ИИ в маркетинге: реальная срочность, ложная паника и цена опоздания

Компании боятся пропустить технологический перелом, рекламные агентства пересматривают себестоимость услуг, а сотрудники пытаются понять, какие профессии сохранятся через несколько лет. Но что руководителю делать прямо сейчас: покупать AI-платформу, передавать нейросетям планирование рекламного бюджета или начинать сокращать команду?
Срочность действительно есть. Но не там, где её обычно ищут.
Бизнесу необходимо уже сейчас определить правила работы с искусственным интеллектом, выбрать процессы для автоматизации, подготовить данные и научить сотрудников проверять результаты моделей. При этом срочности массово увольнять людей, передавать алгоритмам ответственность за бюджет или покупать дорогую корпоративную систему до появления доказанного экономического эффекта нет.
Главный риск сегодня — не отсутствие нейросети. Главный риск — автоматизация плохо устроенных процессов и управленческих решений, которые компания сама ещё не научилась измерять.

«Все уже внедрили ИИ» — это не совсем правда

Ощущение всеобщей AI-трансформации создают технологические компании, конференции, профессиональные медиа и поток кейсов. На практике рынок находится не в точке полного внедрения, а в точке массового экспериментирования.
По данным IAB, в 2025 году только около 30% участников рекламного рынка полностью интегрировали ИИ в медиапроцесс, а примерно половина ещё не имела долгосрочной дорожной карты его внедрения. При этом нейросети уже активно применялись для исследований, подготовки контента, сегментации аудиторий и аналитической отчётности.
Российский рынок демонстрирует похожую картину. Согласно исследованию АКАР, у 35% рекламных агентств в 2025 году были собственные продукты или сервисы на основе ИИ, которые уже приносили доход. Ещё 33% агентств собирались монетизировать такие решения. Чаще всего речь шла о генерации контента, автоматизации рутинных операций, аналитике и медиапланировании.
Это важное различие: использовать нейросеть и перестроить с её помощью маркетинговую систему — не одно и то же.
Сотрудник может писать тексты через ChatGPT, дизайнер — создавать референсы в генеративной модели, аналитик — просить ИИ объяснить отчёт. Но пока эти действия не встроены в единый процесс, не имеют правил, показателей качества и финансовой оценки, компания экспериментирует, а не внедряет.

Где срочность действительно существует

ИИ быстро снижает стоимость отдельных маркетинговых операций. Черновик текста, варианты заголовков, расшифровка интервью, первичный анализ конкурентов, адаптация креатива под разные форматы и сбор типового отчёта теперь могут занимать не несколько часов, а несколько минут.
Это ещё не означает, что весь результат стал дешевле в десятки раз. После генерации остаются проверка фактов, редактура, соответствие стратегии, юридические риски, согласования и ответственность за итоговый эффект. Однако стоимость первого производственного этапа уже изменилась — и делать вид, что рынок работает по прежним правилам, становится опасно.
Реальная срочность возникает на трёх уровнях.
Первый — управленческая гигиена. Сотрудники уже используют публичные нейросети, иногда загружая в них клиентские документы, исследования, медиапланы и внутренние данные. Компании необходимы список разрешённых инструментов, политика конфиденциальности, разграничение доступа и обязательная проверка AI-материалов человеком.
Второй — производительность. Руководителю нужно знать, какие операции можно ускорить без потери качества, сколько времени они занимают сейчас и какую экономию действительно даёт автоматизация.
Третий — бизнес-модель. Если агентство продолжает продавать часы на подготовку работы, которую алгоритм сжимает с рабочего дня до получаса, его коммерческая модель становится уязвимой. Ценность смещается от количества произведённых материалов к качеству решений, скорости экспериментов, интеграции данных и влиянию на бизнес клиента.

Почему нельзя начинать с покупки AI-платформы

Распространённая ошибка — сначала приобрести технологию, а затем искать задачи, которые можно ею решить.
Нормальное внедрение начинается с карты процессов. Маркетинговую работу необходимо разложить не по должностям, а по решениям и повторяющимся операциям:

• где сотрудники собирают и переносят данные вручную;
• где регулярно готовят однотипные документы;
• где создают множество вариантов одного материала;
• где результат можно проверить по понятным критериям;
• где ошибка допустима и легко исправляется;
• где решение влияет на деньги, репутацию или юридические обязательства.

Чем выше стоимость ошибки, тем меньше автономии следует давать модели.

Генерацию вариантов баннеров можно автоматизировать достаточно глубоко. Утверждение бренд-платформы — нет. ИИ может найти аномалию в рекламном отчёте, но решение о перераспределении крупного бюджета должно учитывать бизнес-контекст, которого может не быть в данных.
Может ли ИИ рассчитать рекламный бюджетНейросеть способна назвать практически любую цифру. Но способность выдать цифру не означает способность её обосновать.
Промпт «рассчитай рекламный бюджет для компании» не содержит главных переменных: целевой выручки, маржинальности, LTV, допустимой стоимости привлечения клиента, конверсии отдела продаж, сезонности, географии, производственных ограничений и фактической ёмкости каналов.
Если этих данных нет, точный ответ модели остаётся литературой, даже если оформлен в убедительную таблицу.

В работе с рекламным бюджетом необходимо разделять три разных уровня.

Первый — бизнес-планирование. Компания определяет, какую выручку, прибыль или долю рынка хочет получить, сколько клиентов для этого требуется и какую стоимость привлечения позволяет экономика продукта.
Второй — межканальное медиапланирование. На этом уровне оценивается вклад каналов, насыщение аудитории и возможное распределение средств между поиском, социальными сетями, видео, наружной рекламой, маркетплейсами и другими инструментами.
Третий — платформенная оптимизация. Алгоритмы рекламных систем в реальном времени выбирают ставки, аудитории, показы и отдельные креативы внутри уже заданной кампании.
ИИ особенно полезен на втором и третьем уровнях. Он может быстрее человека сопоставлять массивы данных, считать сценарии, замечать отклонения и оценивать последствия перераспределения бюджета. Системы marketing mix modeling уже позволяют моделировать отклик каналов и искать более эффективный медиамикс с учётом заданных целей и ограничений.
Но оптимизатор не знает, какую степень риска готов принять собственник, способен ли отдел продаж обработать дополнительный поток заявок и есть ли на складе товар, который собирается продвигать маркетинг.
Он также опирается на исторические данные. Если компания выходит на новый рынок, запускает неизвестный продукт или резко увеличивает расходы, прошлые закономерности могут перестать работать. Чем дальше сценарий выходит за границы накопленной истории, тем менее надёжным становится прогноз.
Поэтому правильный результат AI-планирования — не одна «идеальная» сумма, а несколько сценариев:

• консервативный — защита действующего результата;
• базовый — достижение плана при текущих ограничениях;
• инвестиционный — ускоренный рост с повышенным риском;
• стресс-сценарий — падение спроса, рост стоимости контакта или ухудшение конверсии.

ИИ рассчитывает последствия. Руководитель выбирает риск и несёт ответственность.

Что должно быть в расчёте рекламного бюджета

До обращения к модели компания должна определить:

1. План по выручке и валовой прибыли.
2. Количество новых клиентов или продаж.
3. Конверсию между этапами воронки.
4. Допустимые CAC, CPA, ДРР, ROMI и срок окупаемости.
5. Средний чек, маржу, LTV и долю повторных покупок.
6. Ограничения отдела продаж, производства и логистики.
7. Сезонность и внешние факторы.
8. Историческую эффективность каналов.
9. Диапазон, в котором бюджет можно увеличивать без резкой потери качества аудитории.
10. Способ проверки того, принесла ли реклама дополнительные продажи.

Последний пункт особенно важен. Платформенная атрибуция отвечает на вопрос, какому касанию записать конверсию. Бизнесу нужен более сложный ответ: произошла бы эта продажа без рекламы?
Поэтому AI-аналитика должна дополняться A/B-тестами, географическими экспериментами, контрольными группами и сопоставлением прогноза с фактическим результатом. Иначе компания рискует не оптимизировать бюджет, а быстрее воспроизводить ошибочную модель атрибуции.

Заменит ли ИИ сотрудников отдела маркетинга

Вероятнее всего, ИИ будет заменять не профессии целиком, а отдельные задачи внутри профессий.
Работодатели ожидают серьёзных изменений. В исследовании World Economic Forum 41% компаний сообщили о планах сокращать сотрудников там, где их работу сможет автоматизировать ИИ. Одновременно 77% собирались инвестировать в обучение персонала, а почти половина — переводить людей из затронутых ролей на другие позиции. Это планы работодателей до 2030 года, а не уже произошедшее сокращение рынка труда.
Наблюдаемая картина пока значительно спокойнее. В исследовании OECD 83% малых и средних компаний, использующих генеративный ИИ, не заметили изменения общей потребности в персонале. О сокращении сообщили 9,1%, о росте — 5,5%. При этом компании чаще отмечали уменьшение нагрузки и снижение зависимости от внешних подрядчиков.
Сначала исчезают не отделы, а отдельные часы работы, простые заказы и повторяемые операции.
Наиболее подвержены автоматизации:

• расшифровка и резюмирование материалов;
• первичный сбор информации;
• подготовка типовых отчётов;
• создание черновиков и контентных вариаций;
• тегирование и классификация данных;
• адаптация материалов под форматы;
• контроль расходования рекламного бюджета;
• поиск аномалий;
• регулярный мониторинг конкурентов.

В режиме совместной работы человека и ИИ останутся стратегия, сегментация, разработка креативных концепций, подготовка медиасценариев, интерпретация результатов и поиск гипотез.
Человек должен сохранять контроль над постановкой бизнес-целей, позиционированием бренда, юридическими и репутационными решениями, переговорами, оценкой причинного эффекта рекламы, финальным утверждением материалов и ответственностью за бюджет.
Уязвима не профессия маркетолога. Уязвима роль, ценность которой целиком состоит в производстве предсказуемого результата по известному шаблону.

Почему преждевременные сокращения могут увеличить расходы

Руководителю легко увидеть, что сотрудник стал выполнять отдельную операцию быстрее, и сделать вывод, что команда должна пропорционально сократиться. Однако маркетинговое производство редко состоит из одной операции.
Когда генерация ускоряется, узкое место перемещается в проверку, согласование, аналитику и принятие решений. Компания начинает выпускать больше материалов, но руководители тратят больше времени на отбор, исправление ошибок и контроль качества.
Возникает парадокс: производство стало дешевле, а управление им — дороже.
До решения о сокращении необходимо измерить не только время генерации, но и полный цикл работы:

• сколько материалов дошло до публикации;
• сколько потребовало переделки;
• сколько времени заняла проверка;
• изменилось ли качество;
• улучшились ли коммерческие показатели;
• уменьшилась ли стоимость готового, согласованного результата;
• снизилась ли нагрузка или просто переместилась к руководителям.

Если автоматизация убрала 20 часов механической работы, это ещё не доказывает необходимость сокращения должности. Освободившееся время может быть направлено на тестирование гипотез, анализ клиентов, развитие новых каналов и улучшение продукта.

Как ИИ меняет рекламные агентства

Для агентств вопрос стоит острее, потому что автоматизация затрагивает сам способ формирования цены.
Клиент всё меньше готов оплачивать длительную подготовку текстов, ресайзов, исследований и отчётов, если знает, что значительную часть этой работы можно ускорить. В начале 2026 года WFA сообщала, что 34% маркетинговых закупщиков уже начали пересматривать модели вознаграждения агентств, ещё 57% планировали это сделать, а 70% отмечали влияние ИИ на переговоры с подрядчиками.
Это не означает исчезновения агентств. В России 73% представителей среднего и крупного бизнеса по-прежнему привлекают специализированные агентства, а среди востребованных направлений остаются медиазакупки, аналитика, SMM и performance-маркетинг.
Но агентству становится сложнее продавать производственные часы. Его ценность перемещается в другие области:

• понимание бизнеса и категории клиента;
• объединение стратегии, креатива, медиа и производства;
• создание системы измерения;
• разработку сильных креативных платформ;
• проведение экспериментов;
• интеграцию данных и инструментов;
• управление сложными проектами;
• независимую оценку рекомендаций рекламных платформ;
• ответственность за качество и результат.

ИИ не устраняет потребность в агентстве. Он устраняет возможность дорого продавать рутину, не добавляя к ней экспертизу.
Что необходимо внедрить в ближайшие 90 дней Первый месяц: аудитНужно описать основные маркетинговые процессы, определить их стоимость, длительность, риски и качество результата. Одновременно следует зафиксировать, какими AI-инструментами сотрудники уже пользуются и какие данные туда передают.
Результатом должны стать политика работы с ИИ, список разрешённых сервисов и карта задач: автоматизировать, усилить с помощью ИИ или оставить под контролем человека.

Второй месяц: пилоты

Достаточно выбрать от трёх до пяти процессов с невысокой стоимостью ошибки. Например:

• сбор и структурирование исследований;
• подготовка вариаций контента;
• автоматизация регулярной отчётности;
• анализ рекламных отклонений;
• построение бюджетных сценариев;
• внутренняя база знаний.

Каждому пилоту нужны владелец, исходные показатели и правила проверки. Тест без заранее определённых критериев почти всегда заканчивается субъективным выводом: «работает интересно, но непонятно, что с этим делать».

Третий месяц: измерение и масштабирование

Оценивать следует не количество созданного контента и не число приобретённых лицензий, а бизнес-результат:

• сокращение полного рабочего цикла;
• стоимость готового и согласованного материала;
• количество ошибок и переделок;
• скорость запуска кампаний;
• качество решений;
• влияние на CPA, CAC, ДРР, ROMI или выручку;
• загрузку сотрудников;
• соблюдение правил безопасности.

Эффективные сценарии интегрируются в регулярные процессы. Неэффективные закрываются. Только после этого имеет смысл пересматривать штат, зоны ответственности и модель оплаты агентства.

Так нужно ли срочно внедрять ИИ?

Да — если под внедрением понимать создание компетенции, правил, данных и измеримых пилотов.
Нет — если под срочностью подразумеваются массовые закупки технологий, передача рекламного бюджета непрозрачной модели или увольнение сотрудников до перестройки процессов.
Опасно не опоздать купить очередную нейросеть. Опасно продолжать оплачивать часы за работу, которую алгоритм уже сжимает до минут. Но ещё опаснее — перепутать ускорение отдельных операций с готовностью ИИ самостоятельно отвечать за стратегию, бренд, бюджет и бизнес-результат.
Конкурентное преимущество получат не компании с самым большим количеством AI-сервисов. Его получат команды, которые быстрее проходят путь от данных к гипотезе, от гипотезы к эксперименту, а от эксперимента — к обоснованному решению. И при этом точно знают, в какой точке алгоритм должен остановиться, а ответственность — остаться у человека.
INFINITY PROJECT рассматривает ИИ именно как часть новой операционной модели маркетинга: инструмент для ускорения исследований, планирования, аналитики и производства, но не замену бизнес-логике и профессиональной ответственности. Начинать следует не с вопроса «кого можно сократить», а с вопроса «какие решения мы можем принимать быстрее, точнее и выгоднее».