Бюджет на Gen AI у 2027: що показує досвід Walmart, Amazon та gloozd

Жовтень – час планування бюджетів на 2027 рік. За опитуванням Deloitte, 82% керівників ритейлу та виробників споживчих товарів планують збільшити інвестиції в ШІ протягом року, але лише 16,5% можуть оцінити їхню віддачу.

Водночас, генеративний ШІ змінює саму взаємодію з покупцем. Замість пошуку за категоріями, фільтрами й точними назвами товарів люди можуть просто описати свою потребу: «порадь щось для турки» або «приготувати борщ».

Для ритейлера це відкриває три можливості: збільшувати продажі, краще розуміти попит і формувати новий досвід покупців. Але як оцінити цю цінність? Розбираємося на прикладах Walmart, Amazon та двох проєктів gloozd.

1. Вищий чек у тих, хто користується асистентом, ще не доводить, що асистент додав продажів. Ефект на продажі показує тільки контрольна група: частина покупців тимчасово не бачить нової функції, і ви порівнюєте виторг на відвідувача.

2. Розмови з асистентом показують попит, якого не видно в продажах. У нашому проєкті для Kulturrra близько 30% запитів покупців стосувалися того, чого немає в асортименті. Дізнатися це, не розмовляючи з покупцем, неможливо.

3. Частину цінності точно не порахувати. Першим бачити, про що починають питати покупці, і бути там, де вони питають, зокрема в ChatGPT і Gemini, – це ставка. Її варто так і називати й давати їй окремий обмежений бюджет.

4. Зазвичай основні витрати на генеративний ШІ починаються після пілоту. Кожен запит покупця коштує грошей, тож що популярніший асистент, то більший рахунок. Вартість на сесію чи замовлення треба рахувати з першого дня.

5. Починати варто з даних про товари. І ваш асистент, і сторонні ШІ-агенти рекомендують лише те, що можуть прочитати й порівняти.

15 вересня на конференції Goldman Sachs для інвесторів президент і CEO Walmart U.S. Девід Ґуґіна назвав три цифри про асистента Sparky (стенограма, переказ Retail Dive):

• покупці, які користуються Sparky, мають на 40% вищий середній чек;

• щотижнева взаємодія зі Sparky за квартал зросла на 60%;

• пошук товару за фото конвертує на 57% краще за текстовий.

Перечитайте першу цифру. Вона порівнює тих, хто користується асистентом, з тими, хто ним не користується. А хто першим пробує нову функцію на сайті? Найчастіше лояльні покупці з великими кошиками, які й без асистента купували б більше. Тож 40% можуть означати, що асистент збільшує чек. А можуть означати, що асистентом користуються ті, хто й так купує багато. З самої цифри цього не розрізнити, а методологію Walmart не розкривав.

Ця проблема знайома нам із власного кейсу VARUS.UA. Для VARUS.UA ми зробили пошук, який розуміє запити на кшталт «приготувати борщ». Генеративна модель Gemini тлумачить запит і передає список товарів у наявний пошуковий рушій. За два місяці після запуску частка нового пошуку серед усіх пошукових сесій зросла з 15% до 35%. Середня вартість знайденого товару – 130 грн проти 106 грн у звичайному пошуку. А чек, у якому є товари, знайдені новим пошуком, на 18% вищий.

Виглядає як +23% до ціни товару і +18% до чека. Пояснень тут два, і обидва правдоподібні. Перше на користь ШІ: звичайним пошуком покупець шукає «буряк», «капусту» й «моркву» по одному, а на запит «приготувати борщ» новий пошук одразу пропонує весь набір, і в кошик потрапляє те, що інакше покупець забув би або купив деінде. Друге: цілу страву шукають ті, хто й так планує більшу покупку, скажімо обід на всю родину. Яке з пояснень важить більше, з самих цифр не видно, так само як із 40% у Walmart. Ці цифри добре показують, що покупцям нова функція потрібна, але скільки продажів вона додала, вони не показують.

Відповідь на це питання дає контрольна група. Механіка проста:

1. Випадкові 10–20% відвідувачів кілька тижнів не бачать нової функції.

2. Між групами порівнюється виторг на відвідувача, а не частка сесій чи ціна знайденого товару.

3. Різниця між групами і є ефект. Його можна помножити на трафік і поставити поруч із витратами.

Окрема платформа для цього не потрібна: групи розподіляються на рівні сайту, а виторг на відвідувача вже є в e-commerce аналітиці. Обмеження одне – трафік. Щоб помітити різницю в кілька відсотків, потрібні десятки тисяч відвідувачів у кожній групі, а часто й більше. Якщо трафіку менше, тест просто триває довше.

Для мультистору спешелті кави Kulturrra ми зробили ШІ-баристу. Це асистент на генеративній моделі, який радить каву, спираючись на граф знань про каву. Покупець питає так, як спитав би баристу в кав'ярні: «порадь щось для турки» чи «хочу солодку каву, не люблю кислу».

У продажах сам асистент надзвичайних результатів не показав. Найцінніше знайшлося в розмовах: коли ми їх проаналізували, виявилося, що близько 30% запитів стосуються того, чого в асортименті немає.

Ця цифра з'явилася як наслідок аналізу діалогу покупця з асистентом. У розмові видно і що людині потрібно, і для чого: для турки, у подарунок, на щодень. Розуміючи контекст та намір, ми розуміємо, яку частину попиту не задовільняє наш асортимент, чого неможливо побачити лише в звіті про продажі.

Рахувати таку цінність можна через рішення, які вона дає:

1. Щомісяця розмічати розмови за темами і за тим, чи є під запит товар.

2. Стежити, як змінюється частка непокритих запитів за категоріями.

3. Для товарів, доданих в асортимент через ці запити, окремо рахувати продажі.

Саме ці продажі допомагають оцінити бізнес-ефект: аналіз розмов виявляє попит, який раніше залишався непоміченим, а розширення асортименту дозволяє перетворити його на реальні покупки.

Третя річ найменш помітна. Коли покупець говорить з вами своїми словами, ви раніше за інших бачите, про що він починає питати. Хто першим помітив новий запит, той першим задовільнив попит, а інколи і задав тренд.

Окрім того, хто першим дає покупцю новий формат взаємодії, який більше відгукується його життєвим сценаріям, той формує і лояльність до себе, і нову ринкову звичку в цілому. Очевидно, що жодна з цих речей не з'явиться ні в чеку, ні в контрольній групі за кілька тижнів. Водночас фраза «зате ми в тренді» не має ставати виправданням для проєкту, який не окупився.

Чесніше назвати це ставкою: окремий обмежений бюджет, термін і питання, на яке за цей термін треба відповісти. Наприклад: чи зросла за пів року частка повторних покупок у тих, хто розмовляє з асистентом, і чи змінилася ваша частка ринку в категорії.

Нова взаємодія відбувається не лише на вашому сайті: покупці питають поради й у ChatGPT чи Gemini, а ті ведуть їх у магазини. Walmart таких агентів пускає. За словами Ґуґіни, ChatGPT і Gemini здебільшого ведуть покупця прямо на сторінку Walmart. Серед таких покупців багато нових або тих, хто повернувся після перерви, і в них «дуже висока» частка повторних покупок. Відкритий доступ для агентів Ґуґіна назвав чистим плюсом.

Amazon обрав протилежний підхід – обмежує доступ сторонніх AI-агентів, зокрема Meta, Perplexity, OpenAI, Anthropic і Microsoft, використовуючи технічні та юридичні механізми.

Причина – у бізнес-моделі. У 2025 році рекламний бізнес Amazon приніс понад $68 млрд, а сторонні AI-агенти можуть змінювати те, як покупці взаємодіють із рекламою на платформі. Для Walmart такі агенти – потенційне джерело нових покупців, для Amazon – ризик для рекламних доходів.

Звідси просте правило. Якщо ви заробляєте на продажах, агенти, найімовірніше, вам корисні. Якщо помітну частину доходу дає реклама й просування брендів на вашому сайті, спершу порахуйте, скільки її оминає агентний трафік.

Перш ніж вирішувати, подивіться, що є вже зараз. ChatGPT додає до посилань мітку utm_source=chatgpt.com, а переходи з Gemini і Perplexity видно за джерелом трафіку. У GA4 за годину можна побачити, скільки таких відвідувачів у вас уже є, яка в них конверсія і який чек. Для більшості ритейлерів це буде перша цифра про агентний канал.

Walmart розповів про ефект Sparky, але не про його вартість. Це типова картина, оскільки витрати на генеративний ШІ найлегше недооцінити, бо зазвичай основна їх частина з'являється після запуску.

За оцінкою Gartner, яку наводить Campus Technology, щонайменше 70% витрат на генеративну модель за весь час її використання припадає на обробку запитів, тобто на кожне звернення покупця. Там же Gartner пише, що робоча система може коштувати на порядки більше за пілот і що до 2028 року щонайменше половина проєктів генеративного ШІ перевищить бюджет. А в серпні Gartner спрогнозував, що вартість одного агентного сценарію до 2028 року зросте більш ніж уп'ятеро. Токени дешевшають, але агент робить більше кроків і витрачає їх значно більше за звичайний чат-бот.

Що з цього випливає для бюджету:

• Рахуйте вартість на одиницю: на пошукову сесію, діалог, замовлення. Тоді зростання популярності асистента видно одночасно в доході й у витратах.

• Закладайте щомісячну вартість роботи системи окремо від вартості запуску. Після пілоту рахунок за запити залежить від трафіку, і його треба планувати так само, як рекламний бюджет.

• Зводьте все в один рядок: хмара й генеративні моделі, команда, підрядники, підготовка даних. Зараз ці витрати зазвичай розкидані між маркетингом, IT та e-commerce.

Останній пункт важить більше, ніж здається. Хмарні технології зазвичай падають в бюджет IT, підписка на асистента – у маркетинг, підрядник – у e-commerce, і повної суми не бачить ніхто. А коли ніхто не знає, скільки коштує ШІ, неможливо зрозуміти його окупність, і рішення про бюджет на наступний рік ухвалюють наосліп. Схожу картину показує опитування BCG. Серед 50 керівників ритейлу Азійсько-Тихоокеанського регіону майже дев'ять із десяти вкладають у ШІ загалом менше 1% виручки або взагалі не відстежують ці витрати. При цьому понад дві третини чекають, що за три роки ШІ покращить операційну прибутковість бізнесу (EBITDA), або вважають його стратегічною необхідністю. Тобто прибутку від ШІ чекають, а скільки в нього вкладено, частина компаній навіть не рахує.

І асистент на вашому сайті, і чужі агенти впираються в одне: дані про товари. Асистент не порадить товар, у картці якого немає розміру чи складу. ChatGPT не порекомендує товар, ціну й наявність якого не може прочитати. Перед новим проєктом із генеративним ШІ варто перевірити три речі:

• яка частка карток має заповнені ключові атрибути своєї категорії;

• наскільки свіжі ціни й наявність у товарному фіді;

• чи можуть пошукові системи й ШІ-агенти автоматично прочитати ціну та наявність зі сторінки товару. Для цього розробники додають на сторінку стандартну розмітку schema.org, яку покупець не бачить, але читають програми.

Перший проєкт може бути невеликим. У проєкті з VARUS.UA пошук не перебудовували: генеративна модель тлумачить запит, а товари шукає наявний рушій. Такий підхід швидко дає цифри, і його легко зупинити, якщо цифри погані.

І зберігайте розмови з першого дня. Без них другої речі, знання про попит, просто не буде.

Ще до запуску узгодьте й зафіксуйте, що саме вважатимете результатом, однаково для всіх відділів. Інакше через три місяці маркетинг, e-commerce і фінанси принесуть три різні цифри ефекту. Скажімо, маркетинг рахує замовленням від асистента будь-яке, де покупець хоч раз відкрив чат. E-commerce рахує лише ті, де товар додали в кошик прямо з відповіді асистента. Фінанси ще й віднімають повернення. Кожна цифра по-своєму правильна, але порівняти їх не вийде, і рішення про масштабування знову прийматиметься за відчуттями.

Асистент, доданий збоку до наявного сайту, сам по собі нічого не змінить. Покупець і далі гортає каталог, а чат лишається ще однією кнопкою на сторінці. Зміни починаються тоді, коли довкола розмови перебудовують увесь досвід покупця: пошук, підбір, рекомендації, повідомлення. Саме тоді з'являються всі три речі, про які ця стаття: зростання лояльності та як наслідок продажів, знання про попит і звичка покупців купувати у вас саме так.

Тому в бюджеті на 2027 рік варто планувати перехід до нової взаємодії поетапно. Перший етап може бути невеликим, як новий пошук у VARUS, якщо від початку зрозуміло, частиною якого нового досвіду він стане. І з першого дня до нього потрібні окремий рядок витрат, контрольна група, щомісячний розбір розмов і звіт про агентний трафік у GA4. Без них через рік ви знову не зможете відповісти, скільки витратили на генеративний ШІ і що отримали.