Команды тратят миллионы долларов на библиотеки промптов, бренд-гайды и тренинги по AI-грамотности. А слэп всё равно не исчезает. Исследования BetterUp Labs, Stanford и Asana показывают: корень проблемы не в качестве промптов, а в том, что знание не перемещается между людьми в организации.

Недавно директор по маркетингу одной средней B2B SaaS-компании подробно рассказала, что они сделали, чтобы избавиться от AI-слэпа. Собрали библиотеку промптов в Notion. Опубликовали гайд по голосу бренда. Провели два тренинга по AI-грамотности. Учредили ежемесячные часы, где самые активные пользователи AI отвечали на вопросы коллег. CMO лично написал меморандум о вдумчивом использовании AI - аккуратно напомнил, что цель в содержании, а не в объёме.

Слэп продолжал приходить. Недописанные брифы, которые читались как первые черновики. Презентации, выглядящие нормально на первый взгляд и разваливающиеся к третьему слайду. Тексты рассылок, которые попадали в бриф, но промахивались мимо аудитории.

Цифры, которые заставляют задуматься

40% сотрудников получали AI-слэп за последний месяц. Каждый такой случай отнимает почти 2 часа на исправление. В компании из 10 000 человек это около 9 миллионов долларов в год - на исправление AI-сгенерированной работы, которая должна была экономить время.

И самое показательное: только 19% офисных сотрудников понимают, какие задачи AI должен выполнять в их роли. Это данные Asana State of AI at Work.

Промпты не виноваты. Виновата система

Стандартный подход к борьбе с AI-слэпом выглядит логично: учить людей писать лучшие промпты, ставить гайды, проверять качество. Всё это правильно. Но ни одно из этих решений не работает, потому что проблема не на уровне индивидуального промптера.

Вот что происходит в реальной маркетинговой команде. Контент-специалист за первую неделю понимает, что этой модели нужен длинный бриф и чёткая персона, чтобы выдать что-то полезное. Дизайнер на второй неделе выясняет, что этот инструмент для изображений хочет цвета бренда в hex, а не словами. Email-маркетолог на третьей неделе обнаруживает, что AI-темы писем звучат шаблонно, если не скормить ему три последних успешных темы.

Каждое из этих открытий - реальное знание, добытое опытом. Но в большинстве команд оно никуда не попадает. Контент-специалист не знает, что выяснил дизайнер. Email-маркетолог не знает про находки контент-специалиста. Нет места, где кто-то говорит: «Вот что сработало, вот как я это сделал, попробуйте и расскажите, что улучшили».

В результате команда опытных людей, каждый из которых становится лучше в своей нише, продолжает производить слэп на общем выходе. Потому что индивидуальные открытия не доходят до следующего человека. А когда кто-то уходит - знание уходит вместе с ним.

AI-хаб: не библиотека, а живая инфраструктура

В книге «Hyperadaptive» этот соединительный слой назван AI activation hub. Хаб - это небольшая группа людей внутри организации, чья работа - поддерживать поток AI-компетенций через всю команду в обоих направлениях.

Это не хелпдеск, не библиотека промптов и не тикет-система. Это люди, чья работа - активно перемещать знание по команде. На практике работающий хаб делает несколько конкретных вещей:

  • Отслеживает новое и дробит знание: переводит свежие находки в короткие, ролевые инструкции, которые приходят прямо в рабочий поток - двухминутное видео в Slack, а не вики-страница, которую никто не откроет
  • Проводит рабочие часы и спаривает людей: участник хаба соединяет маркетолога с AI-навыком и маркетолога с бизнес-контекстом - их совместная работа даёт результат, который каждый по отдельности не выдал бы
  • Ведёт живую базу знаний: когда инженерная компания iMBrace построила такую систему, время поиска информации сократилось вдвое
  • Измеряет, где AI окупается, а где нет: хаб отслеживает, что работает, и подсвечивает паттерны руководству. Этого пункта нет в большинстве описаний AI-ролей в маркетинге, и зря

Рынок уже реагирует. Должности вроде head of marketing AI, marketing AI center of excellence lead и senior director of AI projects растут быстро. Количество GTM engineer вакансий на LinkedIn удвоилось за полгода - с 1 400 в середине 2025 до более 3 000 в начале 2026.

Что это значит для бизнеса

Для компаний во Владивостоке этот тренд особенно важен. В условиях ограниченного кадрового рынка строить инфраструктуру передачи знаний эффективнее, чем нанимать дорогих «AI-евангелистов». Внедрение искусственного интеллекта в маркетинг перестаёт быть вопросом покупки инструментов - оно становится вопросом организации обучения внутри команды.

Команды, которые победят AI-слэп в ближайшие 12 месяцев, будут не теми, у кого лучшие промпты, а теми, кто построил слой, переносящий знание между людьми. Чтобы один маркетолог разобрался, а вся команда пользуется этим к концу недели.

Мы помогаем компаниям на Дальнем Востоке выстроить этот процесс: от аудита текущего использования AI до внедрения системы координации знаний и AI-агентов для автоматизации рутины. Начните с бесплатного аудита - посмотрим, как AI работает в вашей команде прямо сейчас.