На конференции Unbound 2026 компания HubSpot показала 14 обновлений и почти не выпустила новых продуктов. Главный тезис со сцены звучал скучно для конференции про ИИ: агент без контекста о клиенте приносит меньше пользы, чем его отсутствие. HubSpot подкрепила слова цифрой - модель с бедным описанием бизнеса ошибается чаще, чем система без ИИ.

За последние дни это подтвердили три независимые истории: обновления самого HubSpot, кейс японского офиса компании и исследование Gartner о дефиците навыков. Все три сводятся к одному: узкое место переехало из моделей в данные и людей, которые их готовят.

Агенты переехали в одну комнату

Agent Hub вышел из беты и стал точкой входа в работу с ИИ. В нём видно, каких агентов собрала команда, как прошли прогоны и что требует внимания. Внутри маркетолог запускает агента под свой процесс: проверить лида на соответствие портрету клиента, собрать письмо после встречи, подготовить план онбординга.

Рядом HubSpot переписала Marketing Studio. Прошлая версия начиналась с канваса, новая начинается с цифр: ROI по кампаниям, конверсия, сделки, которые маркетинг создал или поддержал. Появился Campaign Agent: вы описываете цель словами, например столько-то лидов к концу квартала через вебинар, и агент собирает план и предлагает материалы. Отдельный Nurture Agent переписывает письмо в цепочке прямо перед отправкой, опираясь на данные конкретного контакта. Каждое письмо стоит 10 кредитов, около 0,10 доллара.

Что изменилось на Unbound 2026:
  • Agent Hub вышел из беты: все агенты команды в одном окне
  • Marketing Studio считает ROI и конверсию вместо рисования канваса
  • Campaign Agent собирает план кампании из цели, описанной словами
  • Nurture Agent пишет письмо под конкретного человека, без промпта

Заметная деталь: в тестах сильнее всего росли рассылки, которые и так показывали хорошую конверсию. Агент усиливает то, что уже работает, и почти не спасает то, что не работает. Если база контактов грязная, а письма писались под общий портрет, автоматическая персонализация быстрее размножит ошибку.

Япония: два человека вместо нового сотрудника

Автоматизация маркетинга в японском офисе HubSpot приносила 12 квалифицированных лидов в месяц при плане 160. Компания не стала искать в стране специалиста по автоматизации. За два месяца два человека пересобрали все письма и сценарии: 71 письмо и 38 воркфлоу с нуля. Лидов стало больше 115 в месяц вместо 12, новых сотрудников ноль.

Работу разделили по слоям. Технический слой взял на себя маркетолог по автоматизации: логика сценариев, сегментация, условия попадания в программу, отчёты. Культурный слой взял региональный партнёр: тон писем, боли клиента, призыв к действию. Он не писал тексты с нуля, а правил черновики ИИ и подтверждал, что сообщение звучит естественно. Весь проект занял у него пять дней, потому что экспертиза по рынку у него уже была.

Разделение автоматизации маркетинга на технический и культурный слой
Иллюстрация: AG Branding

Правило, которое команда соблюдала: партнёр должен понимать, как местный клиент выбирает софт, а не только язык. Один перевод даёт правильные письма, которые не конвертируют. Для команд во Владивостоке и на Дальнем Востоке схема знакома: технический слой держит головной офис, знание местного покупателя живёт в регионе, и разделять эту работу дешевле, чем нанимать отдельного специалиста в каждом городе.

Инструмент купили, а дефицит остался

Команда просит двух новых людей на следующий бюджетный цикл. Финдиректор отвечает лицензией на ИИ и ждёт, что те же сотрудники сделают больше. Через полгода черновиков стало вдвое больше, а лучший маркетолог половину недели тратит на их правку. Так выглядит тупик, в котором компания путает два дефицита: нехватку навыков и нехватку людей.

Первый означает, что команда не умеет делать работу на нужном уровне. Второй - что работу делать умеют все, но на неё нет часов. Лечатся они по-разному: обучение против найма. Gartner опросил директоров по маркетингу и выяснил, что 56% не хватает бюджета на стратегию 2026 года, а 54% жалуются на нехватку ресурсов. Двигать оба разрыва сразу можно одним способом: следующим наймом брать человека с навыками, который обучит остальных.

Как отличить навыки от часов:
  • Спросите проверяющих, что они правят. Правки про суждение и уместность - это навыки, правки про опечатки и сроки - это часы
  • Посмотрите, где работа стоит в очереди. Если ждёт единственного человека, который умеет собрать аудиторию, навык заперт в одной голове
  • Снимите с команды один регулярный проект на месяц. Качество остального выросло - не хватало часов

Обучение стоит денег, о которых редко пишут в заявке на бюджет: 15-20% от цены лицензии. Инструмент за 100 000 долларов тянет за собой 15 000-20 000 долларов на учёбу. Без этой строки купленная нейросеть для бизнеса работает как дорогой генератор черновиков.

Что это значит для бизнеса

Три истории складываются в порядок действий, который экономит месяцы. Агент получает ценность не от модели, а от того, что лежит в CRM и в профиле бизнеса. Это правило касается любой автоматизации бизнес-процессов: сначала данные, потом исполнитель.

  • Заполните профиль бизнеса и почистите CRM до запуска агентов. HubSpot говорит прямо: бедное описание компании ухудшает ответ ИИ.
  • Разделите автоматизацию на технику и рынок. Сценарии может собрать центральная команда, тон и смысл остаются за теми, кто знает покупателя.
  • Начинайте с писем и сценариев, которые уже дают конверсию. Агент ускоряет рабочее и размножает сломанное с той же скоростью.
  • Перед покупкой лицензии проведите диагностику навыков. Иначе лишние черновики съедят часы лучших людей.
  • Заложите в бюджет обучение, 15-20% от стоимости инструмента.

Внедрение искусственного интеллекта в маркетинг начинается с честного ответа на два вопроса: что система знает о клиенте и кто в команде понимает результат. Пока оба ответа расплывчаты, агент будет уверенно отвечать мимо цели.

Читайте также