Ви підтверджуєте товар, суму й оплату. Але хто до цього вирішив, які пропозиції ви побачите, які критерії будуть найважливішими та від чого можна відмовитися? ChatGPT Wallet дає конкретний привід придивитися до агентних покупок: які рішення ми делегуємо AI і що такий розподіл відповідальності означає для брендів.
OpenAI розвиває можливість здійснювати покупки за допомогою агентів. Для користувача це обіцянка зручності: менше перегляду сайтів, порівняння пропозицій і заповнення форм. Для компаній з’являється додаткове завдання: подбати, щоб система, яка діє від імені клієнта, могла правильно прочитати пропозицію та перевірити, чи відповідає вона вимогам.
Однак найцікавіша зміна може відбуватися ще до оплати. Йдеться про те, хто звужує вибір.
Що OpenAI оголосила про ChatGPT Wallet?
13 листопада 2026 року OpenAI представила ChatGPT Wallet — гаманець ChatGPT, який дає агентам змогу здійснювати платежі від імені користувача. Рішення розроблено у співпраці з American Express, Chase, Mastercard і Visa. Початкове поетапне впровадження охоплює обмежену групу повнолітніх користувачів ChatGPT Pro у США, які мають відповідні картки, видані в цій країні.
Перед покупкою користувач перевіряє товари, загальну суму й обрану картку, а потім підтверджує транзакцію, проходячи перевірку безпеки. Агент отримує замінні платіжні дані у вигляді токена, не маючи доступу до справжніх даних картки.
Важливо, що OpenAI також окреслює майбутній напрям розвитку — попереднє надання агенту дозволу на покупки в установлених межах, наприклад за бюджетом, категорією чи часом. Це анонс майбутнього розвитку, а не опис функції, яка вже доступна всім у межах поточного впровадження.
Ця новина розвиває тему, яку я порушував у матеріалі про покупки, рекламу й персоналізацію в ChatGPT. Цього разу я зосереджуся на тому, як розподіляється контроль над покупкою.
Що насправді означає агентність у покупках?
Для цього аналізу я використовую робоче визначення: агентність у покупках — це міра того, наскільки система AI може добирати й виконувати дії, що ведуть до покупки, у межах завдання та дозволу користувача.
Таке визначення дає змогу досліджувати конкретну поведінку. Саме лише створення списку товарів ще мало говорить про самостійність системи. Важливо, чи може вона шукати інформацію, змінювати план, обирати інструменти, порівнювати пропозиції та реагувати на перешкоди.
Подібне архітектурне розрізнення описує Anthropic: у заздалегідь запрограмованому процесі наступні кроки визначає код, тоді як в агентній системі модель динамічно керує процесом і використанням інструментів. Це корисне понятійне тло, але не опис конкретної архітектури ChatGPT Wallet.
У покупках рівень самостійності може бути дуже різним. Користувач може вказати конкретний товар і доручити лише його замовлення. А може описати потребу, бюджет і термін, залишивши агенту вибір товару та продавця.
Обидва завдання завершуються покупкою. Але в другому випадку система має значно більший вплив на те, що саме буде придбано.
Згода на оплату — лише одна з точок контролю
Уявімо, що ви просите агента знайти валізу для конкретного рейсу. Система пропонує один варіант, пояснює його переваги й просить підтвердити покупку.
Ви контролюєте витрати. Але щоб оцінити контроль над вибором, потрібна додаткова інформація — які пропозиції система розглянула, які відхилила й чому вирішила, що обраний товар підходить. Можливо, вона належно перевірила всі вимоги. А можливо, сприйняла неоднозначне формулювання «ручна поклажа» як достатній доказ відповідності умовам конкретного тарифу. Це два зовсім різні результати, навіть якщо екран підтвердження оплати виглядає однаково.
Згода на транзакцію підтверджує, що користувач прийняв запропоновану покупку. Сама по собі вона не доводить, що попередній відбір був повним і коректним.
Це наш методологічний висновок. Він не описує помилку Wallet, яку ми спостерігали. Він показує, чому дослідження покупок за участю AI має охоплювати й рішення, ухвалені до оплати.
Матриця делегування покупки
Замість того щоб приписувати всьому процесу один «рівень автономності», пропоную розкласти його на рішення та дії. Для кожного етапу потрібно визначити, що задає людина, що може зробити агент і коли він має попросити додатковий дозвіл.
сфера | що визначає користувач? | що потрібно перевірити в роботі агента? |
|---|---|---|
потреба й обмеження | мета, бюджет, термін, обов’язкові вимоги | чи система дотримується вимог і пояснює неоднозначності |
пошук і порівняння | межі пошуку або дозвіл визначити їх самостійно | які джерела й пропозиції враховує система та як обґрунтовує відхилення |
вибір товару й продавця | конкретний вибір або критерії для нього | чи відповідає рекомендація критеріям і чи вказує на брак даних |
дії в магазині | межі дозволених дій | чи правильно система обирає варіант товару, доставку й умови |
оплата й винятки | згоду на витрати та допустимі відхилення | чи потребує зміна ціни, товару або умов повторного рішення |
Наголошу: це авторська аналітична рамка, а не офіційна класифікація OpenAI. Її перевага — можливість описувати різні конфігурації. Агент може мати широку свободу пошуку й жодної свободи в оплаті. Або виконувати покупку точно визначеного товару, ухвалюючи небагато рішень щодо самої пропозиції.
Для бренду це означає, що потрібно розрізняти дві ситуації: клієнт уже обрав бренд і делегує оформлення покупки або ж доручає системі вибрати серед доступних брендів.
Приклад: валіза, яка має відповідати конкретним вимогам
Розгляньмо гіпотетичний запит:
Знайди валізу вартістю до 150 євро, яка відповідає вимогам до ручної поклажі під сидінням для мого рейсу й прибуде до п’ятниці. Якщо не можеш підтвердити якусь із умов, запитай мене перед покупкою
Таке завдання вимагає поєднати кілька типів інформації, зокрема розміри конкретного варіанта товару, правила перевізника для відповідного рейсу й тарифу, повну ціну, наявність і термін доставки за вказаною адресою.
Зверніть увагу: формулювання «ідеальна для літака» не підтверджує відповідність вимогам, а інформація «відправлення протягом 24 годин» не гарантує дату доставки. До того ж ціна в порівнянні може не враховувати вартість доставки.
Тому пропоную для кожної обов’язкової вимоги розрізняти три стани:
підтверджено — наявні докази свідчать, що конкретна пропозиція відповідає вимозі
не відповідає — наявні докази свідчать, що пропозиція порушує вимогу
не встановлено — інформації недостатньо, щоб зробити висновок
Відсутність підтвердження не слід автоматично трактувати ні як відповідність, ні як невідповідність. У нашому прикладі це привід перевірити додаткові дані або поставити запитання користувачеві.
Для компаній це практична підказка щодо контенту про товари. Варто визначити, які твердження потребують доказів і для якого варіанта вони актуальні. Докладніше про систематизацію пропозиції ми розповідаємо в матеріалі Semantio про підготовку товарів і послуг до дослідження відповідей AI.
Що в пропозиції бренду має бути зрозумілим?
У посібнику для торговельних партнерів OpenAI зазначає, що інформація для сценарію покупки може надходити з відкритого вебу, приватних інтеграцій API та файлів із даними про товари. Виконання завдання може відбуватися через браузер або інтеграцію, що надає доступ до певних дій.
Звідси випливає потреба перевіряти узгодженість інформації в усіх цих джерелах. Якщо в описі товару, специфікації та даних пропозиції вказано різні розміри чи умови, виникає суперечність, яку потрібно розв’язати.
На практиці варто пов’язати:
товар із чітко визначеним варіантом
атрибут — з одиницею виміру, діапазоном і умовами застосування
твердження — з актуальним джерелом підтвердження
пропозицію — з продавцем, ринком, ціною та наявністю
Це конкретне застосування підходу, описаного в матеріалі Brand semantics infrastructure. У контексті покупок особливо важливим стає зв’язок між твердженням про товар і вимогою, яку хоче виконати клієнт.
Для Brand Semantics це означає, що до роботи над семантичною стратегією бренду варто додати запитання: чи дає наявна інформація змогу перевірити пропозицію в реальній ситуації ухвалення рішення?
Зрозуміла пропозиція й робочий сценарій покупки потребують окремих тестів
Правильно розпізнати товар — ще не означає успішно виконати завдання.
На web.dev описано, що агенти можуть використовувати знімки екрана, HTML і дерево доступності сторінки. Тому важливі, зокрема, підписи полів форм, ролі елементів, зрозумілі стани інтерфейсу та зв’язок кнопок із відповідними товарами. Це технічні рекомендації щодо взаємодії агентів із сайтом, а не гарантія успішного завершення кожної покупки.
Оплата — окремий рівень. Згідно з документацією OpenAI щодо платежів, Wallet працює з наявними платіжними формами без інтеграції, створеної виключно для цього гаманця. Водночас системи оцінювання ризиків можуть помилково блокувати покупки, здійснені через браузер агента.
Тож компанії потрібно розділяти діагностику. Неправильне зчитування параметрів, помилка під час вибору варіанта й відхилення платежу мають різні причини та потребують різних дій.
Як перевірити, чи змінює делегування покупок AI вибір бренду?
Для досліджень видимості в AI цікаво порівняти три способи сформулювати те саме завдання:
дослідження варіантів — наведи кілька пропозицій, що відповідають вимогам, і поясни відмінності
відбір — обери одну пропозицію, обґрунтуй вибір і вкажи на невизначеності
підготовка до дії — перевір обраний варіант, вартість і умови перед підтвердженням
Це запропонований дизайн дослідження, а не результат проведеного експерименту. Він дає змогу перевірити, чи залишається бренд, який з’явився в порівнянні, серед рекомендацій, коли система має вказати один товар, і чи й далі ґрунтується обґрунтування на коректній інформації.
Під час аналізу варто зберігати повні відповіді, видимі джерела й умови тестування. Порівняння потрібно повторювати з урахуванням платформи, режиму роботи, мови, ринку, дати й доступного контексту користувача.
Можна також застосувати просту допоміжну метрику: частку рекомендацій, для яких можна підтвердити виконання всіх обов’язкових вимог сценарію. Знаменником будуть оцінені рекомендації, а чисельником — ті, що пройшли перевірку. Результат стосуватиметься лише дослідженого набору завдань і умов.
Це розвиває підхід до вимірювання видимості та представлення бренду в AI: крім присутності бренду, ми оцінюємо, чи справді він відповідає потребі.
Semantio — окремий дослідницький інструмент для аналізу представлення брендів у відповідях AI. У цій сфері він може допомогти дослідити присутність, рекомендації, помилки й джерела. Тестування взаємодії з магазином, авторизації платежу та підтвердження замовлення потребує окремого дослідження виконання завдання. Результати моніторингу відповідей не підтверджують перебіг покупки в Wallet.
Чого ChatGPT Wallet не означає?
Оголошення про Wallet не дає підстав стверджувати, що автономні покупки вже стали поширеними, зокрема в Польщі. Воно також не показує, як впровадження вплине на продажі окремих брендів.
Сама можливість оплати не доводить, що товар було підібрано правильно.
Структуровані дані й доступний сайт не гарантують рекомендації.
Коректна рекомендація — це ще не підтверджене замовлення.
Ключові дослідницькі запитання залишаються відкритими:
Чи справді ширше делегування звужує коло брендів, які розглядає система?
Як часто система повідомляє про брак даних?
Чи запитує вона згоду, коли змінюються умови?
Як відрізняються результати на різних ринках і для різних типів покупок?
ChatGPT Wallet надає цим запитанням конкретного контексту. Для брендів корисно почати із завдання клієнта: визначити, що потрібно перевірити, де знайти підтвердження і чи залишається пропозиція доречною, коли система має на її основі підготувати реальну покупку.
Із цими запитаннями залишаю вас — і себе ;)

