Топ-10 функций ИИ, которые уже работают в отделах маркетинга: что умеют нейросети для маркетинга и где ломаются

Топ-10 функций ИИ, которые уже работают в отделах маркетинга: что умеют нейросети для маркетинга и где ломаются

На планёрке звучит «нам нужен ИИ», и повисает тишина. Спорить никто не хочет, а назвать конкретную функцию и число, по которому её признают удачной, не может никто. Нейросети для маркетинга обсуждают так, будто внедрять их надо сразу и целиком, а считать результат потом.

В этой тишине вы не одиноки. NewtonX и AdWeek опросили 500 маркетологов, у нас этот опрос пересказал AdIndex 17 августа 2026 года. 69% работодателей требуют или настоятельно рекомендуют пользоваться ИИ, 43% сотрудников не проходили никакого формального обучения, а 81% признаётся, что преувеличивает свой уровень перед руководством. Требование сверху есть, обучения нет, отчёт снизу приукрашен. Выборка при этом американская: AdWeek американское издание, NewtonX американская платформа для исследований.

Мы в Optimism работаем с интернет-рекламой с 2000 года и видели, как «вечные» тренды Рунета гасли один за другим. Поэтому начинаем со скучного: десять функций, у каждой доля применяющих, замеренный эффект и точка поломки.

Что уже замерено, а что пока ощущается

Российскую раскладку даёт комитет по ИИ и машинному обучению АРИР вместе с Аналитическим центром рекламной индустрии: 114 респондентов, январь-март 2026 года, 58% крупные агентства и 42% рекламодатели. Применяют ИИ в кампаниях 48% компаний, оставшиеся 52% пока нет.

Ровно половина рынка: уже не кружок энтузиастов, но и не та практика, которой неловко не иметь.

Вторая опора шире. «Инфосистемы Джет» и Smart Ranking опросили 52 крупные российские компании (конец августа 2026 года): большие языковые модели используют 86%, а 53% вывели генеративный ИИ в промышленную эксплуатацию.

Нейросети для рекламы: ставки, таргетинг, прогноз и бюджет

Первая четвёрка живёт внутри рекламного кабинета и со стороны почти не видна. Эти функции ничего не сочиняют. Они распределяют деньги.

Сразу оговорка, без которой четвёрка читается неверно. АРИР мерила эффект от пакета ИИ-инструментов в кампании целиком, отдельного замера по каждой функции нет ни у кого.

1. Ставки в кампаниях, 73% применяющих

Назначает цену за показ или клик в каждом аукционе отдельно, опираясь на вероятность конверсии. Ручная ставка уходит из уравнения. Замеренный эффект пакета: CPA и CPO минус 16%.

Где ломается: нужны время и поток конверсий. На максимум эффективности кампания выходит за 14 дней, так ответили 78% участников опроса АРИР. Две недели она учится, и результат бывает хуже ручного. Отсюда типовая сцена: стратегию гасят на пятый день со словами «стало дороже», через месяц включают обратно, обучение стартует с нуля. Заплатили дважды, получили ноль.

2. Таргетинг и сегментация, 67%

Собирает сегменты по поведению вместо списков «мужчины 25-45 из Москвы». В пакетном замере АРИР конверсия выросла на 10%.

Где ломается: в законе. С 30 ноября 2024 года действует 420-ФЗ: согласие на обработку персональных данных оформляется отдельным документом, заранее проставленные галочки запрещены, штраф 300-700 тыс. рублей, а утечка стоит уже до 15 млн. На фоне таких сумм плюс 10% к конверсии разглядеть трудно.

3. Прогноз CTR и конверсий, 51%

Предсказывает отклик на объявление и вероятность конверсии до того, как открутится бюджет. Своего числа выгоды у функции нет, она в том же пакете.

Где ломается: в данных. Среди тех, кто уже пользуется ИИ, качество данных назвали барьером 53%. Прогноз считается по вашей истории конверсий. Цели настроены криво, события задваиваются, часть заявок уходит в мессенджер мимо статистики, и модель аккуратно предсказывает мусор. Самая обидная поломка списка: снаружи она выглядит исправной.

4. Распределение бюджетов, 47%

Перекладывает деньги между кампаниями и площадками по фактической отдаче. Отдельного замера опять нет.

Где ломается: в словах поставщика. Gartner по опросу более 3400 организаций (пресс-релиз от 25 июня 2025 года) прогнозирует отмену свыше 40% проектов агентного ИИ до конца 2027 года. Там же названо agent washing, перелицовка ассистентов, RPA и чат-ботов под «агентов»: настоящих поставщиков из тысяч заявленных около 130. На фразе «наш агент сам управляет бюджетом» стоит спросить, что за ней стоит технически. Приёмку разбирали отдельно: сколько стоит ИИ-агент.

Объявления и тексты: нейросеть пишет черновик

Следующие две функции видит вся компания, и обсуждают их громче остальных восьми. Здесь же прячется главная иллюзия статьи.

5. Динамические креативы, 38%

Собирает объявление из вариантов заголовков, текстов и картинок, подбирая связку под конкретного человека. Пакетный замер АРИР дал CTR плюс 11% и bounce rate минус 12%.

Где ломается: в атрибуции. Повесить эти числа на генерацию креативов нельзя, рядом работали ставки и таргетинг. Говорить такое вслух похоже на признание слабости, но альтернатива хуже: клиент включает одну функцию из пяти и через квартал справедливо считает себя обманутым. Вторая поломка бытовая: машинные варианты идут в модерацию наравне с человеческими, и на потоке из сотни отклонения приезжают пачкой.

6. Черновики текстов и рубрикатора

Пишет первый вариант текста, поста, письма, описания товара. Тот же инструмент закрывает планирование: нейросети для создания контента раскладывают темы по рубрикам и датам. В опросе NewtonX и AdWeek 26% маркетологов применяют ИИ для автоматизации процессов, 23% для анализа данных.

Замер выгоды здесь самый качественный из всех, что нам попались. Ной и Чжан поставили пререгистрированный эксперимент на 453 профессионалах (менеджеры, HR, маркетологи, консультанты) и опубликовали результат в Science в июле 2023 года. Половине случайно выдали доступ к ChatGPT: время задачи упало на 40%, оценка качества выросла на 18%, разрыв между сильными и слабыми исполнителями сократился.

Сорок процентов времени. Цифра, ради которой отделы и заводят себе нейросеть для написания текстов.

Где ломается: у опытных исполнителей эффект бывает отрицательным, и без замера этого не видно никак. Этой поломке посвящён отдельный раздел ниже. Вторая точка риска про качество текста: как ИИ-контент проходит фильтры поисковиков, разобрано в материале про контент-завод на нейросетях.

Чат-бот отвечает первым

7. Первая линия поддержки, приоритет у 75% крупных компаний

Отвечает на типовые обращения до того, как их увидит человек. Контакт-центры и поддержку назвали приоритетом 75% крупных российских компаний в опросе «Инфосистемы Джет».

Замер пришёл из академической работы. Бриньолфссон, Ли и Реймонд разобрали данные 5179 операторов поддержки при поэтапном подключении ИИ-ассистента (The Quarterly Journal of Economics, 2025). Обращений в час стало больше на 14% в среднем, у новичков и слабых операторов на 34%. Заодно улучшились настроение клиентов и удержание сотрудников.

Ломается это в двух местах сразу. Первое: у опытных операторов эффект минимальный. Ассистент подтягивает тех, кто ответов пока не знает, и почти ничего не добавляет тем, кто помнит их наизусть. Ваша поддержка это два ветерана с пятилетним стажем, значит плюс 14% к ним не приедет.

Второе серьёзнее. В феврале 2024 года трибунал Британской Колумбии рассмотрел дело Moffatt v. Air Canada: чат-бот авиакомпании выдал пассажиру неверные условия скидки. Перевозчик возразил, что бот отвечает за себя сам. Суд довод отклонил и обязал компанию исполнить обещанное. Всё, что бот сказал клиенту на вашем сайте, сказали клиенту вы.

Отчёты собираются без рук

8. Аналитика и отчёты, 63%

Собирает сводку из нескольких источников и отвечает на вопросы по вашим документам. Аналитику и BI назвали приоритетным сценарием 63% крупных компаний, и ровно столько же видят отдачу от RAG-систем, то есть от связки «поиск по документам плюс языковая модель».

Где ломается: на выходе из пилота. В том же опросе 46% компаний не видят устойчивого экономического эффекта, 40% не могут масштабировать пилоты, а барьерами называют серверы (58%) и юридические риски (56%). Демо на трёх отчётах собирается за неделю, промышленная эксплуатация упирается в железо и в неописанный процесс вокруг отчёта. Какие процессы готовы к передаче, разобрано в статье про ИИ-сотрудников.

9. Сбор фактуры и ответы на вопросы: замерена только цена ошибки

Ищет факты, цифры и формулировки, отвечает на вопросы сотрудника и клиента. Для анализа данных ИИ применяют 23% маркетологов из опроса NewtonX и AdWeek.

Тут придётся сказать прямо: замеренной выгоды в процентах и деньгах у функции нет, мы искали и не нашли исследования с выборкой и методикой. Зато крупно замерена цена ошибки. Европейский вещательный союз вместе с BBC собрал 22 медиаорганизации из 18 стран и оценил более 3000 ответов ChatGPT, Copilot, Gemini и Perplexity: хотя бы одну существенную проблему содержали 45% ответов, грубые фактические ошибки нашлись в 20%. Хуже всех Gemini, у него 76%.

Где ломается: каждый пятый ответ несёт ошибку, которую заметит только человек, знающий тему. Функция работает ровно до тех пор, пока кто-то проверяет. У нас проверяющий это отдельная роль, и экономия на ней дороже всего остального конвейера.

Новый канал: оптимизация под ответы нейросетей

10. GEO и AEO, 32% уже делают и 42% планируют

Готовит ваши материалы так, чтобы генеративные модели и нейропоиск цитировали именно вас, когда человек задаёт им вопрос вместо похода в поисковую строку. АЦ РИР опросил 120 специалистов в апреле 2026 года: такую оптимизацию уже применяют 32%, ещё 42% планируют до конца года, а вкладываться в новые источники бесплатного трафика готовы 74% компаний.

Вторая честная оговорка статьи. У функции замерено распространение, а отдачи в деньгах не замерил пока никто: такого исследования мы не нашли. Всякий, кто назовёт вам ROI этой работы, назовёт его из головы.

Где ломается: измерять нечем. Отчёт показывает переходы, а ответ нейросети перехода часто не даёт: человек прочитал и никуда не пошёл. Механику разбирали отдельно: половина запросов уходит без перехода и как замерить присутствие в ИИ-выдаче.

Где ИИ ломается на практике

Десять частных поломок складываются в несколько общих причин.

Данные и люди. В опросе АРИР барьерами назвали нехватку компетенций 49%, проблемы с данными 41%, сложность внедрения 34%. У тех, кто уже работает с ИИ, вперёд выходят качество данных и дефицит специалистов, по 53%. До запуска кажется, что тяжелее всего найти специалиста. После запуска выясняется, что данные лежат не так.

Пилот, который не доезжает до денег. Тут два взгляда, и в одну шкалу они не сводятся. Проект NANDA в MIT в июле 2025 года («The GenAI Divide», 300 разобранных внедрений) дал 95% проектов генеративного ИИ без измеримого эффекта на P&L. Российский замер «Инфосистемы Джет» мягче: 46% не видят устойчивого экономического эффекта, 40% не масштабируют пилот. Вычитать одно число из другого нельзя, у них разные выборки, страны и определения эффекта. Причину авторы MIT назвали неожиданную: системы не запоминают обратную связь и не улучшаются. Барьер лежит не в модели, а в обучении людей и в процессах вокруг неё.

Цена сказанного и собранного. Дело Air Canada закрыло вопрос «это же машина ошиблась» в одной юрисдикции. А 420-ФЗ поставил ценник на данные: до 15 млн рублей за первую утечку и оборотный штраф от 1% до 3% годовой выручки за повторную.

Минус 19 по замеру против плюс 20 по ощущению

Самое неприятное место статьи.

В июле 2025 года организация METR провела рандомизированный контролируемый эксперимент: 16 опытных разработчиков открытого кода, 246 задач в их собственных зрелых репозиториях. С ИИ задачи выполнялись на 19% дольше, а сами участники после эксперимента оценили, что ИИ ускорил их на 20%. Разрыв 39 процентных пунктов. Люди работали медленнее и были уверены, что работали быстрее.

Оговорка обязательна, иначе выйдет подтасовка в нашу пользу. Эксперимент про разработчиков и про инструменты начала 2025 года, на маркетинг он напрямую не переносится, и утверждать, что ваш копирайтер замедлился так же, мы не станем. Переносится другое: оценка собственной скорости оказалась неверна на 39 пунктов у людей, которые эту работу делают годами.

Сложите это с числом из первого абзаца: 81% маркетологов преувеличивает свой уровень перед руководством. Наверху сидит человек, который решает про бюджет, опираясь на два искажения сразу. Это не ускорение, а его ощущение. Защита существует ровно одна и стоит дёшево: замер до и замер после.

Как проверить это у себя за один вечер

Порядок, который мы гоняем при аудите. Полтора часа и никаких сервисов сверх тех, что уже подключены.

1. Выпишите, какие из десяти функций включены прямо сейчас. Не общее «мы пользуемся ИИ». Конкретно: функция, инструмент, фамилия ответственного. Список выйдет короче, чем звучало на планёрке.
2. Напротив каждой поставьте число, которое было ДО запуска. Нет числа, значит функция не проверена вовсе. Нормальный результат первого вечера, у половины клиентов так.
3. Возьмите один процесс и два одинаковых периода с разницей в год, иначе сезонность спутает картину. Посчитайте одну метрику: цену заявки, время на выпуск текста, обращений в час.
4. Проверьте формы на сайте: согласие отдельным документом, галочки не проставлены заранее. Пятнадцать минут против штрафа от 300 тыс. рублей.
5. Возьмите наугад двадцать ответов бота или двадцать фактов из ИИ-черновика и проверьте руками. Ориентир EBU и BBC: 20% с грубыми ошибками. Заодно спросите подрядчика про слово «агент»: что работает автономно и что будет при отказе.
6. Спросите команду, на сколько процентов ИИ ускорил работу по их ощущению, и сравните с числом из шага 3. Разошлось на десятки пунктов, значит вы воспроизвели METR на своём отделе.

С чего начинать, если ничего не включено

Начинать стоит с функции, у которой замер уже есть. Ставки в кампаниях и первая линия поддержки удобнее прочих: у первой понятная метрика в кабинете, у второй счётчик обращений в час. И вести внедрение мы советуем от процессов: три процесса, с которых начинается внедрение ИИ в маркетинг и каким становится сайт в эпоху ИИ.

Какая из десяти функций работает у вас прямо сейчас, и какое число это доказывает? Если на второй вопрос в отделе не отвечает никто, посмотрим ваши процессы вместе и скажем прямо, куда ставить первый замер.

Частые вопросы

Какие нейросети используют в маркетинге? Названия сервисов меняются каждый квартал, функции держатся годами, поэтому смотреть стоит на них. По опросу АРИР за январь-март 2026 года чаще всего ИИ применяют для оптимизации ставок (73%), таргетинга и сегментации (67%), прогноза CTR и конверсий (51%) и распределения бюджетов (47%). Всё это работает внутри рекламных кабинетов и отдельной покупки не требует.

Может ли нейросеть писать тексты для сайта? Черновик да, готовый текст нет. Эксперимент Ной и Чжана на 453 профессионалах (Science, июль 2023) дал минус 40% времени на задачу и плюс 18% к оценке качества, но за машиной там оставался человек. EBU и BBC на выборке более 3000 ответов нашли грубые фактические ошибки в 20% случаев: без редактора они уедут прямо на ваш сайт.

Сколько стоит чат-бот для сайта? Единого ценника у рынка нет, и честного среднего мы не назовём: разброс задаёт то, отвечает бот по сценарию или ищет ответ по вашей базе документов, сколько систем подключено и кто дежурит на эскалациях. Считать надо от объёма обращений и стоимости часа поддержки. Состав работ и приёмка разобраны в материале про цену ИИ-агента.

Через сколько ждать эффекта после запуска? В рекламных кампаниях на максимум эффективности выходят за 14 дней, так ответили 78% участников опроса АРИР. Внутри этих двух недель результат бывает хуже ручного, а выключить стратегию на пятый день значит начать обучение заново.

Правда ли, что 95% проектов ИИ проваливаются? Число настоящее, но оно про другое. Проект NANDA в MIT в июле 2025 года насчитал 95% проектов генеративного ИИ без измеримого эффекта на P&L, замер «Инфосистемы Джет» даёт 46% без устойчивого экономического эффекта. Методики разные, в одну шкалу их не сводят, а направление одинаковое: большинство проектов застревает на пилоте.

Видео по теме

Механику нейросетей в кабинете логичнее смотреть у той компании, которая их построила. Оба ролика с официального канала Яндекс Рекламы, агентств в подборке нет.

Первый площадка сделала от лица самих алгоритмов: какие нейросети работают внутри её инструментов.

Второй разбирает ту же тему отдельным материалом.

---

Источники

• NewtonX и AdWeek. 500 маркетологов: требования работодателя, обучение, самооценка. Выборка американская, пересказ AdIndex, 17 августа 2026 года
• АРИР и АЦ РИР. Применение ИИ в кампаниях: доли по задачам, эффект пакета, барьеры. 114 респондентов, январь-март 2026 года
• «Инфосистемы Джет» и Smart Ranking. Зрелость генеративного ИИ: отдача и барьеры. 52 крупные российские компании, август 2026 года
• АЦ РИР. Оптимизация под ответы генеративных моделей и нейропоиска. 120 специалистов, апрель 2026 года, АКАР
• Noy S., Zhang W. Experimental evidence on the productivity effects of generative artificial intelligence. Science, июль 2023, т. 381, с. 187-192. 453 профессионала
• Brynjolfsson E., Li D., Raymond L. Generative AI at Work. The Quarterly Journal of Economics, 2025, т. 140, вып. 2, с. 889-942. 5179 операторов поддержки
• METR. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, июль 2025. 16 разработчиков, 246 задач
• EBU и BBC. Точность ИИ-ассистентов в новостях: 22 медиаорганизации, 18 стран, более 3000 ответов, 2025 год
• MIT, проект NANDA. The GenAI Divide: State of AI in Business, июль 2025. 150 интервью, 350 сотрудников, 300 внедрений
• Gartner. Прогноз по агентному ИИ и agent washing. Пресс-релиз, 25 июня 2025 года, более 3400 организаций
• Moffatt v. Air Canada. Трибунал Британской Колумбии, февраль 2024 года: ответственность компании за слова её чат-бота
• 420-ФЗ от 30 ноября 2024 года, ст. 13.11 КоАП: штрафы за утечки персональных данных и за нарушения при оформлении согласия

Теги публикации: автоматизация маркетинга, внедрение ИИ, замер эффекта, ии в рекламе, нейросети для маркетинга, чат-бот для сайта