ИИ-агенты для интернет-магазина: 7 рабочих сценариев

ИИ-агент для интернет-магазина это автономный цифровой сотрудник: он запускается по событию (новый заказ, отзыв, запрос на возврат), помнит контекст клиента и сам совершает действия в реальной системе. В отличие от обычного чат-бота, агент видит сделку в CRM, статус на маркетплейсе и историю покупок, поэтому меняет статус сделки, отвечает в Телеграм или МАКС (MAX) и создаёт тикет в Битрикс24. Ниже семь сценариев, которые в 2026 году уже отдают агенту российские магазины: приём заказов, возвраты, предпродажный консалтинг, постпродажные продажи, аналитика отзывов на Ozon и Wildberries, логистика и управление прайсом. Для каждого сценария разобраны триггер, цепочка сервисов и где агент окупается быстрее всего.

Если термин «ИИ-агент» пока размытый, посмотрите базовое определение в гайде что такое ИИ-агент и возвращайтесь.

Чем ИИ-агент отличается от чат-бота на сайте магазина

Чат-бот на сайте магазина живёт по скриптам. Он распознаёт ключевые слова, отвечает заготовленным текстом, в крайнем случае передаёт диалог менеджеру. Памяти у него нет, действий в CRM или на маркетплейсе он не совершает.

ИИ-агент работает иначе. Запускается по триггеру: новый заказ в InSales, отзыв на Ozon Seller, запрос на возврат в Wildberries. Видит контекст клиента из CRM или маркетплейс-кабинета. Сам решает по правилам магазина: ответить, эскалировать, обновить статус, написать в мессенджер. И только когда задача выходит за рамки, передаёт менеджеру.

Эту разницу хорошо проговаривает Мария Емельянова, CEO Альбато.

Подробнее логика разобрана в статье про разницу между ИИ-агентом и чат-ботом. Если коротко, граница проходит по пяти параметрам.

После этой схемы разобрать конкретные сценарии становится проще: разница в том, что агент совершает действия, а не просто отвечает.

Сценарий 1. Приём заказов и статусы

Самый частый и самый окупаемый сценарий. Магазин принимает заказы из нескольких источников: собственный сайт на Tilda, кабинеты Ozon и Wildberries, иногда InSales или 1С-Битрикс. Каждый заказ нужно завести в CRM, ответить клиенту, прислать инструкцию по оплате и доставке. На потоке от 300 заказов в месяц менеджеры начинают терять время.

ИИ-агент закрывает первую линию автоматически.

1. Триггер: новый заказ в сайте или маркетплейс-кабинете.
2. Альбато получает данные заказа: товар, сумма, контакты клиента, адрес.
3. Агент формулирует приветственное сообщение в Телеграм или МАКС с номером заказа, суммой и ожидаемым сроком доставки.
4. Параллельно создаёт сделку в amoCRM или Битрикс24 с заполненной карточкой.
5. При входящих вопросах от клиента отвечает по статусу и срокам, не выходя за рамки инструкций.

Эффект на потоке 300 заказов в месяц: от 40 до 60 процентов типовых обращений (где мой заказ, когда придёт, как оплатить) закрываются без менеджера. Время первого ответа падает с часов до минут. Менеджер подключается только там, где нужно решение: возврат, замена, нестандартный запрос. Подробнее о синхронизации заказов между источниками есть в материале про синхронизацию заказов с Ozon и Wildberries, а про обработку заявок с собственного сайта в статье про обработку заявок с сайта.

Сценарий 2. Возвраты и претензии

Возврат отнимает у менеджера больше времени, чем продажа. Клиент злится, диалог длинный, на маркетплейсах ещё и таймер. ИИ-агент не принимает финансовое решение, но снимает с менеджера всю первичную обработку.

Цепочка собирается так.

1. Триггер: запрос на возврат в Ozon или Wildberries, либо сообщение со словами «возврат», «верните деньги», «брак» в чате на сайте или в мессенджере.
2. Альбато передаёт обращение агенту вместе с карточкой клиента: что купил, когда получил, по какой причине просит вернуть.
3. Агент классифицирует обращение: брак, не подошло, ошибка поставки, иное. Готовит черновик ответа с инструкцией: что приложить, куда обратиться, какой срок.
4. Параллельно создаёт тикет в Битрикс24 с приоритетом и уведомление менеджеру в МАКС.

Граница автономии чёткая: финансовое решение (вернуть, обменять, отказать) принимает менеджер. Агент готовит черновик и тикет, чтобы человек открыл готовую карточку и нажал кнопку.

Эффект простой: реакция магазина на запрос возврата падает с часов на маркетплейсе до минут. Это влияет на отзыв клиента и видимость карточки на Ozon и Wildberries (площадки штрафуют за просрочку ответов).

Сценарий 3. Предпродажный консалтинг

Подбор товара, ответы на вопросы про размер, совместимость, наличие, сроки. Раньше это закрывал чат-бот по скриптам. С 2026 года правила изменились: Яндекс Маркет уже запустил собственного ИИ-агента, который подбирает товар по фото и контексту, и одновременно анонсировал Yandex Commerce Protocol для интеграции магазинов с Алисой. Магазины без подобного консультанта проигрывают в скорости и точности.

Цепочка для собственного сайта или мессенджера.

1. Триггер: сообщение в чате на Tilda, в Телеграм-боте, в МАКС или в кабинете маркетплейса.
2. Альбато передаёт запрос агенту вместе с базой знаний магазина: каталог, частые вопросы, правила доставки и оплаты.
3. Агент уточняет потребность вопросами, подбирает от 1 до 3 товаров из каталога, объясняет отличия.
4. По готовности перехода в покупку создаёт сделку в amoCRM или Битрикс24 и эскалирует менеджеру при сложном запросе.

Без подключения каталога этот сценарий разваливается: модель начинает выдумывать товарные позиции (SKU), цены и характеристики. Поэтому первый шаг настройки это база знаний.

Более широкая логика «как агент работает на первой линии продаж» разобрана в материале про ИИ-агент в продажах.

Сценарий 4. Допродажи (cross-sell) и реактивация после доставки

Стандартная рассылка «купите ещё» раз в месяц на всю базу превращается в спам и убивает доставляемость. ИИ-агент работает точечно: триггер по факту доставки, контекст по истории покупок, персональная подборка.

1. Триггер: статус «доставлен» из СДЭК, Яндекс Доставки или Почты России. В CRM проставлен «доставлен».
2. Через 24–48 часов агент анализирует историю клиента: что купил, что смотрел, что не вернул.
3. Готовит персональную подборку в МАКС, Телеграм или в емейл-рассылку с 2–3 товарами и логикой «к покупке часто берут».
4. Если клиент отвечает или переходит, агент квалифицирует интерес и создаёт сделку в CRM.

На базе 5 000 покупателей и выше такой сценарий даёт прирост LTV (пожизненной ценности клиента) от 5 до 15 процентов. Главная граница: агент не пишет клиенту, который запрашивал возврат или жаловался на качество. Это правило прописывается в промпте агента, а не в коде. В Альбато промпт меняется без перезапуска связки.

Эта механика хорошо ложится на сценарий «не теряем контакт после доставки», который раньше требовал отдельной платформы клиентских данных (Customer Data Platform). Сейчас базовая версия собирается на связке агент + CRM + мессенджер.

Сценарий 5. Аналитика отзывов на Ozon и Wildberries

Отзывы на маркетплейсах это и репутация, и видимость карточки. Магазины с 200–500 товарными позициями физически не успевают читать каждый отзыв. ИИ-агент закрывает эту дыру.

1. Триггер: новый отзыв в Ozon Seller или Wildberries.
2. Альбато передаёт отзыв агенту вместе с карточкой товара и историей предыдущих отзывов.
3. Агент классифицирует по тональности (позитив, нейтрал, негатив), по теме (качество, доставка, упаковка, размер, иное) и по срочности.
4. На типовой позитив или нейтрал отвечает сам по шаблону. На негатив готовит черновик и создаёт тикет менеджеру в Битрикс24 с уведомлением в МАКС.

Граница автономии: на негативные отзывы про качество, возврат денег или жалобу на доставку агент сам не отвечает. Только черновик и эскалация. Это правило снимает риск, что модель пообещает компенсацию, которую магазин не готов давать.

Если параллельно нужна сводка по тональности отзывов в одном отчёте, посмотрите как собран дашборд аналитики Ozon и Wildberries. Тренд в индустрии задают совместные проекты вроде линейки ИИ-агентов Билайн и red_mad_robot для e-commerce, где агент закрывает рутину продавца от карточки до коммуникации с покупателем.

Сценарий 6. Логистика и уведомления о доставке

Запрос «где мой заказ» один из самых частых в поддержку. По нашему опыту его доля в типовых обращениях доходит до 30–50 процентов. ИИ-агент закрывает его автоматически.

1. Триггер: смена статуса в СДЭК, Яндекс Доставке или Почте России. Источников может быть несколько в одной связке.
2. Альбато передаёт статус агенту вместе с данными заказа из CRM.
3. Агент формулирует короткое сообщение клиенту в Телеграм или МАКС: что происходит, когда ожидать, что делать при задержке.
4. Если статус «возврат отправителю», «утеря», «таможня», агент создаёт тикет менеджеру в Битрикс24 и уведомляет в МАКС.

Дополнительный режим: автоматический выбор оптимальной службы доставки. Триггер «новый заказ», агент проверяет вес, габариты, регион и правила магазина, выбирает СДЭК, Яндекс Доставку или Почту России и создаёт отправление через соответствующий коннектор. Подробнее это разобрано в материале про автоматизацию доставки в интернет-магазине. Для связки конкретно Tilda и Яндекс Доставки есть отдельная инструкция: связка Tilda и Яндекс Доставки. Для маркетплейса есть готовый сценарий передача заказов с Ozon в Почту России.

Эффект простой: количество таких запросов в поддержку падает на треть и больше уже за первый месяц.

Сценарий 7. Управление остатками и прайсом

Маркетплейсы наказывают за расхождение остатков и за неконкурентные цены. Поверх этого Яндекс в апреле 2026 запустил ИИ-агента «Найти дешевле» в чате с Алисой: агент сам сравнивает предложения по всему интернету и подсказывает покупателю, где купить дешевле. Магазин, который реагирует на изменение цены конкурента раз в неделю, теряет место и в выдаче маркетплейса, и в ответах ИИ-агентов.

ИИ-агент тут работает как наблюдатель и предлагатель решений.

1. Триггер: расхождение остатков между складом и маркетплейсом, изменение цены конкурента по правилу мониторинга, окончание акции.
2. Альбато передаёт данные агенту с правилами магазина: минимальная маржа, шаг изменения цены, чёрный список товаров.
3. Агент проверяет правила и формулирует рекомендацию: обновить цену на N процентов, остановить продажи позиции, продлить акцию.
4. Действие в Ozon Seller или Wildberries делает по правилу, либо отправляет уведомление в МАКС команде на согласование.

Граница автономии: финальные ценовые решения с большим шагом или по премиум-позициям остаются за менеджером. Агент даёт рекомендацию, человек подтверждает.

Где ИИ-агент не нужен интернет-магазину

ИИ-агент решает не все задачи и не для всех магазинов. Честный список ситуаций, где сценарий не окупается.

• Магазин до 50–100 заказов в месяц. Нет потока, чтобы агент окупил настройку и подписку на модель. Лучше базовая автоматизация уведомлений и связок без агента.
• Юридические, медицинские и финансовые консультации. Цена ошибки выше экономии. Тут только менеджер.
• Нет CRM и маркетплейс-кабинета. Агенту нечем управлять: статусы менять некуда, тикеты создавать негде. Сначала базовая инфраструктура.
• Премиум-сегмент и B2B-контракты. Клиент платит за персональный диалог. Агент уместен только как помощник менеджера, не как первая линия.
• Однотипные процессы без вариативности. Передача заказа из формы в таблицу не требует модели. Это обычная автоматизация.

Главный сигнал: если у магазина 60 заказов в месяц, экономия от агента меньше стоимости его настройки и поддержки. Базовая автоматизация (уведомления, синхронизация заказов, передача статусов) закроет рутину без модели.

Как собрать ИИ-агента в Альбато без программиста

В Альбато связка под любой из семи сценариев собирается за 15–20 минут. 1 000+ коннекторов закрывают любой источник и любое действие, без программиста.

1. Сценарий. Выберите один процесс с измеримым результатом. Не «помогай магазину», а «принимай заказы из Tilda, отвечай клиенту в Телеграм, создавай сделку в amoCRM».
2. Источники и каналы. Подключите источник (сайт, CRM, маркетплейс) и канал ответа (Телеграм, МАКС, емейл). Каждый коннектор это страница на albato.ru/app-{slug}, всё подтверждено.
3. Шаг ИИ-агент. В связке добавьте шаг ИИ-агент и выберите модель. Для российского магазина это ГигаЧат или YandexGPT: данные внутри РФ, рублёвая оплата, прозрачные тарифы. Для разовых задач подойдёт DeepSeek.
4. Инструкция. Опишите задачу своими словами по каркасу: роль, задача, контекст (база знаний и каталог), формат ответа, 2–3 примера. Подробный каркас есть в чек-листе настройки ИИ-агента из 10 шагов.
5. Инструменты. Подключите действия из каталога Альбато: создание сделки в CRM, ответ в мессенджере, обновление статуса в маркетплейсе, тикет менеджеру.
6. Тест. Прогоните агента на 5–10 реальных кейсах из истории, исправьте инструкции по найденным ошибкам, после этого переводите в боевой режим.

Тарификация прозрачная: 3 транзакции за запуск связки плюс 1 транзакция за каждые 2 000 токенов Альбато ИИ. Если используете внешнюю модель (ГигаЧат, YandexGPT, DeepSeek), у неё свои тарифы по токенам и собственный кабинет.

Если вы готовы запустить первый сценарий, начните с приёма заказов и статусов: меньше всего риска и самая быстрая окупаемость на потоке от 300 заказов в месяц.