Elpodium 
Тендеры и лиды
Информация
Виктория Росинская, сооснователь маркетингового агентства ELPODIUM. Опубликовано: июль 2026
По данным McKinsey State of AI 2025 (декабрь 2025), 88% организаций уже используют искусственный интеллект хотя бы в одной функции — но только 6% получают от него более 5% EBIT. Компании с полностью перестроенными процессами показывают в 2,5 раза более высокий рост выручки и в 2,4 раза выше продуктивность.
Разрыв не в доступе к моделям. Разрыв в перестройке процессов вокруг них.
За 7 лет в ELPODIUM мы создали 300+ маркетинговых стратегий для бизнесов в 17+ странах. Полтора года ушло на то чтобы перестроить процесс работы под ИИ-аналитику и закрепить рабочую пропорцию 70/30. В статье — что пробовали автоматизировать зря, что оставили за человеком и как измеримо изменились показатели агентства за два года.
Материал для digital-агентств и маркетологов которые задумываются об интеграции языковых моделей в производственный процесс.
Гипотеза звучала логично. Если модель умеет анализировать данные и генерировать варианты — отдать всё, стратег подключается только на финальной проверке.
Результат через три месяца оказался неожиданным. Обученным моделям отдали тексты стратегий, анализ аудитории, позиционирование, клиентские презентации. Тексты получились гладкие, но одинаковые.
Стратегия для салона в Праге и стратегия для салона в Минске отличались только названием города. Модель не учла критичное: пражская клиентка выбирает мастера через локальные форумы и отзывы, минская — через рейтинг в Google Maps. Клиент прочитал черновик и сказал прямо: «Это не про мой город. Это про абстрактный салон в абстрактном городе».
Проблема оказалась структурной. Большие языковые модели генерируют ответ на основе паттернов из обучающей выборки. Локальные микропаттерны конкретного рынка представлены в этой выборке недостаточно. Дообучение на клиентских данных смягчает — не решает.
По данным Stanford AI Index Report 2026, точность frontier-моделей на тестах устойчивости расходится от 14% до 90% в зависимости от задачи. Одна и та же модель на близких по смыслу запросах даёт противоположные результаты. Это структурное свойство, а не баг которого скоро исправят.
После провала команда разложила задачи по таблице и пересчитала часы. Обнаружилось: 70% рабочего времени уходит на сбор, структурирование и оформление данных. Это задачи с которыми обученная модель справляется быстрее человека и без потери концентрации к концу рабочего дня.
Оставшиеся 30% — принятие решений: выбор позиционирования, культурная адаптация стратегии, защита цифр перед клиентом. Здесь модель предлагает варианты, но выбирает правильный человек с опытом сотен проектов.
Ключевая разница — между «автоматизировать» и «делегировать».
Автоматизировать можно сбор данных. Делегировать модели стратегическое решение нельзя. Она не знает что ресторан в Латвии потерял 40% клиентов после перехода на премиальное позиционирование. Стратег знает — потому что вёл проект.
Полтора года настройки процесса на реальных клиентских проектах закрепили конкретные пропорции для каждого этапа.
Исследование целевой аудитории: 80% ИИ / 20% стратег. Модель собирает данные из отзывов, форумов, соцсетей, CRM клиента. Стратег проверяет гипотезы и корректирует выводы.
Конкурентная разведка: 85% ИИ / 15% стратег. Модель обрабатывает сайты, цены, отзывы, рекламные объявления конкурентов. Стратег ищет незакрытый сегмент аудитории и слабое место лидера рынка.
Позиционирование и смыслы: 30% ИИ / 70% стратег. Модель генерирует варианты. Стратег выбирает и адаптирует под знание рынка, культуры и поведенческих особенностей покупателей конкретной страны.
Каналы и бюджет: 60% ИИ / 40% стратег. Прогнозные модели, калькуляторы ROAS, бюджетные сценарии — алгоритмы. Стратегический выбор микса каналов остаётся за человеком.
Контент-стратегия: 50 на 50. Форматы и темы — модель. Голос бренда и эмоциональная точность — стратег.
Защита стратегии перед клиентом: 10% ИИ / 90% стратег. Модель почти не помогает. На вопросы собственника про цифры и логику отвечает человек.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13691 тендер
проведено за восемь лет работы нашего сайта.
Закономерность простая: чем ближе задача к принятию решения — тем меньше доля модели.
Первый проект где новая пропорция дала кратный результат — B2B-производитель стройматериалов выходил на европейский рынок. На целевом рынке 43 конкурента.
Ручной анализ занял бы неделю работы стратега. Обученная модель за один вечер обработала данные каждого конкурента: цены, позиционирование, отзывы клиентов, рекламные объявления, упоминания на отраслевых форумах.
Утром стратег открыл файл и за полтора часа нашёл закономерность на поиск которой вручную ушла бы неделя. В негативных отзывах восьми из 43 конкурентов повторялась одна и та же жалоба — не на качество продукта, а на скорость расчёта стоимости доставки. Клиенты писали: «Хороший материал, но три дня считали доставку — я уже купил в другом месте».
Позиционирование построили вокруг одного обещания: «Стоимость доставки в вашем городе — за 15 минут».
Результат за первые три месяца работы: 227 B2B-лидов, стоимость привлечения одного лида снизилась с $50 до $20.
По отдельности ни стратег, ни модель к этому решению бы не пришли. Стратег вручную не просмотрел бы отзывы по всем 43 компаниям. Модель не распознала бы в жалобе на медленный расчёт стоимости доставки незакрытую рыночную нишу — это интерпретация, а не факт из данных.
Именно на стыке параллельной обработки данных моделью и человеческой интерпретации рождается результат.
Конкретные цифры перестройки процессов на реальных клиентских проектах.
Время на исследование целевой аудитории сократилось с 25–30 часов до 3–4 часов. Количество проанализированных конкурентов на проект выросло с 7–12 до 30–50. Подтверждённых инсайтов об аудитории — с 8–15 до 25–40. Срок подготовки полной маркетинговой стратегии — с 2–3 недель до 5–7 рабочих дней. Время на подготовку коммерческого предложения — с 3 часов до 15 минут.
Один стратег теперь ведёт 4–5 проектов параллельно вместо двух.
Ключевое изменение — не в скорости подготовки документов. Оно в том на что стратег тратит рабочий день. В 2023 году из 8 рабочих часов около 6,5 часов уходило на сбор и оформление данных, только 1,5 часа — на анализ и принятие решений. Сейчас на сбор данных уходит 2 часа, остальные 6 часов — на анализ, проверку гипотез, формулирование рекомендаций.
Время на аналитическое мышление выросло вчетверо при той же общей нагрузке.
Модель не главный актив. Frontier-модели обновляются каждые 2–4 месяца. Ценность в цепочке промптов и обученных проектах настроенных под конкретный домен. У нас на настройку рабочей цепочки ушёл примерно год после того как поняли что автоматизировать нужно только 70%.
Верификация каждого результата — часть процесса, не опция. При разбросе точности frontier-моделей 14–90% каждый результат работы модели проверяется вручную. Иначе pipeline работает как усилитель ошибок.
ИИ усиливает доменную экспертизу, а не заменяет её. Стратег без опыта на конкретном рынке не распознает провал позиционирования по типу «премиум в Латвии». Модель тем более не распознает. Языковые модели работают как инструмент в руках эксперта, а не как замена эксперта.
Четыре сигнала на основе опыта работы с командами разного размера.
Первый — упираетесь в потолок по количеству проектов. Один стратег ведёт два проекта параллельно и не может взять третий без потери качества.
Второй — конкурентный анализ занимает неделю, клиент ждать не готов. На каждый проект уходит 7–10 дней только на сбор данных по конкурентам.
Третий — конкуренты-агентства работают заметно быстрее. Если ваши подрядчики или конкурирующие агентства сдают стратегии за неделю, а вы за три — разрыв в позиционировании на рынке будет расти.
Четвёртый — используете ChatGPT или Claude, но результат нестабильный. Разовые запросы дают разовые ответы: иногда полезные, иногда с устаревшими или неверными данными. Системный подход через обученные проекты и встроенную верификацию превращает нестабильный инструмент в воспроизводимый процесс.
Виктория Росинская — сооснователь международного маркетингового агентства ELPODIUM. Компания работает с 2018 года, специализация — маркетинговые стратегии с ИИ-аналитикой для бизнесов в России, СНГ и Европе. 300+ стратегий в 17+ странах.
