К четвёртому кварталу 2026 года искусственный интеллект прочно вошёл в повседневную работу маркетологов. Однако распространённость инструментов пока не означает, что компании перестроили свою деятельность и получают от технологии всю возможную пользу. Главная задача – связать ИИ с данными, приложениями и рабочими процессами на уровне организации.
В MarTech регулярно поступают исследования о применении ИИ, но общей картины по всем вопросам они не дают. Даже предстоящий сезон праздничных покупок разные отчёты называют первым или вторым сезоном с участием ИИ. Роль агентов тоже оценивают по-разному: одни прогнозы отводят им часть покупок, другие – весь процесс.
Согласие есть в другом: ИИ используют почти все маркетологи, а самым распространённым сценарием остаётся создание контента. Некоторые специалисты также разрабатывают приложения, развивают персонализацию и улучшают рабочие процессы. При этом оценки окупаемости, влияния на команды и планов найма различаются. Этот обзор отражает прежде всего наблюдения автора MarTech, основанные на открытых и непубличных беседах с маркетологами и руководителями в сфере маркетинговых технологий.
Между использованием модели и рабочим процессом остаётся разрыв
Исследования в целом показывают, что о применении ИИ сообщают более 90% маркетологов. Многие уже выбрали одну или несколько больших языковых моделей, то есть LLM. Получить доступ к базовому инструменту и использовать его для простых задач сегодня относительно легко.
Гораздо труднее встроить модель в последовательную работу команды. Для подключения других приложений нужны технические знания и ресурсы. Возможности зависят от требований ИТ-отдела, доступности специалистов и подготовки коллег, которым предстоит пользоваться готовым решением.
Поэтому многие маркетологи продолжают вручную переносить ответы из LLM в другие программы. Копирование помогает решить текущую задачу, однако само по себе не создаёт интегрированного процесса. Препятствие часто связано с условиями работы команды, а не с нежеланием сотрудников осваивать технологию.
Встроенный ИИ сохраняет разобщённость приложений
Функции искусственного интеллекта появились почти в каждом инструменте маркетинговой команды. Качество реализации различается: от удобных помощников и интеграций до дополнений, которые выглядят не вполне органично. Аналогичные возможности есть в Excel, Google Sheets, PowerPoint и других офисных программах.
Но помощь обычно ограничивается конкретным приложением. Наличие ИИ не заставляет системы автоматически обмениваться данными и совместно выполнять задачи. CRM, платформа автоматизации маркетинга и инструменты повседневной работы могут оставаться изолированными друг от друга, несмотря на собственных интеллектуальных помощников.
Для поставщиков это создаёт экономический риск. Встраивание ИИ требует затрат, а маркетологи не могут одинаково активно использовать все доступные функции. Разработчику приходится конкурировать за выбор пользователя. Агенты способны стать частью решения, но их наличие тоже уже мало выделяет продукт: почти каждый поставщик предлагает собственный вариант.
Недоверие к данным переносится на результаты ИИ
Многие маркетологи не уверены в качестве накопленных данных. Они понимают, что ИИ способен усилить исходные ошибки и передать недостоверные сведения клиентам или коллегам. Поэтому сомнения в информации закономерно ограничивают доверие к результатам её обработки.
В статье рассматривается подход Salesforce, где Data 360 выступает слоем данных под Agentforce и CRM. Автор считает оправданным внимание компании к управлению данными и правилам работы с ними, хотя признаёт претензии к дорогим контрактам и риску покупки более широкого набора решений, чем требовалось заказчику.
Для Salesforce, сделавшей крупную ставку на ИИ, плохие данные представляют угрозу успеху соответствующих инициатив. Расширять применение технологии можно и с существующей информационной базой, но рост использования не устраняет её недостатков. Надёжность результата по-прежнему зависит от исходного материала.
Производительность не стоит измерять только количеством материалов
С помощью ИИ один сотрудник может подготовить множество текстов, макетов, черновиков и писем. Эта возможность усиливает привычное стремление маркетинга выпускать больше сообщений и заполнять ими доступные каналы.
Однако несколько руководителей, с которыми беседовал автор, считают такую сосредоточенность на объёмах чрезмерной. Быстрая генерация не гарантирует, что материалы найдут отклик у аудитории и окажут нужное воздействие. С позиции клиента увеличение потока сообщений само по себе не представляет ценности.
Поэтому оценка результата требует внимания к содержанию и восприятию материалов. Возможность создать больше ещё не отвечает на вопрос, нужно ли это получателям.
Проверка и доработка сокращают ожидаемый выигрыш
В работе с контентом особенно заметна скрытая нагрузка после генерации. Многие маркетологи отмечают, что проверка большого количества материалов от ИИ добавляет задач и мешает получить обещанный прирост эффективности.
Инструменты и ограничения для соблюдения голоса бренда и редакционного стиля существуют. Но немало команд по-прежнему взаимодействует с языковой моделью преимущественно через запросы. Такой подход помогает находить идеи и получать первые версии, однако затем материал всё равно требует работы.
Чтобы понять, стал ли процесс эффективнее, нужно учитывать усилия на проверку и исправления. Сам факт использования ИИ при подготовке контента не доказывает экономию времени на всём цикле.
Польза для клиента важнее удобства генерации
Применяя ИИ, маркетологи иногда сосредотачиваются на собственных возможностях и упускают потребности получателей. Клиентам не всегда нужен дополнительный контент. Автоматизированные чаты и функции помощи тоже не в каждой ситуации делают взаимодействие полезнее.
Если человеку требуется быстрый ответ, ИИ может хорошо справиться с задачей. Когда нужны сочувствие, понимание и личное участие, ожидания иные. Выбор способа общения должен учитывать конкретную потребность.
Маркетинговой команде следует проверить мотив увеличения выпуска: этого действительно хочет аудитория или производить новые материалы просто стало легче? Ответ помогает соотнести техническую возможность с реальной пользой для клиента.
Окупаемость ИИ требует полного учёта затрат и результатов
Маркетологам давно приходится обосновывать расходы на рекламу, брендовые кампании и спонсорство мероприятий. Теперь аналогичные требования распространяются на ИИ. При этом в 2026 году меньше специалистов, чем в 2025-м, уверены в своей способности доказать ROI.
Атрибуция остаётся непростой задачей, особенно в B2B-маркетинге. Тем не менее сохранение бюджета зависит от способности показать руководству отдачу от вложений. Количество созданных единиц контента даёт для этого лишь часть необходимой информации.
В расчёт нужно включать доработку материалов, расходы на интеграцию, результаты для клиентов и влияние на бизнес. Если ограничиться объёмом выпуска, оценка инвестиций в ИИ будет неполной.
Изменения моделей могут нарушать налаженную работу
Команда может успешно встроить решение на базе LLM в личные или общие процессы, а затем столкнуться с неожиданным изменением поведения инструмента. Причина в том, что модели быстро обновляются, и эти изменения способны сделать привычные сценарии менее предсказуемыми.
В таком случае маркетологам приходится разбираться, почему вчерашний рабочий инструмент сегодня действует иначе. Масштаб последствий зависит от глубины внедрения: чем значимее место ИИ в процессе, тем сильнее могут ощущаться изменения его поведения.
Следующий этап зависит от стратегии всей организации
Восемь наблюдений показывают, что массовое использование ИИ пока опережает изменения в устройстве компаний. Маркетинговые команды освоили инструменты, но их системы, процессы и организация работы ещё не всегда позволяют реализовать потенциал технологии.
Доступность LLM ускорила внедрение на уровне отдельных сотрудников. Для объединения ИИ-платформ, существующих приложений и данных нужны решения на уровне всей компании. Эту задачу нельзя полностью возложить на маркетинг: руководителям технологического и бизнес-направлений необходимо вместе определить дальнейшую стратегию.
Собственные вопросы маркетинга при этом остаются знакомыми: качество и количество материалов, эффективность работы, клиентский опыт и ценность для бизнеса. Искусственный интеллект меняет инструментарий, но не избавляет команду от необходимости решать эти задачи.





Комментарии