ИИ-агенты против антиботов: как бизнесу не терять клиентов
Ещё недавно генеративный ИИ в основном отвечал на вопросы пользователей. Теперь ИИ-агенты способны самостоятельно искать информацию в интернете, сравнивать товары и услуги, переходить между страницами и выполнять часть действий на сайтах. Для бизнеса это новый канал взаимодействия с клиентами, но одновременно и источник проблем: системы защиты могут принять агента за вредоносного бота и заблокировать его.
Типичный сценарий выглядит так: пользователь просит агента сравнить предложения нескольких компаний. Часть сайтов открывает нужные страницы, а остальные требуют пройти капчу или полностью закрывают доступ. В результате агент исключает такие площадки из итогового сравнения. Формально антибот срабатывает по правилам, но компания теряет потенциального покупателя, который мог выбрать именно её предложение.
Похожая ситуация возникает в туристической сфере. ИИ-агент может одновременно проверять цены на номера, условия бесплатной отмены, наличие завтрака, расположение отеля и доступность на разные даты. Если система защиты принимает такую активность за мониторинг цен и завершает сессию, гостиница с наиболее подходящими условиями просто не попадёт в результаты для пользователя.
Почему проблема будет усиливаться
Сегодня использование ИИ-агентов всё ещё требует определённых технических навыков, поэтому их доля в поисковом и коммерческом трафике невелика. Однако разработчики ИИ-систем и браузеров уже создают функции, позволяющие агентам выполнять действия в интернете. Если такие инструменты станут стандартной возможностью браузеров, объём автоматизированных визитов может быстро вырасти.
По оценкам Data Insight, в 2028–2029 годах ИИ-агенты могут обеспечивать 2–4% продаж российского eCommerce, что соответствует примерно 400–850 млрд рублей. К 2030–2032 годам прогноз увеличивается до 7–11%, или 2–3 трлн рублей. Пока 2026 год исследователи характеризуют как ранний и во многом экспериментальный этап: трафик из ИИ-систем начал заметно расти в 2025 году, но заказы через него у среднего ритейлера остаются единичными. В основном агенты помогают выбрать товар, а до оформления и оплаты доходят редко.
Агент — не обязательно вредоносный бот
Традиционный бот-скрейпер обычно обращается к сайту напрямую, быстро обходит большое количество страниц и действует по однотипному сценарию. ИИ-агент может работать через обычный браузер, делать паузы, менять маршрут в зависимости от полученной информации и выполнять конкретное поручение пользователя. Его активность может быть полностью легитимной, даже если технически она автоматизирована.
Поэтому одного набора технических признаков недостаточно, чтобы определить характер посетителя. Гораздо важнее понять, что именно он делает. Поиск перелёта между Москвой и Екатеринбургом на ближайшие месяцы похож на поведение потенциального клиента. Выгрузка всех рейсов между всеми аэропортами страны за длительный период больше напоминает массовый сбор данных. В обоих случаях действия может выполнять как обычный бот, так и ИИ-агент, но решающим фактором становится масштаб и сценарий активности.
Что анализировать системам защиты
Универсальной защиты, которая без ошибок отделяет полезную автоматизацию от вредной, не существует. Жёсткие правила снижают риск злоупотреблений, но повышают вероятность заблокировать реального клиента. Более мягкая политика пропускает больше пользователей, однако оставляет злоумышленникам дополнительные возможности.
Для более точной оценки трафика стоит использовать поведенческий анализ. В частности, система может учитывать:
- последовательность действий пользователя в рамках сессии;
- скорость и регулярность запросов;
- объём и характер собираемых данных;
- соответствие активности типичному клиентскому сценарию.
Дополнительным инструментом может стать стандарт WebBotAuth, который помогает подтвердить происхождение агента. При этом такая проверка не доказывает добросовестность задачи: легитимно идентифицированный агент всё равно может использоваться для нежелательного или чрезмерного сбора данных.
Как подготовить сайт
Начать стоит с проверки того, как существующая защита реагирует на обычные действия ИИ-помощника. Например, можно поручить автоматизированному агенту найти товар, сравнить цены и изучить условия покупки. Если в процессе появляется капча, заглушка или сессия принудительно завершается, часть будущих покупателей уже сейчас может оставаться незамеченной в аналитике.
В первую очередь агенты будут обращаться к каталогам и фильтрам, внутреннему поиску, страницам сравнения, а также к разделам с ценами и условиями покупки. Эти сценарии имеет смысл тестировать отдельно и настраивать правила так, чтобы пропускать предсказуемую клиентскую активность, сохраняя блокировку массового и подозрительного поведения.
Для бизнеса это означает переход от простой схемы «человек против бота» к оценке цели и контекста визита. На практике потребуется эшелонированная защита внешнего периметра — WAF, NGFW и Anti-DDoS, — внутреннего периметра и мониторинг через SIEM. Единого решения, которое одновременно распознаёт всех агентов и исключает ложные срабатывания, нет, поэтому защита должна сочетать технические средства, поведенческий анализ и регулярное тестирование пользовательских сценариев.
