Антон Аракчеев Маркетинговые агенты

Генеративные модели появились на стыке двух потребностей: дешёвой генерации контента и быстрого доступа к знаниям. Они решили обе задачи — но обнаружили пределы. Первый предел: текст не равен действию. Можно написать отличный рекламный текст, но если его некому опубликовать, протестировать, измерить и скорректировать — ценность ограничена. Второй предел: диалог требует человека. Каждый раз, когда нужно новое действие, человек возвращается в цикл. AI работает только тогда, когда его спрашивают. Третий предел: нет обратной связи. Модель не знает, сработал ли её предыдущий ответ, и не может изменить поведение на основе реального результата.

Эти три предела — отсутствие действия, необходимость человека в каждом цикле и отсутствие обратной связи — и объясняют, почему следующая стадия развития AI неизбежна. Агенты убирают все три ограничения: они могут действовать через инструменты, выполняют последовательность действий без постоянного участия человека и наблюдают результат, чтобы скорректировать план. Это не «более умный чат», а принципиально другая архитектура взаимодействия с AI.

Классическая автоматизация — это набор шагов A → B → C → D, прописанных заранее. Каждый переход задан условием: если X, то Y. Это работает, пока мир ведёт себя предсказуемо. Но маркетинг по своей природе вариативен: один и тот же рекламный креатив может сработать на одной аудитории и провалиться на другой; одна и та же тема письма может дать открытость 40% в одной рассылке и 12% в другой; один и тот же сегмент может реагировать по-разному в зависимости от дня недели, погоды, контекста конкурентов.

Workflow в таких условиях либо становится слишком простым (и тогда он не решает задачу), либо слишком сложным (и тогда его невозможно поддерживать). На практике большинство автоматизированных сценариев в маркетинге покрывает лишь 60–70% реальных ситуаций; остальное обрабатывается вручную. Это нормально для повторяющихся операций, но не подходит для задач, где путь к результату заранее неизвестен.

Агент отличается тем, что ему не нужно знать весь путь заранее. Он знает цель, ограничения и набор доступных инструментов. Конкретную последовательность действий он определяет сам — на основе наблюдаемого контекста и результата предыдущих шагов. Это не отменяет автоматизацию: workflow остаётся оптимальным инструментом для предсказуемых процессов. Агент нужен там, где путь зависит от того, что произойдёт по дороге.

Архитектура маркетинговой работы с AI-агентами меняется в трёх измерениях. Первое — источник инициативы. Раньше человек ставил задачу на каждом шаге. Теперь он ставит цель один раз, а агент сам решает, какие подзадачи нужно выполнить. Второе — связь между шагами. Раньше переходы были жёсткими. Теперь они определяются результатом предыдущего действия: агент может попробовать вариант A, увидеть, что он не сработал, и перейти к варианту B. Третье — обратная связь. Раньше результат шага фиксировался в CRM или дашборде, но не влиял на поведение системы. Теперь результат шага становится частью контекста агента и напрямую влияет на следующие действия.

Эти изменения требуют новых инструментов, новых метрик и новых правил. Инструменты — потому что агенту нужен доступ к реальным системам (CRM, рекламные кабинеты, аналитика). Метрики — потому что оценивать надо не качество ответа модели, а достижение бизнес-цели. Правила — потому что действие без ограничений становится риском. Всё это подробно разбирается в книге.

Любое действие в маркетинге имеет последствия: финансовые (бюджет), репутационные (восприятие бренда), правовые (обработка персональных данных), операционные (нагрузка на смежные команды). Когда действие выполняет человек, он в каждый момент удерживает контекст и может остановиться. Когда действие выполняет агент, контекстом управляют правила, заложенные в систему. Если правила неполны, агент может выполнить действие, которое в моменте кажется логичным, но в итоге ведёт к потерям.

Основные категории риска: неверная интерпретация данных (агент делает вывод на основе неполной или устаревшей информации), ошибочный план (агент выбирает стратегию, которая не приводит к цели), конфликт инструментов (агент использует инструмент не по назначению), бесконечный цикл (агент повторяет одно и то же действие, не приближаясь к цели), превышение лимитов (агент тратит больше бюджета, чем предполагалось), утечка данных (агент передаёт чувствительную информацию во внешнюю модель), prompt injection (внешний контент, который агент читает, содержит инструкции, меняющие его поведение). Каждый из этих рисков требует отдельного контроля — и каждая глава книги затрагивает те или иные механизмы защиты.

Маркетинг — одна из тех функций, где агентная модель раскрывается полнее всего. Причины структурные. Во-первых, маркетинг работает с большим количеством повторяющихся циклов: кампания → анализ → корректировка → новая кампания. Во-вторых, у маркетинга есть измеримый результат: конверсии, стоимость лида, ROAS, CAC, LTV. Это даёт агенту чёткий критерий успеха. В-третьих, маркетинг использует много инструментов, доступных через API: CRM, рекламные кабинеты, системы аналитики, рассылки. Это даёт агенту поле для действий. В-четвёртых, маркетинг работает в условиях постоянных изменений — рынка, конкурентов, поведения потребителей. Это делает жёсткие автоматизированные сценарии быстро устаревающими и создаёт нишу для адаптивных систем.

Вместе эти четыре фактора делают маркетинг идеальным полигоном для агентной модели. Но они же создают и основные ограничения: бюджетные риски (рекламные расходы), репутационные риски (публичный контент), правовые риски (персональные данные клиентов). Поэтому маркетинговый агент — это всегда баланс между полезностью автономии и строгостью контроля. Эта книга — попытка дать практический инструментарий для этого баланса.

Что произойдёт, если маркетинговая система сможет не только анализировать ситуацию, но и самостоятельно действовать?

Этот вопрос — отправная точка всей книги. Ответ на него не сводится к технологии. Он касается того, как изменится работа маркетолога, какие новые роли появятся, какие навыки станут ключевыми, как будет устроен процесс принятия решений и какой уровень контроля сохранит человек. Книга пытается дать практические ответы: какие агенты существуют, как их проектировать, какие инструменты им нужны, как формировать ограничения, как тестировать и оценивать, как считать экономику, как избегать типичных ошибок.

Книга не обещает футурологического сценария, в котором «через год маркетологи исчезнут». Часть операций действительно может перейти к AI-системам — особенно те, что связаны со сбором данных, формированием гипотез, рутинной корректировкой кампаний, формированием отчётов. Но роль специалиста сместится в сторону постановки целей, проектирования систем, контроля, архитектуры и стратегических решений. Это не конец профессии, а её переосмысление. И язык этой переоценки — язык агентов, циклов, инструментов, ограничений и метрик.

Книга построена вокруг простой формулы: цель → план → инструменты → действие → наблюдение → оценка → коррекция → результат. Введении даёт общий контекст. Часть I объясняет, почему агент — это новая парадигма. Часть II разбирает анатомию агента. Часть III описывает семь ключевых типов маркетинговых агентов. Часть IV показывает, как они объединяются в мультиагентную систему. Часть V посвящена автономности, контролю, экономике и практическому плану запуска. В приложениях — 60 готовых промптов и 30 шаблонов для проектирования агентов. Книга построена так, чтобы её можно было читать последовательно или использовать как справочник по конкретным вопросам.

Сквозной кейс: введение

В книге используется несколько сквозных кейсов из разных ниш. Основной — условный российский интернет-магазин товаров для дома «ДомДеко» (ритейл, D2C, средний чек 4 800 ₽, ~120 000 клиентов в базе). Дополнительные: B2B-сервис аналитики для маркетплейсов «МетрикаПро» (SaaS, длинный цикл сделки, 4 000 активных аккаунтов) и сеть городских кулинарных студий «Вкуснотех» (офлайн-услуги, бронирование, ~30 000 клиентов в год).

Все цифры условные и приведены исключительно для иллюстрации. В каждом кейсе мы будем показывать, как конкретный агент встраивается в существующую инфраструктуру (CRM, рекламные кабинеты, аналитика, сайт), какие права ему выдаются, какие ограничения ставятся и какие KPI отслеживаются. Это позволит увидеть разницу между агентами в разных контекстах: ритейл, B2B и услуги требуют разных уровней автономии, разной скорости реакции и разной глубины человеческого контроля.

Книга построена так, чтобы её можно было читать двумя способами. Первый — последовательно, от введения до приложений. Это даёт полное понимание архитектуры маркетинговых агентов — от базовой идеи до практического запуска. Второй — как справочник: открыть конкретную главу по мере необходимости. Например, если вы проектируете первого агента — откройте главы 4 (память), 5 (инструменты), 6 (планирование) и 15 (guardrails). Если вас интересует конкретный тип агента — главу 7 (Research), 8 (Content), 9 (Advertising) и т. д. Если экономика — главу 17. Приложения А (промпты) и Б (шаблоны) — для прямого практического применения: берите готовые формы и адаптируйте под свой контекст.

Книга содержит три сквозных кейса из разных ниш: «ДомДеко» (ритейл товаров для дома, D2C), «МетрикаПро» (B2B SaaS для аналитики маркетплейсов, длинный цикл сделки) и «Вкуснотех» (офлайн-услуги, сеть кулинарных студий). Эти кейсы показывают, как одни и те же принципы агентной архитектуры применяются в радикально разных контекстах: разные средние чеки, разные циклы сделки, разные риски, разные каналы. Цифры во всех кейсах условные и приведены исключительно для иллюстрации логики.

В книге сознательно используются текстовые ASCII-схемы вместо графических. Это сделано по трём причинам. Во-первых, текстовые схемы универсально читаются в любом редакторе и электронной книге, не требуют рендеринга изображений и не нарушают поток чтения. Во-вторых, они принуждают к простоте: нельзя нарисовать сложную схему в ASCII — приходится выделять самое важное. В-третьих, они легко копируются: если вы захотите использовать схему в своей работе, скопируете и вставьте в свой документ без потери качества.

Важно явно зафиксировать, чего эта книга не делает. Это не обзор AI-инструментов: здесь нет каталогов «10 лучших AI-сервисов для маркетинга» и сравнений тарифов конкретных платформ. Технологии меняются быстро, и любой такой обзор устаревает за квартал. Книга сосредоточена на принципах, архитектуре и подходах, которые остаются устойчивыми. Это не курс по программированию: здесь нет фрагментов кода на Python или JavaScript, которые можно скопировать и запустить. Книга описывает, что нужно построить, а не как именно писать код. Это не юридический справочник: вопросы обработки персональных данных, согласий и compliance упоминаются, но конкретные правовые требования нужно сверять с актуальной нормативной базой и консультациями юристов.

Также книга не обещает мгновенных результатов. Маркетинговый агент — это не «волшебная кнопка», после нажатия которой выручка вырастет в пять раз. Это инструмент, который требует проектирования, настройки, тестирования, эксплуатации и постепенного совершенствования. Книга даёт методологию, а не заклинание. Реалистичный горизонт внедрения — 3-12 месяцев до первой стабильной системы, 12-24 месяца до полноценной AI Marketing Team. Это не быстро, но это реалистично.

Чтобы избежать разночтений, здесь собраны ключевые термины, используемые в книге. Понимание этих терминов в нашем контексте поможет читать книгу без путаницы, особенно если вы знакомы с близкими, но не идентичными определениями из других источников.

AI-модель (LLM)

Большая языковая модель, лежащая в основе интеллекта агента. Сама по себе модель не является агентом — это только «интеллектуальное ядро», способное генерировать тексты и делать выводы. Модель не имеет ни памяти, ни инструментов, ни цели — всё это добавляется архитектурой агента. Когда мы говорим «агент на базе GPT-4o», мы имеем в виду, что ядром агента является модель GPT-4o, но вокруг неё построена система, превращающая модель в действующего агента.

AI-ассистент

AI-система, которая помогает человеку, но не действует автономно. Ассистент отвечает на вопросы, генерирует тексты, предлагает варианты — но человек принимает финальное решение и выполняет действие. ChatGPT в его базовом использовании — это ассистент. Ассистенты могут иметь контекст (история диалога, настройки, документы), но не имеют инструментов для действий во внешних системах.

Workflow

Заранее описанная последовательность шагов для выполнения задачи. Workflow имеет фиксированную структуру: шаг A → шаг B → шаг C, с условиями ветвления. Изменения в workflow вносятся разработчиком вручную. Workflow оптимален для повторяющихся, предсказуемых процессов. Workflow не умеет адаптироваться к ситуациям, не предусмотренным в коде.

AI-агент

Система на базе AI-модели, которая получает цель, использует контекст и инструменты, выполняет последовательность действий, оценивает результаты и корректирует своё поведение в рамках заданных полномочий и ограничений. Агент отличается от ассистента наличием инструментов и действий; от workflow — способностью выбирать следующий шаг на основе результатов предыдущих.

Multi-Agent System (MAS)

Архитектура, в которой несколько агентов с разными целями и инструментами взаимодействуют между собой для достижения общей цели системы. MAS отличается от набора независимых агентов наличием координации: либо центральной (Supervisor), либо распределённой (Pipeline, Collaborative).

Guardrails

Явно заданные правила, в рамках которых агент может действовать. Включают допустимые и запрещённые действия, лимиты (бюджет, количество операций, скорость), условия остановки, правила эскалации. Guardrails — основа безопасной эксплуатации агента.

Agent Constitution

Документ, объединяющий все guardrails конкретного агента: цель, полномочия, запреты, критерии успеха и остановки, лимиты, правила эскалации, ответственных. Конституция — это «закон» агента, который технически контролирует его действия.

AI Marketing Team

Зрелая форма MAS, в которой агенты играют роли, аналогичные ролям в реальном отделе маркетинга: директор, исследователь, стратег, контент-мейкер, медийщик, CRM-менеджер, sales, аналитик, оптимизатор. AI Marketing Team — это не «набор ботов», а система с общей целью, единым контекстом и правилами взаимодействия.

AI Marketing Agent Loop

Базовый цикл работы агента: GOAL → CONTEXT → PLAN → TOOLS → ACTION → OBSERVE → EVALUATE → REFLECT → ADJUST → ACTION (повтор) → RESULT → LEARNING. Этот цикл — структурная основа всех агентов в книге, независимо от их типа и сложности.

Промпт работает в условиях: модель знает только то, что в неё вложили в момент запроса. Агент работает в условиях: у него есть контекст, который не нужно каждый раз передавать заново, и инструменты, через которые он может добывать недостающую информацию и выполнять действия. Чтобы агент функционировал, ему нужны шесть обязательных элементов.

1. Цель

Цель — это желаемый результат, описанный измеримо. «Увеличь продажи» — не цель, а направление. «Доведите количество квалифицированных лидов до 500 в месяц при CAC не выше 2 400 ₽» — цель. Хорошая цель отвечает на вопросы: что должно измениться, в какой срок, в каком объёме, с какими ограничениями по качеству или стоимости. Без измеримой цели агент не сможет оценить, достигнут ли результат, и не сможет решить, когда остановиться.

2. Контекст

Контекст — это информация, которая нужна агенту для принятия решений. Сюда входят: данные о продукте (что продаём, по какой цене, какие особенности), данные об аудитории (кто целевая группа, какие сегменты, какие боли), данные о рынке (кто конкуренты, какие цены, какие каналы), исторические данные (что пробовали раньше, что сработало, что нет), текущее состояние (какие кампании активны, какие результаты показывают). Контекст может быть статическим (бренд-бук, описание продукта) и динамическим (статистика кампаний за последние 30 дней). Чем богаче контекст, тем точнее решения агента.

3. Ограничения

Ограничения — это правила, в рамках которых агент действует. Бюджетные лимиты (не более 50 000 ₽ в день). Канальные ограничения (только Яндекс Директ и VK, без Telegram Ads). Временные ограничения (не запускать кампании в выходные). Контентные ограничения (без упоминания конкурентов, без обещаний скидок свыше 15%). Правовые ограничения (не использовать персональные данные без согласия). Ограничения — это «забор», внутри которого агент может свободно выбирать действия. Без ограничений агент либо рискует выйти за пределы дозволенного, либо становится слишком осторожным и не действует.