Что такое ИИ-агент для маркетинга и чем он отличается от промпта?
ИИ-агент для маркетинга это система, которая планирует многошаговую работу, вызывает инструменты, чтобы её сделать, проверяет собственный результат и возвращает нечто готовое. Промпт возвращает текст. Агент возвращает задачу, которая действительно выполнена.
Разницу создаёт цикл. Когда вы вставляете запрос в окно чата, модель выдаёт один ответ и останавливается. Агент крутит цикл: решает, что делать дальше, использует инструмент, читает результат, решает снова и продолжает, пока работа не закончена или пока его не остановит человек. Именно этот цикл позволяет ему подтянуть ваши актуальные данные о продажах, написать на их основе, сверить цифры и отдать готовое.
Это различие имеет коммерческий смысл, потому что меняет предмет покупки. Промпт экономит автору двадцать минут. Агент снимает целый процесс с чьего-то стола. Это разные бюджеты, разные риски и разные способы сломаться.
Он меняет и то, кто отвечает за результат. Промпт это черновик, который вы всё равно бы просмотрели. Агент делает работу, в которую вы, возможно, никогда не вглядитесь, и именно поэтому ограждения вокруг него заслуживают больше внимания при проектировании, чем промпт внутри него.
Почему большинство проектов с агентами не доходит до продакшена?
Потому что пилот это лёгкая часть. Исследование IDC говорит прямо: около 88% пилотов ИИ-агентов никогда не доходят до широкой эксплуатации, что примерно соответствует четырём живым внедрениям на каждые 33 запущенных пилота.
Эта цифра не выброс. Три независимых исследования начала 2026 года, от McKinsey, Gartner и межотраслевого анализа AI Governance Institute, дали долю провала корпоративных пилотов с агентами между 86% и 89%. Работа MIT 2026 года показала, что 95% корпоративных пилотов генеративного ИИ не приносят измеримой отдачи. Gartner прогнозирует, что более 40% проектов агентного ИИ будут полностью отменены до конца 2027 года.
Препятствия одни и те же, и ни одно из них не про качество модели. Данные Forrester и Anaconda за 2026 год ставят на первое место пробелы в оценке качества у 64% руководителей, на второе трения в управлении у 57%, на третье надёжность модели у 51%. Проще говоря: команды не могли сказать, хорошо ли работает агент, не могли договориться, кто отвечает, когда что-то пошло не так, и только потом упирались в саму модель.
При этом внедрение продолжает расти, и именно это делает разрыв опасным. Публикуемые цифры говорят, что 34% корпоративных маркетинговых команд держат в продакшене хотя бы одного автономного агента против 14% в конце 2025 года, в среднем бизнесе это 19%, а в компаниях поменьше около 7%. Немало брендов действительно выпускают. Большинство пилотов за этими цифрами всё равно тихо умерло.
Вывод не в том, что агенты не работают. Он в том, что выживают проекты, которые решили, что означает слово «работает», до того как что-либо собрали.
Тест из четырёх вопросов, который стоит пройти до сборки
Прогоните каждого кандидата через четыре вопроса и собирайте только тогда, когда пройдены все четыре. Anthropic публикует этот тест в собственном руководстве по агентам, и он отсеивает больше плохих проектов, чем любая техническая проверка.
- Сложность. Задача действительно многошаговая и её трудно описать заранее? «Преврати этот бриф в проработанную статью с источниками» подходит. «Достань заголовок из этого PDF» нет.
- Ценность. Оправдывает ли результат дополнительную стоимость и задержку, которые добавляет агент? Агенты думают дольше и вызывают больше инструментов, и то и другое появляется в счёте.
- Осуществимость. Модель сегодня действительно хороша в этой задаче? Сначала проверьте вручную. Если аккуратный человек в чате не получает хорошего результата, агент лишь автоматизирует плохой.
- Цена ошибки. Можете ли вы поймать сбой и откатить его? Обратимая работа с шагом проверки безопасна. Всё, что без проверки отправляет, тратит или публикует, нет.
Не прошёл хотя бы один пункт, и честный ответ это более простой инструмент. Такой вердикт стоит дороже, чем кажется, ведь 88% провалов это в основном не плохая инженерия. Это проекты, которым следовало остаться сценарием, но их нарядили агентом, потому что агенты были тем, что полагалось строить.
Для работы с брендом стоит добавить ещё один фильтр: заметит ли клиент, если это неделю проработает плохо? Если да, человеческое утверждение не опционально, каким бы ни выглядело демо.
Большей части работы над брендом агент не нужен
Одиночный вызов, фиксированный сценарий, агент: берите самый маленький, который доводит дело до конца
Большей части нужен уровень ниже. Есть три уровня работы с ИИ, и правильное значение по умолчанию это самый простой, который решает задачу, а не самый автономный, который вы можете себе позволить.
Первый уровень это одиночный вызов: классификация, суммирование, извлечение, переписывание одного текста. Один запрос, один ответ, никакого цикла, почти никаких затрат. Удивительно большая доля того, что маркетинговые команды называют «автоматизацией на ИИ», живёт здесь и прекрасно работает.
Второй уровень это сценарий. Вы прописываете шаги по порядку в коде, а модель берёт на себя языковую часть каждого шага. Сначала исследование, потом план, потом текст, потом редактура. Последовательность фиксирована и принадлежит вам, поэтому результат предсказуем, а каждый этап можно проверить. Здесь и должна жить большая часть брендового контента, и это в точности то, чем является поэтапный контентный конвейер.
Третий уровень это настоящий агент, и он заслуживает своё место только тогда, когда путь нельзя зафиксировать заранее. Если вы можете нарисовать блок-схему, соберите блок-схему. Модель решает, что делать дальше, только когда вы действительно не можете решить это за неё.
Команды перепрыгивают на третий уровень, потому что он лучше смотрится в демо. Потом оценка усложняется: агента, который сам выбрал маршрут, тяжело сверять с ожидаемым результатом, и вы оказываетесь среди тех 64%, которые не могли сказать, работает ли оно.
Каких три агента бренду стоит собрать первыми?
Начните с трёх задач, которые повторяются ежедневно, имеют понятную финишную черту и уже стоят кому-то часов: производство, приём обращений и измерение. Всё остальное может подождать, пока эти три не заработают без присмотра.
Производственный агент превращает бриф в готовый черновик с источниками и вашим голосом. Это первая сборка с наибольшей отдачей, потому что вход маленький, выход проверяем, а ошибки дёшево ловятся до публикации. Данные, публиковавшиеся в течение 2026 года, относят создание контента и оптимизацию писем к самым быстрым путям к отдаче, и это совпадает с тем, как работа выглядит изнутри.
Агент приёма обращений отвечает на входящие сообщения в тех каналах, которыми клиенты действительно пользуются, в те часы, когда вы спите. Коммерческий аргумент здесь измеряется скоростью ответа, а не изобретательностью. Он квалифицирует, отвечает на то, что может, и передаёт остальное дальше, поэтому держится лучше, чем можно подумать по большинству демо.
Агент измерения следит за тем, за чем вы не можете следить ежедневно: какие вопросы возвращают ваш бренд в движках ответов, какие страницы потеряли цитирования, куда сдвинулись конкуренты. Он наименее эффектный из трёх и часто быстрее прочих меняет решения, потому что докладывает о реальности, а не о намерениях.
Обратите внимание на общее. У каждого есть финишная черта, описываемая одной фразой, каждый выдаёт результат, который человек оценит меньше чем за минуту, и ни один никуда не отправляет деньги. Это не совпадение, это и есть критерий отбора.
Публикуемые результаты для тех версий этой работы, что смотрят в воронку, значимы, когда получается: системы генерации и квалификации лидов связывают с ростом скорости воронки в 2 или 3 раза и примерно с 23% прироста конверсии лидов за двенадцать месяцев. Читайте это как описание того, как выглядит хорошо, а не как то, чего вам следует ждать.
Как на самом деле собрать агента на Claude?
Путей четыре, и различаются они всего двумя вопросами: кто пишет цикл агента и кто хостит всё это во время работы. Выбирайте по тому, сколько хотите держать у себя, а не по тому, что звучит продвинутее.
Ручной цикл означает, что вы обращаетесь к Claude API и сами пишете цикл «продолжай, пока не готово». Максимум контроля, и каждая строка ваша. Берите его, когда логика управления действительно нестандартная.
Tool runner это помощник внутри официального SDK, который крутит этот цикл за вас. Вы пишете функции инструментов, он ведёт цикл, а хуки на каждом шаге по-прежнему позволяют утверждать, логировать, повторять или вмешиваться прямо по ходу. Для большинства агентов с собственными инструментами это разумное значение по умолчанию.
Managed Agents это вариант, где цикл исполняет Anthropic и она же хостит пространство, в котором агент работает. Конфигурации агентов сохраняются и версионируются, сессии закрепляются за версией, а развёртывания могут срабатывать по расписанию, что и нужно для всего, что должно отрабатывать каждую ночь без того, чтобы ваш сервер не спал. Там же есть жёсткие бюджеты сессии в долларах, и одна эта возможность закрывает самый частый сюжет о разогнавшихся расходах.
Claude Agent SDK это отдельная библиотека: Claude Code, упакованный так, чтобы запускать его самому, со встроенными инструментами для файлов, поиска и веба, а также с субагентами. Тянитесь к нему, когда агенту нужно работать с настоящими файлами и репозиториями, а не вызывать несколько ваших API.
Практический вывод для брендовой команды: начинайте с tool runner и переходите на Managed Agents, когда захотите, чтобы всё шло по расписанию без присмотра. Два варианта, с которых начинать не стоит, это ручной цикл, который стоит незапланированного инженерного времени, и полный агентный каркас, который избыточен для задачи по контенту или приёму обращений.
Научить агента не только задаче, но и бренду
Агент, который знает задачу, но не знает бренд, выдаёт добротную работу, способную принадлежать кому угодно. Чтобы закрыть этот разрыв, нужны три конкретные вещи, и ни одна из них не является более длинным промптом.
Первая это записанный голос, загружаемый как переиспользуемая способность, а не вставляемый в каждый запрос. Agent Skills существуют ровно для этого: упакованный набор инструкций и справочных файлов, который модель подгружает, когда он уместен, так что ваши правила, ваши запрещённые формулировки и ваши любимые концовки едут вместе с каждым запуском. В этом разница между инструментом, который пишет, и инструментом, который пишет как вы, и это практическая форма того, как обучить ИИ голосу бренда.
Вторая это доступ к вашим собственным фактам. Model Context Protocol это стандартный коннектор для такого доступа: он позволяет агенту читать ваш каталог, вашу CRM или вашу аналитику через один интерфейс вместо кучи самодельных интеграций. Обоснованный результат это не приём промптинга, а решение о доступе к данным, принятое месяцами раньше.
Третья это подбор модели под задачу. Claude Opus 5 для этапов, где рассуждение тяжёлое и качество решает исход, Claude Sonnet 5 для широкой середины, Claude Haiku 4.5 для объёмного чтения и классификации, где вы платите за документ. Опубликованные цены API делают разрыв наглядным: Opus 5 стоит 5 долларов за миллион входных токенов и 25 за миллион выходных, Sonnet 5 идёт по 3 и 15, Haiku 4.5 по 1 и 5. Гонять каждый шаг на самой мощной модели это самая частая тихая трата при сборке агента.
Стоит назвать один честный предел. Ничто из этого не делает результат истинным. Обоснованность и голос делают его вашим, а подтвердить правильность по-прежнему должен человек.
Почему человеческое утверждение это функция, а не задержка
Работу делает машина; решение, которое выпускает её наружу, принимает человек
Потому что данные о провалах говорят: выживают те проекты, которые человек всё ещё может остановить. Трения в управлении были вторым по величине препятствием у 57% руководителей, а шаг утверждения это самое дешёвое управление, которое вы когда-либо установите.
Правило, которое держится на практике, простое: агент может писать, исследовать, собирать и готовить что угодно, а человек утверждает всё, что выходит наружу. Ничто не публикуется, не отправляется и не тратится само по себе. Скажите это команде и клиентам прямо, потому что это и есть ответ на вопрос, который на самом деле есть у всех про ИИ в маркетинге.
Именно так работает конвейер за этим блогом, и конкретика тут уместна, потому что абстрактные заявления ничего не стоят. Наш контентный конвейер выполняет исследование, выбор угла, план, черновик, редактуру и проверку голоса как отдельные этапы, и каждый записывает свой результат до начала следующего. Двое ворот человеческие: выбрать, какую возможность брать, и утвердить готовый материал. Работу делает машина, а два решения, которые важны, принимает человек.
Цена этой дисциплины измеряется минутами. Цена её пропуска это голос бренда, который вы больше не контролируете, и 40% отменённых проектов, начинающиеся с вопроса кого-то из руководства о том, кто это утвердил. Схема работы с ИИ-контентом при участии человека это не компромиссная позиция, а то, что удерживает автоматизацию в живых достаточно долго, чтобы она начала накапливаться.
Сколько это стоит и как не дать расходам разогнаться?
За задачу меньше, чем боится большинство команд, а за месяц больше, чем они ожидают, потому что агенты обращаются к модели многократно там, где промпт обращается один раз. Стоимость одной статьи невелика. Стоимость агента, бесконтрольно кружащего над плохо описанной задачей, нет.
Основную работу делают четыре рычага. Задавайте уровень усилия вместо постоянной работы на максимуме: меньшее усилие означает меньше и более собранных вызовов инструментов и заметно меньшие траты на рутине. Используйте кеширование промптов для стабильных частей контекста, ваших правил бренда и справочных материалов, это самая большая доступная экономия при повторных прогонах. Отдавайте подзадачи с тяжёлым чтением более дешёвой модели. И ограничивайте сам прогон: бюджетом задачи, который позволяет агенту распределить силы и аккуратно закончить, или жёстким бюджетом сессии на управляемой платформе.
Меряйте на готовый результат, а не на вызов. Показатель вроде стоимости одной опубликованной и утверждённой статьи говорит, сходится ли экономика. Стоимость одного запроса к API не говорит почти ничего, и именно её называют, когда уходят от первой.
Следите за трендом не меньше, чем за суммой. Первый месяц любого агента дорогой, потому что вы оплачиваете прогоны, научившие вас, какими должны быть ограждения. Если третий месяц всё ещё выглядит как первый, проблема в постановке задачи, а не в тарифе.
Сбои, о которых никто не предупреждает
Проекты с агентами убивают тихие вещи. Ничего не падает, ошибка не появляется, а работа деградирует достаточно медленно, чтобы все успели к этому приспособиться раньше, чем кто-нибудь это измерит.
Первое это пробел в оценке качества, главное препятствие с 64% не просто так. Если вы не можете сказать, как выглядит хороший прогон, вы не отличите хорошую неделю от плохой и в итоге будете судить агента по тому, показался ли он впечатляющим. Пропишите критерии оценки до сборки: что содержит правильный результат, что его дисквалифицирует и кто проверяет.
Второе это тихий дрейф. Продукт меняется, позиционирование сдвигается, страница-источник переезжает, а агент уверенно продолжает выдавать работу, построенную на фактах прошлого квартала. Ничто не ломается громко. Решение скучное и действенное: пересматривайте справочные материалы, которые читает агент, по фиксированному графику, так же как вы пересматривали бы рекламные тексты.
Третье это туман ответственности. Когда материал вышел неправильным, а ответ на вопрос «кто это утвердил» звучит как название системы, проект уже проиграл спор, который рано или поздно состоится с юристами или с клиентом. Назначьте человека на каждого агента. Не команду, человека.
Четвёртое это расползание задач через демо. Агент, хорошо справляющийся с одной работой, притягивает ещё три, ни одна из которых не проходила тест из четырёх вопросов, и надёжная вещь становится ненадёжной. Новая работа, новый тест, каждый раз.
Один агент, которого стоит собрать в этом месяце
Возьмите задачу, которую ваша команда повторяет чаще всего на этой неделе, и честно засеките время от начала до конца, включая правки. Если она занимает больше двух часов в неделю, а человек способен оценить результат меньше чем за минуту, это ваш первый агент, и почти всегда это производство, а не что-то более амбициозное.
Затем, прежде чем писать что-либо ещё, пропишите критерии оценки: что содержит правильный результат, что его дисквалифицирует и чьё имя стоит под утверждением. Соберите самую маленькую версию, которая выдаёт один готовый результат, погоняйте её две недели рядом с текущим процессом и сравните сначала по качеству, потом по времени.
Если хотите, чтобы на выбор первой задачи для автоматизации взглянула ещё одна пара глаз, расскажите нам о своём бренде. Разметить этот слой это разговор, а не оплата.
