Как перестроить процесс агентства под ИИ: почему 70% автоматизации работает, а 100% — нет
По данным McKinsey State of AI 2025, 88% организаций уже используют ИИ, но только 6% получают от него более 5% EBIT. Разрыв не в доступе к моделям — в перестройке процессов вокруг них. Расскажу как маркетинговое агентство прошло через провальные эксперименты с полной автоматизацией и в итоге закрепило рабочую пропорцию 70/30 между обученными моделями и стратегом.
Гипотеза: если модель может анализировать данные и генерировать варианты — пусть делает всё
Идея звучала логично. Модель обрабатывает исходники, стратег подключается только на финальной проверке. Три месяца эксперимента показали структурную проблему подхода.
Обученным моделям отдали тексты стратегий, анализ аудитории, позиционирование, клиентские презентации. Тексты получились гладкие — но одинаковые.
Стратегия для салона в Праге и стратегия для салона в Минске отличались только названием города. Модель не учла критичное: пражская клиентка выбирает мастера через локальные форумы и отзывы, минская — через рейтинг в Google Maps. Клиент прочитал черновик и сказал прямо: «Это не про мой город. Это про абстрактный салон в абстрактном городе».
Проблема оказалась не в промптах. Большие языковые модели генерируют ответ на основе паттернов из обучающей выборки. Локальные микропаттерны конкретного рынка представлены в этой выборке недостаточно. Дообучение на клиентских данных смягчает — не решает.
По Stanford AI Index Report 2026, точность frontier-моделей на тестах устойчивости расходится от 14% до 90% в зависимости от задачи. Одна и та же модель на близких по смыслу запросах даёт противоположные результаты.
Аудит распределения времени стратега
После провала команда разложила задачи по таблице и пересчитала часы. Обнаружилось: 70% рабочего времени уходит на сбор, структурирование и оформление данных. Именно эти задачи модель делает быстрее человека — без потери концентрации к концу дня.
Оставшиеся 30% — принятие решений: выбор позиционирования, культурная адаптация, защита цифр перед клиентом. Здесь модель предлагает варианты, но выбирает правильный человек с опытом сотен проектов.
Ключевая разница — между «автоматизировать» и «делегировать». Автоматизировать можно сбор данных. Делегировать модели стратегическое решение нельзя. Она не знает что ресторан в Латвии потерял 40% клиентов после перехода на премиальное позиционирование. Стратег знает — потому что вёл проект.
Распределение по этапам стратегии
Исследование целевой аудитории: 80% ИИ / 20% стратег. Модель собирает данные из отзывов, форумов, соцсетей, CRM клиента. Стратег проверяет гипотезы.
Конкурентная разведка: 85% ИИ / 15% стратег. Модель обрабатывает сайты, цены, объявления, отзывы. Стратег ищет незакрытый сегмент.
Позиционирование и смыслы: 30% ИИ / 70% стратег. Модель генерирует варианты. Стратег выбирает и адаптирует под знание рынка.
Каналы и бюджет: 60% ИИ / 40% стратег. Прогнозные модели и калькуляторы ROAS — алгоритмы. Микс каналов — решение стратега.
Контент-стратегия: 50 на 50. Форматы и темы — модель. Голос бренда — стратег.
Защита стратегии перед клиентом: 10% ИИ / 90% стратег. На вопросы про цифры и логику отвечает человек.
Закономерность одна: чем ближе задача к принятию решения — тем меньше доля модели.
Кейс где новая пропорция дала кратный результат
B2B-производитель стройматериалов выходил на европейский рынок. На целевом рынке 43 конкурента. Ручной анализ занял бы неделю работы стратега. Обученная модель за вечер обработала данные каждого: цены, позиционирование, отзывы клиентов, рекламные объявления, упоминания на отраслевых форумах.
Утром стратег открыл файл и за полтора часа нашёл закономерность на поиск которой вручную ушла бы неделя. В негативных отзывах восьми из 43 конкурентов повторялась одна жалоба — не на качество продукта, а на скорость расчёта стоимости доставки. Клиенты писали: «Хороший материал, но три дня считали доставку — я уже купил в другом месте».
Позиционирование построили вокруг одного обещания: «Стоимость доставки в вашем городе — за 15 минут». Результат за три месяца: 227 B2B-лидов, стоимость привлечения снизилась с 50 до 20 долларов.
По отдельности ни стратег, ни модель к этому решению бы не пришли. Стратег вручную не просмотрел бы отзывы по всем 43 компаниям. Модель не распознала бы в жалобе на медленный расчёт незакрытую рыночную нишу — это интерпретация, а не факт из данных.
Что изменилось за два года
Исследование целевой аудитории: с 25–30 часов до 3–4. Конкурентный анализ: с 7–12 компаний на проект до 30–50. Подтверждённых инсайтов об аудитории: с 8–15 до 25–40. Срок подготовки стратегии: с 2–3 недель до 5–7 дней. Один стратег теперь ведёт 4–5 проектов параллельно вместо двух.
Ключевое изменение — не в скорости. В том на что стратег тратит рабочий день. В 2023 году из 8 часов около 6,5 уходило на сбор данных, 1,5 — на анализ. Сейчас на сбор данных уходит 2 часа, 6 — на анализ, проверку гипотез, формулирование рекомендаций. Время на аналитическое мышление выросло вчетверо при той же нагрузке.
Три вывода для команд внедряющих ИИ
Первое. Модель не главный актив. Frontier-модели обновляются каждые 2–4 месяца. Ценность — в цепочке промптов и обученных проектах настроенных под конкретный домен. У нас на настройку ушёл примерно год после понимания что автоматизировать нужно только 70%.
Второе. Верификация каждого результата — часть процесса, не опция. При разбросе точности 14–90% каждый output проверяется вручную. Иначе система работает как усилитель ошибок.
Третье. ИИ усиливает доменную экспертизу, а не заменяет её. Стратег без опыта на конкретном рынке не распознает провал позиционирования. Модель тем более не распознает. LLM работает как инструмент в руках эксперта.
McKinsey подтверждает: компании с полностью перестроенными процессами получают в 2,5 раза более высокий рост выручки. Ключевое — «полностью перестроенные», а не «купили подписку».
Виктория Росинская — сооснователь международного маркетингового агентства ELPODIUM. Компания работает с 2018 года, специализация — маркетинговые стратегии с ИИ-аналитикой для бизнесов в России, СНГ и Европе. 300+ стратегий в 17+ странах.
Instagram* принадлежит компании Meta, признанной экстремистской и запрещённой на территории РФ.