В Forbes недавно вышла колонка с громким названием: «Эра агентного маркетинга: когда ИИ становится маркетологом».

Суть там простая и резкая одновременно:

ИИ-агенты перестают быть инструментами и начинают работать как полноценные участники маркетинговой команды.

Я смотрю на это глазами человека, который более 20 лет живёт в маркетинге и последние годы строит AI-платформу. И вижу: да, общий вектор описан верно, но на практике он ещё интереснее. Потому что агентный маркетинг – это не только про «умные кампании», а про новую операционную модель компании, где у вас есть единое ИИ-ядро и целый штат «цифровых сотрудников».

В этой статье попробую совместить оба взгляда:
то, о чём пишет Forbes, и то, как это выглядит изнутри моей практики.

Содержание

• От массовых кампаний к сегменту «один человек»
• Что делает маркетинговый ИИ-агент на самом деле
• Новый человек в маркетинге: кто мы, если ИИ стал исполнителем
• Следующий шаг: единое ИИ-ядро компании и «цифровые сотрудники»
• Как подойти к агентному маркетингу без религии и хайпа
• Риски и как их снять
• Что делать дальше
• Вместо вывода
• FAQ по теме

От массовых кампаний к сегменту «один человек»

Один из ключевых тезисов форбсовской колонки – переход от логики «разослали по базе и посмотрим, что будет» к персональным сценариям на уровне конкретного пользователя.
Классический маркетинг последних 10–15 лет выглядел так:

• придумали несколько крупных сегментов,
• сделали под них 3–4 варианта предложения,
• залили всё это в рассылку и рекламу,
• через неделю смотрим отчёты и спорим, что сработало.

Даже в очень продвинутых системах это всё равно подход массовых кампаний: крупные кластеры, один сценарий на многих, медленная обратная связь.

То, что в колонке Forbes называют agentic marketing, я для себя называю агентным маркетингом – когда решения принимает не заранее прописанный сценарий, а ИИ, который видит данные и действует по заданной цели и ограничениям.

Если говорить приземлённо, агентный маркетинг предлагает такой вариант:

Если говорить приземлённо, агентный маркетинг предлагает такой вариант:

пусть ИИ сам нарежет аудиторию на сотни микросегментов, сам решит, что кому предложить, через какой канал и за какие деньги — в рамках заданных бизнес-ограничений.

На практике это выглядит примерно так:

• система видит данные по поведению, покупкам, источникам трафика, марже;
• автоматически строит динамические сегменты: «бросили корзину», «на грани оттока», «новички без первой покупки» и т.п.;
• под каждый микросегмент подбирает связку «предложение × канал × креатив»;
• запускает десятки микротестов параллельно;
• в режиме реального времени переливает бюджеты в пользу комбинаций, которые реально тянут деньги.

Человек при этом не сидит по понедельникам, перекладывая бюджет между кампаниями,
а задаёт цели (CAC, DRR, ROMI, рост по сегменту) и рамки, в которых система имеет право экспериментировать.

Что делает маркетинговый ИИ-агент на самом деле

В Forbes agentic marketing описывают как следующую ступень после обычной автоматизации: когда ИИ не просто исполняет правила, а принимает решения по всей цепочке, от планирования до оптимизации.

Если разложить по шагам, маркетинговый ИИ-агент умеет:
1) Читать ситуацию.
Анализирует данные: трафик, конверсии, выручку, маржу, отток, поведение пользователей в онлайне и офлайне.
2) Формировать цели и гипотезы в своём контуре.
Например: «увеличить выручку по сегменту X на 10% при DRR не выше 30% и без скидок больше 15%».
3) Проектировать кампании.
Выбирает каналы, формирует сегменты, генерирует креативы, определяет стартовые ставки и лимиты.
4) Запускать и докручивать.
Сам заводит/обновляет кампании, отключает лишнее, усиливает успешные связки, перераспределяет бюджет.
5) Объяснять свои действия.

На уровне человека это превращается в понятный отчёт:
«вот какие гипотезы запустил, вот что сработало, вот сколько денег это принесло/сэкономило».

Ключевое отличие от привычной «автоматизации» – агент работает от цели, а не от жёстко забитой логики. Ваши бизнес-ограничения становятся для него рамками, внутри которых он свободен экспериментировать.

Новый человек в маркетинге: кто мы, если ИИ стал исполнителем

В форбсовской статье отдельно подчёркивается роль человека: когда ИИ-агент умеет сам проектировать и вести кампании, маркетолог перестаёт быть оператором интерфейсов и становится кем-то другим.

Я для себя вижу три роли.

1. Стратег и владелец целейКто-то должен задать внятный ответ на вопросы:

• что для нас важнее: выручка, прибыль, доля рынка, LTV;
• какие сегменты и продукты стратегические;
• где допустим агрессивный рост, а где нужен осторожный.

Агенту всё равно, какую именно метрику оптимизировать пока вы не сказали, что для бизнеса успех.

2. Хранитель брендаИИ может быть очень эффективен и очень неуместен одновременно.

Если не задать границы, он будет:

• давить на боли, где лучше проявить деликатность;
• использовать спорные формулировки;
• экспериментировать с такими механиками, за которые потом придётся извиняться.

Человек в роли «хранитель бренда» отвечает за:

• тональность коммуникаций;
• ценности и табу;
• финальный фильтр для новых, нестандартных сценариев.

3. Тренер ИИ и управляющий агентамиАгенты не появляются «готовыми». Их нужно обучать, калибровать и управлять их парком:

• объяснять, какие креативы считаются хорошими, а какие нет;
• размечать спорные кейсы;
• задавать, где агент может действовать автономно, а где обязателен человеческий апрув;
• мониторить, что происходит со временем.

В этом смысле маркетолог будущего – это уже не просто специалист по креативу или аналитике, а product owner своего набора ИИ-агентов.

Следующий шаг: единое ИИ-ядро компании и «цифровые сотрудники»

В Forbes логика доведена до того, что агенты становятся «цифровыми маркетологами», всегда включёнными, автономными и работающими 24/7.

Я смотрю чуть шире: у компании в какой-то момент появляется единое ИИ-ядро, к которому обращаются и люди, и агенты.

Как это может выглядеть:

• Есть единое пространство, где лежат данные, регламенты, инструкции, сценарии действий.
• Поверх него живёт парк ИИ-агентов, «цифровых сотрудников» с разными ролями: по маркетингу, продажам, поддержке, аналитике.
• Сотрудники не блуждают по десяткам документов и систем, а обращаются к ядру:
• «покажи, что у нас с DRR по категории Х и что с этим делать»
• или «подготовь сценарий кампании для реактивации спящих клиентов с такими-то ограничениями».

У каждого такого агента есть:

• должностная инструкция (зона ответственности);
• KPI (за какие метрики он отвечает);
• права (что может делать сам, а где нужен человек).

В итоге получается гибридная команда:

• люди занимаются стратегией, сложными решениями, коммуникацией;
• агенты – операционкой, тестированием гипотез, постоянной оптимизацией;
• общая опора у всех одна – то самое ИИ-ядро с данными и правилами.

И да, платформа Андата сегодня – это как раз кирпичики, из которых такое ядро собирается: аналитика, ИИ-агенты, управление кампаниями. Но важно, чтобы это ощущалось не как «ещё один сервис», а как часть управляющего контура компании, место, где сходятся данные, решения и действия.

Как подойти к агентному маркетингу без религии и хайпа

Теперь к приземлённому: что делать бизнесу и как внедрить агентный подход. Я бы разделила это на 4 шага:

Шаг 1. Навести порядок в данных

Без нормальной сквозной аналитики агенты превращаются в «магический чёрный ящик».

• Собрать события сайта и приложений через тег-менеджер.
• Привязать офлайн-каналы: звонки, офлайн-продажи, рекомендации.
• Свести CRM, биллинг, рекламные кабинеты в единый Data Hub.

Это как раз тот слой, который закрывает Аналитика Андаты.

Шаг 2. Определить цели и ограничения

Нужно чётко сформулировать:

• бизнес-метрики (CAC, ROMI, DRR, LTV, прибыль);
• ограничения по скидкам, частоте контакта, категориям товара;
• юридические рамки (152-ФЗ, отраслевые ограничения по ПДн).

Агент не должен гадать, «что считается успехом» – это обязанность бизнеса.

Шаг 3. Запустить агента сначала «на поводке»

Первый этап – режим рекомендателя:

• агент предлагает изменения по ставкам, бюджетам, сегментам;
• человек смотрит, утверждает, задаёт вопросы;
• вместе вы уточняете правила.

Это идеальный период «обучения друг друга»: компания учится доверять ИИ, ИИ учится понимать бизнес.

Шаг 4. Постепенно отдавать автономию

Когда видите, что агент стабильно попадает в цели:

• разрешаете ему самостоятельно управлять отдельными группами кампаний/сегментов;
• оставляете за собой контроль крупных решений (стратегия, продуктовая матрица, дорогие эксперименты);
• фиксируете зоны, где всегда нужен human-in-the-loop.

Риски и как их снять

1. Плохие данные → плохие решения
Если в CRM бардак, агент будет масштабировать этот бардак.

Что делать: сначала очищать и нормализовать данные, выстраивать пайплайн сбора и проверки. В Андата мы всегда начинаем с аудита источников и событий, а уже потом включаем оптимизацию.

2. «Чёрный ящик» и потеря контроля
Самый страшный сценарий для руководителя, когда система что-то крутит, деньги тратятся, а объяснить, что происходит, никто не может.

Что делать:

• требовать прозрачных отчётов по гипотезам и эффекту;
• заранее договориться о формате «журнала решений» агента;
• оставить возможность ручной блокировки опасных действий.

3. Нарушение бренд-тональности и здравого смысла
ИИ может предложить формально эффективную, но репутационно токсичную механику.

Что делать:

• задать жёсткие фильтры по темам, формулировкам и визуалу;
• обязать проходить через человека все новые шаблоны коммуникаций;
• использовать отдельные тон-гайды для ИИ-генерации.

4. Юридические риски и ПДн
Агент работает на данных о поведении людей, при этом в России и СНГ свои требования к обработке ПДн и локализации.

Что делать:

• хранить и обрабатывать персональные данные на территории РФ/нужной юрисдикции;
• использовать технологии обезличивания там, где это возможно;
• проконсультироваться с юристами по 152-ФЗ и внутренним регламентам.

Что делать дальше

Если смотреть шире, агентный маркетинг – это не про «поставить модный AI-виджет», а про перестройку всей системы управления маркетингом:

• от каналов к целям (не «что запустить в Директе», а «как добиться целевого DRR по продукту X»);
• от отчётов к диалогу (вместо пассивных дашбордов – живой разговор с системой «что нам нужно сделать, чтобы…»);
• от ручных процессов к гибридным командам человек + ИИ.

Мы в Андата как раз этим и занимаемся: строим слой данных и алгоритмов, который позволяет ИИ-агентам работать не в вакууме, а на реальных деньгах и в рамках реальных ограничений российского бизнеса.

Если вам близка идея «маркетолога-ИИ», который не берёт отпуск и не забывает выключать неэффективные кампании, самое время протестировать её на своих данных. Для этого достаточно поднять аналитику, описать цели и дать агенту шанс себя окупить.

Вместо вывода

Мне нравится думать про агентный маркетинг не как про «замену людей машинами», а как про нормальную эволюцию:

• сначала мы руками заливали ставки в Excel;
• потом получили автоматические стратегии и «умные» алгоритмы площадок;
• сейчас переходим к миру, где у компании есть собственные маркетинговые агенты, работающие на её данных и под её целями.

Где-то это ещё пилоты и эксперименты. Где-то уже операционный стандарт.

И чем раньше вы перестанете воспринимать ИИ как игрушку и начнёте работать с ним как с коллегой (пусть и очень странным), тем больше шансов, что именно ваши агенты будут выигрывать конкуренцию пока другие продолжают «ручками перекладывать бюджет между кампаниями по понедельникам».

FAQ по теме

1. Что такое агентный (agentic) маркетинг простыми словами?
Это подход, при котором ИИ-агенты не просто помогают с текстами или отчётами, а сами принимают решения по кампаниям: выбирают сегменты, каналы, креативы, управляют ставками и бюджетами в рамках заданных целей и ограничений.

2. Чем агентный маркетинг отличается от привычной автоматизации и «умных стратегий» в рекламных кабинетах?
Обычная автоматизация выполняет заранее прописанные правила: «если X, то сделай Y». Агент работает от цели: он сам ищет варианты достижения нужных показателей, тестирует гипотезы, меняет тактику по мере появления новых данных и умеет работать сразу с несколькими каналами.

3. Это уже работает или пока только теория из статей Gartner и Forbes?
Часть сценариев уже живёт в продакшене: автономные стратегии по ставкам, микросегментация, динамическая персонализация. Gartner прогнозирует, что к 2026 году task-specific агенты появятся примерно в 40% корпоративных приложений, а к 2028 треть пользовательских сценариев перейдёт в агентные интерфейсы.

4. Какую роль будут играть маркетологи, если ИИ-агент «сам всё делает»?
Роль человека станет выше по уровню: постановка целей, выбор стратегий, контроль бренд-тональности, работа с данными, обучение и калибровка самого агента. Это переход от оператора кабинетов к стратегу и владельцу продукта «ИИ-маркетолог».

5. Можно ли доверять ИИ управление бюджетами, не рискуя репутацией и законом о персональных данных?
Можно, если правильно задать рамки: лимиты по бюджету и скидкам, правила по тону коммуникаций, white/black-list сценариев, плюс обеспечить хранение и обработку ПДн на территории нужной юрисдикции и в соответствии с 152-ФЗ. Важен подход «human-in-the-loop» на критичных участках.

6. С чего компании в России реально начать путь к агентному маркетингу?
С базового слоя: сквозной аналитики и нормального контура данных (сайт, CRM, звонки, заказы, маржа). Потом – пилотного агента на одном продукте или сегменте в рекомендательном режиме. После того как увидите устойчивый эффект, можно постепенно отдавать агенту автономию на части кампаний.

Читайте также