Почему маркетплейсам нужен не один AI-ассистент, а маршрутизатор субагентов

Сегодня почти все крупные игроки в commerce идут в одну и ту же сторону: поверх каталога должен появиться один умный AI-ассистент, который поможет пользователю выбрать всё подряд — от крема до ноутбука. На уровне презентации это выглядит красиво. Один интерфейс, один диалог, один “умный слой” для всей покупки.

Но в этой идее спрятана архитектурная ошибка.

Shopping — не одна задача.

Покупка зубной пасты, выбор ноутбука, подбор ухода при чувствительной коже, поиск спортивного питания и выбор подарка — это не вариации одной и той же логики. Это разные логики выбора: с разным риском ошибки, разным языком, разной глубиной компетенции и разным порогом доверия.

Поэтому слабость универсального shopping-agent не в том, что модели пока недостаточно сильны. Слабость в самой постановке задачи. Мы называем словом shopping слишком разные типы решений и делаем вид, что их можно одинаково хорошо обрабатывать одной и той же головой.

Это удобно для интерфейса. Но плохо для качества.

В простых категориях универсальный агент действительно может работать нормально. Повторная покупка, базовый поиск по параметрам, сравнение цены, наличия и сроков доставки — всё это хорошо ложится в общий AI-слой. Но как только категория становится чувствительной, критичной к доверию или доменно сложной, универсальность начинает ломаться.

Потому что разные категории требуют не просто разных данных, а разной логики рассуждения.

В электронике важно сравнивать спецификации, совместимость, цену и отзывы. В beauty и skincare логика совсем другая: здесь важны чувствительность, составы, ограничения, переносимость, контекст использования и высокая цена ошибки. В wellness и спортивном питании снова другой режим: там уже важны цель, ограничения, безопасность и границы того, что вообще допустимо советовать.

Снаружи всё это выглядит как shopping. Внутри это разные системы принятия решений.

И именно здесь начинает трещать идея одного ассистента на всё.

Один агент может неплохо помочь выбрать ноутбук по памяти, процессору и цене. Но тот же агент не должен с такой же уверенностью подбирать уход для реактивной кожи, где ошибка — это не просто неудачная покупка, а раздражение, потеря доверия и недели неправильного использования.

Вот почему пользователю на самом деле нужен не один “всезнающий” агент, а одна поверхность входа, за которой стоит правильная маршрутизация компетенции.

Пользователь действительно не хочет переходить между десятью интерфейсами. Ему нужен единый UX, единая точка входа, единая поверхность доверия. Но отсюда не следует, что под капотом должен работать один универсальный интеллект.

Один интерфейс не равен одному мозгу.

Более взрослая архитектура для commerce выглядит иначе. Сверху находится слой маршрутизации — слой, который делает всего три вещи:

Понимает, что за тип решения перед ним.

Определяет домен и stakes запроса.

Передаёт его в нужного specialist subagent.

А уже специализированный агент работает внутри своей зоны компетенции.

То есть не один ассистент, который пытается знать всё, а система, которая знает, кому именно передать вопрос.

Это не мода на мультиагентность и не инженерная декоративность. Это более честная модель реальности.

Потому что commerce — это не единая логика принятия решений. А значит, AI-слой над commerce не должен делать вид, что одна и та же логика одинаково хорошо выбирает крем для реактивной кожи, холодильник, авиабилет и протеин.

У такой архитектуры есть ещё одно преимущество, о котором пока говорят меньше: она разделяет доверие и ответственность.

Универсальный ассистент собирает всё в один единый контур доверия. Если он делает грубую ошибку в чувствительной категории, проседает доверие ко всей системе целиком. Специализированная архитектура устроена иначе. Она позволяет держать разные правила, разные границы, разные уровни уверенности и разный уровень допустимой ответственности для разных доменов.

Это особенно важно там, где ошибка дорогая не только в деньгах.

В beauty ошибка часто стоит реакции кожи и доверия. В пищевых добавках — безопасности и ложной уверенности. В детских товарах — повышенной чувствительности к риску. В финансах и страховании — вообще другой регуляторной поверхности.

В таких категориях специализация — не улучшение интерфейса. Это архитектурная необходимость.

Конечно, здесь возникает сильный контраргумент: базовые модели становятся лучше, контекст длиннее, а платформы всё равно захотят построить одного ассистента для всего. Зачем тогда усложнять систему?

Ответ в том, что часть категорий действительно схлопнется в общий AI-слой. И это нормально. Не каждая категория нуждается в спец субагенте.

Но это только усиливает главный тезис: если специальная архитектура нужна не везде, то она нужна именно там, где различие реально важно — в high-trust, high-risk и high-friction доменах, где универсальный агент начинает проигрывать не в демо, а в реальном пользовательском решении.

Тут важно понять ещё одну вещь: платформы всё равно будут строить универсальных ассистентов. И не потому, что они не видят архитектурной проблемы. А потому, что их с выгодой толкают именно туда. Чем шире AI-слой, тем больше времени пользователь проводит внутри одной поверхности, тем больше данных остаётся внутри платформы, тем выше шанс не отдавать решение наружу. Универсальный ассистент для маркетплейса — это не только продуктовая гипотеза. Это ещё и борьба за управляющий контур.

Именно поэтому следующий вопрос рынка звучит уже не так: как сделать одного AI-ассистента для всех категорий?

Он звучит иначе: кто будет управляющим контуром, который правильно понимает, куда маршрутизировать запрос пользователя?

И вот здесь начинается самый интересный рыночный сдвиг.

Следующая конкуренция в commerce AI, скорее всего, пойдёт не между “ещё одним умным ассистентом” и “ещё одним умным ассистентом”. Она пойдёт между двумя типами силы:

Управляющий контур, который владеет поверхностью входа и маршрутизацией.

Узкая доменная экспертиза, которая действительно умеет решать конкретный тип выбора.

Платформы почти наверняка попытаются забрать себе первое. Но второе не обязательно будет принадлежать им же.

Потому что specialist agent ценен не тем, что отвечает на всё. Наоборот — его сила в том, что он не притворяется универсальным.

Он знает свою границу, работает внутри неё и именно поэтому даёт более надёжное решение там, где универсальный агент начинает усреднять, путать режимы и создавать ложную уверенность.

Особенно ясно это видно в beauty и skincare. Со стороны эта категория кажется лёгкой: каталог, фильтры, отзывы, рекомендации. На практике это одна из самых сложных потребительских категорий. Здесь пересекаются составы, чувствительность, ограничения, переносимость, ожидания пользователя и высокая цена ошибки. И именно здесь идея “одного AI-ассистента для всего маркетплейса” начинает трещать особенно быстро.

Я вижу это на примере SKINBOT. Для меня это не “ещё один shopping bot”, а пример specialist decision agent в домене, где ошибка влияет не только на покупку, но и на кожу, доверие и повторный выбор. И, возможно, именно такие узкие, дисциплинированные subagents станут в будущем не исключением, а нормальной частью commerce stack.

Поэтому в ближайшие годы победит не универсальный shopping-agent, а более взрослая архитектура: единый интерфейс с маршрутизацией между specialist subagents.

Не один универсальный AI. А правильно распределённая компетенция.