Маркетинг без отдела: как команда из 7 человек заменили сетью AI-агентов и не просели по лидам

Как всё началось

У компании был обычный маркетинговый отдел из 7 человек: руководитель, контент-маркетолог, SEO-специалист, performance-маркетолог, дизайнер, email-маркетолог и аналитик. Никакой магии. Планёрки, дедлайны, вечные правки, таблички, созвоны, обсуждения гипотез и классическое состояние: все заняты, но непонятно, почему лидов не стало в два раза больше.

Компания продавала сложный B2B-продукт для среднего бизнеса. Сделка длинная, клиент думает от трёх недель до трёх месяцев, а лид считается качественным только тогда, когда у него есть бюджет, задача и реальный интерес, а не просто желание скачать чек-лист.

Первоначальная цель была скромной: ускорить контент и аналитику. Никто не собирался увольнять отдел и строить армию цифровых маркетологов. Но после первого месяца стало видно, что проблема не в людях. Проблема была в том, что отдел делал слишком много повторяющихся действий руками.

Что именно заменили

Команда не стала создавать одного большого универсального AI-маркетолога. Это была бы первая ошибка. Вместо этого работу разрезали на маленькие роли.

Появился агент-исследователь. Он собирал данные по рынку, конкурентам, поисковым запросам, рекламным офферам, форумам, отзывам и вопросам клиентов. Его задача была не писать тексты, а вытаскивать сырьё.

Отдельно работал агент-стратег. Он превращал сырьё в гипотезы: какие боли чаще повторяются, какие сегменты недогреты, какие темы стоит тестировать в рекламе и контенте.

Был агент-копирайтер, но ему почти никогда не давали писать с нуля. Ему скармливали структуру, тезисы, примеры, ограничения по тону и запрещённые формулировки. Иначе он моментально уходил в гладкую, слишком правильную кашу, которую неприятно читать.

Отдельный агент проверял SEO. Не просто вставлял фразы в текст, а смотрел интент, структуру страницы, конкурентов в выдаче, сниппеты, блоки вопросов и слабые места старых материалов.

Ещё один агент занимался рекламными связками: оффер, посадочная страница, аудитория, объявление, письмо после заявки. Раньше эти элементы часто жили отдельно. Теперь каждая связка собиралась как единая цепочка.

Самым полезным внезапно оказался агент-критик. Он искал слабые места: где текст врёт, где обещание слишком жирное, где лид придёт нецелевой, где объявление соберёт дешёвые клики и дорогую боль для отдела продаж.

Техническая схема без красивых сказок

В основе системы была не одна нейросеть, а связка из нескольких моделей, базы знаний, CRM, рекламных кабинетов, аналитики сайта и внутреннего хранилища материалов.

Каждый агент имел свою инструкцию, доступ к нужным данным и лимит полномочий. Например, агент для email-рассылок мог подготовить цепочку писем, но не мог сам отправить её по базе. Агент для рекламы мог предложить новые объявления, но публикация проходила через человека. Агент-аналитик мог найти аномалию в лидах, но не мог менять бюджет кампаний без подтверждения.

Это важный момент. Компания не отдала маркетинг машине. Она отдала машине черновую, рутинную и аналитическую работу, оставив людям право на вкус, риск и финальное решение.

Вся работа шла через очередь задач. Агент получал входные данные, выполнял действие, сохранял результат, передавал его следующему агенту. Если данных не хватало, задача уходила на ручную проверку. Если уверенность была низкой, система не притворялась умной, а честно помечала результат как сомнительный.

Звучит скучно, но именно это и спасло проект. Не промпты, не модные слова, не чудесная модель, а нормальная инженерная дисциплина.

Где всё сломалось в первый раз

Первые результаты выглядели красиво и бесполезно. Тексты стали появляться быстрее, рекламных гипотез стало больше, отчёты собирались почти мгновенно. Только лиды пошли хуже.

Причина оказалась неприятной. AI хорошо усилил старую ошибку: маркетинг продолжал гнаться за количеством, а не за качеством. Агенты быстро нашли темы, которые давали много заявок, но эти заявки плохо проходили квалификацию.

Например, материал про быструю автоматизацию продаж привёл много малых компаний без бюджета. Реклама с обещанием внедрения за неделю дала дешёвые обращения, но продажи потом тратили время на объяснение, что сложный B2B-продукт не ставится как приложение в телефон.

После этого в систему добавили главный фильтр: агент оценки лида. Он смотрел не только стоимость заявки, но и дальнейший путь: дошёл ли человек до встречи, был ли у него бюджет, кто принимал решение, чем закончился разговор с продажами.

Только после этого сеть агентов начала работать не на шум, а на деньги.

Что стало с людьми

Самый неудобный вопрос в таком кейсе звучит просто: а что стало с отделом из 7 человек?

Часть задач действительно исчезла. Ручной сбор отчётов, первичный анализ конкурентов, черновики статей, варианты объявлений, сегментация базы, регулярные SEO-проверки — всё это больше не требовало отдельного человека на полном цикле.

Но компания не заменила всех семерых одним ноутбуком и радостным директором. Двое ушли сами, потому что им не понравился новый формат. Трое перешли в роли редакторов, владельцев каналов и менеджеров гипотез. Один человек стал отвечать за качество данных. Руководитель маркетинга превратился скорее в архитектора системы, чем в классического начальника отдела.

И вот тут обнаружилась смешная вещь. Люди, которые раньше жаловались на рутину, первое время скучали по ней. Раньше можно было весь день собирать отчёт и чувствовать себя занятым. Теперь отчёт появлялся за минуты, и нужно было принимать решение. А решение всегда страшнее таблицы.

Какие результаты получили

За четыре месяца количество маркетинговых задач, закрываемых за неделю, выросло примерно в три раза. Скорость подготовки контента увеличилась сильнее всего: вместо двух-трёх крупных материалов в месяц команда выпускала восемь-десять, не считая коротких форматов, писем и посадочных страниц.

Стоимость лида сначала снизилась примерно на 18%, потом вернулась почти к прежнему уровню. Но это не было провалом. Качество лидов выросло: доля заявок, которые доходили до встречи с продажами, увеличилась с 21% до 34%. Конверсия из встречи в коммерческое предложение тоже подросла, потому что маркетинг перестал обещать то, что продукт не делает.

Самый заметный эффект был не в экономии зарплат. Экономия была, но не драматичная. Главный выигрыш оказался в скорости обучения. Раньше гипотезу тестировали месяц. Теперь за месяц проходило несколько коротких циклов: идея, запуск, первые данные, корректировка, повторный тест.

Почему качество лидов не упало

Качество удалось сохранить по трём причинам.

Во-первых, AI-агенты не получали права финального голоса. Всё, что влияло на бренд, бюджет и коммуникацию с клиентом, проходило через человека.

Во-вторых, систему учили на реальных данных продаж, а не только на маркетинговых метриках. Заявка перестала считаться победой сама по себе. Победой считался лид, который похож на будущего клиента.

В-третьих, команда перестала использовать нейросети как генератор красивого текста. Их начали использовать как усилитель мышления: найти закономерности, собрать варианты, подсветить риски, проверить логику, ускорить черновую работу.

Это звучит менее эффектно, чем заменить всех сотрудников роботами, зато работает.

Главный вывод

AI-агенты не заменили маркетинг. Они заменили хаос внутри маркетинга.

Когда в компании нет нормальных процессов, нейросеть просто ускоряет беспорядок. Она быстрее пишет слабые тексты, быстрее запускает спорные гипотезы и быстрее плодит отчёты, которые никто не читает.

Но если разложить маркетинг на понятные операции, поставить ограничения, подключить CRM и заставить систему смотреть на качество лидов, а не на красивые графики, результат становится совсем другим.

В этом кейсе отдел из 7 человек не исчез в фантастическом смысле. Он превратился в компактную команду, которая управляет сетью узких AI-агентов. Люди стали меньше производить руками и больше думать головой.

И, пожалуй, это самое честное описание будущего маркетинга. Не роботы вместо людей. А люди, которые наконец перестают работать роботами.