Маркетинговые стратегии и AI: что можно делегировать алгоритму, а что остаётся человеку

Я, Роман Игошин, автор ТГ-канала "Капитан Ледокола" t.me/igoshinrmn, управляющий партнёр в IT-Agency, хочу в этой статье поделиться разбором того, как меняется подход к стратегиям под влиянием AI: какие процессы он ускоряет, где выигрывает у человека, а где пока нельзя ему доверять.

Новая реальность уже наступила. Массовое внедрение AI в маркетинг началось не с дорогих западных решений, а с момента, когда на рынок вышли сверхдоступные аналоги — простые китайские сервисы, которые можно было использовать «без регистрации и SMS». Это стало переломным моментом: алгоритмы вошли в ежедневную практику, и игнорировать их стало невозможно. Самое сильное впечатление от взаимодействия с AI — скорость обработки и структурирования информации. То, на что раньше уходили дни, теперь делается за часы, а иногда и минуты.

№1. Ресерч под стратегию

Самый прожорливый по времени этап: собрать рынок, конкурентов, тренды, бенчмарки, сезонность, продуктовые линейки, механики маркетинга и продаж, кейсы. Раньше это занимало от часов до недель и даже месяцев (в зависимости от глубины и доступа к источникам). Сейчас «черновой срез» можно получить за примерно 5 минут. Что реально ускоряется:

1. первичный перечень конкурентов и альтернатив;
2. снятие «температуры рынка»: темы, частотности, сезонность;
3. выжимки из открытых источников, сбор кейсов;
4. первичная нормализация данных по заданному шаблону.

Главное ограничение работы с AI здесь — объём контекста. Если загрузить в модель слишком большой массив данных, она начинает «терять» детали или пересказывать их с искажениями. Чтобы избежать этого, информацию стоит подавать порциями. На практике это означает разбиение задачи на логические блоки: сначала — обзор рынка, затем анализ конкурентов, отдельный модуль по продукту и ценообразованию, дальше каналы и медиамикс, и только после этого — продажи. Каждый блок обрабатывается отдельно, а уже потом результаты собираются в единую картину.

№2. Генерация гипотез и первичная аналитика

Сегодня AI способен генерировать гипотезы и проводить первичную аналитику, но качество напрямую зависит от исходных данных. Если информации мало, алгоритм склонен уходить в модные, но неприкладные темы — от NFT до VR, которые не имеют отношения к конкретному рынку. Или начинает галлюцинировать. Эффективный подход строится по трёхзвенной схеме: факты, инсайты, гипотезы. Сначала фиксируются проверяемые факты, затем формулируются инсайты, и уже на их основе строятся гипотезы.

1. Факты: размер рынка, сезонность, что реально делают конкуренты, структуру продуктовой линейки, конверсия в воронке, выкуп/retention и т. п.
2. Инсайты: интерпретация фактов с указанием причинно-следственных связей.
3. Гипотезы: чёткие предположения с метриками и предполагаемым эффектом.

Если алгоритм повторяет эту методологию, гипотезы получаются прикладными: «какой сегмент, в каком канале, с каким оффером, какой ожидаемый lift». Когда алгоритм работает по этой схеме, он способен выдавать не абстрактные идеи, а конкретные и измеримые гипотезы. И именно в таких задачах становится заметно, что у AI уже есть преимущества перед человеком.

Где AI лучше человека уже сейчас?

AI выигрывает там, где важны скорость и охват: он за минуты учитывает сотни сигналов и раскладывает их по заданному шаблону. Кроме того, алгоритм стабильно формирует черновые материалы — резюме, таблицы, чек-листы, сводные сравнения — без потери деталей и с единообразием, которое экономит время на доработку. Что реально ускоряется:

1. Черновой ресёрч рынка: ~5–10 минут вместо часов/дней.
2. Сводные таблицы конкурентов/офферов: минуты.
3. Черновой roadmap: минуты.
4. Транскрибация и скоринг звонков отдела продаж — автоматом, с мгновенной обратной связью по качеству диалогов и скриптов.

Однако даже при всех этих преимуществах AI остаётся инструментом, который может ошибаться. Важно понимать, где именно возникают такие сбои и почему результаты требуют обязательной проверки человеком.

Где AI ошибается и зачем «человеческий фильтр»?

По моим наблюдениям, AI чаще всего ошибается в трёх направлениях. Во-первых, при больших объёмах данных модель теряет часть контекста и «отрезает» важные фрагменты, из-за чего искажается картина рынка и самой компании. Во-вторых, при нехватке входных данных алгоритм стремится заполнить пробелы за счёт смежной или выдуманной информации, создавая убедительную, но фактически ложную «полноту». В-третьих, AI формулирует выводы чрезмерно уверенно, без необходимых оговорок и сценарных развилок, что маскирует допущения под факты. 

Отсюда — прямые бизнес-последствия: ошибки часто начинаются с неверной идентификации конкурентов, когда модель «подтягивает» нерелевантные компании; в результате стратегия дифференциации строится неправильно, а бюджет уходит впустую. Не менее опасна опора на шум вместо проверенных фактов: гипотезы звучат убедительно, но оказываются пустыми. Добавьте к этому репутационные риски при публикации недостоверных данных — и станет очевидно, почему без человеческого фильтра нельзя. 

Показательный пример: AI анализирует только одно юрлицо группы и делает выводы на уровне холдинга, либо игнорирует, что у бизнеса франшиза с несколькими ИНН; стратегию «уводит» в сторону, неверно оцениваются доля, канальная структура и конкурентное поле. Аналогично при игнорировании внутренних метрик — конверсии отдела продаж, доли выкупа в e-commerce, LTV, возвратов — выводы неизбежно смещаются. Поэтому человеческий фильтр обязателен: эксперт задаёт рамки, определяет релевантность данных, подтверждает факты с бизнесом и сверяет гипотезы с реальными ограничениями — от структуры группы и продуктовых P&L до канальных показателей и операционных лимитов.

Как снизить ошибки AI в разработке маркетинговой стратегии

Чтобы минимизировать ошибки AI, процесс стоит выстраивать пошагово. Сначала задачу дробят на отдельные модули. Для каждого модуля формируется свой контекст и отдельный запрос к модели. Полученные результаты складываются по заранее заданному порядку, как «кирпичики» в готовом документе. Далее все факты сверяются с бизнесом. Важно понимать, что один большой промпт не даст стабильного результата — при каждом запуске AI может выдавать разные варианты. Контроль качества можно провести по такому сценарию:

1. Чек-лист фактов, подлежащих подтверждению с клиентом: ИНН/структура группы; продуктовая матрица; цены/скидки; CAC по каналам; конверсии по этапам; доля выкупа; возвраты; SLA по обработке лидов; сезонность.
2. «Две пары глаз»: экспертная ревизия ключевых разделов (рынок/конкуренты/гипотезы).
3. Версионность стратегий: фиксируем входные данные и допущения, чтобы объяснять расхождения.

Вывод здесь однозначный: AI может существенно ускорить работу, но без экспертной проверки его результаты превращаются в источник рисков — финансовых, стратегических и репутационных. Поэтому AI можно рассматривать не как самостоятельного игрока, а как инструмент, требующий постоянной экспертной проверки. Именно здесь и возникает вопрос о будущем роли маркетолога и агентства.

Как поменяется роль маркетолога и агентства через 5 лет под влиянием AI

В ближайшие годы роль маркетолога будет смещаться в сторону стратегической работы и управления алгоритмами. Сегодня, условно, 70% времени — «делаем руками» и 30% — «думаем». В горизонте ближайших лет будет наоборот: 70% — мышление, 30% — операционка. То есть произойдет не замена маркетолога, а его усиление. Потому что главной ценностью специалиста станет умение перевести бизнес-кейс в чёткий алгоритм и оперативно валидировать то, что предлагает AI.

Агентства останутся нужны как «связующее звено» между бизнес-задачей и технологией. Их ценность — в методологии и насмотренности, которые позволят из кейса сложить решение и правильно «натравить» AI на 70% ручной работы.

Производительность маркетологов и агентств вырастет кратно: один специалист сможет вести не один проект, а до пяти одновременно, поскольку рутинные слои работы — ресёрч, подготовка сводок и черновых стратегий — будут автоматизированы. В этой новой реальности главным конкурентным преимуществом агентств станет сочетание трёх факторов: собственная методология, позволяющая выстроить чёткий процесс задач и проверок; глубокая экспертиза в конкретных отраслях, которая помогает отличать норму от аномалии; и технологичность, включающая интеграции, стандартизацию артефактов и работу с качественными данными. Быстро можно сделать многое, но без экспертизы это будет выглядеть лишь «красиво, но мимо».

Для маркетологов-новичков AI не упростит вход, а повысит требования. «Ctrl-C/Ctrl-V из ChatGPT» никто оплачивать не будет. Будет нужен рост общей экспертности: понимание экономики продукта, канальной аналитики, воронок, unit-экономики и т.д. Учиться придётся системно (профкурс/менторинг), а не только «как нажать кнопку в рекламном кабинете».

Как поменяется возможности бизнеса под влиянием AI

То, что раньше было дорого и занимало месяцы работы консультантов, сегодня можно сделать быстро и доступно. Уже есть AI-сервисы, которые за несколько минут показывают картину рынка: кто конкуренты, какие тренды, как устроен маркетинг в отрасли и чем компания отличается от других. В России появились продукты, способные за 10 минут собрать маркетинговую стратегию. Алгоритм шаг за шагом складывает её из 60–80 блоков, используя данные компании, открытые источники, аналитику и исследования. AI помогает собрать и структурировать информацию, но всегда делает это по заданной методологии. В итоге достаточно ввести сайт или ИНН, и через несколько минут компания получает готовую стратегию.

Вывод прост: маркетинг входит в новую фазу, где скорость и доступность решений становятся главным преимуществом. Те, кто начнёт работать с AI уже сегодня, выиграют в развитии. Те, кто будет откладывать, рискуют быстро отстать.