Что уже можно отдать ИИ в маркетинге, а где человеку нельзя выходить из контура

ИИ уже помогает маркетологам быстрее делать креативы, запускать тесты, собирать данные и даже участвовать в продажах. В статье по выступлению Егора Осипова, директора по маркетинговым коммуникациям Vitamin.tools, разбираем, какие задачи в маркетинге можно автоматизировать уже сейчас, а где человеку всё ещё важно оставаться в контуре.

По выступлению Егора Осипова, директора по маркетинговым коммуникациям Vitamin.tools на онлайн-конференции «Как автоматизировать маркетинг и продажи с помощью CRM и AI».

Маркетологу в 2026 году легко впасть в одну из двух крайностей. Первая – продолжать делать руками то, что уже стабильно выполняют алгоритмы. Вторая – отдать всё нейросети и принять красивый отчёт за анализ. В выступлении на конференции Vitamin.tools я показывал на конкретных кейсах, где автоматизация уже экономит время и деньги, а где человек пока должен оставаться в контуре.

Главная мысль проста: ИИ полезен там, где задача повторяется, её можно описать правилами и проверить результат. Чем ближе работа к причинно-следственным выводам, бизнес-решениям и точному пониманию продукта, тем опаснее полностью убирать человека.

1. Визуальные креативы уже можно автоматизировать, но не пытаться имитировать реальность любой ценой.

Первый блок доклада был про генерацию визуального контента. Модели быстро улучшаются, но у видео всё ещё бывают галлюцинации. Поэтому я не советую заставлять ИИ изображать товар так, будто это реальная съёмка, если точность продукта критична. Обувь, посадку одежды, детали товара проще снять на телефон и не рисковать искажением.

Зато на верхней части воронки генеративный контент отлично работает как способ остановить скролл. Там можно гиперболизировать, делать визуальные метафоры, иллюзии и странные сцены. В рекламе холодной аудитории это помогает зацепить внимание прежде, чем человек разберётся в предложении.

В кейсе тату-студии я сравнивал два ролика. Живое мобильное видео с татуировкой мастера принесло 61 заявку по 850 ₽. Видео, полностью собранное с помощью ИИ, дало 105 заявок по 250 ₽. В исходном сценарии изображения делали через Midjourney, а затем оживляли в PixVerse.

Из этого не следует, что AI-креатив всегда победит живую съёмку. Кейс показывает другое: генерация уже годится для быстрого теста гипотез на холодной аудитории. Спикер также приводил ориентир со слайда: пользователь ежедневно сталкивается с 200-600 баннерами, а на первый визуальный контакт у рекламного сообщения остаётся примерно 1-2 секунды. Поэтому верх воронки – место для смелого тестирования.

2. Ручной запуск кампаний можно сокращать, если алгоритму дать нормальную структуру теста.

Следующий слой автоматизации – сами рекламные кампании. Здесь речь шла не о том, чтобы попросить чат-бота нажимать кнопки, а о встроенной нейросети рекламной системы. В Яндекс Директе это автотаргетинг.

В мебельной нише кампания работала десять месяцев, с мая 2024-го по апрель 2025-го. За этот период спикер показал более 1 500 квалифицированных заявок и 145 договоров. Его практическая рекомендация: после запуска не мешать алгоритму учиться, выдержать около семи дней, сравнивать копии кампаний и оставлять лучшие.

Здесь автоматизация не отменяет маркетолога. Человек всё ещё решает, какие кампании копировать, по каким критериям сравнивать результат, когда отключать связку и что считать масштабированием. Алгоритм забирает повторяемую часть работы, а архитектура теста остаётся на стороне команды.

3. ИИ хорошо собирает данные. Анализировать их должен человек.

Это граница, которую в докладе я обозначил жёстко: сбор данных можно делегировать ИИ, аналитику – нет. Нейросеть способна собрать показатели, расшифровать звонки, вытащить частые возражения, разложить обращения по параметрам и подготовить сводку. Но если просто пересказать эти цифры, получится констатация фактов.

Аналитика начинается там, где команда отвечает на вопрос «почему так произошло и что менять дальше». Для этого нужен контекст бизнеса: маржинальность, продукт, качество лидов, сезонность, отдел продаж, изменения на сайте. ИИ может подсветить сигнал, но ответственность за причинную связь и действие остаётся у маркетолога.

Разместите
тендер бесплатно

Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.

Заполнить заявку 13760 тендеров
проведено за восемь лет работы нашего сайта.

4. Автоматизация тестов работает лучше, когда кампании маленькие и независимые

В кейсе продвижения новостного Telegram-канала через Яндекс Директ лучшая связка дала подписчика по 10 ₽, средняя цена составила 29 ₽. Для тестов использовалась стратегия мелких связок: одна кампания, один оффер, один заход и небольшой отдельный бюджет – в докладе назывался диапазон 300-500 ₽.

Логика удобна именно для автоматизации. Сработавшие связки масштабируются, неудачные быстро отключаются. Для процесса использовались ChatGPT, Google Таблицы, Make и Коммандер: данные попадали в таблицу, запускалась генерация креатива, затем материалы уходили в таблицу заливки. ИИ здесь выступает частью конвейера, а не самостоятельным маркетологом.

5. ИИ-продавец возможен, но его нельзя включить за вечер.

Самый показательный пример из нижней части воронки – проект в нише банкротства физических лиц. На старте конверсия в сделку составляла 3,5%. Целью были 4,5%, фактический результат дошёл до 5,5%. По данным спикера, это дало рост выручки на 10 млн ₽.

Но важна цена автоматизации. По словам спикера, обучение и внедрение такой AI-системы занимает в среднем 2-3 месяца. В архитектуре были нейропродавцы и контроль качества, система собирала данные из звонков и возражений. Эти данные затем забирали маркетологи и продажи.

То есть здесь ИИ уже может участвовать в коммуникации с клиентом и контроле процесса, но бизнес-логика, обучение модели, критерии качества и разбор ошибок остаются человеческой работой. Если просто подключить бота без этого слоя, автоматизируется не продажа, а хаос.

6. Что автоматизировать в первую очередь.

• Генерацию вариантов визуалов и текстов для тестов, особенно на верхней части воронки.

• Рутинный запуск и обслуживание рекламных кампаний там, где рекламная система уже умеет обучаться на данных.

• Сбор и структурирование данных: показатели кампаний, звонки, возражения, повторяющиеся вопросы.

• Передачу данных между сервисами и таблицами, если процесс уже описан и проверен вручную.

Что не стоит полностью отдавать ИИ

• Финальную аналитику и выводы о причинах результата.

• Решения о продукте, позиционировании и приоритетах бюджета.

• Точное изображение товара, если ошибка в деталях способна разрушить доверие.

• Продажи без обучения, контроля качества и заранее описанной логики общения.

ИИ не заменяет маркетинговую систему

В финале выступления я разделял AI-автоматизацию и рекламную инфраструктуру. Команда может тестировать креативы через ИИ, запускать связки небольшими бюджетами и собирать данные автоматически, но ей всё равно нужно управлять пополнениями, документами, маркировкой и расходами по разным рекламным системам. Vitamin.tools помогает держать этот слой в одном контуре, чтобы автоматизация не превращалась в набор разрозненных экспериментов, а работала внутри понятного процесса с контролем бюджета и ответственности.

Поэтому вопрос на 2026 год звучит уже не «можно ли использовать ИИ в маркетинге». Можно, и во многих задачах это давно практично. Гораздо полезнее каждую задачу проверять по трём критериям: есть ли у неё повторяемый процесс, можно ли объективно проверить результат и кто отвечает за решение, если алгоритм ошибётся. Там, где все три ответа понятны, автоматизация экономит ресурс. Там, где нет, человеку рано выходить из контура.