Зачем вообще пробовать агента в браузере
Использую Perplexity AI уже давно и со временем добрался до их браузера Comet, но долго относился к нему как к «поисковику с плюшками». В какой‑то момент стало интересно, способен ли встроенный агент не просто отвечать на вопросы, а решить бытовую задачу — собрать продуктовую корзину холостяку на неделю на маркетплейсе.
Для чистоты эксперимента я сначала попросил составить примерный список продуктов на неделю, а затем на его основе собрать корзину. Площадку выбрал ту, где уже авторизован, чтобы не мешала регистрация и оплата.
Эксперимент с Яндекс Маркет
На Яндекс Маркете агент честно собрал корзину примерно на 5 600 ₽, и сначала было непонятно, почему так дорого для недельного набора. Разобрав состав, я увидел странные позиции: яйца по примерно 1 800 ₽ за 30 штук без возможности выбрать более бюджетный вариант и 10 кг овсянки, потому что в выдаче были только большие фасовки.
Даже вручную найти одну нормальную пачку овсянки оказалось непросто: на это ушло около 10 минут, так что неудивительно, что агент тоже «захлебнулся» в фильтрах и ограниченном ассортименте. В итоге корзина получилась большой и дорогой, и в какой‑то момент стало понятно, что часть проблемы не в ИИ, а в том, как устроен конкретный маркетплейс и его карточки товаров.
Важно уточнить: этот материал является личным честным обзором и не содержит рекламы или антирекламы каких‑либо брендов, в том числе Яндекс Маркета, Ozon и браузера Comet. Это описание моего пользовательского опыта — того, как я воспользовался возможностями встроенного агента и как результат зависит не только от «умности» системы, но и от конкретного маркетплейса или магазина, в котором она работает.
В рамках эксперимента я специально сосредоточился только на двух площадках, чтобы не распыляться на десятки сервисов и не раздувать статью до бесконечности. В будущем похожий подход можно использовать и шире, например, поручая агенту предложить альтернативные площадки для сборки корзины и сравнить варианты между собой.
Переключение на Ozon Fresh
Чтобы проверить, действительно ли виноват агент, я повторил эксперимент на Ozon Fresh с тем же продуктовым списком. Здесь всё прошло заметно лучше: агент собрал похожую продуктовую корзину, но уже в пределах разумного бюджета и даже «сообщил», что удалось сэкономить около 4 000 ₽ по сравнению с предыдущей попыткой.
Ozon Fresh как сервис экспресс‑доставки продуктов и FMCG изначально ориентирован на повседневные покупки, поэтому там проще найти нужные фасовки и более выгодные предложения. Вывод напрашивается сам: качество работы агента напрямую зависит от ассортимента и структуры площадки — если в каталоге только дорогие или крупные упаковки, никакой ИИ этого не исправит.
Чему учит такой эксперимент
После экспериментов стало понятно, что агентская система сама по себе ещё не магия и не обязана за 3 секунды собрать идеальную корзину. Как и человеку, ей нужно время и нормальные входные данные: понятный список товаров, диапазон бюджета, ограничения по брендам, фасовкам и предпочтениям.
Если чётко прописать инструкции — что именно нужно, какие варианты недопустимы и сколько примерно можно потратить, — агент справляется заметно лучше. Но даже в этом случае проверка остаётся за человеком: корзину всё равно стоит просмотреть, что‑то заменить или убрать, чтобы не получить 10 кг овсянки или премиальные яйца по цене деликатеса.
Железо и реальность повседневного использования
Отдельный момент, о котором редко говорят в обзорах: ресурсы компьютера. Во время работы агента через Comet диспетчер задач показал, что загрузка процессора у старого ПК подошла к «красной зоне», а оперативная память тоже ощутимо просела.
На постоянной основе с очень старым железом такая связка «браузер + агент» может оказаться тяжёлой: функции работают, но пользоваться некомфортно. На более современном компьютере это уже превращается в реально полезного помощника, который снимает часть рутинных задач: поиск товаров, сверку с списком, переходы по вкладкам и т.п.
Можно ли доверить ИИ сбор продуктовой корзины
После эксперимента ответ для себя даю утвердительный: доверять можно, но не на 100% и не вслепую. Агент отлично подходит для делегирования рутинных операций — от подбора товаров до сравнения цены и наличия, — но финальное решение всё равно принимает человек.
Чтобы ИИ реально помогал экономить и попадать в цель, важно:
- чётко формулировать задачу (список продуктов, бюджет, ограничения);
- понимать особенности площадки (ассортимент, фасовки, фильтры);
- обязательно перепроверять итоговую корзину перед оформлением.
Comet в этом смысле ощущается не просто браузером, а новым способом пользоваться интернетом: привычные «поисковые» сценарии постепенно уступают место агентам, которым можно доверять всё больше бытовых задач, но при этом оставаться главным контролёром своих покупок.
Если смотреть шире, будущее маркетплейсов во многом будет зависеть от того, насколько удобно по ним могут ориентироваться не только люди, но и ИИ‑агенты. Чтобы умные помощники могли быстро находить товары и услуги и добавлять их в корзину, площадкам придётся адаптировать каталоги, фильтры и карточки под машинное восприятие, а не только под человеческий глаз.
Мой эксперимент показывает, что сейчас удобство сильно разнится: где‑то легко и человеку, и агенту, а где‑то даже вручную сложно выбрать адекватную фасовку или цену. Значит, в новом мире, где покупки всё чаще делают цифровые помощники, маркетплейсам придётся думать о том, чтобы интерфейс и структура данных были дружелюбны и к людям, и к искусственному интеллекту.