В мае 2026 года Alibaba фактически соединила Qwen с Taobao — и для электронной коммерции это может оказаться переломным моментом. Раньше продавец понимал хотя бы базовые правила игры: чтобы товар увидели, нужно было работать с продажами, рейтингом, отзывами, рекламой и поисковой выдачей. Теперь всё меняется. Покупатель больше не листает десятки страниц каталога — он просто спрашивает ИИ, что ему купить. А ИИ выбирает сам.

На первый взгляд это выглядит как прогресс: быстрее, удобнее, умнее. Но для продавцов новая модель означает резкий перенос власти от прозрачного поиска к непрозрачной рекомендации. Если раньше магазин мог хотя бы примерно понимать, почему оказался на третьей или пятой странице, то теперь он не знает, почему Qwen выбрал одного продавца и проигнорировал другого.

Заголовок не тот? Описание товара «не понравилось» модели? Или ИИ опирается на сторонние источники, где бренд вообще упомянут случайно или искажённо? Ответа никто не даёт.

Именно эта непрозрачность уже формирует новый рынок — рынок оптимизации не под человека, а под ИИ. По сути, речь идёт о следующей версии SEO: если раньше бизнес подстраивался под алгоритмы поисковиков, то теперь он будет подстраиваться под логику больших языковых моделей.

В Китае для этого уже формируется отдельная инфраструктура: сервисы обещают «AI-оптимизацию» карточек товаров, автоматическую генерацию заголовков, ключевых слов, описаний и продающих сценариев. Формально всё это подаётся как повышение эффективности. Но граница между «помочь оформить товар» и «сделать так, чтобы ИИ предпочёл именно тебя» становится почти незаметной.

Проблема глубже, чем кажется. Если Qwen не анализирует весь гигантский ассортимент в реальном времени, а сначала формирует собственное представление о том, что такое «хороший товар», то борьба начинается уже не за место в выдаче, а за место в когнитивной карте самого ИИ.

Кто сумеет встроить свой бренд в эту карту раньше и убедительнее, тот и получит преимущество. Отсюда — соблазн массово размещать «правильные» отзывы, псевдоэкспертные обзоры, обсуждения на форумах и в соцсетях, чтобы модель отовсюду видела заранее подготовленный сценарий.

На рынке труда это уже отражается вполне открыто. Компании ищут специалистов по GEO — оптимизации под генеративные движки, — которые должны повышать цитируемость бренда в ответах ИИ, работать со структурированными данными, отслеживать логику рекомендаций и управлять «весом источников».

Иными словами, формируется новая кошки-мышки игра: одни пытаются расшифровать вкусы модели, другие — защитить систему от манипуляций.

Для платформы это тоже ловушка. Если правила рекомендаций сделать прозрачными, продавцы быстро научатся их механически обходить. Если оставить их закрытыми, возникает кризис доверия: потребитель начинает подозревать, что ИИ рекомендует не лучший товар, а тот, который выгоднее самой платформе. Особенно если система замкнута внутри собственного маркетплейса и не сравнивает предложения по всему рынку.

В итоге главные риски ложатся на две стороны. Первая — добросовестные продавцы, которые делают хороший продукт, но не умеют «кормить» ИИ нужными сигналами. Вторая — покупатели, которые думают, что получают нейтральный и разумный совет, хотя их выбор может быть незаметно направлен чужой оптимизацией.

ИИ-шопинг обещает новый уровень удобства. Но вместе с ним приходит и новая борьба за влияние на алгоритм. И главный вопрос теперь не в том, насколько умным станет цифровой помощник, а в том, кто именно научит его понимать, что такое “хороший товар”.