Павезло маркетинг - про маркетинг, аналитику, контент

У классического enterprise software была понятная воронка: discovery, демо, техоценка, коммерция, контракт, внедрение. Это работало потому, что продукт можно было более-менее честно оценить до реального запуска. Клиент видел функциональность, сверял её со своими ожиданиями и принимал решение. С AI эта модель начинает расползаться. Потому что AI-система почти никогда не доказывает свою ценность в вакууме. Клиенту уже мало красивого демо на чистых данных. Он хочет понять, что будет происходить в его реальной среде: на его документах, на его исключениях, на его странных форматах, на его неидеальной операционке...

Ещё недавно в софте всё было довольно понятно: у кого лучше продукт, красивее интерфейс, глубже логика и длиннее roadmap, тот и выигрывает. В AI эта логика ломается очень быстро. Когда у всех под рукой одни и те же модели, open-source догоняет закрытые системы, а базовые интерфейсные паттерны собираются за выходные, функции перестают быть серьёзной защитой. Именно поэтому я всё чаще смотрю на AI-компании не через вопрос “что они умеют показать на демо”, а через вопрос “насколько глубоко они встраиваются в реальный процесс клиента”. Потому что настоящий moat в AI всё чаще переезжает не в набор кнопок, а во внедрение...

Создать кампанию в Яндекс Директе через API звучит как чисто техническая задача. На практике это уже рабочий маркетинговый контур: нужно забрать семантику из файлов, разложить её по группам, собрать объявления, правильно проставить ссылки, UTM-метки, уточнения и отправить всё в нужный логин без публикации мусора. Я как раз прошёл этот сценарий через Codex и понял, что он отлично подходит не только для анализа, но и для реального запуска рекламы в черновик. Самое полезное здесь не в том, что AI пишет JSON. Полезно другое: я могу дать агенту папку с токенами, семантикой, объявлениями и правилами сборки, а дальше он проходит по пайплайну почти как технический директолог...

Маркетинг — одна из самых наглядных зон, где видно, что AI перестаёт быть просто помощником. Раньше маркетолог сам делал аналитику, искал конкурентов, формулировал гипотезы, собирал креативы, сводил отчёты и пытался удержать в голове десятки зависимостей. Сейчас всё больше этих блоков можно вынести в систему агентов. И в этот момент меняется не только скорость работы. Меняется сама роль маркетолога. Он всё меньше человек, который лично руками исполняет каждый кусок, и всё больше человек, который управляет контуром: решает, какие агенты нужны, как они взаимодействуют, какой контекст у них есть и где проходит точка контроля...

Когда люди говорят, что “умеют пользоваться AI”, чаще всего за этим скрывается довольно узкий навык: открыть чат, написать запрос, получить ответ, местами поправить. Это полезно, но это уже не та точка, где формируется основное преимущество. Главный навык нового этапа — не умение красиво разговаривать с моделью, а умение собрать систему агентов под задачу. То есть понять, как разбить процесс, какие роли нужны, где агент должен искать данные, где он принимает решение, а где обязан остановиться и отдать результат человеку. Хороший запрос всё ещё важен. Но сам по себе он больше не решает главную проблему...

Сейчас я всё чаще вижу, что разговор про AI у бизнеса застревает на старой логике. Люди по-прежнему спрашивают, как “использовать AI”, как будто речь идёт ещё об одном сервисе рядом с таблицами, CRM и таск-менеджером. Но реальный сдвиг происходит в другом месте: AI перестаёт быть инструментом на подхвате и превращается в слой исполнения, который может забирать на себя заметную часть работы. Это значит, что меняется не только набор инструментов. Меняется роль самого человека. Если раньше ты сам делал задачу и местами ускорялся за счёт AI, то теперь твоя работа всё чаще состоит в том, чтобы собрать...

Тема AI-чат-ботов давно перегрета. Одни пытаются посадить бота вообще на всё, другие считают, что нормальный бизнес должен общаться только живыми людьми. На практике правда обычно посередине: бот действительно может быть выгоднее оператора, но только в понятных сценариях. Я бы смотрел на эту тему не через хайп, а через экономику и устройство потока обращений. Вопрос не в том, может ли бот ответить. Вопрос в том, где его использование реально снижает стоимость обработки и ускоряет сервис без потери качества. Статусы, режим работы, доставка, цены, типовые условия, документы и простые консультации...

Это один из самых частых вопросов от собственников: сколько вообще стоит внедрение AI в бизнес? И проблема в том, что на рынке на него отвечают либо слишком абстрактно, либо манипулятивно. Одни обещают магию за копейки, другие рисуют многомиллионную трансформацию без понимания, что именно получит компания на каждом этапе. На практике стоимость зависит не от слова AI, а от уровня зрелости задачи. Одно дело — запустить пилот на одном процессе. Другое — собрать общий контур данных, workflow, агентов и интеграций. Это разные классы работы и разные деньги. Пилот или точечная автоматизация: одна задача, один сценарий, быстрая проверка пользы...

У руководителя почти всегда одна и та же боль: данных много, отчётов много, а ясности мало. Метрики разложены по разным таблицам, каналам и сервисам, а итоговое ощущение всё равно такое, будто ты смотришь на куски пазла без картинки целиком. Именно поэтому идея AI-дашборда для руководителя мне кажется сильнее обычного dashboard. Руководителю мало видеть цифры. Ему нужен единый контур, который собирает данные по маркетингу и помогает понять, где отклонение, где риск, а где точка роста. Не один рекламный кабинет, а несколько каналов, подрядчиков, заявок и KPI в одном месте. Не просто показывает цифры, а помогает увидеть, где ситуация выбивается из нормы...

Я часто слышу вопрос в духе «мы уже купили доступ к AI, почему он не даёт нормального результата?». Почти всегда ответ не в модели и не в промпте. Ответ в том, что самому AI не на что опереться. У бизнеса нет репозитория, где лежит структурированный контекст компании. Поэтому полезнее начинать не с выбора очередного сервиса, а с чек-листа: что вообще должно быть в репозитории бизнеса, чтобы AI мог работать не вслепую, а по реальному контексту. Что вы продаёте, кому, с каким позиционированием, офферами и ограничениями. Как реально устроена работа: шаги, роли, артефакты, контрольные точки. Письма, документы, отчёты, tone of voice, правила именования и структура файлов...

Я часто вижу одну и ту же картину: у бизнеса вроде бы есть реклама, контент, подрядчики, аналитика и даже CRM, но всё это живёт отдельными кусками. Отдельный человек ведёт Директ, другой делает контент, третий собирает отчёты, четвёртый отвечает за сайт, а собственник получает только общий туман вместо управляемой системы. Снаружи кажется, что маркетинг работает. Внутри это почти всегда фрагментарная конструкция, где деньги теряются на стыках: между людьми, инструментами, файлами и контекстами. И именно здесь AI полезен не как ещё один сервис, а как способ собрать маркетинг в одно рабочее пространство...

Я всё чаще думаю, что идея shared workspace должна выйти далеко за пределы бизнеса. Мы уже привыкли к тому, что у компании может быть единое пространство знаний, процессов, документов и рабочих артефактов. Но если посмотреть на обычную жизнь, там всё устроено гораздо хаотичнее: часть данных в голове, часть в чатах, часть в заметках, часть в фото, часть в старых письмах, а часть просто теряется. Поэтому мне кажется сильной идея shared workspace вашей жизни. Это пока не мой реализованный кейс, а именно рассуждение и модель будущей личной инфраструктуры. Но чем больше я думаю об этом, тем яснее вижу, что семье и работе тоже нужен единый контекст, а не десятки разрозненных цифровых обрывков...