые» тексты работают против цитирования.
По вторичной цитате adne.info (Gartner): к 2026 году порядка 30% e-commerce search queries могут обрабатываться AI-агентами, а не классическими поисковиками — ориентир для планирования, не гарантия для каждой ниши.
Практика для SMB: раз в месяц — короткий протокол ручных запросов (5–10 формулировок) и таблица «упомянули / не упомянули / ошибка в факте». Мониторинг можно автоматизировать через Make или Cursor-сценарии, но без ручной верификации цифры из отчёта не заменят живой ответ агента.
2. Готовность каталога и контента к запросам на естественном языке
Вторая проверка — про ваши данные, а не про чужой чат-бот. Agentic search опирается на корпус и activity data, а не только на промпт. Salesforce описывает Agentic Commerce Search как custom Small Language Model на каталоге плюс shopper activity: понимает разговорные запросы и опечатки, интегрируется с shopper agent. У клиентов Cimulate в success-метриках Salesforce (с оговоркой customer success) заявлены +33% clicks per visit, +17% add-to-cart, +12% revenue per user и сокращение ручных merchandising rules примерно на 85% — enterprise-когорта, не обещание каждому магазину.
Для SMB без Agentforce чеклист проще:
- описания товаров и услуг отвечают на задачи («для офиса до 20 м²», «если аллергия на…»), а не только на артикул;
- цены, остатки, график работы синхронизированы между сайтом, CRM и площадками — агент не видит «скрытый» склад;
- on-site search не застрял в keyword-логике 2000-х: если клиент на сайте уже спрашивает задачей, внутренний поиск должен понимать intent;
- есть машиночитаемая структура: schema.org, явные FAQ, таблицы сравнения — сигналы для GEO и для собственного RAG, если его строите.
Слушай, вот где ломаются ожидания. Open-source T-Search (T-Банк, июль 2026) — agent-retriever: не генерирует финальный текст для покупателя, а возвращает ранжированные чанки после нескольких раундов поиска по корпусу (до пяти раундов, harness t-search-harness на GitHub). Recall@10 у baseline Qwen3.6-35B-A3B — 41,54; у T-Search — до 61,33 при N=3 (vc.ru). «Один generative chatbot на сайте» без актуального каталога и harness/контура retrieval ≠ надёжный многошаговый поиск. Ставить виджет вместо данных — типичная ошибка.
3. Риски: неверные факты, обход воронки, сломанная атрибуция
Третья проверка — управленческая. Даже если агент вас упоминает, последствия могут быть не в вашу пользу.
Галлюцинации и устаревание. Внешний агент не обязан ходить на ваш сайт в реальном времени. Неверная цена или «есть в наличии» бьют по доверию сильнее, чем отсутствие в списке. Регулярная сверка ручных запросов (проверка 1) — минимум; плюс явные даты обновления на ключевых страницах.
«Покупатель приносит своего ассистента». Неделя 4–7 августа 2026: Ninth Circuit (США) снял preliminary injunction, запрещавший shopping agent Perplexity Comet на Amazon. Для CFAA/CDAFA: когда пользователь поручает агенту действия на площадке, «access» совершает пользователь, не компания-разработчик агента — на текущей record Perplexity unlikely to succeed on hacking claims (Cooley, MediaNama). Это не blanket-разрешение: breach of ToS суд отдельно не решал; Amazon может давить договорными claims. Для российского SMB — иллюстрация тренда, не норма РФ: внешние shopping-agents (Comet, сценарии instant checkout, агенты обхода UI) могут миновать on-site search, рекомендации и sponsored placements — ваш мерчендайзинг остаётся за бортом.
Атрибуция. Last-click web analytics недоучитывает выручку, начатую в чате, без отдельной разметки agent-referrals (Martech Notes, 28.07.2026). Если в отчётах «органика падает», а сделки идут — возможно, путь начался в ИИ-диалоге и не помечен. Проверьте UTM, post-purchase опрос «откуда узнали», отдельные метки для переходов из известных AI-интерфейсов, где это технически возможно.
Ожидания клиентов. 86% commerce-лидеров говорят, что ИИ повышает ожидания; 61% — что удовлетворять их стало сложнее, чем когда-либо. Agentic search не снижает планку — поднимает.
Enterprise-цифры — контекст, не KPI для каждого магазина
Salesforce Agentic Enterprise Index (7 августа 2026): среднее число activated agents на организацию выросло почти 3× за fiscal year; время создания agent сократилось на 53%; weekly employee usage agents утроился. Retailers с deployed agents в holiday season показывали 4× higher online sales growth vs когорта без agents — агрегированные данные Salesforce, не универсальная гарантия для SMB.
Прошлый holiday season Salesforce оценивала: AI- и agent-referred traffic дал 21% всех holiday orders globally (~$263 млрд продаж) — масштаб канала для понимания, не для копирования в локальный бюджет.
71% опрошенных commerce-лидеров согласны: масштабирование по каналам без ИИ нереалистично; среди уже внедривших agentic AI только 4% «в основном пилотируют», 35% масштабируют между функциями. SMB может двигаться иначе: три проверки выше не требуют Agentforce — они требуют дисциплины фактов и наблюдения за новой точкой входа.
Типичные ошибки — чего не делать
- Ждать, что SEO-ключи автоматически перенесутся в видимость в LLM-ответах без структурированных фактов, отзывов и entity-consistency.
- Оставлять on-site search только под keywords, пока клиенты спрашивают задачами.
- Не проверять ручными запросами упоминание бренда и точность цены/наличия.
- Считать рост agent-traffic в классической аналитике без отдельной разметки AI-referrals.
- Путать снятие CFAA-injunction в деле Perplexity/Amazon с разрешением игнорировать ToS площадки или своего сайта.
- Ставить один generative chatbot вместо контура данных — каталог, API, актуальность, schema.
Что сделать на этой неделе
Минимальный цикл для владельца SMB без отдела маркетинга:
- 10 клиентских формулировок → ручной опрос в двух-трёх ИИ-чатах → таблица упоминаний и ошибок.
- Аудит пяти карточек товаров/услуг: задача клиента в заголовке или описании, цена и наличие совпадают с CRM.
- Один вопрос аналитику или самому себе: видим ли мы переходы и сделки, начатые не с сайта, а с чата — и что добавить в разметку.
Агентный поиск не отменяет сайт и не заменяет 152-ФЗ, договоры с площадками и качество продукта. Он меняет место, где клиент впервые сравнивает вас с другими — часто до первого клика. Три проверки не требуют enterprise-бюджета; они требуют честного взгляда на факты, которые мир уже цитирует за вас.
Куда идти дальше
Если нужен рабочий контур — от мониторинга упоминаний до синхронизации каталога под GEO и agentic discovery — сначала порядок в фактах, потом автоматизация:
- NeuroNano — продуктовый контур и материалы по нейроинструментам для бизнеса.
- Telegram @NeuroAlexD — разборы, чеклисты и обратная связь по автоматизации и видимости в нейровыдаче.
- CalmOps AI — внедрение процессов и агентов под ваши задачи, без лишнего хайпа.