Shipt, платформа доставки из сети Target, запустила «Ask Shipt» — очередной AI-ассистент для покупок. По функционалу это то же самое, что Clementine у Instacart и похожие инструменты у Uber Eats с DoorDash: пользователь пишет или говорит, что ему нужно, а нейросеть составляет корзину товаров. Просить можно как простые вещи («собери вечерний ужин на 5 человек до $35»), так и сложные сценарии — вроде меню для 25 гостей на пикник с напитками и закусками.

Фишка в том, что ассистент может распознавать блюда по фото: загрузишь снимок понравившегося блюда из интернета или ресторана — и AI найдёт и добавит все ингредиенты в корзину. Звучит удобно, особенно если в меню есть специфические позиции, которые типичный поиск может не найти. Функция уже работает в приложении Shipt и на сайте.

По сути это не новшество, а тренд, который наконец дошёл до всех крупных игроков. Instacart запустил Clementine буквально в тот же день, что и Shipt. Uber Eats и DoorDash представили свои версии ещё раньше в этом году. Каждый маркетирует это как революцию в удобстве, но на практике — это простое следование друг за другом: видишь, что конкурент добавил, быстро клонируешь функцию, кричишь о прогрессе. Разницу в качестве и точности разных реализаций пока не видно из медийного шума.

Появление такого функционала логично: LLM-модели действительно хорошо работают с естественным языком и контекстом, а самому составлять корзину по списку товаров скучно и медленно. Но важно помнить, что это скорее гладкий UX-слой на давно существующей идее. Рекомендации по покупкам и автоматизация корзины — это было и 5 лет назад, только без красивого чат-интерфейса. Сейчас просто добавили голос или текст вместо кликов. Если ассистент будет ошибаться в выборе товаров или добавлять неправильное количество — удобство испарится.

Для Target и Shipt это часть более широкой стратегии внедрения AI во всю экосистему. На самом Target.com уже добавили AI-поиск по фото, автоматические резюме отзывов и персонализированные рекомендации. Это работает: когда AI действительно ускоряет типичный путь пользователя (найти товар, выбрать вариант, оформить), конверсия растёт. Вопрос в том, как долго это остаётся конкурентным преимуществом, если у всех есть примерно одно и то же.

В России такие инструменты пока не массовы: Яндекс.Маркет и «Вкусвилл» экспериментируют с рекомендациями на основе ML, но полноценных AI-ассистентов с голосом для составления корзины мало кто запустил. Для локальных e-commerce-платформ и служб доставки это хороший сценарий для внедрения — особенно если интегрировать с приватными LLM, чтобы избежать проблем с регулированием обработки данных. Сервисы вроде AI Studio можно использовать для автоматизации таких цепочек: распознавание фото товара, формирование корзины, интеграция с системой инвентаря — всё на одной платформе. Это экономит время на разработку собственного решения.

Вывод: Shipt сделала полезное обновление, но это не прорыв. Это просто обязательный шаг в гонке, где все доставщики мерятся новизной UI. Реальная ценность будет видна только через несколько месяцев, когда посмотрят на метрики: действительно ли люди быстрее оформляют заказы, меньше ошибаются, и не раздражает ли их поправлять ошибки AI. Пока это просто очередной AI-слой на старую задачу.