Семь задач, которые нейросеть не заберёт у маркетолога. И почему именно они определяют чек

Вопрос «заменит ли ИИ маркетолога» поставлен неверно. Заменяется не профессия, а конкретные операции внутри неё — те, где есть входные данные, понятный алгоритм и проверяемый результат. Остаётся то, где нужно решить, какие данные вообще собирать, кому верить при расхождении и кто отвечает, если решение окажется ошибочным. Разрыв в доходе внутри профессии будет расти по этой линии.

Меня зовут Виктория Росинская, я сооснователь маркетингового агентства ELPODIUM. Семь лет, более 500 стратегий в 17 странах. Нейросети встроены в наши процессы два года, и за это время стало видно, где проходит граница.

Что уже заменилось

Начну с честного перечня, потому что разговор о незаменимости обычно начинают с отрицания очевидного.

Первичная обработка массивов. Двенадцать расшифровок интервью по три-пять тысяч слов раньше разбирали два рабочих дня, сейчас — около сорока минут.

Сбор данных о конкурентах. Разбор сорока компаний за вечер вместо недели.

Генерация вариантов. Тридцать заголовков, пять версий оффера, двадцать креативных гипотез — то, на что уходил день.

Структурирование и оформление. Документ на пятнадцать страниц с разделами и таблицами собирается за минуты.

Это не мелочи. По нашим замерам, аналитическая часть проекта сокращается примерно с тридцати часов до четырёх. И именно эта часть составляла значительную долю того, за что платили.

По данным CMO Survey (Duke University и Deloitte, 2026), доля маркетинговых активностей с использованием ИИ выросла за два года с 13,1% до 24,2%. Процесс идёт быстро.

Семь задач, которые остаются

Первая — постановка задачи. Нейросеть отвечает на заданный вопрос. Она не скажет, что вопрос поставлен неправильно. Запрос «составь контент-план для салона красоты» даёт тридцать тем, и все они бессмысленны, потому что настоящий вопрос был другим: почему клиенты не возвращаются после первого визита.

Вторая — выбор между противоречащими источниками. Отзывы говорят одно, отдел продаж другое, статистика рынка третье. Модель усреднит или возьмёт то, что чаще встречается. Человек идёт разбираться, почему данные разошлись, — и в расхождении обычно и находится ответ.

Третья — оценка достоверности. Нейросеть одинаково уверенно выдаёт проверенный факт и выдумку. По данным Stanford HAI, полностью исключить фактические ошибки в языковых моделях на текущем уровне технологии невозможно — это свойство архитектуры, а не баг конкретной модели. Значит, нужен тот, кто знает, где искать первоисточник и как отличить исследование от компиляции.

Четвёртая — получение данных, которых нет в сети. Сколько стоит привести клиента, какая маржа, почему люди уходят к соседу. Этого нет в интернете, это есть у клиента и у его покупателей. Собрать можно только разговором — договориться о доступе, провести интервью, услышать разницу между социально одобряемым ответом и настоящим страхом.

Пятая — решение, которое противоречит данным. Иногда расчёт говорит одно, а делать нужно другое: рынок меняется, у клиента есть обстоятельства за рамками модели, гипотеза выглядит слабой, но её стоит проверить. Модель оптимизирует внутри заданных условий. Менять условия — не её работа.

Шестая — защита решения перед человеком, который платит. Расчёт мало собрать. Его нужно объяснить собственнику, ответить на вопросы, которых не ждал, и выдержать давление, когда он требует гарантий. Это происходит в разговоре, где у вас нет времени свериться с источником.

Седьмая — ответственность. Самая неудобная и самая определяющая. За решение, принятое по рекомендации нейросети, отвечает человек, который его принял. Нельзя сказать клиенту, что бюджет ушёл в минус, потому что так посоветовала модель.

Почему именно эти задачи определяют доход

Потому что всё, что автоматизируется, обесценивается — и быстро.

Если документ на пятнадцать страниц собирается за две минуты, цена документа стремится к нулю. Если тридцать заголовков генерируются по запросу, копирайтинг как отдельная услуга дешевеет.

Клиенты это видят. Собственник, который сам открыл ChatGPT и получил структурированную стратегию, приходит на встречу с вопросом «зачем платить вам». Вопрос честный.

Остаётся ценным то, что модель воспроизвести не может: данные, которых нет в открытом доступе, решения в условиях противоречий и готовность за них отвечать.

Отсюда и разрыв в доходе. Специалист, продававший объём работ, теряет предмет продажи. Специалист, продававший решения, не теряет ничего — его работу автоматизация ускорила, а не обесценила.

Где отрасль сейчас промахивается

В том, что автоматизирует не ту часть.

По SimilarWeb (2025), нейросети для стратегических задач применяют лишь 15–20% маркетинговых команд. Остальные используют их для текстов, картинок и оформления.

Получается парадокс: большинство ускоряет производство того, что клиент теперь может сделать сам, а самое ценное — сбор данных, проверку гипотез, расчёт сценариев — продолжает делать вручную или не делает совсем.

Из наших интервью с маркетологами формулировка повторяется почти дословно: «ИИ использую только как копирайтер. Пишу тексты, всё другое не доверяю».

Недоверие при этом обоснованное — модель действительно ошибается. Но вывод из него делается неверный. Правильный ответ не «не доверять», а «проверять»: использовать там, где скорость решает, и перепроверять там, где ошибка стоит денег.

Что это значит для найма и обучения

Практическое следствие для руководителей.

Раньше специалиста оценивали по объёму того, что он умеет делать руками: настроить кабинет, написать тексты, собрать отчёт. Сейчас этот набор воспроизводится инструментами.

Становится важнее другое: умеет ли человек формулировать задачу, задаёт ли вопросы к данным, проверяет ли то, что ему выдали, и готов ли назвать цифру, за которую придётся отвечать.

Проверяется это на собеседовании не вопросами про инструменты, а разбором ситуации: дать проект с противоречивыми данными и посмотреть, что человек сделает. Усреднит, выберет удобное или пойдёт разбираться.

То же самое касается обучения внутри команды. Учить промптам почти бесполезно — они устаревают с каждой версией модели. Учить методологии, в которой нейросеть один из инструментов, — работает дольше.

Что из этого следует

Мне кажется, разговор «заменит или не заменит» мешает отрасли увидеть то, что уже произошло.

Замена идёт не на уровне профессий, а на уровне операций. И граница проходит не между людьми и машинами, а внутри работы каждого специалиста: часть его задач воспроизводима, часть нет.

Вопрос, который стоит задать себе каждому, звучит иначе. Не «заменит ли меня ИИ», а «какая доля моей работы состоит из операций, которые воспроизводятся за две минуты».

Если большая — тревога обоснованная, и дело не в нейросетях, а в том, что за эту работу и раньше платили по нижней границе. Если меньшая — автоматизация работает на вас: она забирает рутину и оставляет то, за что платят.

Интересно, как это выглядит с вашей стороны. Какие задачи вы отдали нейросетям, а какие не отдадите ни при каких условиях? И меняются ли требования к специалистам при найме?

Виктория Росинская, сооснователь маркетингового агентства ELPODIUM, Вильнюс. Более 500 стратегий в 17 странах.