Кто отвечает за AI-агента после запуска: пробел в 43 пункта

В одной крупной энергокомпании сотрудник готовит к запуску 200 AI-агентов. Большую часть пишут не в IT, а в маркетинге. На вопрос, кто станет хозяином агента, когда обновится модель, изменится политика компании или автор перейдёт в другую команду, ответа не нашлось. Так выглядит главный пробел в AI-маркетинге 2026 года: компании научились запускать агентов и не научились ими владеть.

Компания Kana опросила 225 руководителей крупных американских компаний в мае. 70% уже поставили кастомных AI-агентов на реальную маркетинговую работу, и только 3% не запустили ни одного. Вопрос «строить или не строить» закрыт. Открыт другой - что делать с агентом дальше.

Два отдела ждут, пока другой возьмёт ответственность

Около 40% опрошенных руководителей считают, что агентными маркетинговыми системами должен управлять директор по ИИ. Среди самих AI-лидеров так думают 52%. Маркетинговая сторона выбирает свой отдел или модель с общей ответственностью. В итоге две сильные команды одновременно уверены, что задачу закрывает кто-то другой.

Аргументы есть у обеих сторон. Централизованная команда резонно замечает, что агенты работают с клиентскими данными и попадают под регуляторные требования, а значит, один отдел не может проверять сам себя. Маркетинг возражает не менее резонно: никто в центральной AI-команде не знает, верный ли у агента тон, актуально ли предложение и совпадает ли логика сегментов с текущей работой на рынке.

Рабочий вариант - разделить вопрос. Центр берёт доступ, данные и слой моделей. Маркетинг отвечает за инструкции, тон и за то, говорит ли агент правду сегодня. У обеих частей должно быть имя ответственного. Пока в большинстве компаний это остаётся размытым.

Проверка перед запуском есть, контроля дальше нет

То же исследование показало: 65% компаний проводят проверку перед тем, как выпустить агента в работу. На запуск контроль приходит. Дальше надзор переезжает в квартальный ритм, а агент работает каждый день.

Есть и вторая привычка, которую стоит проверить в своём стеке. Ivanti выяснила, что права размножаются с первого дня: компании создают агентов, клонируя профиль живого сотрудника. В маркетинге это значит, что агент кампаний может ходить по CRM с теми же правами, что и человек, который его настроил. На старте это выглядело нормально. Осталось ли это нормальным сейчас и кто заметит, если нет?

Чему учит история разработки софта

С 1940-х по 1960-е код считали работой, которую делают один раз и кладут на полку. Когда компании перевели критичные системы на непрерывную работу, подход развалился.

На конференции НАТО в Гармише в 1968 году инженеры из десятка стран сверили опыт и увидели одну и ту же проблему - софт устаревает. Оттуда вышел жизненный цикл, который учат до сих пор: требования, проектирование, сборка, тест, деплой, поддержка, вывод из эксплуатации.

Поддержку и вывод из эксплуатации добавили потому, что отрасль набила шишки на простом факте: софт не поддерживает себя сам. В 1980 году Беннет Лиенц и Бертон Свонсон изучили 487 организаций и выяснили, что поддержка съедает примерно половину бюджета на софт. Половину. Самой большой категорией оказались улучшения - то есть требования поменялись. Дальше шла адаптация под изменившееся окружение. Исправление реальных дефектов оказалось самым маленьким куском. Основная работа возникала потому, что мир менялся вокруг кода, написанного правильно с первого раза.

Теперь перенесите это на AI-агента. Ваш агент для контента написан в марте, под мартовское предложение и позиционирование. Ваш агент для продаж выучил портрет клиента до изменения цен. Ваши рамки тона бренда настроили на версию модели, которую летом отключили. Ни одна из этих проблем не дефект. Это поддержка, и кто-то должен сказать, что изменилось и что с этим делать.

Пять вопросов, которые стоит задать себе

Возьмите одного агента, который уже работает в продакшене, и ответьте на пять вопросов о нём:

• Кто пишет инструкции для агента?
• Кто их правит и как часто?
• Кто следит за выходом новых моделей и переводит изменения на язык команды?
• Кто отслеживает отклонение результатов и от какой базовой линии?
• Кто решает, когда агента выводят из эксплуатации?

На первый вопрос команды отвечают сразу. Остальные четыре остаются без ответа.

Работает такой расклад: разложить эти пять вопросов по уже существующим местам.

• Маркетинг-операции берут инструкции и частоту правок, потому что они и так владеют процессом.
• Бренд берёт отклонения, потому что именно он скажет, звучит ли текст по-вашему.
• AI-команда или платформенная команда берёт релизы моделей, потому что уже следит за ними.
• Вывод из эксплуатации обычно остаётся ничьим, поэтому отдайте его тому, кто держит бюджет. Именно он заметит, что агент всё ещё работает.

Новых ставок в штате это не требует. Требует названной ответственности, а это заметно дешевле.

Ещё можно выбрать единицу учёта. Кампания, платформа или отдельный агент? Небольшая команда с десятком агентов закрепит человека за каждым. Крупной компании с процессами по всему стеку нужна другая форма, скорее по платформам, а отклонения там ловят выборочной проверкой, а не полным разбором.

Salesforce уже заводит язык для этой темы: цикл разработки агента и роли вроде Agent Supervisor. Другие вендоры подтянутся. Инструменты появятся. Организационную часть придётся собрать самому.

Привычку проще вырастить на малых числах

Это хорошая новость: привычки легче строить на восьми агентах, чем на 80. Софтверной отрасли понадобились кризис и десять лет, чтобы понять простую вещь - выпуск продукта это начало долгой истории. Нам этот путь можно пропустить.

Заберите два вопроса в понедельник: кто отвечает за самого старого вашего агента и когда кто-нибудь последний раз смотрел на то, что он выдаёт?

---

Вам может быть интересно: мы разбираем, как выстроить управление AI-агентами в маркетинге и не потерять контроль над данными. Подпишитесь на Telegram-канал AG Branding, чтобы не пропускать разборы.