Якоб Нильсен: дайджест UX за 31 июля 2026 — агенты, шопинг, стратегия

Краткое содержание: агенто-готовый дизайн сайтов поднял успешность AI-задач с 49% до 89% — покупатели теперь выбирают AI-ассистентов над сайтами брендов с результатом 41% против 38% — строй и итерируй — ИИ становится лучше в бизнес-стратегии, но ещё не готов управлять компанией — ИИ поднял «пол», но опустил «потолок» в детском сторителлинге.

Агенто-готовый дизайн поднял успешность AI-задач с 49% до 89%

В контролируемом эксперименте AI-агенты браузера выполнили 89% задач e-commerce на сайте, переработанном для машинного восприятия, по сравнению с 49% на идентичном сайте, ориентированном на человека, — при этом потребовалось на 30% меньше шагов. Ваш сайт теперь обслуживает два вида пользователей, и второй вид не видит красивых пикселей.

Саид Эльнаффар (независимый исследователь в Канаде) и Фарзад Рашиди (Université Paris Cité) опубликовали работу «Designing Agent-Ready Websites for AI Web Agents», принятую на конференцию ICEME 2026. Авторы создали две версии одного небольшого интернет-магазина с идентичными продуктами, ценами, запасами и процессом оформления заказа. Базовый вариант — обычный сайт, ориентированный на человека. Агенто-готовый вариант добавил машинодружественную инфраструктуру: данные о продуктах в виде JSON-LD, семантические метки и стабильные идентификаторы на интерактивных элементах управления, явные свидетельства — отзывы и сертификаты — и метки времени, показывающие актуальность данных. Три браузерных агента (GPT-4.1, Gemini 2.5 Flash и Grok 4 Fast) выполнили по 5 торговых задач на каждом варианте, 10 прогонов на задачу на модель — 300 прогонов всего.

Семантика — новая эстетика

Агенто-готовый дизайн победил по всем моделям и всем задачам. Наибольший прирост — в извлечении данных и сравнении продуктов, оба показателя выросли на 77 процентных пунктов. Почему частичные исходы сократились с 43 до 3? Потому что базовые агенты часто находили нужный продукт, но путались в деталях, тогда как чистые, помеченные факты позволяли им завершить задачу. Эффективность тоже выросла: количество шагов сократилось на 30%, а потребление токенов упало на 19–40%.

Оцените иронию: выигрышные ингредиенты (семантический HTML, явные метки элементов) — это азбука доступности. Адвокаты доступности проповедовали эту культуру разметки 25 лет с умеренным эффектом. Теперь, когда аудитория — роботы с кошельками, бизнес наконец мотивирован прислушаться.

Нильсен перечисляет 8 рекомендаций для агенто-готовых сайтов:

1. Публикуйте структурированные данные. Раскрывайте продукты, цены и запасы в виде JSON-LD или разметки Schema.org.
2. Пишите семантический HTML. Давайте кнопкам, формам и ссылкам явные метки, роли и стабильные идентификаторы.
3. Излагайте цель каждой страницы простым текстом. Заголовки должны сообщать, что предлагает страница и какие действия поддерживает.
4. Называйте действия однозначно. Видимый описательный текст кнопки лучше иконки без подписи — для агентов и для ваших живых пользователей.
5. Предоставляйте проверяемые свидетельства. Отзывы, сертификаты и ссылки на источники позволяют агентам отделять маркетинговый туман от проверяемых фактов.
6. Ставьте временны́е метки на изменчивую информацию. Цены, запасы и политики нуждаются в явных датах актуальности.
7. Сохраняйте идентичные представления для людей и агентов. Одинаковые цены, одинаковые запасы.
8. Тестируйте с агентами, а не только с людьми. Раз в квартал прогоняйте браузерного агента через пять ключевых задач и фиксируйте, где он спотыкается.

Покупатели впервые выбирают AI-ассистентов над сайтами брендов: 41% против 38%

Propeller Insights опросил 4040 взрослых в США и Великобритании по заказу commerce-вендора Bloomreach. 75% использовали AI-инструменты — ChatGPT, Claude или Gemini — для покупок или принятия решений о покупке. 41% теперь выбрали бы AI-ассистированный шопинг вместо прямого перехода на сайты брендов (38%). Это разворот: в 2025 году 59% предпочитали сайты брендов. Сдвиг на 18 пунктов за год по одному и тому же вопросу слишком велик, чтобы его игнорировать.

80% говорят, что AI-шопинг оправдал или превзошёл ожидания; 61% сообщают о большей уверенности в своих решениях о покупке; 38% говорят, что тратят больше в целом. Главные сценарии использования AI-агентов при шопинге: сравнение характеристик или цен (48%), поиск выгодных предложений (46%) и поиск идей о продуктах (41%). 56% планируют использовать AI-шопинг-инструменты ещё активнее в течение следующих 12 месяцев.

Обнаружение продуктов мигрирует с вашего сайта к AI-посреднику, и каждая UX-инвестиция в путь просмотра и фильтрации работает на сужающийся канал. Дизайн-приоритетом становится обслуживание агентов: структурированные данные о продуктах, машиночитаемые атрибуты для сравнения и честное ценообразование — потому что всё чаще именно ИИ читает вашу страницу, а не покупатель.

Строй, учись, итерируй

Весь секрет UX в трёх словах. Грандиозные запуски — это азартные игры; итерация — это сложный процент. В кейс-стади телефонных компаний Нильсена юзабилити улучшалось в среднем на 38% за каждую итерацию дизайна, поэтому три раунда более чем удваивают качество. Не ждите совершенства — его не будет. Прикрепите один кирпич, протестируйте с 5 пользователями, исправьте слабые места и уложите следующий.

Стратегические способности ИИ улучшаются

Аджай Патель и коллеги из Wharton School создали новый бенчмарк BusinessCaseBench: 615 вопросов из 238 бизнес-кейсов, охватывающих 18 дисциплин — от финансов до переговоров. Ответы ИИ оценивались по рубрикам, основанным на решениях самих преподавателей.

При частичном зачёте лучшие модели набирают около 88% — звучит как пятёрка. Но этот показатель оценивает ИИ как студента. Оценка по полному ответу требует соответствия каждому критерию рубрики, и лучшая модель (Claude Fable 5) справляется лишь на 50,9%.

Для бизнес-стратегии компании нужны полные решения, а не частично правильные. Анализ, который точно оценивает размер рынка, но упускает регуляторный риск, — не на 88% правильный; это судебный иск в ожидании.

Лучший результат по полному ответу вырос с 13,2% в апреле 2024 до 50,9% в июне 2026: рост на 37,7 процентных пункта за 26 месяцев, или 17,4 пункта в год. Сегодняшний вердикт: слабо. Ни одна компания не должна позволять ИИ определять стратегию, когда он ошибается в половине случаев. Но проецируя линию вперёд: оставшиеся 49,1 пункта занимают 2,8 года, достигая 100% примерно в апреле 2029 года.

Сегодня стоит позволить ИИ генерировать возможные бизнес-стратегии и полезные вопросы для изучения. Можно даже дать ему набросать стратегию — при условии, что в ключевых точках остаётся человек, способный заметить упущенный критерий.

ИИ поднял «пол», но опустил «потолок» в детском сторителлинге

Новое исследование 40 учеников начальной школы (2–6 классы) показало, что AI-инструмент для сторителлинга сократил разрыв в качестве между сильнейшими и слабейшими юными рассказчиками на 83,5%. На первый взгляд — это то сжатие разрыва навыков, о котором неоднократно сообщают для взрослых. Но здесь разрыв закрылся с обеих сторон: слабейшие дети существенно улучшились (хорошо), а лучшие — ухудшились (плохо).

Мин Фань и коллеги из Communication University of China и MIT Media Lab попросили каждого ребёнка создать иллюстрированную историю дважды: сначала с бумажными раскадровками, затем с помощью StoryPrompt — AI-системы, где ребёнок составляет 6 абзацев, каждый из которых привязан к AI-генерируемому ключевому слову (GPT-3.5 предлагает 8 вариантов на абзац), плюс иллюстрация от Stable Diffusion.

Нижняя треть рассказчиков набрала в среднем на 0,81 балла больше с ИИ, с наибольшим ростом в креативности (+1,29) и насыщенности (+1,37). Верхняя треть потеряла 0,29 балла, и потери сосредоточились в связности (−0,43) и нарративной структуре (−0,56).

Вероятный виновник — принудительное скаффолдинг. Во взрослых исследованиях ИИ был предложением, которое эксперт мог отклонить. StoryPrompt делал ИИ обязательным: каждый абзац привязан к системному ключевому слову, без собственного ввода, без кнопки «пропустить». Дети уступают там, где взрослые-эксперты отвергают, поэтому обязательный дизайн незаметно превращает нежелательную подсказку в более низкую оценку.

Три рекомендации для дизайна AI-функций — для детей и взрослых:

1. Стройте выходы для сильных пользователей. Каждая AI-подсказка нуждается в возможности пропустить, отклонить или ввести своё. «Гибкость и эффективность использования» — эвристика юзабилити №7 с 1994 года, и обязательный скаффолдинг — её инверсия.
2. Адаптируйте поддержку к реальному ограничению пользователя. Два ребёнка с одинаково низкими оценками могут нуждаться в противоположной помощи: одному не хватает идей, другому — средств для воплощения.
3. Ограничивайте кроличьи норы. Один мальчик 30 раз перегенерировал иллюстрации — 22 раза на одном абзаце; кнопка неограниченного пересоздания превратила вспомогательную функцию в когнитивный поглотитель, пока его история оставалась без слов.