Агент вместо отдела? Что новости про ИИ меняют для маркетинга

Зачем это маркетологу. Если ваша команда ведёт контент, лиды и отчётность, то из двух новостей недели про ИИ, одна про математику, другая про API-кредиты, следует практический вывод: ценность дают не отдельные запросы к чату, а процесс с проверкой. Ниже, что произошло, что из этого следует и чек-лист для запуска.

Что произошло

Axiom выложила в открытый доступ репозиторий, где десятки ИИ-агентов за 24 дня превратили математическое доказательство на 15 000 страниц в примерно 43 миллиона строк кода. Над самим доказательством около 100 математиков работали несколько десятилетий. Код написан на языке Lean, который проверяет каждый шаг, поэтому результат можно подтвердить запуском проверки.

OpenAI начала выдавать подписчикам ChatGPT Pro и Business ежемесячные кредиты на API: от $100 до $500 в месяц для Pro по тарифу и $20 или $100 за место в Business с общим потолком $500 на рабочее пространство.

Проблема: ИИ в маркетинге чаще всего живёт в чате

Большинство команд используют ИИ как собеседника: спросили, получили текст, скопировали. Это удобно, но не меняет процесс. Результат зависит от того, кто и как сформулировал запрос, а проверка полностью лежит на человеке.

Инсайт: ценность в процессе и проверке

В истории с Axiom меня заинтересовала не цифра в 43 миллиона строк, а то, что у результата есть автоматическая проверка. Когда она есть, число исполнителей можно наращивать. В маркетинге такой проверки обычно нет: никакой компилятор не скажет, хорошее ли получилось письмо или верно ли выбран сегмент. Поэтому проверку нужно проектировать вместе с процессом.

Что можно поручить агенту уже сейчас

Только общие примеры, без обещаний результата:

1. свести данные из нескольких отчётов в понятную сводку;
2. разобрать входящие обращения и заявки по темам;
3. подготовить несколько вариантов текста, которые потом выбирает и правит человек;
4. сверить данные между системами и показать расхождения.

Во всех четырёх случаях финальное решение остаётся за человеком.

Чек-лист запуска

1. Выберите одну повторяющуюся задачу.
2. Зафиксируйте, сколько времени она занимает сейчас.
3. Определите, что агент делает сам, а что отдаёт человеку.
4. Опишите правило, по которому результат принимается или отклоняется.
5. Включите журнал: что получил агент, что сделал, что решил.
6. Через две-три недели сравните цифры с исходными.

Как измерять результат

До запуска фиксируют четыре вещи:

1. сколько времени задача занимает сейчас;
2. какая доля результатов требует правок;
3. сколько ошибок доходит до клиента или партнёра;
4. сколько стоит единица результата с учётом расходов на API.

Если выигрыша нет, процесс либо упрощают, либо возвращают человеку.

Типовые ошибки

1. Автоматизировать процесс, который ещё не отлажен вручную.
2. Публиковать результат без человека на последнем шаге.
3. Не вести журнал: непонятно, где именно ошибся агент.
4. Ждать универсального решения вместо одной конкретной задачи.

Что это значит для команды

Кредиты от OpenAI снижают цену пробы: если у вас уже есть подписка, прототип можно собрать без отдельного бюджета на API. Но потолок небольшой, и это деньги на эксперимент, а не на постоянную нагрузку.

Я бы не стал обещать, что завтра из агентов получится отдел. В математике есть строгий проверяющий, в маркетинге его придётся строить самим. Но начать с одной понятной роли с замером и человеком на последнем шаге можно уже сейчас.

Какую рутинную задачу вашей команды вы бы первой попробовали передать агенту и по каким цифрам поняли бы, что это сработало?

Больше о нашей работе с ИИ-агентами: https://linktr.ee/patternautomation?utm_source=linktree_profile_share&ltsid=c6946ad3-0b7e-488e-af0c-ad29c1ceebbd