Зламалося! Міф про те, що AI «купує й купує», розвіявся? Гаманці — лише димова завіса, а справжній гальмо, що змушує Уолл-стріт розгубитися

Ви чули про історії про AI-шопінг — найімовірніше, вони неправдиві.

У колі ходить набір пояснень: додайте гаманцю для AI-агента, щоб він повністю замість вас оформлював замовлення — ось і є найголовніший сценарій упровадження AI. Звучить наче переконливо, але логіка не витримує перевірки.

Суть покупок — це дві дії, пов’язані в одне: пошук інформації та винесення ціннісного судження. Пошук — збирання, відбір, порівняння, сортування — це стандартизовані операції, які машина повністю може взяти на себе. Ціннісне судження — що це таке: добре воно чи ні? Чи підходить воно мені? Чи надійний продавець? — це глибоко прив’язано до суб’єктивних людських емоцій.

Дані Adobe Analytics дуже показові: у період із липня 2024 по липень 2025 кількість відвідувань, спрямованих генеративним AI на американські роздрібні сайти, зросла приблизно на 4700%. Але наратив про “AI-гаманець” за замовчуванням припускає, що агент здатен одночасно виконувати і пошук, і винесення ціннісних суджень — це підміна понять.

Ціннісне судження поділяється на два рівні: оцінювання і визначення потреби. Оцінювання — це перевірка наявних варіантів за вже існуючою функцією корисності; визначення потреби — встановлення самої цієї функції корисності — які виміри важливі? як розподіляються ваги? що саме означає “добре”? Визначення потреби не завершується раз і назавжди — воно триває весь процес покупок. Розійшовся блискавка — відмовлятися чи ні? Який продавець більше заслуговує на довіру? Кожен рівень фільтрації — це “суб’єктивні людські критерії × оцінка AI-машини”. Автоматизація може лише замінити оцінювання, а “пута” визначення суверенітету назавжди залишаються в руках людей.

Багато хто думає, що якщо скласти правильно один стандартний список, можна повністю “відпустити” процес — це серйозно недооцінює людську природу. Психолог Пол Словіч висунув “теорію конструктивних уподобань”: уподобання людини не є чимось постійно збереженим у мозку, що ти можеш викликати — вони формуються поступово в процесі вибору. Експерименти з “переворотом уподобань” доводять: два типи досліджень, еквівалентні за суттю — вибір і ціноутворення — дають абсолютно різні рейтинги товарів, напряму порушуючи базові аксіоми раціонального вибору.

Теорія “узгодженої довільності” (coherent arbitrariness), запропонована Алірі, Ловенстайном і Прейлером у 2003 році, ще жорсткіша: навіть випадкові цифри на кшталт останніх у номері соціального страхування можуть “заякорити” твою психологічну ставку щодо звичайних товарів; і навіть якщо споживчий досвід дуже багатий, цей ефект якоря не зникає. Те, що називають “стабільними вподобаннями”, — це лише ілюзія впорядкованості, створена людиною.

Тому взаємодія “людина-машина” — це не одноразове заповнення списку, а безперервна ітерація. AI-агент має на кожному вузлі фільтрації задавати цілеспрямовані питання: “Ти раніше цінував довговічність — до якої міри націнка стає вже невигідною?” Межі визначаються людьми в реальному часі.

Справжня межа не між товарами масового вжитку та немасовими (нестандартними), а між “чи має сам факт прийняття рішення цінність для досвіду”. Папір для друку, батарейки й подібні товари — процес вибору без будь-якого досвіду/задоволення, тож ідеально підходять для автоматичного повторного купівлі AI. Вино, пальта, книги — саме вибір є ключовою частиною споживчої насолоди. Передача права судження машині означає позбавлення радості від споживання.

Навіть якщо AI відповідає на запитання безкоштовно весь час, люди все одно не хочуть повністю делегувати це. Для товарів “для насолоди” правильна роль AI-агента — збирач інформації: виконати пошук, первинно відсіяти, зіставити параметри, перевірити продавця, звести 200 варіантів до 5, а остаточне рішення залишити людині.

Хтось скаже: AI просто запитає мої стандарти, хіба не так? Навпаки: багаторазове уточнення стандартів спотворює твій кінцевий вибір. Експеримент з оцінюванням джему за Вільсоном і Сколером (1991) показує все: коли заздалегідь просили піддослідних упорядкувати аргументи своїх уподобань, у підсумку їхній рейтинг і стандарти професійної дегустації розходилися сильніше; подальші експерименти підтвердили: примусове послідовне перелічування аргументів змушує людей обирати картини, що дають нижчу задоволеність після покупки. Мова може описати лише те, що легко сформулювати на поверхні, але не може вловити справжні внутрішні уподобання.

Так вимальовуються три “неможливі трикутники”: активне опитування AI — максимальна відповідність реальним вподобанням, але дуже висока “тертя” у взаємодії й навіть спотворення вибору; прогнозування на основі історичної поведінки — операції гладкі, але в полоні минулих уподобань, і це вбиває нові пошуки; повна автономія людини протягом усього процесу — повністю зберігає право на вибір, але коштує дуже багато часу й зусиль.

Четвертий шлях — “інтеракція через розпізнавання”: AI прямо показує 3 варіанти, а людина одразу обирає. Метод і простий, і точний, бо вам не потрібно абстрактно називати ті стандарти, які ви часто не здатні назвати. Класичний експеримент про перевантаження вибором — коли Айенгар і Лейпер у 2000 році показували 6 видів джему, конверсія була значно вища, ніж при 24 видах — колись вважали “залізним правилом”, але подальші аналізи спростували цей висновок. Шеббенген та інші в 2010 році, зібравши велику статистику, виявили: загалом ефект перевантаження вибором не є універсальним. Дослідження Чeрнєва, Бокенхолта і Гудмана (2015) з 99 робіт показали: ефект перевантаження проявляється лише тоді, коли складність товару висока, труднощі прийняття рішень великі, а власні вподобання розмиті. Автори при повторному аналізі вважають, що при 24 варіантах людям бракує часу, щоб впорядкувати вподобання.

Справжня автономність — між “агент застосовує мої стандарти” і “агент вигадує стандарти наосліп на основі історичних записів”.

Повернімося до наративу “AI-гаманець” — він змішує три незалежні речі: суб’єкт ухвалення рішення, суб’єкт виконання та суб’єкт володіння коштами. Дати AI гаманець вирішує лише проблему володіння коштами; “кастодіальне” зберігання коштів має сенс лише тоді, коли AI має право приймати рішення.

Три ситуації: людина сама вирішує і платить, а агент лише як “спостерігач/розвідник”; людина вирішує після чого делегує агенту виконання (“так, купи той”), тоді агент відповідає за оплату/закриття рахунку, але не має керувати грошима — потрібна лише одна обмежена, відклична авторизація; і лише третя — AI сам вирішує і платить, без потреби людини бути присутньою — тоді гаманець справді бере на себе відповідальність.

Цікаво, що у 2025 році у глобальній платіжній індустрії вже впроваджено рішення з розділеними (tiered) авторизаціями. OpenAI разом зі Stripe представили комерційну угоду для “розумних агентів”: вона генерує платіжні токени, прив’язані до одного продавця, з фіксованою сумою та одноразовими, обмеженими в часі використаннями; AI не отримує повний номер картки. У квітні Mastercard опублікувала Agent Pay: токен обмежений агентом, вказаним продавцем і прив’язаною авторизацією користувача. У вересні Google випустила протокол AP2: чітко розділено “документ авторизації потреб користувача” та “документ закупівельного переліку AI”; обидва є верифіковуваними криптографічними повноваженнями. У жовтні Visa представила протокол для довірених агентів — з тим самим підходом.

Топові платіжні провайдери фактично одностайно підтвердили ключову думку: не потрібно віддавати кошти AI; достатньо надати лише обмежені повноваження на операції.

Тож у яких реальних сценаріях підходить незалежне кастодіальне гаманце для AI? Для споживчого ритейлу це майже не потрібно; справжній простір — в автоматичних розрахунках між машинами та в стандартованих оптових товарах. Протокол x402, представлений Coinbase разом із Cloudflare, підтримує автоматичні платежі між агентами без втручання людини, з оплатою 7×24 за викликами через API; за кілька місяців обсяг транзакцій перевищив 1 трлн (100000000) операцій. Mastercard паралельно випустила Agent Pay для машинних сервісів, для частих розрахунків з низькою затримкою та невеликими сумами. Це фундаментальна інфраструктура економіки машин, а не те, щоб купувати людині одяг.

Сам наратив сам по собі не помиляється, але його важливість повністю перевернута: незалежне кастодіальне AI-гаманець має цінність лише в сценаріях із високою однорідністю товарів і невеликими сумами за одну операцію.

Це також пояснює зміну фокусу в крипто-секторі за останні два роки: не наратив про “звільнення споживача” для персональних покупок, а глибина в інфраструктуру “для організацій”: клиринг у стейблкоїнах, токенізація активів, корпоративні сервіси. Відділ закупівель компанії — це інституціоналізоване втілення “закупівель суцільної рутини”: відокремити суб’єктивну естетику, і повністю вирішувати за специфікаціями, цінами та контрактними умовами — по суті це “людська версія” інтелектуального агентного закупівель. AI-гаманець лише автоматизує процеси, які у підприємств вже давно дозріли; немає жодного “перевороту” поведінкових моделей.

Нині багато компаній передають закупівлю офісних витратних матеріалів на аутсорсинг. Ключова конкурентна перевага платформи — не найнижча ціна, а зниження витрат на процеси. Компанії готові приймати націнку за одиницю товару в обмін на зменшення затрат на людську працю. AI-агенти здатні звести витрати на оформлення замовлень до величини, близької до нуля, а також здійснювати пошук розрізнених постачальників; платформа зберігає лише функції комплаєнс-перевірки — і саме тут справжня “вузька горловина”.

Точна формула має бути такою: інструментальні сценарії підбору. Автономне кастодіальне гаманце підходить для закупівель стандартованих товарів у компаніях та автоматичних розрахунків між машинами; для персонального споживання не потрібне кастодіальне зберігання коштів — достатньо одноразового, обмеженого діапазоном платіжного токена.

Корпоративні закупівлі — це не лише товари масового вжитку. Стратегічні рішення на кшталт вибору юридичної фірми чи придбаного активу мають ухвалюватися людьми безпосередньо, так само як і вибір вина. Незалежне кастодіальне гаманце для AI дає цінність лише на рівні стандартованих товарів, тоді як стандартована бізнес-діяльність сконцентрована всередині компаній.

Справжня “вузька горловина” ніколи не була в платежах. Технологія перетікання коштів давно зріла; вузькі місця — в двох речах.

Перше: відсутність довірених джерел даних. Передумовою автоматизованих оцінок є те, що дані мають бути справжні й надійні. Масове поширення фальшивих відгуків — уже є публічно відомою проблемою в індустрії. У 2024 році Федеральна торгова комісія США ухвалила нові правила (набувають чинності 21 жовтня), прямо заборонивши фальшиві відгуки: чітко зазначено, що генеративний AI значно знижує поріг для масового виробництва фальшивих відгуків, а за порушення штраф за одну операцію може сягати 51744 доларів США. Підробки теж серйозні: за даними ОЕСР та Європейського відомства з прав інтелектуальної власності у 2025 році, у 2021 році світова торгівля підробками становила приблизно 4670 мільярдів доларів, тобто 2,3% від загального обсягу світової торгівлі; підробки при імпорті в ЄС — 4,7% від усіх імпортних поставок, з особливо важким становищем у категоріях одягу, взуття, сумок та предметів розкоші. Документи трасування походження одиниці товару, верифіковувані реальні відгуки та незалежна експертиза — це передумови для безпечного судження AI про товари.

Друге: право визначення людських потреб неможливо автоматизувати. Поки стандарти потреби визначаються людьми, подальші фільтрація, порівняння та розрахунки можна автоматизувати. Але сама дія — визначення того, які в тебе потреби — природно не піддається передачі машині. Якщо AI замість тебе генерує стандарти потреби, сформовані вподобання врешті не є твоїми особистими.

Дати AI-агенту гаманець вирішує лише найпростіший грошовий етап. Справді важливий напрям для глибокої роботи: безпечна, контрольована автоматизація фільтрації та оцінювання, при цьому повернути людям обидва ключові права — визначати критерії оцінки та насолоджуватися задоволенням від остаточного вибору.

Для товарів, що забезпечують “досвідний/емоційний” тип споживання, щойно канал купівлі стає “товаром”, ваш продукт перестає бути самим товаром — вибір стає ним. Платформі потрібно оптимізувати ступінь стандартизації інформації, щоб AI міг легко здійснювати пошук: повністю верифіковане трасування походження, чисті структуровані дані, які допомагають AI вести користувачів на вашу платформу. А далі — зберегти ключову перевагу, яку автоматизація не може замінити: розширити кордони естетичного пошуку користувача та забезпечити приємний досвід остаточного вибору товару. Якщо покласти збір інформації на AI-агентів, то головна конкурентна перевага платформи сфокусується на створенні кращого досвіду вибору.

Підписуйтесь на мене: отримуйте більше актуального аналізу крипто-ринку та інсайтів!

#GUSD年化升至3.8% $BTC $ETH $SOL #GateDEX повністю інтегрує RobinhoodChain #ChinaSoft International у партнерстві з Місяцем у темряві для запуску AgenticAI