АГЕНТНЫЙ ИИ И ШПИОНАЖ В РЕКЛАМЕ: КАК ПОЗВОЛИТЬ БОТАМ УПРАВЛЯТЬ КАМПАНИЯМИ, НЕ ПЕРЕДАВАЯ ИМ СВОЙ КОШЕЛЕК

Агентный ИИ создан не для того, чтобы заменить вашего медийного покупателя. Он создан, чтобы заменить ваших тайных покупателей — а затем умножить их количество на несколько миллионов.

Суть изменений проста, но сурова: ваши объявления и продающие страницы больше не ориентированы исключительно на людей. Теперь они продают ИИ-агентам, которые находятся между вашим брендом и кошельком потребителя. Эти агенты уже сейчас оценивают товары, соблюдают ограничения и во многих случаях оформляют покупки от имени клиента. Во время Кибернедели 2025 года примерно 67 миллиардов долларов глобальных продаж — около 20% от всех заказов — были совершены благодаря ИИ и агентам, согласно данным Salesforce, процитированным в анализе агентной коммерции и новых правил Google Ads. Это не прогноз. Такие результаты были достигнуты в прошлый праздничный сезон.

На протяжении многих лет “трафик нечеловеческого происхождения” считался чем-то негативным в сфере рекламных технологий, ассоциируясь с мошенничеством, парсингом или, в лучшем случае, шумом. Однако агентный ИИ превращает часть этого нечеловеческого трафика в законную, высоконамеренную аудиторию. Автономные агенты теперь исследуют продукты, сравнивают варианты и даже совершают транзакции, выступая посредниками между брендами и реальными потребителями. Это означает, что ваша аналитика начинает заполняться визитами, показами и “прочтениями”, инициированными сущностями, которые не являются ни тестовым трафиком, ни ботами в традиционном понимании. Как отмечается в одном из анализов “следующей аудитории” в рекламе, агенты ИИ создают двойную реальность, в которой бренды должны выстраивать сайты и рекламные кампании с учетом как людей, так и агентов, действующих от их имени, поскольку именно эти агенты всё чаще формируют пул вариантов для выбора и определяют, кому достанется “решение о покупке”.

Масштаб этого промежуточного слоя уже нельзя считать гипотетическим. Данные Cloudflare, процитированные в этой статье, показывают, что трафик на веб-сайты от ботов и агентов ИИ уже превысил человеческий трафик. Часть этого трафика по-прежнему является вредоносной: мошенничество, несанкционированные сканеры, низкозначимая фоновая автоматизация. Но среди этого моря шума появился новый класс нечеловеческих посетителей, которые на самом деле представляют реального покупателя с запросом высокой степени намерения. Ваша проблема больше не в том, “как исключить нечеловеческий трафик из отчетности?”, а в том, “как различить, какой из нечеловеческий трафик — это агент, на который я точно хочу повлиять, и как это сделать, не позволяя ему распоряжаться моим бюджетом?”

Издатели отвечают на этот вопрос быстрее, чем большинство брендов. Время уже начало предоставлять FAQ-подобный спонсируемый бренд-контент специально для ИИ-ботов в попытке монетизировать всплеск трафика агентов — об этом подробно рассказывается в освещении их эксперимента по монетизации ботов. Стартапы вроде Blankspace подключаются к CDN, таким как Cloudflare и Akamai, чтобы показывать рекламу ИИ-агентам в тот самый момент, когда пользователь задает вопрос — нечто похожее на программную аукционную торговлю, только «пользователем» выступает агент, а «органический результат», который видит человек, уже может быть предварительно сформирован тем, кто выиграл торг на уровне агента.

Если это звучит слишком абстрактно, посмотрите, в каком направлении движется Google. В сервисах Shopping и Performance Max агентам безразличен ваш изобретательный текст или стильные фирменные изображения. Они считывают ваши структурированные данные, цены, наличие в продаже, политики и характеристики, и именно на основании этих данных решают, попасть ли вам в короткий список, до того как вас увидит человек. Каталог товаров по сути превратился в сигнал для ставок и переговорный сценарий для агентов, а не просто в каталог, — как разъясняется в новых правилах Google Ads для агентной электронной коммерции. Форматы покупки от Google «Купи для меня» и «Прямые предложения» превращают режим ИИ в платформу, где агенты и платформы в режиме реального времени договариваются о сделках от имени покупателей.

На фоне происходят активные действия организаций по стандартизации, стремящихся обеспечить достаточный уровень безопасности для корпоративных бюджетов. Например, выпуск AAMP 2.3 от IAB Tech Lab больше ориентирован не на добавление новых функций ИИ, а на предоставление организациям механизмов управления, проверки приватности и интеграции рабочих процессов, чтобы агенты могли работать внутри существующих систем закупок, не выходя из-под контроля. AAMP 2.3 внедряет тщательную проверку конфиденциальности и контроль ценообразования прямо в рабочие процессы покупателей, а также расширяет поддержку так называемых Agentic Audiences, переводя ИИ-агентов из экспериментов в песочницах в реальную программную инфраструктуру.

В совокупности агентный ИИ — это не автономный медиапокупатель, который обещали вам на конференциях. Это наиболее мощный инструмент рыночной аналитики из всех, что у вас когда-либо были: рой ботов, которые охотно изучат воронки ваших конкурентов, проверят ваши предложения на фоне их предложений и скажут вам точно, как посредник на базе ИИ, вероятнее всего, будет ранжировать, фильтровать и рекомендовать вас. Возможность заключается в том, чтобы сначала использовать этих агентов как шпионов, а покупателями — во вторую очередь: узнать, как они видят рынок, а затем перестроить свои кампании и потоки данных под реальную аудиторию, которая теперь важнее всего: боты, которые тихо решают, какие бренды увидят люди.

Покупка медиа в «режиме освобождения рук» кажется способом сэкономить время; на практике же это ловушка для управления.

Проблема не в том, что агентный ИИ не может оптимизировать. Проблема в том, что оптимизацию путают с делегированием. Когда вы говорите агенту: «иди и купи рекламу, достигни ROAS 3,0», вы делегируете вовсе не задачу. Вы делегируете суждение, риски и, в худшем случае, юридическую ответственность системе, которой безразличны последствия и которая не ощущает их на себе.

Понятно, почему эта идея так привлекательна. Программная реклама уже стандартизировала ставки в реальном времени, алгоритмическое распределение и автоматизированную оптимизацию. В США более 90% цифровой показной рекламы проходит через программные каналы, и объем транзакций с использованием автоматизированных систем превышает 271 миллиард долларов, как объясняется в одном обзоре современных способов покупки медийной рекламы в статье о том, как искусственный интеллект оптимизирует закупки медиарекламы и эффективность кампаний. Агентный ИИ — это просто следующий шаг вперед: вместо инструментов, предлагающих корректировки, появляются самостоятельные самооптимизирующиеся агенты, которые независимо изменяют ставки, бюджеты, целевые аудитории и даже креативы.

С точки зрения эффективности — это отлично. Одно агентство, упомянутое в этом анализе, сократило стоимость лида на 60%, а продолжительность цикла продаж — на 40%, позволив агенту принимать решения по оптимизации каждые несколько часов вместо еженедельных сессий. Но эффективность — это не управление. Чем больше вы позволяете агенту «управлять» процессом, тем чаще сталкиваетесь с тремя неприятными реалиями.

Во-первых, потребители прямо не хотят автономных расходов. В ходе исследования агентной коммерции покупатели приветствовали использование ИИ для выполнения объемной работы по сравнению товаров и составлению кратких списков, однако лишь 20% были готовы допустить самостоятельные покупки со стороны ИИ, а совершение покупок без подтверждения было названо единственным главным нарушением доверия 55% потребителей, согласно опросу о том, как агентный ИИ переписывает правила ценности и монетизации в медиакоммерции. Если ваша внутренняя позиция — «позвольте боту тратить бюджет», а внешнее обещание — «мы никогда не позволим ИИ касаться вашего кошелька без разрешения», вы только что создали разрыв в доверии, через который с радостью пройдут регуляторы и адвокаты истцов.

Во-вторых, «бесконтактный» способ быстро превращается в «бесконтрольный». По мере того как агенты начинают интегрироваться напрямую с платформами покупок и рекламными серверами, технические детали скрываются за API и непрозрачными правилами. К примеру, последний выпуск платформы AAMP от IAB Tech Lab не добавляет более привлекательные алгоритмы; он добавляет варианты развертывания, ограничители цен, проверки конфиденциальности и стандартизированные рабочие процессы, чтобы агенты могли напрямую подключаться к Meta, Amazon Bedrock AgentCore и Google Ad Manager, как описано в отчете о том, как IAB Tech Lab готовит агентов ИИ к реальной рекламе. Эти стандарты существуют именно потому, что маркетологам нужно подтверждение того, что агент использует точные данные, соблюдает правила конфиденциальности и действует в жестких финансовых границах.

Если ваша модель оперирования — «включи и доверься чёрному ящику», — вы игнорируете как раз ту основу, которая создаётся для того, чтобы уберечь вас от неприятностей.

В-третьих, стремление к оптимизации будет подталкивать агентов к серым зонам, если вы явно не обозначите для них границы. Мы уже наблюдаем, как издатели экспериментируют с форматами, размывая границу между «органическими» ответами и платным влиянием на ботов. Когда Time стал предоставлять спонсируемый контент в формате вопросов и ответов для AI-роботов с целью монетизации трафика от ботов, а стартапы вроде Blankspace начали вставлять рекламу непосредственно в момент, когда агент запрашивает рекомендации, результатом стало то, что ИИ мог представлять оплаченный отель как объективный лучший выбор. Именно так один из обзоров описал тренд, когда Time начал показывать рекламу ботам. Теперь представьте, что ваш собственный агент по закупкам обнаружит: смещение товарных позиций в такие полуорганические блоки значительно повышает рентабельность расходов и пожизненную ценность клиента. Если вы не ограничили допустимые методы, агент с радостью вовлечёт ваш бренд в практики, которые регуляторы, платформы или потребители в будущем сочтут обманными.

Именно поэтому утверждение “полная автоматизация — не цель” стало своего рода тихим консенсусом. В том же исследовании в сфере коммерции лидеры индустрии подавляющим большинством выбрали ИИ, который предоставляет аналитические выводы и предлагает действия, оставляя за людьми окончательное решение; этот момент был подчёркнут, когда специалисты объясняли, почему полная автоматизация — не цель. Вопрос заключается не в том, могут ли агенты покупать лучше вашей команды в 3 часа утра; вопрос в том, сможете ли вы объяснить, проверить и обосновать то, что они сделали, спустя шесть месяцев, когда спросит регулятор, финансовый директор или потребительский уполномоченный.

Другими словами, “бесконтактная” медиазакупка — это кошмар с точки зрения управления, не потому что технологии безрассудны, а потому что они соблазняют вас быть таковым. Единственная устойчивая позиция — “агентная, а не автономная”: боты выполняют рутинную работу, люди держат контроль.

Если вы хотите понять, на что действительно способны ИИ-агенты, перестаньте смотреть на панели управления “hands‑free” для медиазакупок и начните обращать внимание на агентную коммерцию.

В розничной торговле задача агента состоит не в том, чтобы “быть креативным” или “отвечать за бренд”. Его работа — выполнять большую работу по сравнению на масштабе и скорости, недоступных человеку: нормализовывать каталоги, сверять характеристики, проверять ограничения, взвешивать компромиссы и составлять короткий список. Именно на этом уровне потребители готовы позволить ИИ работать — на этапе исследования и рекомендаций, но не принятия решений и оплаты. В одном крупном исследовании сферы коммерции 64% покупателей охотно позволяли ИИ фильтровать, сравнивать и предлагать бренды, которые они обычно не рассматривали бы, однако лишь 20% готовы были доверить ИИ самостоятельные действия, и покупка без подтверждения была названа основным нарушителем доверия большинством респондентов, согласно исследованию, резюмированному в Marketing Dive.

Переведите это на язык рекламы: агенты не должны быть вашими автономными покупателями медиа; они должны быть беспощадными, никогда не устающими покупателями, сравнивающими предложения.

Посмотрите, как веб уже изменяется под давлением агентов. AI-роботы и агенты, такие как GPTBot, ClaudeBot и PerplexityBot, сейчас составляют основную часть трафика поиска для многих сайтов. В период с конца 2025 по начало 2026 года активность ИИ-агентов выросла на 150% в месяц к месяцу, и 88% посещений, исходящих из поиска, уже приходились на агентов. Ожидается, что трафик от агентов превысит трафик от живых пользователей ещё до конца 2026 года, согласно данным, приведённым в анализе журнала Search Engine Journal, посвящённого формированию экосистемы агентов. Эти системы не просматривают контент как люди. Они сканируют, структурируют и сравнивают, решая, попадёт ли ваше предложение даже в список кандидатов, который будет представлен пользователю.

Лидеры медиабизнеса в сфере торговли голосуют своими бюджетами. Когда их спрашивают, как они планируют добиться успеха в мире агентного ИИ, 84% говорят, что будут инвестировать в возможности, предназначенные для повышения видимости внутри генерируемых ИИ ответов и рекомендаций, а 61% утверждают, что эти расходы будут покрываться за счёт бюджетов на эффективную и поисковую рекламу, согласно освещению в Marketing Dive тенденций инвестиций в агентную коммерцию. Это не история о “bольшем количестве показов”. Это история о систематическом сравнении: если вас нет в коротком списке, вы невидимы.

Time и несколько стартапов уже экспериментируют с превращением этого короткого списка в рекламную площадку. Издание Time размещает спонсируемый контент в стиле часто задаваемых вопросов не для людей, а для ботов, надеясь, что влияние на агента изменит то, что появляется в “органическом” ответе пользователя, как сообщал AdExchanger в обзоре форматов Time, ориентированных на ботов. Blankspace интегрируется в CDN, чтобы в момент, когда агент запрашивает информацию по запросу вроде “lучшие отели в Остине”, проводить аукцион за места в рекомендациях. Победитель этого аукциона платит не за клик; он платит за лучшую позицию во внутреннем наборе сравнений агента.

Так что же именно хорошо получается у этих агентов?

• Нормализация входных данных. Агенты отлично справляются с преобразованием неупорядоченных фидов продуктов, посадочных страниц и таблиц цен в сопоставимые схемы. Если ваши креативы и предложения несогласованны, они не будут «усреднять» это — они просто спокойно откажутся от вас в пользу продавцов с чистыми, читаемыми машиной данными.
• Применение ограничений. Бюджет, сроки доставки, совместимость, бонусы за лояльность, наличие на складе и предпочтения пользователя — все это строгие ограничения. Агенты неумолимо применяют их одинаковым образом каждый раз, в то время как люди-покупатели и медийные планировщики обычно терпят неудачу в этом вопросе.
• Ранжирование по многокритериальным показателям. Агенты могут взвешивать десятки сигналов — рейтинги, частота возвратов, гарантии, акции, признаки устойчивости — и формировать комплексные баллы, на основе которых составляются короткие списки. Это тот же тип работы, который вы хотите, чтобы они выполняли в медиа: систематическое тестирование каналов, форматов и размещений на основе результатов, а не самостоятельная разработка стратегии.

• Участие людей в процессе. При просмотре потокового ТВ почти половина покупателей считает, что наибольшую краткосрочную ценность ИИ представляет в планировании и оптимизации кампаний, но только 22% готовы к полностью автономному управлению кампаниями, согласно исследованию покупателей FreeWheel, резюмированному в обзоре AdExchanger о роли ИИ в CTV. Специалисты хотят, чтобы агенты предлагали варианты, но не принимали окончательные решения.

Урок для шпионажа рекламы прост: используйте своих агентов как систему сравнения, а не как автономных тратильщиков бюджета. Направьте их на анализ вашей собственной истории эффективности и наблюдаемого поведения конкурентов. Позвольте им собирать, нормализовать и сравнивать — креативы, ценовые уровни, структуру предложений, размещения, частоты, последовательности переходов на landing-page — по тысячам кампаний и публикаций. Затем проведите четкую грань: агент предлагает действия, люди утверждают бюджеты и изменения.

Так на самом деле работает агентная коммерция в реальных условиях: машина выполняет рутинное сравнение; человек по-прежнему контролирует бюджет. Ваша медийная практика должна отражать такое разделение.

Большинство «агентных» рекламных инструментов на рынке сегодня — это всего лишь усложнённые ручки оптимизации. Они регулируют ставки, меняют креативы и на этом останавливаются. Автономный интеллектуальный уровень, расположенный поверх вашей системы слежения за рекламой, делает нечто совсем иное. Он рассматривает всю экосистему медийной рекламы как живой набор данных, который непрерывно сканируется, сравнивается и анализируется, превращая полученные выводы в конкретные рекомендации, подлежащие проверке, вместо несанкционированных расходов.

Конкретно, этот уровень выполняет четыре основные задачи.

Во-первых, это превращает шпионаж в структурированную конкурентную разведку. Человек, покупающий медийную рекламу, может открыть целевую страницу конкурента, посмотреть, какие сети срабатывают, и зафиксировать это где-нибудь. Агент же может «шпионить» за сотнями сайтов и приложений одновременно, определяя их теги, размещения и партнёров, а затем нормализуя эту информацию в единую схему: кто что покупает, где, в каких форматах и с какой предполагаемой интенсивностью. Инструменты, построенные на стандартах, таких как обновлённый AAMP 2.3 от IAB Tech Lab, уже предоставляют интерфейсы, позволяющие агентам получать данные о показах на уровне логов, метаданные о сделках и классификации контента. Ваш слой использует эти интерфейсы, чтобы постоянно поддерживать актуальную карту аукционной среды: пути поставки, идентификаторы сделок, PMP, контекстные кластеры, полки ритейл-медий и стриминговые плееры, на которых концентрируются ваши конкуренты.

Во-вторых, он выполняет «агентную коммерцию» — ту рутинную работу, на которую у вашей команды нет времени: постоянное сравнение на основе правил. В электронной коммерции покупатели охотно позволяют ИИ отбирать товары, но не хотят, чтобы он сам совершал оплату; по данным исследования агентного ИИ в коммерческих медиа, только 20% готовы к тому, чтобы ИИ действовал самостоятельно, однако 64% с удовольствием пользуются открытием товаров с помощью ИИ. Такое же разделение труда применимо и к медийной рекламе. Ваш агент не должен обладать правом оплаты; он должен выполнять рутину:

• Он сверяет данные о производительности ваших аккаунтов с информацией о конкурентах, которую он собирает: “Бренды, похожие на ваш, постоянно присутствуют в этих 17 кластерах инвентаря, к которым вы никогда не обращаетесь.”
• Он стандартизирует творческие шаблоны: углы подачи сообщений, предложения, продолжительность, зацепки и форматы, которые постоянно встречаются в успешных потоках.
• Он выполняет проверки ограничений: правила бренда, региональные и нормативные ограничения, лимиты частоты показов и ценовые рамки из таких платформ, как уровень управления AAMP, чтобы отфильтровать всё, что нельзя использовать по юридическим или репутационным причинам.

Возвращается не “мы повысили вашу ставку на 12%.” Вместо этого поступает ранжированный набор действий: “Добавьте этих пять издателей в свой вайтлист; воспроизведите этот тип пакета в потоковой CTV-рекламе; протестируйте этот архетип предложения в трафике ответного поискового движка с высокой вовлеченностью.” Вы по-прежнему решаете, какие из них соответствуют вашим требованиям.

В-третьих, оптимизация идет под влияние, а не просто под размещение. В мире агентных систем имеет значение не то, купили ли вы самое красивое место на странице, а то, попадаете ли вы в короткий список, который системы ИИ представляют людям. Лидеры в области коммерции уже поняли, что “влияние — это новое размещение”: 84% планируют инвестировать в видимость внутри ответов и рекомендаций, формируемых ИИ, и многие перераспределяют бюджет из контекстной рекламы на эти точки взаимодействия, как показывает недавний анализ рекламных медиа в коммерции. Ваш интеллектуальный слой использует данные, полученные путем анализа рекламы конкурентов, чтобы выяснить, как они добиваются этого влияния: какие размещения в стиле FAQ они используют для проникновения в системы ответов, какие форматы спонсорства отображаются внутри виджетов рекомендаций, как структурируется их контент, чтобы диалоговые агенты могли его обрабатывать и отдавать предпочтение.

Он также отслеживает формирующуюся экосистему, в которой издатели фактически показывают рекламу ботам. Когда такие издания, как Time, экспериментируют со спонсируемым контентом в формате FAQ, нацеленным на AI-агентов в реальном времени — с тем, чтобы «органический» ответ, который видит пользователь, тихо формировался предыдущим аукционом — они создают новый класс рекламных мест, которые ваш агент может отслеживать и моделировать. Как выразился один из основателей стартапа, работающего с контекстным ИИ, влияние на один единственный экземпляр агента может означать влияние на «потенциально все» ответы такой системы, как описывается в материалах об рекламных экспериментах, направленных на ИИ. Задача вашего уровня — отслеживать, где возникают эти точки воздействия, оценивать их реальное влияние на поведение конечного пользователя и рекомендовать, стоит ли тестировать их для вашей категории и бренда.

В-четвертых, он координирует действия на различных платформах, не нарушая при этом вашу систему управления. В потоковом видео и CTV покупатели утверждают, что их приоритетом является вовсе не полная автономия — лишь 22% вообще открыты к этому, — а более качественная поддержка выполнения: планирование, регулирование темпа показов и мониторинг эффективности, дополняющие человеческий опыт, что ясно видно из данных опроса об использовании ИИ в покупке рекламы в потоковом ТВ. Ваш аналитический уровень как раз и выполняет эту роль. Он собирает диагностику кампаний от DSP, платформ потокового видео, закрытых экосистем и торговых сетей; сопоставляет их с тем, что он замечает в действиях конкурентов; а затем направляет предложения по изменениям через стандартные API и рабочие процессы.

Здесь оживают операции “нативного ИИ”. Вместо настройки отдельных кампаний вы проводите непрерывные эксперименты на всех значимых площадках: классический поиск и социальные сети, розничная торговля и коммерческие медиа, поисковые системы ответов и размещение для агентов. Агенты могут постоянно тестировать небольшие перераспределения бюджета, разные варианты креативов и корректировки таргетинга, пока действуют в чётко определённых рамках: лимиты расходов, правила соответствия бренду и пороги эскалации. Продуманные структуры для рекламы на базе “нативного ИИ” подчёркивают, что цель заключается не в слепой автоматизации, а в создании систем, которые “позволяют непрерывно тестировать, учиться и оптимизировать”, сохраняя при этом стратегию и управление брендом в руках человека, о чём говорится в соответствующих руководствах.

Таким образом, интеллектуальный уровень не “управляет” вашими кампаниями в том смысле, который волнует финансовые службы. Он обеспечивает работу сравнительного механизма, который человеку недоступен: отслеживает, нормализует, проверяет и предлагает решения. Решение “да”, “нет” или “объясните ещё раз” по-прежнему остаётся за вами до того, как из аккаунта будет потрачен каждый дополнительный доллар.

Вы же не позволяете младшему специалисту по закупке медийной рекламы с первого дня подключить вашу карту Amex ко всем каналам в плане. Вы ставите его рядом с реальным аккаунтом, даете логин только для чтения и говорите: «Посмотри, что происходит. А потом скажи, что ты сделал бы по-другому».

Так же относитесь и к агентному ИИ.

Ближайшая возможность — это не «кампании без участия человека». Речь идет об использовании агентов как безжалостных и неутомимых наблюдателей за медиапространством, при этом все, что они видят, проходит через ручной этап одобрения. Потребители уже дают вам понять, где проходит допустимая грань: они спокойно относятся к тому, что ИИ проводит исследования и составляет короткие списки от их имени, но испытывают сильный дискомфорт от систем, которые самостоятельно тратят деньги, причём лишь каждый пятый согласится на независимые покупки. Ваша операционная модель должна отражать эту границу комфорта.

Практический план действий выглядит следующим образом.

Во-первых, определите зону ответственности агента как «наблюдение и рекомендации», а не «выполнение». Ваш аналитический уровень может сканировать размещения конкурентов, извлекать информацию о ценах и акциях, фиксировать, какие бренды доминируют в автоматически сгенерированных коротких списках, и постоянно отслеживать, что агенты вроде ChatGPT, Perplexity и Gemini говорят о вашей категории. Затем эта информация может быть преобразована в структурированные результаты: списки возможностей, оповещения об аномалиях и предложения по тестированию. Но без участия человека агент не должен касаться бюджетов, ставок или креативов.

Во-вторых, формализуйте процесс утверждения, вместо того чтобы воспринимать рекомендации ИИ как разовые советы. Представьте еженедельный “Обзор агента” так же, как вы представляете совещание по анализу показателей эффективности:

• Агент предоставляет сводку того, что он обнаружил в поиске, социальных сетях и рекламных каналах электронной коммерции, а также в средах с участием ИИ, таких как разговорная платформа покупок Google и Direct Offers.
• Он предлагает действия по приоритетам: “Увеличить бюджет здесь,” “Протестировать этот тип акции,” “Изменить атрибуты фида для этих товаров.”
• Конкретный ответственный – не “команда” – утверждает, изменяет или отклоняет каждый пункт, а решение фиксируется.

Это соответствует собственным предпочтениям отрасли, согласно которым ИИ предлагает, а люди принимают решения. Лидеры в сфере медийной торговли уже определяют такой баланс как желаемый, а не полную автоматизацию, согласно исследованию по агенциальному ИИ в торговле.

В-третьих, направляйте своих агентов на правильные поверхности. Трафик, не связанный с людьми, больше не просто мошенничество, которое нужно фильтровать; агенты, ориентированные на потребителей, становятся «законной аудиторией с высокой вовлечённостью», которую необходимо понимать и формировать, как утверждается в одном из аналитических обзоров по трафику, не связанному с людьми, в рекламе. Это означает необходимость анализа:

• Как часто боты и агенты ИИ посещают ваши страницы продуктов и категорий.
• Где ваш бренд появляется (или не появляется) в ответах ИИ на ключевые коммерческие запросы.
• Какие конкуренты постоянно упоминаются вместе с вами в этих ответах.

Ваши собственные логи, скорее всего, подтвердят общую тенденцию: доля трафика от ИИ-агентов уже находится в двузначном диапазоне и продолжает расти, стремясь достичь уровня поискового трафика — эта тенденция уже прослеживается в анализах трафика от агентов. Используйте собственных агентов для наблюдения за другими агентами — выявите, к какому контенту, техническим характеристикам и предложениям они проявляют интерес и что игнорируют.

В-четвертых, соблюдайте скромные и строгие правила контроля расходов. Даже если вы в конечном итоге разрешите агентам вносить изменения напрямую на платформах, вы можете пропустить все через защитные ограничения:

• Минимальные и максимальные бюджеты для каждого канала и каждой кампании.
• Жесткие ограничения диапазонов ставок и темпов расходования бюджета.
• Белые списки форматов и каналов, в которых агент может работать.
• Обязательное ручное утверждение любых изменений распределения бюджета между основными каналами.

Это особенно важно, поскольку медиа переходит от «видимых размещений» к платному включению непосредственно в системы ИИ. Издатели уже экспериментируют с показом рекламы ботам в форме спонсируемого контента в формате вопросов и ответов, который агенты используют и перерабатывают в «органические» ответы, как недавние публикации о рекламе, ориентированной на агентов, показывают достаточно ясно. Когда агенты начнут предлагать платные способы влиять на других агентов, кто-то с ответственностью за прибыли и убытки должен дать на это разрешение.

Наконец, отделите «обучающие песочницы» от «денежных аккаунтов». Предоставьте своим агентам фиктивные бюджеты и имитацию аукционов, где они могут чрезмерно оптимизировать, ломать вещи и выявлять пограничные случаи — без риска для имиджа бренда или потери реальных денег. Затем внедряйте в рабочие процессы только те стратегии, которые выдерживают проверку человеком.

Цель модели с участием человека — не замедлить ИИ; цель в том, чтобы использовать его преимущества в тех областях, где они наиболее значительны: видеть всё постоянно и никогда не уставать делать очередную рекомендацию, — а вы при этом сохраняете ключи от кошелька.

Агенты отлично справляются с одной задачей, с которой люди справляются всё хуже с каждым кварталом: они способны долгое время систематически концентрироваться на огромном количестве шума.

Поэтому, прежде чем позволить агенту изменить ставку, дайте ему понаблюдать.

Представьте себе агента, собирающего рыночную информацию, в качестве сочетания младшего стратега и параноидального аналитика конкурентов. Он работает на платформе слежения за рекламой, однако, в отличие от вас, который заходите несколько раз в неделю, чтобы сделать скриншоты, он непрерывно сканирует рекламный рынок: какие бренды где появляются, какие предложения продвигаются, какие форматы стремительно набирают популярность, за какие аудитории идет борьба и как всё это меняется час от часа.

Именно здесь и потребители, и маркетологи чувствуют себя наиболее комфортно при использовании агентных систем. В сфере коммерции покупатели хотят, чтобы ИИ «фильтровал, сравнивал и составлял короткий список товаров», но категорически не хотят, чтобы он сам оплачивал покупки; только около одного из пяти человек чувствуют себя комфортно с независимыми действиями ИИ, а несанкционированные покупки являются главным фактором, подрывающим доверие, согласно исследованию, обобщенному Marketing Dive. Маркетологи так же относятся к бюджетам. Они рады, когда ИИ выявляет возможности и предлагает действия, но хотят, чтобы решение «да, делайте это» принимал человек перед тем, как будут потрачены деньги.

Таким образом, вы проектируете своих агентов так, чтобы они существовали в зоне “исследования и рекомендаций”.

Агенту мониторинга, подключённому к вашим инструментам слежения и платформенным API, не следует позволять покупать ни одного показа. Его задача заключается в следующем:

• Отслеживать, кто расширяет охват и где. Если, например, у конкурента — бренда DTC — внезапно утраивается присутствие в рекламных лентах YouTube, ваш агент должен зафиксировать следующее: “Бренд X на этой неделе сместился в сторону видео-контента, включая эти три креатива”, а не “давайте скопируем их и немедленно перераспределим 50 тысяч долларов”.
• Наблюдать за сменой креативов и рекламных предложений. Агенты уже используются для оптимизации миниатюр и креативов в таких средах, как Netflix, где модели тестируют варианты и персонализируют контент почти в реальном времени, как описано в статье о оптимизации медиа от MarTech. Вы заимствуете этот же подход к экспериментированию, но направляете его наружу: какие уровни цен, пакеты, цепляющие элементы и форматы активно тестируют ваши конкуренты и насколько быстро?

• Контролируйте давление по всем каналам. Поскольку программная покупка сейчас составляет более 90% цифровой рекламы, а ИИ-системы регулярно корректируют ставки и распределение расходов в реальном времени, средства могут перераспределяться между каналами несколько раз в день. Хорошо настроенный агент может наблюдать за этими тенденциями извне и делать выводы, например: “На этой неделе сократились продажи партнёрами; рост произошёл в контекстной рекламе и retail media для этих SKU”.

Ключевое значение имеет функция “обобщения”. Вам нужна жёсткая компрессия данных, а не сырые потоки.

Пример эффективного подхода — ежедневная, а возможно, и многоразовая в течение дня, “рыночная сводка”, написанная вашим агентом для людей: краткая, оценочная записка, в которой говорится: “вот что изменилось, вот почему, вероятно, это произошло, и вот что следует протестировать дальше”. Это соответствует общей тенденции отрасли, при которой маркетинговые организации, основанные на агентных системах, используют самооптимизирующиеся платформы для частой оценки и коррекции креативов, таргетинга и бюджетов, но в рамках контроля со стороны человека, как отмечает MarTech.

Ваша задача — строго ограничить сферу полномочий агента:

• Доступ только для чтения к вашим собственным платформам и шпионским инструментам
• Невозможность редактировать кампании, бюджеты или аудитории
• Отсутствие API-ключей, позволяющих утверждать расходы

Даже отраслевые организации придерживаются позиции «доверяй, но проверяй». Последняя спецификация AAMP 2.3 от IAB Tech Lab направлена не столько на обучение агентов новым трюкам, сколько на предоставление компаниям механизмов управления, средств защиты конфиденциальности и ограничений по ценообразованию, которые позволят применять их в производственных средах, как сообщал MarTech в обновлении. Это верная модель и на уровне аккаунта: если агент может видеть всё, но ничего не может потратить, вы снижаете риски экспериментов, одновременно выясняя, на что он способен.

Выгода заключается в том, что ваши сотрудники перестают тратить умственные усилия на вопрос «что изменилось с прошлого раза?» и начинают концентрироваться на вопросе «какие 2–3 шага стоит попробовать, учитывая произошедшие изменения?». Агенты превращают мощный поток конкурентных данных и данных на уровне канала в непрерывный структурированный бриф.

Только после того, как вы начнёте доверять этим брифам, вы можете хоть как-то рассмотреть возможность передать агенту полномочия по внесению корректировок в отдельные позиции — и даже в этом случае принцип остаётся прежним: сначала наблюдать, затем рекомендовать и никогда не трогать бюджет без подтверждения от человека.