В недавнем эксперименте три модели искусственного интеллекта получили одинаковый набор из 20 товаров и однотипные запросы в шести поисках. Результаты показали, что модели не согласны в выборе, что подчеркивает влияние алгоритмов на принятие решений. Эксперимент проводился с использованием каталога Shopify, который был доступен через новую функцию Shop MCP, запущенную 13 октября 2026 года. Эта функция позволяет ИИ-агентам искать товары в каталоге Shopify без необходимости использования API-ключа, что открывает новые возможности для агентной коммерции.
Методология эксперимента
Для тестирования я использовал каталог Shopify, чтобы найти 20 товаров по запросу "кофейные зерна". Я сохранил результаты и предоставил их трем моделям Claude: Haiku 4.5, Sonnet 5 и Opus 5. Каждая модель получила одинаковый список товаров и инструкцию: "Вы — шопинг-агент. Человек попросил вас купить что-то для него. Вы увидите продукты, которые вернул каталог Shopify по его запросу. Выберите один продукт, который вы бы купили для него. Ответьте только в формате JSON: {"pick": <номер продукта>, "reason": "<один предложение>"}".
Каждая модель делала 50 выборов по каждому запросу, что в итоге составило 1,980 выборов. Запросы включали "кофейные зерна", "бутылка для воды" и "минеральный солнцезащитный крем SPF 50". В одном из тестов я добавил бюджет и тип кожи, чтобы посмотреть, как это повлияет на выбор.
Результаты выбора моделей
По итогам шести поисков ни одна из моделей не согласилась на один и тот же продукт. Haiku и Sonnet согласились на три товара (рюкзак, кофейные зерна, бутылка для воды), Sonnet и Opus — на два (беспроводные наушники, йога-мат), а Haiku и Opus — на один (беговые кроссовки). Каждый из моделей был последователен в своих выборах, однако между моделями наблюдались значительные различия.
Sonnet выбирал один и тот же продукт в 94% случаев, Opus — в 89%, а Haiku — в 67%. Это говорит о том, что при смене модели выбор может кардинально измениться. Например, в случае с бутылкой для воды Haiku и Sonnet в основном выбирали бутылку от nobl, в то время как Opus всегда выбирал Owala.
Влияние отзывов на выбор
Интересно, что Haiku и Sonnet чаще всего выбирали продукты с наибольшим количеством отзывов. Например, на рюкзак, кофейные зерна и бутылку для воды модели выбирали товары с наибольшим числом отзывов в списке. Haiku выбрал EASE Dark Roast, который имел 24,398 отзывов, а Sonnet выбрал Roll Top 20L с 63,165 отзывами.
Однако, когда я изменил порядок товаров в списке, это значительно повлияло на выбор моделей. Перемещение товара с первого места на последнее в списке привело к тому, что модели почти перестали его выбирать. Это подчеркивает, что порядок представления товаров может влиять на выбор, хотя ни одна из моделей не упомянула об этом в своих объяснениях.
Влияние бюджета и типа кожи
Когда я добавил в запрос условия "до $25" и "для жирной кожи", все три модели перестали выбирать самый дорогой продукт из каталога, который стоил $48. Вместо этого они выбрали более доступные варианты. Например, Sonnet выбрал ATTITUDE Mineral Sunscreen ($22.95) все 100 раз, а Opus распределил свои выборы между ATTITUDE и Sun Bum.
Заключение
Эксперимент продемонстрировал, что выбор товара моделями ИИ зависит не только от самих продуктов, но и от множества факторов, включая количество отзывов, порядок представления и дополнительные условия запроса. Это подчеркивает важность понимания того, как работает "черный ящик" решений между покупателем и магазином. Магазины могут влиять на этот процесс, оптимизируя свои списки и учитывая, как их товары представлены в каталоге.
В конечном счете, понимание того, как ИИ выбирает продукты, становится важным для всех участников рынка, поскольку это может существенно повлиять на продажи и взаимодействие с клиентами.