Читать книгу: «AI-отдел маркетинга»
AI-отделмаркетинга
Как построить автоматизированную маркетинговую систему,
в которой ИИ исследует, создаёт, запускает, анализирует и улучшает маркетинг.
Антон Аракчеев
AI-отдел маркетинга: как построить автоматизированную маркетинговую систему, в которой ИИ исследует, создаёт, запускает, анализирует и улучшает маркетинг
Все компании, имена, кейсы и цифры в этой книге условные. Любые совпадения с реальными событиями, компаниями и лицами случайны.
Названия, тарифы и возможности упомянутых сервисов актуальны на момент написания и могут изменяться; перед внедрением проверяйте актуальные условия у поставщиков. Книга не является юридической консультацией.
Все права защищены. Полное или частичное воспроизведение текста допускается только с письменного согласия правообладателя.
Аннотация
В вашем маркетинге десятки повторяемых операций: сбор данных, отчёты, контент-планы, переносы заявок, мониторинг кампаний. Эта книга о том, как передать их системе — ИИ, автоматизациям и описанным процессам, — оставив людям стратегию, креатив и ответственность.
«AI-отдел маркетинга» — практическое руководство по перестройке отдела вокруг формулы люди + AI + данные + процессы + автоматизация + контроль: от первого описанного процесса до собранной AI Marketing OS с планом внедрения на девяносто дней.
В книге 65 готовых промптов, 25 шаблонов и три сквозных кейса: e-commerce, B2B-производитель и сеть услуг. Цифры в кейсах условные.
Адресаты: руководителям — архитектура и план; практикам — промпты и контроль; автоматизаторам — связки и права.
Примечание: оглавление построено на полях Word. После редактирования документа щёлкните по оглавлению правой кнопкой мыши и выберите «Обновить поле», чтобы номера страниц пересчитались.
Введение. Маркетинговый отдел после ИИ
Ещё пять лет назад вопрос звучал так: «Кому поручить эту задачу?» Сегодня вопрос другой: «Как построить систему, в которой часть задач выполняется без человека — но под его контролем?»
Представьте типичный маркетинговый отдел средней компании. В нём есть руководитель, маркетолог, специалист по рекламе, контентщик, дизайнер, SMM-специалист, CRM-маркетолог и аналитик — или, чаще всего, один человек, который совмещает все эти роли. У каждого свои задачи, свои таблицы, свои сервисы и свой чат. Отчёты собираются вручную по пятницам. Контент пишется по очереди, когда до него доходят руки. Заявки из рекламы кто-то переносит из кабинета в CRM. Сегменты для рассылок собираются фильтрами вручную. Всё это работает — но работает медленно, дорого и держится на людях, которые каждую неделю делают одну и ту же механическую работу.
Затем в компанию приходит ИИ. Руководитель покупает подписку на языковую модель, потом ещё на три сервиса, потом ещё на пять. Через полгода у команды есть дюжина инструментов — но ничего фундаментально не изменилось. Тексты пишутся быстрее, но конвейера контента нет. Отчёты стали выходить чаще, но их по-прежнему собирает человек. Почему так происходит? Потому что набор инструментов — это ещё не система. Инструмент решает отдельную задачу в момент запроса. Система выполняет процесс целиком: сама замечает событие, собирает данные, принимает решение по правилам, выполняет действие и сообщает человеку только там, где нужно его суждение.
Эта книга — о том, как превратить набор AI-инструментов в работающую маркетинговую систему. Такой отдел мы будем называть AI-отделом маркетинга. Это не отдел без людей и не отдел, где все пишут промпты. Это маркетинговая функция, перестроенная вокруг связки: человек + ИИ + данные + процессы + автоматизация + контроль. Люди в ней управляют системой: ставят цели, проектируют процессы, задают правила, проверяют результаты и отвечают за решения. ИИ и автоматизация берут на себя повторяемую интеллектуальную и операционную работу: сбор данных, классификацию, генерацию вариантов, мониторинг, отчётность, типовые коммуникации.
Переход к такому отделу можно описать одной цепочкой: отдел людей → цифровые процессы → AI-ассистенты → AI-агенты → AI-отдел. Сначала процессы описываются и стандартизируются. Затем в отдельные шаги встраиваются AI-ассистенты, которые помогают человеку быстрее делать ту же работу. Дальше шаги связываются в автоматизированные сценарии — workflows, которые запускаются сами. Наконец, появляются агенты — автономные исполнители ограниченных задач, — и все элементы складываются в единую операционную систему маркетинга: AI Marketing OS.
Почему это не книга про промпты и сервисы
Промптов в этой книге много — шестьдесят пять готовых инструкций, распределённых по главам. Но промпт — это лишь способ передать задание модели. Промпт не решает главную проблему: данные не попадают к модели сами, результаты никуда не отправляются, процессы не запускаются, ошибки никто не ловит. Всё это делает архитектура: источники данных, интеграции, правила, сценарии и контрольные точки. Именно поэтому здесь почти нет обзоров конкретных сервисов. Инструменты меняются каждые полгода, а архитектура остаётся. Мы будем говорить о классах инструментов и о том, как они соединяются, — а названия сервисов рассматривать лишь как примеры, которые к моменту вашего чтения могли уже обновиться.
Вторая причина — экономическая. Покупка инструментов без перестройки процессов — самый распространённый и самый дорогой способ имитации автоматизации. Компания платит за подписки, сотрудники иногда пользуются, но стоимость процесса, его скорость и надёжность не меняются. Автоматизация окупается не количеством подписок, а сокращением ручных шагов в конкретных процессах — и в этой книге мы будем постоянно считать: часы, стоимость операции, скорость, ошибки, возврат инвестиций.
Что такое AI Marketing OS
Центральная модель книги — AI Marketing OS, операционная система маркетинга. Это замкнутый цикл из тринадцати связанных областей: стратегия → данные → исследование → планирование → создание → публикация → трафик → лиды → CRM → продажи → аналитика → оптимизация → обучение. После анализа система возвращается к исследованию и планированию — и цикл начинается заново, уже с новыми данными. Коротко этот контур можно записать формулой: данные → решение → действие → результат → данные.
ИИ присутствует на каждом этапе этого цикла, но степень его автономности различается. В исследовании он собирает и сжимает информацию. В создании контента — готовит черновики и варианты. В рекламе — мониторит кампании и находит отклонения. В CRM — классифицирует лидов и предлагает сегменты. В аналитике — сводит показатели и замечает аномалии. Но ни на одном этапе мы не будем отдавать ИИ финальное решение без правил и контроля. Принцип книги прост: чем больше автономность, тем жёстче должен быть контроль — и наоборот.
Три компании, на примере которых мы будем учиться
Вместо одного сквозного примера в книге работают три условных бизнеса разных типов — потому что архитектура AI-отдела в e-commerce, в B2B и в локальном сервисе собирается по-разному. Первый — «ДомУют», интернет-магазин товаров для дома: восемь человек в маркетинге, сайт, CRM, реклама в Яндекс Директе и VK, соцсети, email, мессенджеры, продажи на маркетплейсах, отчёты вручную. Второй — «Инженерные системы», B2B-производитель вентиляционного оборудования: длинные циклы сделки, дилеры, тендеры, выставки, маленькая маркетинговая команда и большой отдел продаж. Третий — «Свежесть», сеть студий химчистки мебели из шести филиалов: запись через Telegram и сайт, геореклама, сезонность, работа с отзывами и повторными визитами.
Каждая глава будет возвращаться к этим компаниям: в блоках «Кейс» мы будем разбирать конкретную задачу по схеме проблема → процесс → автоматизация → риск → контроль → результат. Все цифры и названия в кейсах условные — они нужны для демонстрации логики расчётов, а не как рыночные бенчмарки. Не переносите их в свои планы без проверки на собственных данных.
Что вы получите к концу книги
К последней странице у вас должно появиться не чувство «теперь я знаю про ИИ больше», а рабочая архитектура собственного отдела. Вы сможете: находить процессы, достойные автоматизации, и отсеивать те, которые автоматизировать не нужно; описывать маркетинговые workflows в едином формате; проектировать AI-ассистентов с понятным входом, выходом и точками проверки; строить AI Marketing Stack — пять уровней от данных до контроля; связывать CRM, аналитику, контент и рекламу в один контур; измерять экономику автоматизации и считать её ROI; управлять правами ИИ и строить процессы human-in-the-loop. Приложение А содержит двадцать пять шаблонов для всего этого — от карты отдела до реестра рисков, — а глава 18 собирает внедрение в план на девяносто дней.
И последнее — о дисциплине мышления. Две крайности одинаково вредны. Первая: «ИИ заменит маркетологов, нужно срочно всё автоматизировать». Вторая: «Это всё сырое, подождём, пока дозреет». Правда, как обычно, посередине: значительная часть маркетинговой работы — повторяемая, стандартизируемая и потому хорошо автоматизируемая; но стратегия, креатив, бренд, сложные переговоры и ответственность за решения остаются за людьми. AI-отдел — это не про то, что в компании станет меньше людей. Это про то, что каждый человек сможет управлять гораздо большей системой. Как её построить — и есть предмет этой книги.
Кому адресована эта книга
Книга рассчитана на три группы читателей, и каждая из них найдёт в ней свой главный маршрут. Первый — руководители маркетинга и коммерческие директора, которые отвечают за результат направления и устали масштабировать отдел только наймом: им книга даёт архитектуру, план внедрения и язык, на котором можно разговаривать с собственниками и ИТ-командой. Второй — действующие маркетологи, которые хотят перейти от ручного исполнения к управлению автоматизированными процессами: для них особенно важны главы о проектировании процессов, промптах и контроле качества. Третий — специалисты по автоматизации и аналитике, которым поручили «добавить сюда ИИ»: они получат рамку, в которой технические связки не превращаются в набор скриптов без владельца, цели и прав.
Отдельно скажу о размере компании. Примеры в книге охватывают три бизнеса — e-commerce, B2B-производство и локальную сеть услуг, — потому что логика построения AI-отдела универсальна, меняется только масштаб. В команде из двух человек AI-отдел начинается с одного описанного процесса и одного ассистента; в отделе из двадцати человек — с карты процессов и распределения ролей. Принцип «сначала описание, потом автоматизация» работает одинаково в обоих случаях, просто во втором вокруг него появляется больше согласований. Если вы работаете в малом бизнесе, не пропускайте главы об управлении — именно на малых командах ошибки автоматизации стоят дороже всего, потому что исправлять их некому, кроме вас.
Как устроена книга
Книга построена как пошаговая сборка системы, и порядок глав — это порядок внедрения. Часть I отвечает на вопросы «что мы строим и с чего начать»: определения, формула AI-отдела, отбор процессов для автоматизации. Часть II — про фундамент: стек технологий, проектирование процессов и данные. Часть III разбирает пять функциональных контуров — исследование, контент, реклама, CRM и поддержку продаж, — и это самая «практическая» часть книги с наибольшим числом промптов. Часть IV — про инженерию: workflows, no-code-связки и первое знакомство с агентами. Часть V — про управление: роли людей, метрики, риски, права и план на девяносто дней.
Каждая глава выдержана в единой логике: сначала проблема и принцип, затем процесс, затем место ИИ и автоматизации в нём, затем контроль и результат. Каждая глава заканчивается разбором кейса одной из трёх компаний и сводкой «Главное из главы». Промпты собраны в библиотеки внутри глав и пронумерованы сквозной нумерацией — всего их шестьдесят пять. Шаблоны появляются в главах в виде каркасов, а их полные версии вынесены в приложение А; так книга остаётся читабельной, а приложения становятся рабочим инструментом.
Обозначения и соглашения
Несколько соглашений, о которых важно договориться до первой главы. Промпт-карточки оформлены рамкой и написаны как готовый текст для копирования: замените содержимое угловых скобок на свои данные. Шаблоны — это таблицы-каркасы; в главе они показаны в сокращённом виде, в приложении А — полные, с примерами заполнения. Кейсы — это сводные истории трёх компаний; все цифры в них условные, они подобраны так, чтобы показать порядок величин, а не служить бенчмарками.
Отдельно — про инструменты. В книге упоминаются сервисы, доступные российским командам: языковые модели (GigaChat, YandexAI, Qwen, DeepSeek, Z.ai/GLM и международные модели там, где они доступны), платформы автоматизации, CRM и рекламные кабинеты. Рынок меняется каждый квартал: меняются названия тарифов, лимиты, доступные регионы и даже названия продуктов. Поэтому все упоминания сервисов — это иллюстрации классов инструментов, а не рекомендации конкретных версий; перед внедрением проверяйте актуальные условия у поставщиков. Классы инструментов и принципы их связывания не устаревают — именно им посвящена бо́льшая часть технических глав.
Три маршрута чтения
Если вы руководитель — прочитайте книгу подряд, но начните с глав 2, 3 и 18: они дают определение, отбор процессов и план на девяносто дней, по которому можно принять решение о старте уже на этой неделе. Если вы маркетолог-практик — идите по главам 5–11 и собирайте промпты в собственную библиотеку по ходу чтения; к главам об архитектуре вернитесь, когда первые процессы заработают. Если вы специалист по автоматизации — ваш маршрут: главы 4–6, затем 12–14 и 17, где описаны workflows, интеграции и права доступа; особое внимание обратите на разделы про контроль ошибок и журналирование — именно они отличают систему от набора скриптов.
И последнее соглашение — о терминологии. Слово «система» в книге означает не программный продукт, а связку людей, процессов, данных и правил, которая выполняет работу. Слово «автоматизация» — любое исполнение действия без человека в моменте: от простой рассылки по расписанию до AI-агента. Слово «контроль» — не надзор, а заранее спроектированные точки, в которых человек проверяет качество и принимает решения. С этими тремя определениями книга читается как единая история о том, как вернуть маркетингу управляемость.
О чём эта книга не написана
Чтобы ожидания совпали с содержанием, зафиксируем и обратную сторону: чего в этой книге нет. Здесь нет обещаний «маркетинг на автопилоте без вашего участия» — те, кто их делает, продают не систему, а фантазию; каждая страница этой книги построена на обратном убеждении: за системой всегда стоит её архитектор. Здесь нет пошаговых инструкций к конкретным интерфейсам — скриншоты устаревают за квартал, и вместо них вы получите контракты инструментов: что запрашивать, что настраивать, как проверять. Здесь нет магических промптов, которые «работают всегда» — промпты в книге это шаблоны суждения, и их сила растёт от ваших данных и правил, а не от формулировки.
Наконец, здесь нет готовых ответов на стратегические вопросы вашего бизнеса — какую нишу выбрать, какой продукт развивать, куда идти с брендом. Книга учит строить систему, которая отвечает на такие вопросы быстрее и качественнее, но решения остаются вашими. Если вы искали кнопку «заменить отдел маркетинга», верните эту книгу; если вы искали способ сделать отдел сильнее без удвоения штата — читайте дальше.
Три компании: краткое досье
Познакомимся ближе с компаниями, на примерах которых будем учиться; их истории начнутся с первой части и дойдут до финальной главы. «ДомУют» — интернет-магазин товаров для дома; команда из восьми человек: руководитель, два маркетолога, контентщик, дизайнер, специалист по рекламе и два сотрудника поддержки. Классическая нагрузка e-commerce: ежедневный контент, сезонные распродажи, десятки рекламных кабинетов, тысячи отзывов и заявок в месяц. Их главный запрос: перестать тонуть в рутине и успевать жить сезонностью.
«Инженерные системы» — производитель и поставщик вентиляционного оборудования для B2B; маркетинг из четырёх человек, длинные циклы сделок, договорные условия, сложные коммерческие предложения. Их главный запрос: скорость и качество реакции на заявки, согласованность маркетинга с продажами, работа с большими закупками. «Свежесть» — сеть из шести пунктов химчистки мебели; маркетинг делает один человек с помощницей. Их главный запрос: максимальный эффект при минимальных ресурсах — локальный спрос, отзывы, геосервисы, повторные визиты. Три разных масштаба, три разных ограничения — и одна архитектура. Следя за ними, вы каждый раз будете видеть и свою ситуацию.
Практикум чтения
Эта книга работает, только если её читать с карандашом и открытым документом. Прежде чем начать, создайте рабочий файл проекта — назовём его «Досье AI-отдела»: в него вы будете складывать ответы на вопросы глав, выбранные промпты и наброски процессов. По ходу чтения возвращайтесь к трём постоянным заданиям.
После каждой части записывайте в досье: какие два-три утверждения главы противоречат текущей практике вашего отдела и что это значит
Копируйте в досье только те промпты, которые применимы к вашим процессам в ближайший месяц, — и сразу отмечайте, каких данных им не хватает
В конце каждой части отмечайте в списке из десяти правил памятки те, по которым ваш отдел сегодня «не проходит» — к заключению вы получите персональную карту отставания
Через девяносто дней после прочтения вернитесь к досье и сравните: что из прочитанного стало работающими процессами, а что осталось заметками. Это сравнение — лучший индикатор не качества книги, а качества вашего внедрения; и оно же подскажет, к каким главам вернуться. Книга считается прочитанной не тогда, когда перевернута последняя страница, а когда хотя бы один процесс в вашем отделе начал работать по-новому.
Часть I. Перестройка маркетинга
Прежде чем проектировать AI-команду, стек и workflows, нужно честно ответить на три вопроса: что произошло с маркетинговой работой за последние годы, что именно мы называем AI-отделом и с чего начать автоматизацию. Часть I даёт опорную модель: как изменилась нагрузка на специалистов, из чего складывается формула «люди + AI + данные + процессы + автоматизация + контроль» и по каким критериям отбирать первые задачи для автоматизации.
Глава 1. Маркетинговый отдел больше не будет прежним
Специалист не исчезает. Он перестаёт быть станком и становится оператором цеха.
1.1. Новая нагрузка: почему задач стало больше
Маркетинг за десять лет превратился из нескольких каналов в десятки. Компания, которая раньше имела сайт, две рекламные площадки и email-рассылку, сегодня ведёт сайт, несколько рекламных систем, соцсети, мессенджеры, маркетплейсы, email-кампании, партнёрские каналы и видеоплатформы. Каждый канал требует своего контента, своей периодичности, своей аналитики и своей настройки. Количество задач росло быстрее, чем количество людей в отделах, — и этот разрыв закрывался единственным доступным способом: люди стали делать больше однотипной работы за то же время.
Рассмотрим день контент-маркетолога условной компании. Утром нужно собрать статистику публикаций за неделю из четырёх площадок. Потом — написать пост, подготовить письмо для рассылки, согласовать с руководителем три текста, выгрузить список лидов для CRM-кампании и обновить контент-план. Ни одна из этих задач не требует глубокого мышления, но каждая требует времени: войти в систему, выгрузить, сверить, отформатировать, перенести. По оценкам самих отделов — и это сходится с практикой внедрений, — на такую операционную «обвязку» уходит больше половины рабочего времени. Не на стратегию, не на креатив и не на общение с клиентами, а на перенос данных и обслуживание процессов.
Эта нагрузка растёт ещё и потому, что бизнес требует скорости. Конкурент запустил механику — нужно ответить на этой неделе. Сезон начался — нужно удвоить контент. Реклама подорожала — нужно протестировать десять новых связок. Каждое требование в традиционной модели конвертируется в новые ручные задачи. И пока каждый шаг выполняет человек, отдел отвечает на рост требований единственным способом — переработками или деградацией качества.
1.2. Что именно меняют ИИ и автоматизация
ИИ меняет не отдельные задачи — он меняет экономику каждого шага маркетингового процесса. Разберём по слоям. Производство контента: черновик статьи, который раньше занимал день, готовится за час с помощью модели; вариант креатива, который дизайнер делал полдня, генерируется за минуты — но требует проверки и доводки. Анализ: сводка по кампаниям, которую аналитик собирал полдня, формируется автоматически каждое утро; аномалии в расходе и конверсии замечает мониторинг, а не человек, случайно открывший отчёт. Персонализация: сегменты собираются по событиям в CRM без ручных фильтров, тексты письма адаптируются под группу получателей. Коммуникации: типовые вопросы клиентов закрываются ассистентом, а менеджер видит только сложные диалоги.
Важно понимать масштаб изменений. Каждое из этих улучшений само по себе скромное: час сэкономлен здесь, отчёт ускорен там. Но когда такие улучшения складываются в связанную систему — данные передаются без ручного переноса, процессы запускаются событиями, результаты проверяются по правилам, — происходит качественный сдвиг. Отдел, который выпускал десять единиц контента в неделю, выпускает сорок. Отдел, который узнавал о проблеме в рекламе через два дня, узнаёт через два часа. Это уже не «тот же отдел, но с ИИ» — это другая операционная модель.
Одновременно меняется и количество каналов, которое отдел способен вести. Раньше пятый канал означал пятого специалиста. Теперь пятый канал означает пятый набор сценариев в системе: тот же конвейер производит адаптации под площадку, тот же мониторинг следит за метриками, тот же аналитический контур собирает отчёт. Масштабирование перестаёт требовать пропорционального найма — оно обеспечивается архитектурой.
1.3. Роль специалиста: от выполнения к управлению системой
Когда повторяемую работу берут на себя ассистенты и workflows, профессия маркетолога не исчезает — она смещается вверх по цепочке создания ценности. Вместо того чтобы писать пятую версию того же текста, человек формулирует бриф, задаёт ограничения и выбирает лучший из десяти черновиков. Вместо ручной сборки отчёта — проектирует правила, по которым отчёт собирается сам, и разбирает исключения. Вместо того чтобы переносить лиды между системами, — настраивает маршрутизацию и следит, чтобы она не ломалась. Это другая квалификация: понимание процессов, умение формализовать требования, дисциплина контроля.
Практически это выглядит так. Контент-менеджер «ДомУюта» утром проверяет очередь на публикацию: система подготовила черновики по контент-плану, ассистент сгенерировал варианты заголовков, редактор вносит правки и подтверждает выпуск. Специалист по рекламе начинает день не с ручного обхода кабинетов, а с разбора сводки отклонений, которую собрал мониторинг: две кампании вышли за лимит стоимости лида, у одной упал CTR — по каждой уже есть гипотеза причины и предложенный вариант действий. Руководитель смотрит не в шесть кабинетов, а в один дашборд, где решения уже подготовлены, и занимается тем, что не передаётся машине: приоритетами, бюджетами, креативной стратегией.
Отдельно подчеркнём: переход к управлению системой — это не повышение звания и не красивая формулировка для вакансии. Это рост ответственности. Ошибка исполнителя стоит одной задачи; ошибка архитектора процессов стоит недели работы отдела или испорченной рассылки по всей базе. Поэтому по мере роста автономности должна расти и зрелость контроля — этому посвящены главы 15 и 17.
1.4. Задачи человека, которые не исчезают
Автоматизация меняет состав работы, но не отменяет несколько её категорий. Стратегия и приоритеты — какие рынки развивать, какие сегменты приоритетны, какой бюджет выделить — остаются решением человека, потому что опираются на цели бизнеса, интуицию и контекст, которых нет в данных. Креатив и бренд — позиционирование, tone of voice, крупные креативные идеи — требуют вкуса и понимания культуры, а не только генерации вариантов. Сложные переговоры и отношения — ключевые клиенты, партнёры, кризисные ситуации — строятся на доверии, которое машина не создаёт. Ответственность за решения — бюджет, персонал, репутационные риски — всегда персональна; ИИ не может отвечать за последствия, он может лишь подготовить варианты.
Добавим к этому категорию, о которой часто забывают: контроль самой системы. Чем больше решений делегировано алгоритмам, тем важнее работа того, кто следит за качеством их выполнения: проверяет выборки, ловит деградацию моделей, разбирает исключения, обновляет правила. В зрелом AI-отделе это отдельная и очень ценная функция — куратор системы. Без неё автоматизация медленно, но верно деградирует: данные устаревают, промпты перестают соответствовать продукту, интеграции ломаются после обновлений.
Вывод главы можно уместить в одно предложение: маркетинговый отдел не теряет людей — он теряет ручную работу. И прежде чем проектировать систему, стоит честно разложить работу каждого сотрудника на «мышление» и «обвязку»: именно из второй части и складывается очередь на автоматизацию.
Неделя из жизни отдела: до и после
Чтобы изменения перестали быть абстракцией, сопоставим две версии одной недели в отделе из шести человек — условные, но реалистичные цифры. До: понедельник — ручная сборка отчёта из четырёх кабинетов, три часа; вторник — контент-план «с нуля» в чате, два часа споров и два часа поиска прошлогодних идей; среда — выгрузка заявок из рекламы в CRM и раскидывание по менеджерам, полтора часа; четверг — поиск площадок и брифы для подрядчиков, три часа; пятница — еженедельная сводка для руководства и разбор кампаний, четыре часа. Итого — больше тринадцати часов рутинной работы на команду, и это не считая мелочей: ответов на типовые вопросы, переносов встреч, напоминаний о дедлайнах.
После базовой автоматизации той же недели: отчёт собирается автоматически в понедельник к девяти, человек проверяет отклонения и дописывает выводы — сорок минут; контент-план готовится из банка идей, который наполняется автоматически из спроса и отзывов, — час обсуждения вместо четырёх часов споров; заявки распределяются событием по правилам, человек разбирает только спорные — двадцать минут; сводка для руководства собирается из готового отчёта шаблоном, человек редактирует смысловой блок — один час. Рутинная часть сжалась примерно втрое, и высвобожденные часы ушли на то, что действительно требует человека: гипотезы, переговоры, качество.
Зона работы
Часов «до» в неделю
Часов «после»
Что изменилось
Отчётность и сводки
5–6 ч
1,5–2 ч
Сборка автоматическая, человек пишет выводы
Контент: план и черновики
4–5 ч
1,5–2 ч
Банк идей и черновики ИИ, редактор решает
Перенос заявок и данных
2–3 ч
0,3–0,5 ч
Событийные интеграции, человек — исключения
Мониторинг кампаний
2–3 ч
0,5–1 ч
Оповещения об отклонениях вместо ручного просмотра
Обратите внимание на структуру экономии: она почти вся живёт в повторяемых операциях с проверяемым результатом. Ни один час стратегического мышления в таблице «до» не был потерян — его там и не было: он появлялся «по остатку», вечером, когда сил уже нет. Это главный социальный аргумент перестройки: система не отбирает у людей интересную работу, она освобождает для неё время.
Три мифа, которые мешают начать
Миф первый: «ИИ заменит маркетолога». Практика показывает другое: ИИ заменяет не специалиста, а очереди повторяемых задач, на которые специалист тратил половину недели. Скорость появления качественного контента растёт, но растёт и скорость, с которой его нужно проверять, адаптировать и связывать с бизнес-целями. Роль меняется от «исполнителя текстов» к «редактору системы» — и этот сдвиг выгоден тем, кто понимает маркетинг целиком. Поэтому в главе 15 мы будем проектировать роли людей, а не искать, кого сократить.
Миф второй: «Автоматизация — это про большие компании». Обратное верно чаще. У крупной компании есть бюджет на рутину, у маленькой его нет — рутину там тащат два-три человека, и именно она съедает их рост. Один описанный процесс с автоматической сборкой данных экономит маленькой команде пропорционально больше, чем большой. Другое дело, что маленькой команде не нужны сложные оркестраторы: пары грамотных связок и аккуратных промптов достаточно, чтобы получить большую часть эффекта.
Миф третий: «Сначала купим сервисы, потом разберёмся». Это самый дорогой миф из трёх. Подписки, купленные до описания процессов, закрепляют хаос: вы автоматизируете то, как работаете сейчас, вместе со всеми своими ошибками. Правильная последовательность всегда одна — описать процесс, стандартизировать его, измерить, и только затем выбирать инструмент. Главы 3 и 5 дают для этого рабочий аппарат: критерии отбора и формулу проектирования процесса.
Чек-лист самодиагностики отдела
Прежде чем двигаться дальше, честно ответьте на шесть вопросов. Каждый «нет» — это конкретное поле работы на ближайший месяц.
● Можете ли вы за десять минут ответить, сколько заявок пришло с каждого канала вчера, без ручного сбора?
● Есть ли в отделе документированные процессы хотя бы для трёх ключевых операций — контент, лиды, отчётность?
● Знает ли каждый член команды, какие задачи он делает каждую неделю по расписанию, а не по настроению?
● Собираете ли вы отзывы и обращения клиентов в одном месте, откуда их можно автоматически анализировать?
● Есть ли у вас правило, по которому новая инициатива получает приоритет, — или решает громкость голосов?
● Считаете ли вы стоимость часа каждого сотрудника и хотя бы примерно — стоимость часа рутинной работы?
Шесть «нет» — нормальная стартовая точка; в этом и смысл книги. Но теперь эти «нет» превращены в список работ, и вы можете пройти его последовательно: данные — процессы — роли — автоматизация. Именно в этом порядке, а не наоборот: попытка купить автоматизацию до описания процессов — это уже знакомый вам сюжет про дюжину инструментов и ноль изменений.
Частые вопросы о переменах в отделе
«Разве автоматизация не убивает креативность?» Наоборот — если автоматизировать правильные вещи. Креативность умирает не от технологий, а от перегрузки рутиной: дизайнер, который каждый понедельник вручную собирает двадцать одинаковых карточек товаров, к среде уже не думает о концепциях. Система забирает тиражирование и возвращает время на замысел. Важно только не автоматизировать сам замысел: идеи и большие решения остаются человеческой территорией.
«Как убедить команду, что это не подготовка к сокращениям?» Честностью и порядком одновременно. Покажите план стратегий (он появится в главе 16), назовите задачи, которые уйдут системе, и задачи, которые появятся у людей. Лучшая тактика — начать с тех процессов, которые сотрудники сами ненавидят: отчёты по пятницам, перенос заявок, сбор отзывов. Первая же неделя без этой рутины аргументирует лучше любых презентаций. И никогда не называйте проект «оптимизацией численности» — это самоубийственный брендинг.
«С чего точно не надо начинать?» С автоматизации того, что часто меняется и слабо описано: стратегии, крупных креативных концепций, кризиса PR. И с покупки платформы автоматизации «потому что все говорят». Первые недели — это диагноз и описание; инструменты приходят на шаге четыре-пять, не раньше. Отдел, который начал с покупок, обычно через квартал продаёт неиспользованные подписки.
«Сколько времени занимает переход?» Рабочий ответ: заметные перемены — через шесть недель, устойчивая система — через девяносто дней, зрелость — через год. Но график зависит не от технологий, а от дисциплины описания процессов. Команда, которая честно описывает по одному процессу в неделю, обгоняет команду, которая два месяца выбирает платформу.
Практикум: замер исходной точки
Попросите каждого члена команды в течение одной недели вести учёт времени по пятнадцатиминутным интервалам — грубо, но честно
Сведите результаты в таблицу: задача → часы → повторяется ли еженедельно → требует ли человеческого суждения
Отметьте задачи, которые повторяются еженедельно и почти не требуют суждения, — это ваш первый список кандидатов
Посчитайте стоимость часов этих задач по полной ставке — получите первый аргумент для руководства
Спросите команду: какие три задачи они делегировали бы системе первыми — и сверьте с расчётом
Этот замер займёт у вас два часа суммарно, но без него вся книга останется теорией. Цифры вашей текущей недели — это «до», по которому вы будете измерять «после». Вернитесь к замеру через девяносто дней после начала внедрения: разница станет самой убедительной презентацией проекта для руководства.
Ошибка, которая стоит дороже остальных
Самая дорогая ошибка первого месяца — показательный проект для руководства вместо полезного проекта для команды. Красивая демонстрация «смотрите, как ИИ пишет пост» собирает аплодисменты и ноль изменений: через неделю все возвращаются к ручной работе, а скептицизм усиливается. Проект-старт должен снимать реальную боль реального человека, давать измеримую экономию времени и жить в ежедневной работе. Эффект для руководства — следствие, а не цель первого шага; принцип «полезное вместо показного» стоит записать на первую страницу досье внедрения.
КЕЙС · ДОМУЮТ e-commerce · все цифры условные
Проблема
Команда из 8 человек тратила, по внутреннему замеру руководителя, около 60% времени на операционную обвязку: перенос лидов из рекламных кабинетов в CRM, ручные отчёты по 4 каналам, сбор сегментов, поиск идей для постов.
Процесс
Руководитель неделю фиксирует каждую повторяющуюся задачу в общей таблице: кто делает, сколько минут, как часто, где берёт данные, куда кладёт результат. Набирается 47 повторяющихся операций.
Автоматизация
Первая очередь: утренний автоотчёт по рекламе, автоимпорт заявок в CRM, AI-черновики постов по контент-плану. Пока без сложных интеграций — только ассистенты и один workflow.
Риск
Черновики выходят усреднёнными, часть заявок из мессенджеров теряется при импорте, команда боится, что «ИИ отберёт работу» и саботирует применение.
Контроль
Редактор проверяет каждый черновик перед публикацией; ежедневная выборочная проверка импорта заявок; короткое объяснение команде: автоматизация снимает рутину, а не роли — роли пересматриваются через год по результатам.
Результат
Через 3 месяца (условные цифры): отчёт собирается сам каждое утро — экономия ~10 ч/нед; лиды попадают в CRM без переноса; контент выпускается в 1,8 раза быстрее при той же команде. Освободившееся время направлено на креативные тесты и контент для маркетплейсов.
Главное из главы. Нагрузка росла быстрее команд, и люди закрывали разрыв рутиной. ИИ и автоматизация меняют экономику каждого шага, а в сумме — модель всего отдела. Человек смещается от выполнения к управлению системой, но стратегия, креатив, отношения и ответственность за решения не передаются машине.
Глава 2. Что такое AI-отдел маркетинга
AI-отдел — это не отдел без людей. Это отдел, в котором люди управляют системой, а ИИ и автоматизация берут на себя повторяемую работу.
2.1. Рабочее определение
Дадим точное определение, которым будем пользоваться всю книгу. AI-отдел маркетинга — это маркетинговая функция компании, в которой: процессы описаны и стандартизированы; данные собраны в связанных источниках; повторяемые операции выполняются автоматизациями и ИИ; решения принимаются людьми по правилам, заданным заранее; качество работы системы измеряется и контролируется. Из определения видно, что ИИ здесь — один из элементов, а не суть. Можно купить лучшую языковую модель и не иметь AI-отдела; можно при скромных инструментах иметь дисциплинированные процессы — и быть на полпути к нему.
Обратим внимание на слово «функция». AI-отдел не обязан быть организационной единицей с восемью сотрудниками. Это может быть один маркетолог с хорошо выстроенной системой, небольшой центральный отдел в компании с филиалами или смешанная команда с подрядчиками. Суть — не в штатном расписании, а в архитектуре: кто выполняет шаг, по каким данным, по каким правилам и кто проверяет результат.
2.2. Традиционный отдел и AI-отдел: сравнение по существу
Таблица 1. Традиционный отдел и AI-отдел
Традиционный отдел
AI-отдел
Люди выполняют операции
Люди управляют системой: проектируют процессы и разбирают исключения
Отчёты собираются вручную
Аналитика формируется автоматически по расписанию и событиям
Контент создаётся последовательно, шаг за шагом одним человеком
Контент производится конвейером: бриф → черновик AI → редактура → публикация
Данные разбросаны по кабинетам и файлам
Данные связаны: CRM, реклама, сайт и аналитика обмениваются событиями
Задачи ставятся вручную в чатах и на планёрках
Рабочие процессы запускаются автоматически по триггерам
Масштабирование требует найма
Масштабирование частично обеспечивается автоматизацией
Ошибки находят клиенты
Ошибки ловят проверки и мониторинг до клиента
Прочитайте таблицу не как рекламу второй колонки, а как список проектных работ. Каждая строка — это переход, который нужно спроектировать: описать процесс, связать данные, задать правила, внедрить проверку. Ни один переход не происходит сам собой от покупки подписки на модель. Именно поэтому в компаниях, которые просто покупают инструменты, таблица остаётся таблицей.
2.3. Формула AI-отдела: шесть элементов
AI-ОТДЕЛ = ЛЮДИ + AI + ДАННЫЕ + ПРОЦЕССЫ + АВТОМАТИЗАЦИЯ + КОНТРОЛЬ
Люди отвечают за то, что нельзя формализовать: стратегию, приоритеты, креативные решения, бренд, сложные переговоры, оценку рисков и финальное принятие решений. Кроме того, люди проектируют всё остальное: описывают процессы, готовят промпты, настраивают интеграции, проверяют результаты. В формуле это опорный элемент — без него остальные превращаются в набор железа и скриптов.
AI — слой моделей, который выполняет интеллектуальную работу: анализ, генерацию, классификацию, суммаризацию, поиск закономерностей, персонализацию, подготовку вариантов. Модель не «знает» вашу компанию — она знает мир и язык. Чтобы её ответы были полезны, ей нужны ваши данные, ваши правила и ваш контроль. Это ведёт нас к следующим элементам.
Данные обеспечивают контекст: клиенты и их события, продажи, рекламные показатели, контент, аналитика сайта, обратная связь. Без данных ИИ генерирует усреднённые тексты обо всём; с данными — говорит о ваших клиентах, продуктах и цифрах. Процессы определяют, кто, что и когда делает, на основании каких данных, каким инструментом и с каким результатом. Автоматизация связывает системы и запускает повторяемые действия без человека: передаёт заявку, собирает отчёт, отправляет уведомление, публикует материал. Контроль не даёт всей конструкции уехать: права доступа, проверки, журналы, human approval — темы главы 17.
Проверить зрелость своего отдела можно простым тестом: выпишите шесть элементов формулы в столбик и напротив каждого — текущее состояние. Почти всегда выясняется, что деньги уже потрачены на AI (подписки есть), но слабее всего — данные и процессы. А это значит, что следующий рубль инвестиций стоит направить туда, а не на очередную модель.
2.4. AI-роли: функциональные роли, а не продукты
Для проектирования удобно пользоваться понятием AI-ролей. Это не программы и не вакансии — это функциональные области, которые в разных компаниях закрываются по-разному: одной моделью с разными промптами, набором ассистентов, автоматизациями или человеком. Мы будем использовать восемь ролей; четыре из них станут основой глав 7–11.
Таблица 2. Восемь AI-ролей
Роль
Зона ответственности
Типичные задачи
AI Researcher
Исследование рынка, клиентов и конкурентов
Мониторинг рынка и упоминаний, сводки по конкурентам, анализ отзывов, поиск трендов
AI Strategist
Гипотезы и планирование
Формулирование гипотез, варианты планов, приоритизация, сценарный анализ, SWOT
AI Content Manager
Создание и распределение контента
Идеи, брифы, черновики, адаптации под каналы, редактура, контент-план
AI Media Assistant
Реклама
Мониторинг кампаний, обнаружение отклонений, варианты креативов, подготовка рекомендаций
AI CRM Manager
Клиентская база и коммуникации
Сегментация, lead scoring, сценарии follow-up, реактивация, анализ обращений
AI Analyst
Показатели и выводы
Сбор метрик, отчёты, обнаружение аномалий, аналитические записки, прогнозы
AI Project Manager
Дисциплина исполнения
Статусы задач, напоминания о сроках, зависимости, сводки по проектам
AI Marketing Director
Сводка и рекомендации руководителю
Еженедельная сводка по направлениям, подготовка повестки, варианты решений
На старте не пытайтесь построить все восемь ролей — это путь к хаосу. Реалистичная траектория: сначала 3–4 роли с наибольшей рутинной нагрузкой (обычно Research, Content, Analyst и CRM), затем Media Assistant по мере готовности данных, и только потом роли уровня «директор», которым нужна зрелая аналитика. Ассистент проекта появляется раньше всех — это почти всегда простая автоматизация напоминаний и статусов.
2.5. Экономика: считаем процессы, а не «замену человека»
Самый вредный вопрос, с которого компании начинают разговор об ИИ: «Может ли модель заменить специалиста?» Он уводит в сторону, потому что сравнивает несравнимое: модель не болеет, но и не отвечает за результат; специалист дороже на коротком шаге, но дешевле на длинном, если его время уходит на то, что создаёт ценность. Полезнее другой вопрос: какова экономика конкретного процесса сегодня и какой она станет после автоматизации?
Возьмём типовой процесс — еженедельный отчёт по рекламе. Сегодня: специалист собирает данные из трёх кабинетов (40 минут), сводит в таблицу (20 минут), пишет выводы (30 минут) — итого около полутора часов в неделю. Стоимость часа специалиста с налогами — условно 900 рублей. Процесс стоит 1 400 рублей в неделю, или около 73 000 рублей в год, не считая того, что отчёт выходит с опозданием и с ошибками копипаста. Автоматизированная версия: 6–10 часов на настройку один раз, потом 20–40 минут в неделю на проверку и выводы. Прямая экономия — порядка 50 000 рублей в год и ускорение отчёта с «пятницы вечера» до «каждое утро».
Заметьте, что произошло: мы не «заменили специалиста», мы перевели полтора часа в неделю на систему и оставили человеку то, что требует его мышления, — интерпретацию и решения. Такой расчёт по каждому процессу и есть язык, на котором нужно разговаривать с руководством об автоматизации. Глава 16 даст для этого полный набор метрик и формулу ROI, а глава 3 — методику отбора процессов.
2.6. Каркас вашего AI-отдела: шаблон Canvas
ШАБЛОН 1 · AI MARKETING DEPARTMENT CANVAS (КАРКАС)
Одностраничная карта AI-отдела: кто люди, какие роли, какие процессы, какие данные, какие инструменты и где контроль. Заполняется на воркшопе с командой за 2–3 часа. В Приложении А — пример заполнения.
Блок
Что записать
Цели отдела
3–5 измеримых целей на год (выручка, лиды, CPL, контент)
Люди и роли
Кто в команде; какие AI-роли внедряем первыми
Ключевые процессы
7–10 главных процессов с частотой и владельцем
Данные
Источники: CRM, аналитика, реклама, контент; что связано, что нет
Инструменты
Текущий стек по классам: CRM, автоматизация, AI, аналитика
Контроль
Что проверяет человек, где approval, где логи
Первые 90 дней
3–5 процессов первой очереди автоматизации
2.7. Промпты для стратегического контура
Стратегические промпты не принимают решения за вас — они структурируют мышление и подготавливают варианты. Все примеры ниже требуют подстановки вашего контекста; чем конкретнее входные данные, тем полезнее ответ. Не забывайте проверять факты и цифры, которые выдаёт модель, по первоисточникам.
ПРОМПТ 1 · ФОРМИРОВАНИЕ ГИПОТЕЗ РОСТА
Ты — маркетинговый стратег. Бизнес: [описание: продукт, средний чек, тип клиента]. Текущие показатели: [трафик, конверсия, CPL, LTV — что есть]. Придумай 10 гипотез роста по формату: «Если сделать X, то Y вырастет, потому что Z». Для каждой гипотезы укажи: ожидаемый эффект (низкий/средний/высокий), стоимость проверки (низкая/средняя/высокая), риск. Отсортируй по соотношению эффект/стоимость проверки.
ПРОМПТ 2 · КВАРТАЛЬНЫЙ МАРКЕТИНГОВЫЙ ПЛАН
Ты — маркетинговый директор. Составь план на квартал. Контекст: [цели бизнеса, текущая ситуация, бюджет, команда, ограничения]. Структура ответа: 1) 3 главные цели квартала с метриками; 2) ключевые активности по каналам с приоритетами; 3) распределение бюджета в процентах; 4) риски и план Б; 5) контрольные точки по неделям. Помечай, какие пункты основаны на моих данных, а какие — на типовых предположениях.
ПРОМПТ 3 · ПРИОРИТИЗАЦИЯ ИНИЦИАТИВ
У меня список маркетинговых инициатив: [перечень]. Оцени каждую по шкале 1–5 по четырём критериям: влияние на выручку, скорость получения результата, потребность в ресурсах (обратно), риски. Построй итоговую таблицу, отсортируй по сумме баллов, выдели топ-3 и объясни, почему именно они. Спроси меня о недостающих данных перед оценкой.
ПРОМПТ 4 · SWOT С ПРОВЕРКОЙ НА ФАКТАХ
Проведи SWOT-анализ: [описание компании, продукта, рынка, 2–3 конкурентов]. Силы и слабости — только на основе предоставленной информации; если данных не хватает, задай уточняющие вопросы. Возможности и угрозы подели на две группы: подтверждаемые предоставленными данными и требующие проверки. В конце сформулируй 5 выводов для стратегии на год.
ПРОМПТ 5 · СЦЕНАРНЫЙ АНАЛИЗ
Компания: [описание]. Внешние условия: [например: рост стоимости рекламы, сезонность, появление крупного конкурента]. Построй три сценария на 12 месяцев — базовый, оптимистичный, пессимистичный. Для каждого: ключевые допущения, влияние на трафик/лиды/выручку (в долях, без выдуманных точных цифр), триггеры, по которым я пойму, что сценарий сбывается, и действия маркетинга в этом сценарии.
ПРОМПТ 6 · РАЗБОР ПОЗИЦИОНИРОВАНИЯ
Продукт: [описание]. Аудитория: [сегменты]. Конкуренты: [список и их позиционирование]. Сформулируй 5 вариантов позиционирования по схеме: «Для [кого] [продукт] — это [категория], который даёт [выгоду], в отличие от [альтернатива]». Для каждого варианта укажи, какой сегмент он усиливает и какие доказательства потребуются. Задай вопросы, если не хватает данных о клиентах.
ПРОМПТ 7 · БЮДЖЕТНАЯ МОДЕЛЬ
Помоги построить бюджет маркетинга. Входные данные: [цель по выручке/лидам, текущие CPL и конверсии по каналам, ограничения]. Собери модель в виде таблицы: канал, ожидаемый объём лидов, CPL, бюджет, допущение. Отдельно укажи, какие допущения наиболее рискованные и что нужно измерить в первые 2 месяца, чтобы скорректировать бюджет.
ПРОМПТ 8 · ПОДГОТОВКА РЕШЕНИЯ ДЛЯ РУКОВОДСТВА
Мне нужно принять решение: [описание решения и альтернатив]. Подготовь одностраничную записку: контекст в 3 предложениях, варианты с плюсами и минусами, риски каждого варианта, что произойдёт при бездействии, твоя рекомендация и главный аргумент против неё (проверка на прочность). Не добавляй фактов, которых нет во входных данных; вместо этого задай вопросы.
Шесть элементов формулы: типовые ошибки
Формула AI-отдела — люди + AI + данные + процессы + автоматизация + контроль — читается за секунду, но в каждом элементе компании ошибаются по-своему. Ниже — разбор шести типовых ошибок и первых мер по каждой. Проверьте свой отдел по этой таблице: почти всегда стартовая диагностика сводится к двум-трем строкам, а не ко всем шести сразу.
Элемент
Типичная ошибка
Первая мера
Люди
Никто не отвечает за систему целиком — каждый только за свой участок
Назначить владельца AI-отдела и распределить AI-роли (шаблон №5)
AI
Модели выбираются по обсуждениям в чатах, без задачи и критериев
Составить список задач и подобрать модель под каждую (гл. 4)
Данные
Данные размазаны по кабинетам и личным файлам, единой картины нет
Карта источников данных и правила гигиены (шаблоны №12, №23)
Процессы
Процессы живут в головах, документация отстаёт от практики
Описать топ-5 процессов по единому формату (гл. 5)
Автоматизация
Скрипты и связки пишутся без журналов и владельцев
Реестр сценариев: владелец, триггер, журнал ошибок (шаблон №8)
Контроль
Отчёты собираются «для галочки», отклонения никого не будят
Панель KPI с порогами и правилами реакции (шаблон №21)
Как пользоваться этой таблицей: пройдите по строкам сверху вниз и отметьте те, где ваша ситуация узнаваема. Дальше двигайтесь по порядку глав этой книги — он совпадает с порядком исправления ошибок. Сначала роли и определения, затем данные и процессы, и только потом автоматизация и контроль. Внедрять контроль поверх неописанных процессов так же бессмысленно, как считать KPI у потока, которого не существует.
Экономика на конкретном примере
Разберём подсчёт эффекта на упрощённом примере, который вы сможете повторить со своими цифрами. Допустим, процесс подготовки еженедельного отчёта занимает у маркетолога четыре часа в неделю. Его полная стоимость часа с налогами и накладными — условно 800 рублей. Годовая стоимость этого одного процесса: 4 × 800 × 52 = 166 400 рублей. После автоматизации сборки данных и первичного анализа человек проверяет отчёт и пишет выводы — 45 минут в неделю. Новая стоимость: 0,75 × 800 × 52 = 31 200 рублей плюс стоимость инструментов, скажем, 12 000 рублей в год на долю подписок. Чистая экономия — около 123 000 рублей в год только на одном процессе. Если таких процессов пять, эффект измеряется сотнями тысяч рублей.
Три важных уточнения к этому расчёту. Первое: экономия становится реальной только тогда, когда высвобожденное время занято новой ценностью — иначе оно просто исчезает в простоях и переписках. Поэтому одновременно с автоматизацией планируйте, чем займётся человек. Второе: расчёт не учитывает качество — автоматический отчёт собирается без ошибок переноса и не зависит от настроения и выгорания. Третье: сравнивайте всегда полную стоимость часа, а не оклад; разница — 30–50 %, и она часто решает судьбу проекта.
Такой расчёт стоит оформить как таблицу по каждому кандидату на автоматизацию — он же станет аргументацией для руководства. В главе 16 мы вернёмся к этой логике на уровне панели KPI и полного ROI-расчёта, а здесь достаточно понять принцип: AI-отдел строится на экономике процессов, а не на вере в технологию.
Ответы на частые возражения
«У нас грязные данные, сначала нужно всё починить». Починить — да, но «всё» — нет. Начните с данных одного выбранного процесса: чистота нужна локально, а не по всей компании сразу. Проект автоматизации отчёта требует чистых данных только по продажам и каналам — это один-два источника, и их можно привести в порядок за пару недель. Требование «сначала идеальный порядок во всём» чаще всего превращается в бесконечный проект и оправдание ничего не делать.
«Маленькая команда, нам это рано». Маленькой команде это нужнее всех — у вас каждый час на счету, а договориться о процессе проще втроём, чем в тридцать. Ограничение маленькой команды — не данные, а руки: поэтому начинайте с двух-трёх самых частых операций и одного простого набора инструментов. Целевые сроки в главе 18 для маленькой команды растягиваются вдвое — но сам путь не меняется.
«Наш бизнес слишком специфичен». Специфичны ваши продукты и аудитория, но операции — стандартны: собрать данные, сравнить периоды, подготовить черновик, разослать уведомления, распределить заявки. Именно поэтому в книге пять функциональных контуров описаны на трёх разных бизнесах: если логика совпадает у e-commerce, B2B-производителя и локальной сети услуг, она совпадёт и у вас. Специфика проявится в правилах и критериях — а они в любом случае должны быть вашими.
«У ИИ слишком много ошибок, мы потеряем качество». Ошибки есть — и будут. Вопрос не в том, чтобы их ждать, а в том, чтобы система их ловила: контрольные точки, выборочная проверка, сравнение с эталоном, журналы и права. Сеть проверок, о которой пойдёт речь в главах 12 и 17, как раз для этого и существует. Отдел, который боится ошибок ИИ настолько, что не описывает процессы, сегодня совершает больше ошибок человеческих — просто они не так заметны, потому что происходят по одному и не оставляют журналов.
Частые вопросы об архитектуре AI-отдела
«Можно ли назвать AI-отделом команду, которая пользуется чат-ботом?» Нет — по той же причине, по которой набор кастрюль не называется кухней. Инструмент — это элемент; отдел — это связка процессов, данных, ролей и контроля. Проверочный вопрос: если сотрудник в отпуске, продолжает ли процесс выполняться? Если да — у вас элемент системы; если нет — у вас пока личная эффективность конкретного человека.
«Нужен ли отдельный сотрудник „по ИИ“?» Для маленьких команд — нет, нужна роль, совмещённая с текущей работой; для отделов от пяти-семи человек — да, лучше явная, потому что без владельца архитектура разваливается. Важно другое: «ИИ-специалист» не тот, кто знает сервисы, а тот, кто умеет описывать процессы и выстраивать контроль. Знание сервисов приходит за недели; умение проектировать систему — главный навык этой роли.
«Чем AI-отдел отличается от маркетинговой автоматизации, которая уже лет двадцать существует?» Масштабом исполняемых шагов. Классическая автоматизация — это расписания и цепочки писем по жёстким правилам: событие → действие. AI-отдел добавляет звено понимания: система читает текст, классифицирует смысл, готовит черновик, сопоставляет данные, формулирует вывод. Там, где раньше требовался человек с экспертизой на середине процесса, теперь работает модель под контролем человека. Это меняет не состав функций, а их глубину.
Разбор: шесть элементов у наших компаний
Посмотрим, как элементы формулы выглядят в разных масштабах. «ДомУют»: люди — восемь человек и появляющийся владелец системы; данные — CRM, кабинет рекламы, отзывы, выгрузки; процессы — описаны три из двадцати; автоматизация — две связки и сотня ручных переносов; контроль — отчёт по пятницам вручную. «Инженерные системы»: данные разрозненны сильнее всего — проектные спецификации живут в файлах; процессы согласования предложений описаны формально, но устарели; сильная сторона — дисциплина продаж. «Свежесть»: два человека, ноль формализованных процессов, но и ноль разнобоя — всё в одной голове; их путь начинается не с инструментов, а с выгрузки этой головы в документ.
Обратите внимание: у всех трёх компаний узкое место разное — данные, актуальность процессов, сама фиксация знаний. Формула одна, диагнозы разные. Поэтому не переносите чужой порядок работ: сначала таблица шести элементов по вашей компании, потом порядок действий. Шаблон №1 в приложении А существует именно для этого диагноза.
Практикум: канва вашего отдела
Заполните AI Marketing Department Canvas по текущему состоянию — честно, без желаемого: что есть, а не что планируется
Для каждого из шести элементов поставьте оценку зрелости от 0 до 3: отсутствует, фрагментарно, системно, измеримо
Найдите самый слабый элемент — он и есть ваш первый фокус, даже если он не самый интересный
Запишите, кто станет владельцем перестройки — имя, а не роль «отдел»
Назначьте дату пересмотра канвы через месяц; одна страница, не презентация
Канва, заполненная на этом этапе, — стартовая точка всей книги. Возвращайтесь к ней после каждой части: движение оценок — самый наглядный прогресс. Если через месяц ни одна оценка не сдвинулась, вернитесь к главе 3 и уменьшите масштаб первого шага: не «внедрить стек», а «описать один процесс».
Ошибка, которая стоит дороже остальных
Самая частая ошибка на этапе архитектуры — строить идеальную конструкцию до первого работающего процесса. Месяцы рисуют схему из шести уровней, распределение ролей, целевые KPI — и не запускают ничего. Архитектура без обратной связи от живых процессов — это догадка, оформленная красиво. Правильный ритм: минимальная канва → один процесс → корректировка архитектуры по опыту → следующий процесс. Схема уточняется на каждом витке; идеальная с первого раза не бывает ни у кого.
КЕЙС · ИНЖЕНЕРНЫЕ СИСТЕМЫ B2B · все цифры условные
Проблема
Маркетинг из 3 человек обслуживает большой отдел продаж: каталоги, презентации, тендерная документация. Каждое КП собирается вручную 2–3 дня, продажи ждут материалы и теряют темп сделок.
Процесс
Разобрали производство КП на шаги: данные по оборудованию из каталога → расчёт комплектации → текст коммерческого предложения → оформление → проверка руководителя.
Автоматизация
AI Strategist помогает структурировать типовые КП по сегментам (дилер, конечный заказчик, тендер); ассистент готовит черновики по шаблону из CRM-данных сделки; оформление — по шаблону документа.
Риск
Ошибка в спецификации оборудования в КП — юридические и финансовые последствия; усреднённые тексты не соответствуют договорным условиям.
Контроль
Спецификации подтягиваются только из утверждённого каталога (AI не генерирует цифры); черновик текста проверяет менеджер проекта; approval руководителя обязателен для КП свыше пороговой суммы.
Результат
Черновик КП готовится за 2–3 часа вместо 2–3 дней (условные цифры); команда маркетинга высвободила ~15 ч/нед; продажи получают материалы в день запроса.
Главное из главы. AI-отдел — архитектура, а не набор подписок. Проверяйте себя формулой из шести элементов и таблицей переходов; проектируйте роли как функции, а не как продукты; и всегда обсуждайте автоматизацию на языке экономики конкретных процессов.
Глава 3. Что автоматизировать первым
Очередь на автоматизацию — это не список «что умеет ИИ». Это список «что стоит денег и времени прямо сейчас».
3.1. Главный принцип: не автоматизируй хаос
Начнём с правила, которое сэкономит вам месяцы и бюджет: не автоматизируй хаос. Если процесс не описан, его шаги меняются от раза к разу, входные данные у каждого свои, а результат определяется настроением исполнителя, — автоматизация даст вам только одно: ошибки начнут производиться быстрее. Автоматизация усиливает то, что уже есть. Усиленный порядок — это хорошо. Усиленный беспорядок — это катастрофа с плюс-минус постоянной скоростью.
ХАОС → ОПИСАНИЕ → СТАНДАРТИЗАЦИЯ → ОПТИМИЗАЦИЯ → АВТОМАТИЗАЦИЯ
Перед автоматизацией любого процесса пройдите семь шагов. 1. Описать процесс: от чего запускается, какие шаги, кто участвует. 2. Убрать ненужное: в каждом живом процессе есть шаги-рудименты («мы всегда так делали»), которые исчезают, как только их видно на бумаге. 3. Стандартизировать вход: единые формы заявок, единые поля CRM, единые шаблоны брифов. 4. Определить результат: что считается завершением, в каком виде, по каким критериям качества. 5. Определить исключения: что делать, если данных не хватает, если заявка нестандартная, если система недоступна. 6. Назначить ответственного: у каждого шага и у процесса в целом есть владелец. 7. Только теперь автоматизировать — и начиная с самой стабильной версии процесса.
Практический тест готовности: опишите процесс на одной странице так, чтобы новый сотрудник мог его выполнить, не задав вопросов. Если описание получилось — процесс готов к автоматизации хотя бы частично. Если получилось десять оговорок «а если…, то по-другому» — сначала упростите сам процесс, потом описывайте.
3.2. Восемь критериев оценки задачи
Не всё, что можно автоматизировать, стоит автоматизировать. Оценивайте каждую задачу-кандидата по восьми критериям. Повреждаемость ошибкой (стоимость ошибки): что случится, если автоматизация ошибётся — уведомление с опечаткой или рассылка на всю базу. Повторяемость: задача выполняется каждый день, каждую неделю или раз в год. Объём: сколько времени занимает одно выполнение. Стандартизируемость: одинаковы ли входные данные и шаги от раза к разу. Необходимость человеческого суждения: нужна ли интерпретация, вкус, ответственность. Доступность данных: лежат ли нужные данные в системах, откуда их можно забрать, в каком они качестве. Сложность интеграции: есть ли у систем API и коннекторы или придётся строить мосты вручную. Потенциальная экономия времени: часов в месяц после внедрения.
Сведите оценки в простую таблицу — это и есть рабочий инструмент отбора. Достаточно трёх градаций (низкая/средняя/высокая) по каждому критерию: точность шкалы здесь не так важна, как сама дисциплина сравнения задач между собой. Через месяц вы будете оценивать новых кандидатов «на глаз» верно в девяти случаях из десяти — но первые пару месяцев держите таблицу, она защищает от эмоциональных решений «давайте автоматизируем самое интересное».
Бесплатный фрагмент закончился.
