Джуны, харнесы и когнитивная капитуляция: что ИИ изменил в работе маркетолога — в MEDIA MIX 65

Разговоры о том, что нейросети вот-вот заменят половину рекламной индустрии, идут не первый год, но цифры говорят о другом: использование ИИ занимает 17-е место из 20 в списке приоритетов европейских СМО, а корпоративные ИИ-ассистенты часто простаивают. При этом рынок труда перестраивается из-за сокращения найма джунов. 

В новом выпуске MEDIA MIX ведущий Роман Бедретдинов и эксперты рынка обсудили, кого и когда заменят нейросети, за какими инструментами не стоит гнаться, почему корпоративный искусственный интеллект не приживается и что будет с джунами и системой найма. 

ИИ меняет процессы, а не смыслы

Искусственный интеллект меняет состав профессиональных ролей и устройство рабочих процессов, но до полной замены людей далеко. Сильнее всего перестройка идёт там, где производят контент, считают аналитику и настраивают автоматизацию. 

Первыми под удар попадут не те, кто игнорирует ИИ, а те, кто встраивает его во все процессы подряд, не разбираясь, что именно он заменяет. В таком случае человек перестаёт понимать, какой процесс он автоматизирует и как проверить полученный результат. 

Расслоение пойдёт по грейдам. Нейросеть делает примерно то же, что джун, и с теми же ошибками, только за несколько секунд. Поэтому потребность в верификаторе — human in the loop, человеке в цикле принятия решений, — никуда не денется, а смыслы в любом случае остаются за людьми. 

Не нужно изучать каждый новый инструмент 

Рынок нейросетей меняется так быстро, что сервисы, вокруг которых год назад строили обучение команд, сегодня уже не актуальны. Сначала хайп был вокруг Stable Diffusion, потом — вокруг Midjourney, теперь почти каждый месяц выходит новая модель, которая понимает по-русски и не требует идеального промпта. 

Поэтому гнаться за каждым релизом не обязательно. Если у специалиста или компании пока нет конкретной задачи для ИИ-агента, к моменту её появления на рынке уже будут другие решения. 

Но выпадать из практики не стоит. Когда пользователь работает с сервисом руками, со временем он понимает, как у нейросети устроены процессы. Без этого опыта будет сложнее использовать новые инструменты. 

Общая рекомендация — применять ИИ там, где уже есть экспертиза и понимание, каким должен быть результат на выходе. Если вы хорошо пишете тексты или делаете музыку, ИИ ускорит работу, если нет — оценить качество результата будет нечем. 

Харнес: как превратить языковую модель в рабочий инструмент 

Большая языковая модель ограничена диалогом. Харнес — это обвязка, которая добавляет к модели память, доступ к данным, набор функций и интеграции с корпоративными системами. Благодаря этому нейросеть может выполнять разные действия: например, анализировать документы или запускать рекламную кампанию. 

ИИ-зрелость можно разделить на три уровня: 

1. Компания использует технологию под влиянием общего хайпа.
2. Сотрудники создают персональных помощников и настраивают их под собственные задачи. 
3. Организация формирует единые правила, пайплайны, инструменты и требования к безопасности и качеству результата. 

Реальная польза появляется на третьем уровне, потому что участникам приходится синхронизироваться. Если компания выдаёт сотрудникам доступ к новому сервису, это не гарантирует, что они начнут им пользоваться. Для распространения технологии нужны понятные сценарии и обучение. 

Деньги лежат не там, где хайп

Искусственный интеллект может приносить компаниям доход, но экономический результат зависит от задачи и качества внедрения. Команда Dodo Brands с помощью ИИ подготовила рекламную кампанию вдвое быстрее запланированного срока. Увидев итог, другие сотрудники сами заинтересовались инструментами и попросили научить их новым методам работы. 

Практическая ценность не всегда связана с генеративными моделями. Машинное обучение используется для решения узких прикладных задач. Нейросети могут распознавать по звуку опасные ситуации на производстве или определять признаки заболеваний у животных. Такие решения не обязательно выглядят технологически эффектно, но способны снижать расходы и напрямую влиять на выручку. 

Тем не менее большинство повседневных бизнес-задач можно решить с помощью качественно организованных данных и базовой аналитики. ИИ становится конкурентным преимуществом, после того как организация закрывает этот фундаментальный уровень. 

Оптимизации процессов уже недостаточно

Нейросеть прежде всего помогает выполнять привычную работу быстрее. Вместо длинного описания идеи руководитель продукта может за час собрать прототип и показать команде ожидаемый результат.

Но ускорение отдельных операций — это только оптимизация. Следующий этап предполагает реинжиниринг — полный пересмотр того, как устроен рабочий процесс.

Такое изменение сложно провести в одиночку. Если компания перестраивает внутренние процессы, но её клиенты, подрядчики и другие контрагенты продолжают работать по старой модели, эффект остаётся ограниченным. Поэтому полноценная трансформация требует синхронизации по всей цепочке взаимодействия.

Скромность, антихрупкость и избыток 

Не утонуть в шуме вокруг искусственного интеллекта помогает рецепт из трёх компонентов.

1. Когнитивная скромность. Признать, что человек помнит не много и считает медленно, но при этом не принимать ответы нейросети на веру. Это баланс между двумя крайностями: «ИИ — шайтан-машина» и «Ctrl+C, Ctrl+V всего, что выдала модель». 
2. Способность находить гармонию в хаосе и доставать из огромного потока информации только ценное.
3. Когнитивный избыток. По исследованию 2025 года, ИИ высвободил 23–30% времени, которое раньше уходило на профессиональную рутину. Но сотрудники направили его на создание новой рутины. Ведь она предсказуема и стабильна, а творчество — это риск. 

Что будет с джунами и системой найма 

ИИ может выполнять задачи начального уровня, поэтому количество классических позиций для джунов сократится. Одновременно от молодых специалистов будут ждать более широкого набора компетенций и умения работать с моделями. 

Также технологии ускорят обучение. С помощью нейросетей можно создать персонального тьютора или программу подготовки по конкретной теме. Однако модель не заменит реальный опыт, который формируется во время самостоятельного решения сложных задач и работы с ошибками. 

Один из главных рисков — когнитивная капитуляция. Она возникает, когда человек настолько привыкает передавать задачи нейросети, что постепенно теряет навык решать проблему без помощника. Поэтому мотивированные и любознательные специалисты, которые используют ИИ для развития, но сохраняют фундаментальные навыки, останутся востребованными. 

Спикеры

Евгений Ревенко, коммуникационный арт-директор Dodo Brands;

Павел Абрамов, chief data scientist департамента маркетинга и коммуникаций Сбера;

Тигран Аракелян, независимый эксперт;

Армен Бекларян, проректор Университета RWB, доцент НИУ ВШЭ;

Артём Субботин, AI-блогер.

Модератор: Роман Бедретдинов, главный редактор Sostav.

Выпуск уже доступен на платформе «VK Видео».