В свежем опросе Boston Consulting Group среди 300 директоров по маркетингу есть цифра, которая исчерпывающе описывает состояние индустрии маркетинга. 96% CMO заявляют, что искусственный интеллект трансформирует их функцию. При этом только 8% действительно запустили кампании, где несколько ИИ-агентов работают автономно. Разрыв между разговорами и практикой — двенадцатикратный.

Маркетологи уже привыкли к нейросетям-помощникам: написать текст, сделать картинку, свести отчёт. Агент — другой уровень. Если коротко: помощник ждёт задачу, агент получает цель и сам решает, как её достичь.

Как устроен агент

Внутри любого агента работает один и тот же цикл из пяти шагов:

1. Агент получает цель («снизить стоимость привлечения клиента в этом сегменте»).
2. Раскладывает её на задачи.
3. Выбирает инструменты — у него есть доступ к рекламным кабинетам, аналитике, базам данных, генеративным моделям.
4. Действует: меняет ставки, запускает тесты, переписывает объявления.
5. Оценивает результат, чтобы скорректировать следующий шаг.

Плюс у агента есть память: он помнит, что сработало в прошлых кампаниях, и не наступает на те же грабли дважды.

Разница с привычной автоматизацией принципиальна. Автоматизация — это поезд на рельсах: жёсткий сценарий «если — то». Агент — это водитель, который сам выбирает маршрут и перестраивается, когда дорога изменилась.

Теперь — о том, как выглядит полный маркетинговый контур на агентах. Каждый элемент уже работает в западных и азиатских компаниях.

Агент-исследователь: рынок под наблюдением 24/7

Мониторит упоминания бренда и конкурентов, цены, тренды в соцсетях и поиске, отзывы. Выводы передаёт дальше по цепочке, а не складывает в отчёт, который никто не откроет.

Рабочие инструменты этого класса: Brandwatch — анализ соцсетей, Crayon — отслеживание действий конкурентов в реальном времени.

Это не всё. Adobe Analytics зафиксировала: трафик на сайты американских ритейлеров из ИИ-источников вырос за год на 1200%, а конверсия таких посетителей на 31% выше, чем у обычных пользователей. Исследовательский агент теперь изучает не только людей, но и другие ИИ — как алгоритмы рекомендаций видят ваш продукт.

Агент-стратег: сценарии вместо презентаций

Берёт данные исследователя и строит варианты: какие сегменты растут, где недоинвестировано, что случится с продажами при изменении бюджета.

Такие инструменты, как Pecan AI, строят предиктивные модели спроса без команды дата-сайентистов. Решение остаётся за человеком — агент делает так, чтобы оно принималось на основе полной картины, а не интуиции и трёх слайдов.

Именно так уже работает Coca-Cola, вложившая в ИИ-инфраструктуру больше миллиарда долларов: агенты встроены в управленческий контур, а стратегию утверждает человек.

Агент-медиабайер: закупка в реальном времени

Это самая зрелая область. Meta Advantage+ и Google Performance Max уже несколько лет автономно распределяют бюджеты, перебирая миллионы комбинаций «объявление — аудитория». Средний прирост возврата на рекламные инвестиции — 13–22%.

Специализированные платформы вроде Albert.ai и Smartly.io идут дальше: учитывают погоду, действия конкурентов, складские остатки — и корректируют ставки без участия человека.

Скажу честно: медиазакупка — зона, где агенты уже работают лучше людей по понятной причине: рынок меняется каждую минуту, а человек проверяет рекламный кабинет раз в день.

Агент-креатор: сто вариантов вместо одного

Это тоже один из наиболее развитых сегментов использования ИИ-инструментов в маркетинге. Он производит объявления, видео, тексты и адаптации в объёмах, которые раньше были экономически невозможны. Creatify и HeyGen делают видео с ИИ-аватарами, Jasper и AdCreative.ai — тексты и баннеры под конкретные сегменты.

Кейс китайской Tec-Do: замена съёмок на ИИ-аватары снизила стоимость ролика с 20 до 2 долларов, а время производства — с трёх дней до часа.

Unilever из одного брифа получает сотни вариаций, каждая тестируется в реальном времени.

Обязательный элемент зрелых систем — агент-критик: отдельная модель проверяет каждый материал на соответствие бренду и фактам, а брак возвращает на доработку. Автономный агент без контроля качества — просто быстрый способ публиковать ошибки.

Агент-аналитик: замыкание цикла

Сводит данные всех каналов, атрибутирует продажи, находит аномалии. Инструменты класса Triple Whale и Improvado собирают эту картину автоматически.

Ключевое — выводы уходят обратно исследователю и стратегу. Система учится на каждой кампании, и маркетинг превращается из последовательности проектов в непрерывный процесс с накапливающейся памятью.

Связывают агентов в единый контур платформы оркестрации — Salesforce Agentforce и HubSpot Breeze.

Что остаётся человеку
За человеком — три вещи:

решения с необратимыми последствиями для бренда и репутации;
смыслы: ради чего существует бренд и что он обещает людям;
архитектура самой системы: какие агенты нужны, как они связаны и где проходят пределы их полномочий.
По данным Salesforce, агентные системы использует лишь 13% маркетинговых команд. Окно возможностей открыто: кто соберёт агентный контур в ближайшие год-два, получит отрыв, который конкуренты будут догонять годами.

Мой совет — не начинайте с покупки платформы. Выпишите все регулярные процессы вашего маркетинга и честно ответьте, какие из них алгоритм выполнит лучше, потому что они формализуемы и повторяемы. Это и есть карта внедрения.

А заодно — первый шаг к главному управленческому навыку эпохи: умению видеть границу делегирования — между тем, что можно отдать машине, и тем, что мы обязаны оставить себе.

Почему большинство маркетологов безнадёжно отстаёт в использовании ИИ?