AI-маркетинг требует новой среды, а не очередного стека

Компании годами собирали маркетинговый стек: CRM, систему для работы с контентом, автоматизацию, аналитику. Логика была простой - купи правильные инструменты, соедини их, научи людей ими пользоваться. Теперь, когда софт начал сам принимать решения и действовать между системами, выяснилось, что всё это время стек держался на человеке посередине. И этому человеку теперь нужна замена в виде явных правил и данных.

Человеческая прослойка, о которой не говорили

Опытный маркетолог знает, какой из пяти файлов в системе хранения контента утверждён. Он помнит, что запись в CRM формально верная, но устарела на полгода. Он в курсе, что юристы в прошлый раз возражали против конкретной формулировки, хотя в регламент её так и не внесли. Этот невидимый контекст никогда не попадал в системы, потому что человек и так справлялся.

Автоматизация прошлых волн ничего не изменила: кто-то всё равно задавал правило, настраивал сценарий и решал, где автоматизация заканчивается. Люди закрывали пробелы там, где технология не дотягивала, и компании годами терпели слабые метаданные, неполные процессы и знания, разбросанные по чатам и таблицам.

У машины нет знания, которое живёт в головах

Когда система начинает не помогать, а выбирать, решать и действовать, весь этот скрытый контекст должен где-то лежать. Машине нужно знать не только то, что информация есть, но и какая версия главная. Может ли приложение выполнить действие и позволено ли ему это в конкретной ситуации. Утверждён ли файл, актуален ли он, есть ли права и подходит ли он для конкретного рынка.

Слабое место здесь то же, что и раньше, поменялся только исполнитель. Раньше кривая таксономия просто мешала искать в системе хранения контента. Теперь из-за неё софт может выбрать не тот файл. Раньше неясный статус согласования приводил к лишнему сообщению в мессенджере. Теперь от него зависит, посчитает ли система, что у неё есть право на публикацию.

Отсюда новое требование к маркетинговой стратегии - машиночитаемость. Человеческая удобность отвечает на вопрос, может ли маркетолог работать с технологией. Машиночитаемость отвечает на другой: достаточно ли явно в этой среде описаны данные, правила и возможности, чтобы другая система поняла их и надёжно по ним действовала.

Где трещины видны первыми

Генерация контента показывает разрыв ярче всего. Первый черновик готов за минуты, визуальных вариантов всё больше, локализация происходит почти мгновенно. На уровне отдельной задачи экономика выглядит отлично. Дальше начинается остальной процесс: согласование, права, проверки, публикация. Если они работают по-старому, рост объёмов не даёт роста результата - узкое место просто переехало.

McKinsey на уровне крупного бизнеса увидела похожее: из 25 организационных признаков сильнее всего с эффектом от генеративного ИИ связана перестройка процессов. Но только 21 процент компаний, которые пользуются технологией, всерьёз переработали хотя бы часть процессов.

Интеграция не равна понятности

Интеграции решили важную задачу: данные и функции двигаются между системами без единой платформы. Но доступ не равен пониманию. Интерфейс может отдать файл и при этом не сказать машине, утверждён ли он. Может показать данные клиента и не объяснить, разрешено ли их так использовать. Может сообщить статус процесса и не подсказать, даёт ли этот статус право на действие.

Кто-то всё равно должен определить правила, почистить метаданные, разложить права и договориться, что значит каждое состояние процесса. Эта работа не попадает на красивые слайды о трансформации, но именно она решает, доживёт ли трансформация до реальности.

Что делать бизнесу

Планировать стоит от возможностей, а не от текущего списка инструментов. Сначала ответьте, что люди и умные системы должны уметь делать вместе. Если цель - автоматическая локализация, нужны структурированные материалы, надёжные данные о правах, понятные метаданные, правила рынков и логика согласования. Если цель - автономная оптимизация кампаний, важнее не то, умеет ли софт двигать бюджет, а когда ему это можно, на каких данных и кто отвечает за ошибку.

Тогда ИИ-сценарий быстро превращается в требование к среде и к инструментам. Для бизнеса во Владивостоке и по всему Дальнему Востоку это значит одно: внедрение искусственного интеллекта в маркетинг стоит начинать не с покупки очередной платформы, а с наведения порядка в данных, правах и правилах, на которые ИИ-агенты будут опираться.

---

Вам может быть интересно: мы разбираем, как компании внедряют искусственный интеллект в маркетинг и автоматизацию, и что для этого нужно навести в порядок в первую очередь. Начать можно с бесплатного разбора процессов на странице AI-аудита.