Переговоры с ИИ-агентом закупщика: что меняется в работе продаж, когда предложение оценивает алгоритм

Если коммерческое предложение сначала читает ИИ-агент закупщика, а человек видит только отфильтрованный короткий список — меняется не форма КП, а то, что в нём должно быть проверяемым. Алгоритм не читает между строк и не прощает размытых формулировок: ему нужны цифры с источником, понятная структура и факты, которые можно извлечь без домыслов. Человек в этой цепочке всё равно принимает финальное решение, но до него теперь доходит не весь рынок, а то, что агент посчитал релевантным.

Что вообще происходит, когда КП оценивает алгоритм, а не человек

ИИ-агент закупщика — это программа на основе большой языковой модели, которая по запросу пользователя ищет, сравнивает и ранжирует предложения поставщиков, прежде чем показать результат человеку. Технически это тот же принцип, что и в генеративном поиске: модель не индексирует страницу целиком, а извлекает и взвешивает отдельные фрагменты текста — абзацы, таблицы, цифры — и собирает из них ответ. Для продавца это означает, что КП и материалы на сайте компании должны быть устроены так, чтобы каждый фрагмент был самостоятельно понятен и проверяем, потому что именно фрагмент, а не документ целиком, попадает в поле зрения алгоритма.

Протоколы такой агентной торговли уже существуют на практике, хотя в основном на западном рынке. В сентябре 2025 года OpenAI совместно со Stripe выпустили открытый Agentic Commerce Protocol и функцию Instant Checkout в ChatGPT — по данным OpenAI, 2025, протокол позволяет агенту и бизнесу совместно завершать покупку пользователя, первыми партнёрами стали Etsy и Shopify. Anthropic в 2026 году опубликовала собственный блюпринт для коммерческих агентов на базе Claude с паттернами shopping agent (ищет и сравнивает для покупателя) и merchant agent (управляет ценами и акциями продавца) — по данным Claude.com, 2026, Anthropic заявляет, что у ритейлеров, работающих на Claude, корзины становятся до 35% больше и покупатели почти на 60% чаще доводят покупку до конца, хотя методология этих цифр не раскрыта и независимого аудита нет.

Чем агент закупщика отличается от закупщика-человека

Главное отличие — агент не устаёт, не запоминает личные симпатии к менеджеру и не читает презентацию целиком, если может извлечь нужные параметры из текста быстрее. Он сопоставляет сущности и факты с запросом; атмосфера переговоров и ощущение доверия на него не действуют.

• Человек листает КП сверху вниз и реагирует на первое впечатление и дизайн; агент ищет конкретные параметры — цену, сроки, гарантии — независимо от того, на какой странице они находятся.
• Человек помнит предыдущий разговор с менеджером; у агента есть только тот контекст, который ему явно передал пользователь или который доступен в его источниках данных.
• Человек делает скидку на красивую подачу; агент не чувствителен к дизайну, но чувствителен к структуре: таблицам, спискам, явным определениям терминов.
• Человек принимает решение один раз; агент может пересчитывать ранжирование предложений при каждом новом запросе, если меняются входные условия.

Важная оговорка: ни Anthropic, ни OpenAI, ни Google не опубликовали алгоритм ранжирования между несколькими поставщиками. Весь рынок советов «как попасть в выбор агента» сегодня строится на вторичных наблюдениях практиков, а не на опубликованных правилах вендоров ИИ.

Какие тексты алгоритм цитирует чаще, а какие игнорирует

Алгоритм чаще цитирует и использует фрагменты текста с явными цифрами, источниками и связной подачей — и штрафует переспам ключевыми словами. Это подтверждено не для коммерческих предложений напрямую, а для генеративного поиска в целом, но механика извлечения текста у агента закупщика та же самая.

По данным исследования GEO, arXiv, 2023–2024, проведённого исследователями Принстонского университета, Индийского технологического института в Дели (IIT Delhi) и независимых исследователей, на бенчмарке из 10 000 запросов по 25 доменам, видимость материала в ответе генеративного поисковика повышают: добавление статистики в текст (+32,8%), повышение связности и логичности изложения (+28,7%), явное указание источников фактов (+27,7%). Искусственное нагромождение ключевых слов — единственная из проверенных тактик с отрицательным эффектом: она снижает видимость на 8,7%.

Отдельное наблюдение из того же исследования важно для продаж: эффект этих приёмов резко зависит от стартовой позиции материала. Если текст уже лидирует в обычном поисковом ранжировании, цитаты и статистика почти не добавляют видимости в ответе ИИ и иногда даже вредят — падение достигает 22–30%. Материалам, которые стояли на пятой позиции, те же приёмы дают прирост видимости до 115% для явного указания источников. Иначе говоря, это инструмент подняться со дна списка, а не способ укрепить и без того сильные позиции. При этом на Perplexity.ai те же приёмы работают заметно слабее: добавление цитат даёт прирост около 21% вместо 42,6% на тестовом движке из исследования — универсального рецепта под все ИИ-системы нет.

Нужно ли менять структуру сайта и КП под ИИ-агентов

Специальная разметка под ИИ не нужна — Google прямо говорит, что для попадания в генеративные ответы не требуется особая schema.org-разметка, идеальная длина страницы или искусственное дробление текста на мелкие фрагменты. По данным Google Search Central, 2026, генеративные системы понимают смысл и синонимы запроса без подгонки текста под точные формулировки ключевых слов, а файлы llms.txt вообще не используются поиском Google.

Это прямо противоречит части советов из индустрии GEO (Generative Engine Optimization) — практики адаптации контента под генеративные поисковые и агентные системы. Академическое исследование фиксирует: конкретные текстовые приёмы статистически меняют то, что цитирует ИИ-движок. Крупнейший поисковый вендор публично утверждает обратное — что специальных «хаков под алгоритм» не существует и нужна обычная качественная основа контента. Практический вывод для продавца: вкладываться в правдивость и конкретность текста полезно при любом из двух взглядов. Городить техническую разметку «на всякий случай» необязательно — это может оказаться потраченным бюджетом.

Отраслевая практика Relevance Engineering, описанная в разборе Brainlabs Digital, 2026, предлагает для бизнеса три слоя метрик, по которым стоит оценивать готовность компании к агентным закупкам.

Авторы разбора советуют вкладываться сначала в структурные улучшения — машиночитаемость, открытые протоколы доступа к данным, — и не гнаться за увеличением объёма контента ради объёма.

Как переписать коммерческое предложение под алгоритмическую проверку

КП для агентной проверки должно отвечать на вопросы цифрами с источником и периодом, а не общими обещаниями («надёжный партнёр», «гибкие условия») — именно такие формулировки агент не может ни проверить, ни процитировать. Это тот же принцип, что работает и для обычного читателя-человека, но для алгоритма он становится обязательным, а не желательным.

• Цена и условия оплаты пишутся в рублях с конкретными сроками вместо «по запросу» — если цена действительно индивидуальна, в КП должна быть вилка и условия, от которых она зависит.
• Сроки указываются диапазоном в неделях или месяцах с привязкой к объёму задачи — без слов «быстро» или «в разумные сроки».
• Каждая цифра результата сопровождается периодом и источником измерения: «по данным наших проектов за 2025–2026» вместо голого «увеличили продажи на 40%».
• Термины и названия технологий указываются полным именем сущности: Яндекс.Директ, VK Реклама, Bitrix24, GA4 — вместо «одной из рекламных систем» или «популярной CRM».
• Гарантии и условия возврата формулируются как проверяемые факты, не как маркетинговый слоган: что конкретно гарантируется, при каких условиях и в каком документе это закреплено.
• Кейсы клиентов сопровождаются цифрой и контекстом сделки — отрасль, масштаб, срок — иначе фрагмент с кейсом не самодостаточен и алгоритм не сможет его процитировать отдельно от остального текста.

Разделы такого КП логично строить так же, как хорошие sales-enablement-materialy-dlya-prodazh — материалы, которые продавец может выдать клиенту без личного сопровождения и которые остаются понятными сами по себе.

Что из этого работает в России прямо сейчас, а что пока гипотеза

Сдвиг к структурированным, проверяемым текстам работает в России уже сейчас — это следствие архитектуры языковых моделей, а не особенность конкретного рынка или языка. А вот конкретные западные протоколы агентных покупок на российский рынок напрямую не переносятся.

Agentic Commerce Protocol, Instant Checkout и коммерческие агенты на базе Claude рассчитаны на западную платёжную инфраструктуру — Stripe, Visa, Mastercard — и площадки Shopify, Etsy, Priceline. В текущих условиях с ограничениями на международные платёжные системы эти конкретные продукты в России не работают напрямую. Логика «агент получает доступ к каталогу и готовит покупку от имени пользователя» в принципе может появиться в аналогичных российских решениях — у маркетплейсов или банковских ИИ-ассистентов, — но подтверждённых данных о таких продуктах пока нет, и выдавать это за факт нельзя — это гипотеза.

Зато общий принцип из исследования GEO переносится без оговорок: класть в КП и на сайт проверяемые цифры с указанием источника и прямые цитаты клиентов или экспертов полезно независимо от языка и поисковой системы. Пример конкретного эффекта контекста на выбор бренда — по данным исследования iPullRank, процитированного в разборе Brainlabs Digital, 2026, когда тестовый аккаунт был «засеян» сигналами о предпочтениях бренда, доля упоминаний этого бренда в ответах ИИ-ассистента выросла с 21,9% до 62,3%. Здесь решает совпадение с контекстом конкретного пользователя или агента, а не объём контента на сайте; этот вывод логически применим и к Яндекс Нейро или GigaChat, хотя отдельных измерений именно на российских системах в открытых источниках пока нет.

Отдельно стоит различать, где в маркетинге алгоритм уже ведёт процесс активно, а где только помогает отбирать варианты — это разные степени автономии, и в рекламных кампаниях агентный ИИ забирает на себя больше решений, чем в закупках, о чём отдельно разобрано в материале что осталось от перформанса, когда алгоритм ведёт кампанию.

Что делать отделу продаж уже сейчас, не дожидаясь ясности с алгоритмами

Привести КП, сайт и презентации к проверяемой, структурированной форме можно и нужно уже сейчас — это не зависит от того, прояснятся ли критерии ранжирования агентов в следующие 12 месяцев или нет. Ждать точных правил игры и ничего не делать — потерять время без гарантии, что правила станут публичными вообще.

1. Пересобрать типовое КП так, чтобы каждый блок — цена, сроки, кейс, гарантия — был самодостаточным абзацем с цифрой, периодом и источником.
2. Проверить, что сайт и материалы для продаж технически доступны для сканирования роботами и не спрятаны за формами или JavaScript-рендерингом без серверной отдачи текста.
3. Завести у менеджеров привычку спрашивать клиента прямо: участвует ли в отборе предложений ИИ-агент или ассистент, и если да — в каком именно.
4. Следить за источником трафика и заявок в GA4 или Bitrix24: формулировки «посоветовал ИИ» или переходы с доменов ИИ-сервисов — ранний сигнал, что в вашей нише агентная закупка уже началась.
5. Не переделывать весь маркетинг под гипотетические правила одного вендора — структурная честность текста работает при любом сценарии развития агентных закупок.

Эта логика тесно связана с тем, как вообще выстроен B2B-маркетинг компании: материалы для алгоритма и материалы для живого закупщика теперь должны быть одним и тем же документом, а не двумя отдельными версиями. Подробнее о базовых принципах — в материале B2B-маркетинг: как он устроен.

Частые ошибки

• Писать КП «под алгоритм» вместо честного текста — специальная разметка и перегруженные ключевыми словами формулировки не нужны ни Google, ни большинству агентных систем; переспам прямо снижает видимость материала согласно исследованию GEO.
• Переносить западные цифры конверсии на российский прогноз — заявленные Anthropic 35% роста размера корзины и почти 60% роста вероятности завершения покупки получены без раскрытой методологии и на другой клиентской базе, использовать их как ожидание для своего бизнеса в России некорректно.
• Считать, что человек полностью исключён из процесса — и Anthropic, и OpenAI описывают свои агентные продукты с обязательным подтверждением человека перед финальным действием: агент фильтрует и предлагает, решение остаётся за человеком.
• Игнорировать запрос клиента о том, как он принимает решение — если клиент сам не говорит, что использует ИИ-ассистента для отбора поставщиков, об этом стоит спросить прямо, не гадая по косвенным признакам.
• Выдавать вторичные вендорские прогнозы за проверенные факты — распространённые в блогах цифры вида «90% B2B-закупок через ИИ-агентов к такому-то году» в большинстве случаев не имеют доступного первоисточника, и использовать их в переговорах с клиентом как доказанный факт — репутационный риск.
• Делать ставку только на один канал агентных закупок — протоколы и агенты разных вендоров ранжируют по-разному и с разным успехом, как показывает разница эффектов GEO-приёмов между тестовым движком и Perplexity.ai, поэтому универсального «ключа» под все системы одновременно не существует.

Источники

• GEO: Generative Engine Optimization — arXiv / Princeton University, IIT Delhi, 2023–2024
• Optimizing your website for generative AI features on Google Search — Google Search Central, 2026
• Building commerce agents with Claude — Anthropic, 2026
• Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol — OpenAI, 2025
• AI search optimization: Relevance Engineering — Brainlabs Digital, 2026

FAQ

Что такое ИИ-агент закупщика и чем он отличается от обычного поиска поставщика?

Это программа на основе языковой модели, которая по запросу человека ищет, сравнивает и ранжирует предложения поставщиков прежде, чем показать результат пользователю. В отличие от человека-закупщика, агент не читает КП целиком и не запоминает личные отношения с менеджером — он извлекает конкретные параметры из текста и сопоставляет их с запросом.

Правда ли, что нужно менять структуру сайта специально под ИИ-агентов?

Нет, по данным Google Search Central за 2026 год специальная техническая разметка под генеративный ИИ не требуется — достаточно обычного качественного и честного контента. Полезно убедиться, что сайт технически доступен для сканирования и текст не спрятан за формами или нерендерящимся JavaScript.

Как написать коммерческое предложение, которое агент не отбросит на первом этапе?

КП должно содержать конкретные цифры с указанием периода и источника вместо общих фраз вроде «надёжный партнёр» или «гибкие условия». Цена в рублях, сроки в неделях или месяцах, кейсы с конкретной отраслью и масштабом — такие фрагменты текста можно извлечь и процитировать отдельно от остального документа.

Можно ли узнать, по каким критериям ИИ-агент ранжирует предложения разных поставщиков?

Нет, ни Anthropic, ни OpenAI, ни Google не раскрыли алгоритм или критерии ранжирования предложений между несколькими поставщиками. Все текущие советы на рынке строятся на вторичных наблюдениях практиков, а опубликованных правил вендоров пока нет.

Работают ли западные протоколы агентных покупок, такие как Agentic Commerce Protocol, в России?

Напрямую нет — эти протоколы рассчитаны на западную платёжную инфраструктуру вроде Stripe, Visa и Mastercard и площадки Shopify, Etsy, Priceline, которые в текущих условиях ограничены для российского рынка. Похожая логика может появиться в российских решениях у маркетплейсов или банковских ИИ-ассистентов, но подтверждённых продуктов такого рода пока нет.

Стоит ли спрашивать клиента, использует ли он ИИ-агента при выборе поставщика?

Да, это прямой и практичный шаг: если клиент сам не упоминает использование ИИ-ассистента для отбора предложений, стоит спросить об этом явно на старте переговоров. Это сразу подскажет, в каком формате готовить материалы — для живого разговора или для текста, который должен быть самодостаточным без устной подачи.

Значит ли появление ИИ-агентов закупщика, что отдел продаж скоро не нужен?

Нет, и Anthropic, и OpenAI описывают свои агентные продукты с обязательным подтверждением человека перед финальным шагом сделки. Агент сужает список вариантов и готовит данные, но решение и ответственность остаются за людьми с обеих сторон сделки.

Если вы хотите системно разобраться, как меняется работа маркетинга и продаж под давлением ИИ-инструментов — от контента и рекламы до аналитики и управленческих решений, — присмотритесь к интенсиву Marketing OS: это разбор рабочих систем, а не набор лайфхаков под конкретный алгоритм.