Elpodium 
Тендеры и лиды
Информация
Кому пригодится: руководителям агентств, которые думают о внедрении ИИ в процессы и не понимают, с чего начать; специалистам, у которых первая попытка автоматизации не взлетела; тем, кто выбирает между «нанять ещё одного человека» и «автоматизировать то, что есть».
Gartner прогнозирует, что более 40% агентских ИИ-проектов будут отменены к концу 2027 года. Мы прошли через три из перечисленных там причин на собственном опыте. Ниже — что именно ломалось, как чинили и какие процессы в итоге работают на 40+ проектах одновременно.
Меня зовут Виктория Росинская, я сооснователь международного агентства ELPODIUM. Семь лет, более 300 маркетинговых стратегий в 17+ странах. Полтора года назад я закатывала глаза на очередной пост про революцию AI-агентов. Сейчас несколько таких агентов работают в наших процессах ежедневно — и я по-прежнему считаю, что большинство разговоров о них шум. Разница в том, что теперь понятно, где граница между рабочим инструментом и дорогой игрушкой.
Прогноз Gartner от 25 июня 2025: более 40% агентских ИИ-проектов будут отменены к концу 2027 года из-за роста затрат, неопределённой бизнес-ценности или недостаточного контроля рисков.
В апреле 2026 Gartner поместил агентский ИИ на «Пик завышенных ожиданий» в Hype Cycle и привёл цифры, объясняющие механику отмен: внедрили агентов 17% организаций, планируют в ближайшие два года — более 60%. Разрыв между намерением и реальностью и создаёт условия для массовых закрытий проектов.
В июле 2026 Forbes вернулся к прогнозу с ключевым уточнением: причина отмен не в возможностях моделей, а в управлении. Слабое руководство проектом, неопределённая бизнес-ценность, недостаток операционной дисциплины.
Отдельная история — «agent washing». Gartner описал явление, при котором вендоры переупаковывают существующие чат-боты, ассистентов и RPA-решения в «агентов» без реальных агентских возможностей. По оценке Gartner, из тысяч компаний, заявляющих агентские решения, реально агентских около 130.
Для маркетинга картина похожая. По данным HubSpot (State of Marketing 2026), 88% маркетологов используют ChatGPT. По SimilarWeb (2025), только 15–20% применяют нейросети для стратегических задач. Разрыв в 70 процентных пунктов — это люди, которые открыли инструмент, но не изменили процесс.
На наших кастдевах формулировка повторяется почти дословно: «ИИ использую только как копирайтер. Пишу тексты, всё другое не доверяю».
Самая частая, и мы её тоже совершили. Создали проект в Claude, не загрузили ничего о клиенте, начали задавать вопросы про конкурентов. Получили ответ уровня стажёра, который прочитал первую страницу выдачи: «Конкуренты активно используют социальные сети и проводят акции».
Разница между агентом и обычным чатом не в модели, а в контексте. Пустой проект генерирует стереотипы, которые подходят любому бизнесу и не помогают ни одному.
Что загружать в проект — минимальный набор:
бриф клиента: кто, что продаёт, кому, в каком городе, средний чек;
анализ целевой аудитории с сегментами и дословными цитатами из интервью;
разбор конкурентов: названия, ссылки, позиционирование, офферы;
позиционирование клиента и его отличия от конкурентов;
тон бренда с примерами удачных текстов;
предыдущие отчёты по проекту.
Контекстное окно Claude на платном плане — до 1 000 000 токенов, примерно 1 500 страниц текста. Места хватает на всю фактуру проекта и историю работы за несколько месяцев.
Когда все эти файлы загружены, ответы меняются настолько, что возникает вопрос, та ли это нейросеть.
Практический вывод для агентства. Если у вас нет структурированных данных по клиенту, агент их не создаст. Он усилит то, что есть. Нет ничего — усилит пустоту. Это же означает, что внедрение агентов упирается не в технологию, а в качество вашей аналитической базы. У агентств, которые ведут проекты «на ощущениях», автоматизация не взлетит, пока не появится документация.
Вторая по частоте. Агентство решает автоматизировать процесс, который никогда не был формализован. В результате получает тот же хаос, только быстрее и с меньшим контролем.
Мы прошли через это на мониторинге конкурентов. Раньше это был ритуал: раз в месяц стратег открывает 15 сайтов, листает соцсети, проверяет рекламу. Четыре-пять часов работы, которую все ненавидели. Часто забывали. Когда вспоминали — конкурент уже запустил акцию, и клиент спрашивал: «А вы видели?»
Первая попытка автоматизации провалилась именно потому, что процесс не был описан. Что конкретно смотрим? По каким критериям считаем изменение значимым? Что делаем с находкой? Пока эти вопросы не были отвечены на бумаге, никакая нейросеть не помогала.
Как выглядит процесс сейчас — два шага по 10 минут:
Первый шаг. Perplexity собирает свежие данные по запросам на языке рынка клиента: новости ниши за неделю, акции конкретных конкурентов, свежие отзывы. Perplexity заточен под поиск и возвращает структурированные ответы со ссылками на источники.
Второй шаг. Claude анализирует эти данные с учётом контекста проекта и сравнивает с отчётом за прошлую неделю. Выдаёт таблицу: что изменилось, у какого конкурента, чем это грозит клиенту, какое конкретное действие предпринять.
Двадцать минут вместо пяти часов. На десяти проектах — 200 минут против 40–50 часов в месяц.
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.
Но работает это не потому, что мы подключили инструменты, а потому что сначала описали, что именно должно происходить. Это ровно то, о чём говорит уточнение Forbes: проблема в операционной дисциплине, а не в моделях.
Практический вывод. Перед автоматизацией любого процесса опишите его на бумаге: вход, шаги, критерии оценки, выход, что делаем с результатом. Если процесс не описывается — его нельзя автоматизировать. Если описывается — половина работы уже сделана, потому что описание и есть основа промпта.
Здесь начинается самое неприятное для агентского бизнеса.
Агент закрывает около 80% рутины: собрать данные, найти паттерны, структурировать, оформить. Оставшиеся 20% — проверить факты, отсечь галлюцинации, добавить контекст, который знает только человек, работавший с этим клиентом.
По данным Stanford HAI, полностью исключить фактические ошибки в языковых моделях на текущем уровне технологии невозможно. Это свойство архитектуры, а не баг конкретной модели. Финальная проверка человеком — обязательный этап процесса, а не перестраховка.
Цена пропущенного этапа считается конкретно. Gartner прогнозирует, что в 2026 году треть компаний навредит клиентскому опыту, внедрив ИИ преждевременно. Для агентства это не абстрактный риск: агент, который неверно сегментировал аудиторию клиента, приводит к рекламе, которая бьёт мимо, и к репутационным потерям, за которые отвечает подрядчик.
Проблема в том, что эти 20% требуют более высокой квалификации, чем те 80%, которые ушли машине.
Что это означает для структуры команды. Специалист, который умел только собирать данные вручную, теряет функцию. Специалист, который умеет оценить результат нейросети и достроить его экспертизой, становится дороже. Для агентского бизнеса это перестройка структуры, а не сокращение затрат на прежней структуре.
И именно здесь, судя по прогнозу Gartner, проекты чаще всего ломаются: считали экономию на фонде оплаты труда, получили требование к росту квалификации.
За полтора года у нас сформировались критерии, по которым мы решаем, автоматизировать задачу или нет.
Окупается: задача повторяется еженедельно или чаще; содержание формализуемо; результат проверяем; ошибка обнаруживается до того, как дойдёт до клиента. Примеры: мониторинг конкурентов, обработка расшифровок интервью, первичная сборка отчётности, генерация вариантов заголовков для тестов.
Не окупается: разовые задачи; задачи, требующие суждения о людях; всё, где ошибка обнаруживается только постфактум. Примеры: выбор стратегического направления, решение о смене позиционирования, оценка работы сотрудника, коммуникация с клиентом в конфликтной ситуации.
Про стоимость. Набор из трёх подписок — Claude, ChatGPT, Perplexity — обходится примерно в 60 долларов в месяц. Это стоимость двух часов работы стратега. Стоимость входа низкая. А вот стоимость решения, принятого на основе непроверенных данных от агента, может быть кратно выше — как раз про это прогноз о трети компаний, которые навредят клиентскому опыту.
Про разделение задач. Попытка закрыть всё одним инструментом — самая распространённая причина разочарования. Claude сильнее в анализе длинных документов и работе с контекстом проекта. ChatGPT быстрее генерирует варианты и лучше работает с таблицами и расчётами. Perplexity заточен под поиск с проверяемыми источниками. Разделение задач между моделями даёт больше, чем выбор «лучшей» модели.
История с agent washing касается не только корпоративных вендоров. На рынке маркетинговых инструментов та же картина: значительная часть решений, которые продают как «AI-агентов», — это чат-боты с изменённым названием и ценником.
Три признака, по которым отличается реальный агент:
Помнит контекст между сессиями. Не нужно каждый раз объяснять заново, кто ваш клиент и какой у него бизнес.
Сам выстраивает последовательность шагов. Вы задаёте цель, агент решает, какие данные проверить и в каком порядке действовать. Чат-бот выполняет одну инструкцию за раз.
Может действовать без пошаговых указаний. По расписанию, по триггеру, по результату предыдущего шага.
Если решение не проходит по этим трём пунктам — вы покупаете чат-бот по цене агента.
Внедрение агентов упирается не в технологию, а в качество вашей аналитической базы. Нет структурированных данных по клиенту — агент их не создаст.
Процесс, который нельзя описать на бумаге, нельзя автоматизировать. Описание процесса и есть половина работы.
Агент закрывает 80% рутины, но оставшиеся 20% требуют более высокой квалификации, чем те, что ушли машине. Это перестройка команды, а не экономия на ней.
Автоматизируйте то, что повторяется еженедельно и проверяемо. Всё, что требует суждения, оставьте людям.
Разделяйте задачи между моделями вместо поиска одной универсальной.
Проверяйте, что вам продают: реальный агент помнит контекст, сам выстраивает шаги и работает без пошаговых указаний.
Вопрос «нужны ли агентства, если у клиента есть ChatGPT» звучит всё чаще, и он справедлив. Ответ, к которому мы пришли: клиент с нейросетью получает текст. Агентство с нейросетью получает время, которое можно вложить в то, что нейросеть не делает — в разговор с покупателями, в проверку гипотез, в решения, за которые кто-то несёт ответственность.
Прогноз Gartner о 40% отменённых проектов, на мой взгляд, не про технологию. Он про то, что автоматизация неописанного процесса даёт неописанный результат.
Расскажите в комментариях, кто уже пробовал внедрять агентов в агентские процессы: на чём споткнулись и что в итоге осталось работать? Соберём практику рынка — она полезнее любой отдельной статьи.
Виктория Росинская — сооснователь международного маркетингового агентства ELPODIUM. Более 300 маркетинговых стратегий в 17+ странах.
