ИИ КАК СПОСОБ СОКРАЩЕНИЯ ПУТИ ИЛИ ШПИОНСКАЯ ТРУБА? КАК ПРЕВРАТИТЬ ОПАСЕНИЯ D&AD, СВЯЗАННЫЕ С ИИ, В КОНКУРЕНТНОЕ ПРЕИМУЩЕСТВО ДЛЯ МЕДИАПОКУПАТЕЛЕЙ

ИИ в рекламе продается как чудо-устройство: нажми кнопку, получи “больше творчества, быстрее.” Нужно 200 вариантов заголовков, 50 обрезанных изображений, 12 укороченных версий? Генеративные инструменты охотно заполнят вашу библиотеку материалов за считанные минуты. И именно поэтому большинство брендов слепо попадают в одну и ту же ловушку: они используют ИИ, чтобы создавать больше рекламы, а не принимать лучшие решения.

В то время как жюри D&AD и креативные директора публично размышляют о том, смогут ли машины заменить человеческое воображение, настоящая смена власти происходит в гораздо менее эффектном месте — внутри аукционов. Наиболее продвинутые медиа-покупатели не просят ИИ придумать следующую гениальную идею; они используют его как подзорную трубу, направленную на сам рынок, превращая данные об эффективности и ценах в оружие, позволяющее обыгрывать конкурентов задолго до того, как кто-либо заметит это на ролике из Канн.

Взгляните, что можно увидеть, если знать, куда направить эту подзорную трубу. В аукционах социальных сетей и программатике наиболее ценные конкурентные сигналы скрываются в решениях по распределению медиабюджетов, тенденциях эффективности, а также тонких изменениях размещения и географии. CPM конкурента тихо снижается. Другой вдруг делает ставку на новый формат. Третий концентрирует расходы в одном регионе вместо трёх. В отдельности это просто любопытные факты. Вместе они представляют прямую трансляцию стратегии ваших конкурентов. Как поясняет один из аналитиков социальных рекламных аукционов, настоящее преимущество заключается не в определении того, кто тратит больше всех; оно состоит в том, чтобы понять, почему кто-то побеждает, ещё до того, как остальной рынок это осознает, расшифровывая закономерности в эффективности медиа, сочетании каналов и темпировании расходов.

Вот где ИИ перестаёт быть просто ярлыком и превращается в инструмент конкурентной разведки. Платформы вроде Polaris AI не просто парсят рекламу; они обрабатывают данные о текущих аукционах из социальных сетей и открытого веба, выявляя в реальном времени такие показатели, как CTR, CPM, доля голоса и эффективность расходов, а затем соотносят их с креативами, размещениями и гипотезами об аудитории. Когда система показывает, что одна страховая компания не просто тратит больше конкурентов, но и покупает рекламу эффективнее при меньших затратах на привлечение, вывод не в том, что «нам нужны более креативные сценарии». Вывод в том, что «они создали более точную и диверсифицированную медийную систему — копируйте систему, а не слоган».

В то же время сам аукцион постоянно меняется. По мере того как Google, Meta и TikTok автоматизируют таргетинг с помощью Performance Max, Advantage+ и автоматического расширения, настройки аудитории исчезают. Алгоритмы сами решают, кто увидит вашу рекламу; ваша основная возможность влиять — через сигналы, которые вы им подаёте. Это превращает креативы в самостоятельный инструмент таргетинга. Согласно одному анализу кампаний с использованием ИИ, при широком таргетинге заголовки, визуальные элементы и призывы к действию становятся главными подсказками для платформ при решении того, кому и какую рекламу показывать, что по сути превращает креатив в «новый сигнал таргетинга».

В этом мире объем генерации ИИ является базовым показателем. Настоящее преимущество заключается в замыкании цикла между тем, что вы и ваши конкуренты вводите в систему (креативы, ставки, форматы, бюджеты), и тем, что система возвращает (кто выигрывает показ, по какой цене и с какими последующими результатами). Ведущие рекламодатели уже используют ИИ для непрерывной оптимизации креативов: сотни вариантов автоматически запускаются, измеряются и улучшаются на основе данных вовлеченности и конверсии, а не интуиции. Как отмечается в одном из обзоров рекламы, построенной с учетом ИИ, скорость — это не просто эффективность; возможность масштабного тестирования, обучения и повторного развертывания превращается в структурное преимущество.

Важно отметить, что сами покупатели не хотят передавать управление полностью. Исследования, посвященные потоковому ТВ, показывают, что почти половина медийных покупателей считают наибольшее преимущество ИИ в планировании и оптимизации, но лишь около одного из пяти готовы использовать полностью автономные кампании. Они хотят, чтобы ИИ дополнял их суждения — инструменты, которые выявляют сигналы, автоматизируют рутинную работу и упрощают корректировку стратегии в ходе процесса, а не «черный ящик», который «делает всё», пока они надеются на лучшее, как становится ясно из последних данных о роли ИИ при покупке и реализации ТВ-рекламы.

Так что, пока индустрия спорит, являются ли рекламные объявления, созданные ИИ, “настоящим” творчеством, самые эффективные медиа-команды используют ИИ для гораздо более прагматичных целей: видят аукцион более четко, чем кто-либо другой, быстрее учатся на каждом показе и превращают эти знания в постоянно растущее преимущество в производительности в поиске, социальных сетях, программатике и стриминге. Вопрос не в том, заменит ли ИИ креативщиков. Вопрос в том, станет ли ваша команда по закупке медиа той самой, кто тихо превращает ИИ в подзорную трубу, в то время как ваши конкуренты все еще играют с блестящими ярлыками.

То, что D&AD испытывают дискомфорт по поводу ИИ, понятно, но он направлен на не ту часть проблемы.

В дискуссиях вокруг премий ИИ рассматривается как творческий ярлык: способ генерировать больше идей при меньших усилиях человека. Такой взгляд имеет смысл, если ваш мир — сценарии, раскадровки и ключевые визуальные образы. Если ИИ — это всего лишь более быстрый Photoshop, тогда да, ручная работа выглядит под угрозой, и страх «жульничества» становится главной тревогой.

Но именно там реальные изменения и не происходят.

В рекламе ИИ — это не просто фабрика контента, он превращается в движок принятия решений. Автономные системы учатся выделять бюджеты, выбирать размещения и определять приоритетную аудиторию на лету, основываясь на сигналах эффективности в масштабе, недоступном для любой человеческой команды. Как отмечается в обзоре illumin об использовании ИИ в AdTech, маркетологи теперь могут поставить перед ИИ бизнес-цель (например, ROAS или прирост охвата) и позволить ему в реальном времени проводить тысячи микрооптимизаций по ставкам, аудиториям и рекламным местам.

Это не просто упрощение; это структурный сдвиг в том, как создается конкурентное преимущество.

Подход D&AD исходит из того, что креативность по-прежнему является основной ареной борьбы — главный риск заключается в шаблонной, безликой работе. Для медийных специалистов арена борьбы изменилась. Наиболее серьезные конкурентные разрывы уже не в идеях; они в том, насколько разумно эти идеи распределяются в условиях дефицита внимания и когда решения принимаются с участием машин.

Вы уже можете видеть это в данных аукциона. Платформы конкурентной разведки, такие как Polaris AI, проанализированные в обзоре AdExchanger аукционов социальной рекламы, анализируют не просто, кто и какую рекламу запускает. Они выявляют стратегию по комплексу сигналов: падающие CPM, резкие сдвиги в определенные размещения, географическую концентрацию и согласованность между каналами. Когда у Progressive снижаются затраты на привлечение в социальных сетях и программатике, ИИ Polaris не отмечает «более креативные, более быстрые решения», а выдвигает гипотезу о более совершенной медиасистеме — более точной настройке аудитории, диверсифицированных размещениях и умном распределении бюджетов.

Именно этот инструмент анализа и не хватает D&AD. ИИ не просто производит больше материалов; он практически в реальном времени показывает, какие бренды опережают свои категории и почему.

То же несоответствие проявляется в том, как индустрия считает, что потребители воспринимают ИИ. В телевидении и CTV покупатели и продавцы по-прежнему осторожно относятся к рекламе, созданной машинами, предполагая, что зрители будут отвергать её как неискреннюю. Однако исследование, обсуждаемое в освещении VideoWeek роли ИИ в телевизионной рекламе, показало, что лишь около 10% зрителей заявляют, что им не нравится креатив, созданный с помощью ИИ, в то время как половина покупателей и примерно 40% продавцов считают, что зрителям он не нравится. На самом деле аудитория гораздо более открыта для персонализированной рекламы с несколькими вариантами, чем полагает сторона предложения.

Этот разрыв глубок. Пока жюри премий спорят, считать ли исполнение “с помощью ИИ”, реальные зрители спокойно вознаграждают релевантность и персонализацию — как раз то, что ИИ лучше всего масштабирует. Страх перед обесцениванием креативов ослепляет многие команды перед реальной возможностью: использовать ИИ, чтобы сделать просмотр лучше, а не просто удешевить производственный процесс.

Между тем сам холст сокращается. Интерфейсы, основанные на ИИ, от Google, Microsoft и других сжимают поиск до нескольких вариантов. Как объясняет исследование Search Engine Journal по теме "агентной коммерции", обзоры ИИ и режимы ИИ уменьшают количество доступных показов, а самыми быстрорастущими «пользователями» интернета становятся автоматизированные агенты, а не люди. Эти агенты не просматривают страницы и не реагируют на изящное оформление; они составляют короткие списки из трёх-пяти вариантов и выполняют действия.

В этой «экономике коротких списков» вопрос заключается не в том, настолько ли креатив был создан человеком, чтобы произвести впечатление на жюри. Вопрос в том, попадает ли вообще ваш бренд в список агента. Вы уже можете увидеть эту логику в аналитике эффективности ИИ от Google в Merchant Center, которая показывает долю голоса на платформах с ИИ по сравнению с похожими брендами — по сути, отчёт о позициях, показывающий, как часто машины выбирают вас.

Увеличивая рост агентного медийного планирования, при котором автономные системы непрерывно перераспределяют бюджеты и тестируют варианты креативов без вмешательства человека, повествование D&AD начинает выглядеть ограниченным. Как подчеркивается в руководстве MarTech по рекламе, созданной непосредственно ИИ, исполнение превращается в товар; ключевое различие смещается на более четкую стратегию, ясные сообщения и более умное сопоставление контента с намерениями в реальном времени.

Именно поэтому использование ИИ в качестве творческого ярлыка создает конкурентные издержки для специалистов по размещению рекламы.

Если вы видите в ИИ более быстрый способ пополнить свою библиотеку активов, вы в итоге конкурируете по объему в условиях, когда показы сокращаются, а агенты фильтруют без компромиссов. Если же вы используете ИИ как инструмент наблюдения за аукционами, сигналами намерений и конкурентным поведением, вы можете изменить способы планирования, измерения и инвестирования — и получить преимущество задолго до того, как ваши соперники поймут, что поле битвы переместилось.

Раньше количество показов имело первостепенное значение. Если вы могли позволить себе массированно атаковать поисковые системы, социальные сети и баннерную рекламу, вы, скорее всего, получали достаточно откликов, чтобы сбалансировать расходы. Эта логика перестаёт работать в условиях, когда просто становится меньше мест для размещения вашей рекламы, а также увеличивается количество уровней ИИ, которые решают, что попадёт в отбор, ещё до того, как человек увидит что-либо.

Вы уже можете наблюдать, как уменьшается пространство для размещения. Режим ИИ и обзоры ИИ от Google сократили старую выдачу до меньшего, тщательно отобранного пространства, где органические результаты, торговые блоки и объявления вынуждены бороться за крошечное место. Одна из групп по аналитике отметила сокращение показов на 11% в годовом исчислении по мере расширения зоны ИИ, указав, что «пространство стало меньше, и планка выше» для любого рекламного объявления, которое появляется в нём, как сообщает Search Engine Journal. Теперь вы боретесь не просто за показ, а за краткое появление в блоке ответа, отобранного машиной.

В то же самое время аудитория по ту сторону этого блока меняется. Классификация Microsoft веба как сосуществование эпох — «помоги мне найти», «помоги мне выбрать» и «сделай это за меня» — уже прослеживается в данных. Автоматизированные сессии, управляемые агентами, растут примерно в восемь раз быстрее, чем трафик от людей, согласно тому же аналитическому отчёту Search Engine Journal. Эти агенты не прокручивают категорийные страницы и не просматривают карусели. Они оценивают варианты, формируют короткий список из трёх-пяти брендов и совершают действия.

Этот феномен, который стратег в области ритейл-медиа Роджер Данн называет “экономикой короткого списка”, и есть настоящая причина сжатия показов. Когда покупатель спрашивает у Gemini, Copilot или ChatGPT: “Какие кроссовки лучше всего подойдут при плоскостопии?” и получает четыре варианта товаров, этот список становится полным множеством рассматриваемых опций. Согласно опросу Semrush за декабрь 2025 года, 43% покупателей в США обнаружили новый бренд с помощью ИИ, и почти половина отмечает, что бренды, упомянутые ИИ, им “часто” или “очень часто” попадаются на глаза, как указано в Search Engine Journal. Если ваш бренд не в этом коротком списке, то ваш великолепный видеоролик, безупречная брендовая платформа и медиаплан даже не доберутся до двери.

Для медийных покупателей именно здесь любые догадки становятся смертельными. В мире изобилия показов можно было приблизительно угадывать: расширенное соответствие здесь, похожие аудитории там, несколько вариантов креативов — и дешёвый охват платформы скрывал ваши ошибки. Но по мере того, как ИИ сводит всё внимание к меньшему количеству моментов с более высоким намерением, цена ошибки многократно возрастает. Если ваши сигналы расплывчаты — несоответствующие креативы, обобщённые посадочные страницы, ничем не выделяющиеся предложения — вы не просто показываете низкие результаты; вы систематически обучаете агентов ИИ игнорировать вас.

Тем временем механизмы покупки с другой стороны становятся всё совершеннее. Современные AdTech-системы не ждут еженедельного совещания по оптимизации вашей команды. Они анализируют миллионы показов в режиме реального времени, прогнозируя, какие пользователи или агенты с наибольшей вероятностью выполнят конверсию, и корректируют ставки за миллисекунды, как описывает illumin в своем обзоре управления кампаниями с использованием ИИ. Эти системы уже практикуют «агентную рекламу», устанавливая ставки, контролируя распределение бюджета и перераспределяя расходы на основе вероятностных моделей, которые вы никогда не видите. Платформы больше не являются пассивными проводниками; они превращаются в активных переговорщиков, которые решают, достойна ли ваша реклама попасть в следующий мини-список участников аукциона.

Добавьте к этому ещё один структурный сдвиг: по мере того как Google, Meta и TikTok активно внедряют более широкие способы таргетинга с помощью ИИ, аудиторные фильтры, на которые вы привыкли полагаться, постепенно исчезают. Performance Max, Advantage+ Shopping и автоматическое расширение аудитории создавались для того, чтобы демонстрировать ваши рекламные объявления широкой аудитории и позволять машинному обучению определять, кто совершит конверсию. В этом контексте креатив становится основным сигналом, который подсказывает алгоритму, для кого предназначено объявление, — как отмечает MarTech, утверждая, что «креатив — это новый таргетинг». Заголовки, зацепки, визуальные элементы и предложения больше не просто средство убеждения; теперь они служат метками данных для аукциона.

Вместе эти факторы превращают старую привычку «запустить, понаблюдать и надеяться» в обузу. Вы не можете рассеивать 50 вариантов, созданных ИИ, в эфире и ждать победителя, если теперь каждое видимое впечатление — это избирательное событие, отфильтрованное ИИ, а каждый аукцион — битва между автономными агентами ставок. Покупатели медиа, которые до сих пор рассматривают ИИ лишь как удобство в производстве — способ создать больше текстов или сокращённых версий, — устраняют не то узкое место.

Конкурентное преимущество получат команды, которые примут сокращение показов как данность и целенаправленно создадут экономику короткого списка: подавая системам ИИ чистые, осознанные сигналы, создавая креативы, которые отбирают правильную аудиторию, и измеряя не только «нас увидели?», но и «нас выбрал агент, который делает выбор?». В этом мире каждое нетестированное предположение — это приглашение для модели другого человека вытеснить вас из списка.

В рамках аукциона ИИ — это не генератор идей, а движок выявления закономерностей. Каждый раз, когда ваша реклама участвует в аукционе социальных сетей, поисковых систем или открытом веб-аукционе, она оставляет слабый стратегический след: сколько вы были готовы заплатить, где решили разместиться, на какие аудитории вы ориентировались и насколько быстро вышли из игры при снижении эффективности. Умножьте это на тысячи аукционов в день вместе с действиями ваших конкурентов — и вы получите актуальную, постоянно обновляемую карту реальной стратегии категории, а не ту версию, которую демонстрируют на сцене во время награждения.

Суть в том, что прочитать такие сигналы с помощью лишь человеческого глаза практически невозможно. Падение CPM конкурента на 18% в Meta при росте доли показов на YouTube — это всего лишь шум в таблице. Однако в целом такие изменения складываются в то, что одна платформа конкурентной разведки называет «самыми ценными сигналами в современной рекламе» — решения по распределению медиабюджетов, тенденции эффективности и особенности размещения, которые впервые проявляются именно на аукционах, а не в кейсах или квартальных отчетах, как описано в анализе скрытых конкурирующих сигналов внутри социальных рекламных аукционов.

Именно здесь ИИ перестаёт быть просто упрощением и начинает работать как подзорная труба.

Современные медиасистемы работают гораздо больше как «агентные» оптимизаторы, за которыми следят аналитики AdTech: модели, сканирующие миллионы показов, прогнозирующие вероятность конверсии и принимающие решение за миллисекунды о том, делать ли ставку — и сколько — на конкретного пользователя, размещение и момент времени. Вместо использования правил «если/то» эти системы анализируют контекстные сигналы, историю эффективности и динамику аукционов, чтобы принимать тысячи микрорешений в день, как описано в обзоре illumin’s.

Когда вы направляете такой же вид интеллекта на конкурирующие данные, аукцион превращается в живую наглядную схему стратегии всех остальных.

Несколько конкретных примеров:

• CPM конкурента падает, но при этом улучшаются его средняя позиция и коэффициент кликабельности. ИИ может установить связь между этим и изменениями в креативах, новыми форматами и сегментами аудитории, а затем выявить вероятное объяснение: они нашли более эффективную комбинацию размещения или открыли новую модель look‑a‑like. Согласно анализу того, как работают платформы, такие как Polaris AI, речь идет не столько о подсчете рекламы, сколько о превращении аукционных изменений в гипотезы относительно точности таргетирования аудитории и диверсификации размещения.

• Другой бренд резко перенаправляет бюджет в новую географию и конкретный тип инвентаря — например, вертикальное видео в приложениях для подключенного ТВ, которые поддерживают программатику. ИИ может выявить момент времени (сразу после запуска продукта), среду (премиальный аудиовизуальный контент) и тенденцию эффективности (CPM растёт, но ROAS остаётся на прежнем уровне) и отметить, что они намеренно платят премию, чтобы доминировать в стратегически важном контексте.
• Третий участник начинает проигрывать аукционы, которые раньше выигрывал, не сокращая расходы. Сравнивая долю показов, кривые затрат и изменения на платформе, система ИИ может сделать вывод, что их перебивают новым участником или сокращают за счёт изменений на стороне платформы, таких как «режим ИИ» и диалоговые интерфейсы, которые сокращают общее предложение показов.

Ни одна из этих историй не появляется в пресс-релизе. Они становятся видимыми только в том случае, если рассматривать аукционы как источник правды о том, что бренды действительно делают, и позволить системе ИИ читать между строк.

Для медийных покупателей выгода двойная.

Во-первых, вы получаете представление о конкурентной среде в реальном времени, не ограниченное каналами. Когда одни и те же сигналы — повышение эффективности CPM конкурента, всплеск размещений в коротком формате, отказ от широкого соответствия — одновременно появляются в социальных сетях, поиске и программатике, ИИ может объединить их в единую картину о том, как этот бренд готовится к экономике коротких списков. Именно такой паттерн выявила аналитика Polaris, когда пришла к выводу, что преимущество Progressive заключается не столько в объёме бюджета, сколько в согласованной медиасистеме, действующей на всех каналах.

Во-вторых, вы можете превратить эти инсайты в конкретные действия в своей собственной системе закупок. Те же агентные движки, которые оптимизируют ваши ставки, могут принимать конкурентные сигналы в качестве ограничений и целей: «Избегайте завышенных ставок в тех местах, где бренд X явно переплачивает ради громкого размещения» или «Протестируйте размещения в средней воронке, на которые недавно перешел бренд Y, но ограничьте CPM на уровне, выше которого их эффективность начинает падать». В средах, изначально созданных для ИИ, где «рекомендация сама становится рекламой», как однажды выразился анализ конкурентной ИИ-рекламы, именно такая адаптивная стратегия позволяет вам оставаться заметными, когда агенты составляют свои списки из трёх–пяти вариантов.

Опасение D&AD состоит в том, что ИИ позволяет всем быстрее копировать. В условиях аукциона реальность суровее и полезнее: ИИ позволяет увидеть, кто на самом деле побеждает, почему они побеждают и как на это реагировать, ещё до того, как это преимущество отразится в ваших квартальных показателях — или в речи о принятии награды кого-то другого.

Кампании, удостоенные наград, — ужасные учителя, если вы изучаете только их результат. Кейс, трёхминутный авторский монтаж, ролик с яркими моментами на D&AD — всё это эпилог. Стратегическая история, которая победила, скрывается раньше, в шаблонах ставок, выборе аудитории, ротации креативов и точках отступления.

Именно здесь ИИ перестаёт быть просто ярлыком и превращается в подзорную трубу. Вместо того чтобы пытаться угадать «гениальную идею», вы превосходите систему, которая её создала, по скорости итераций.

Современные аукционы уже работают именно так. Искусственный интеллект берет на себя тактическую работу по покупке медийной рекламы — анализирует миллионы показов, прогнозирует, какие из них, вероятно, приведут к конверсии, и корректирует ставки в режиме реального времени, чтобы достичь целевого ROAS или CPA, как описывает illumin. Вы не сможете обыграть машину в принятии решений по ставкам за миллисекунды. Но вы можете превзойти бренды, с которыми конкурируете, если настроите собственный ИИ на анализ данных, которые предоставляет аукцион.

Представьте каждый показ как точку данных в стратегической лаборатории, действующей в режиме реального времени. Инструменты конкурентной разведки, такие как Polaris AI, уже показывают, как это работает в масштабе: вместо сбора информации об объявлениях по заголовкам и цветам они отслеживают изменения в CPM, составе размещений, географии и эффективности расходов в социальных сетях и на открытом интернете, а затем преобразуют эти данные в гипотезы о том, почему тот или иной участник достигает успеха. Если у Progressive стоимость привлечения клиентов остаётся стабильно низкой, несмотря на рост расходов, система не просто хвалит креативы — она делает вывод о более глубокой структуре: более точная таргетированная аудитория, диверсификация размещений и дисциплинированная перераспределение средств при снижении предельной отдачи.

Именно такое мышление необходимо, чтобы превзойти лауреатов наград: перестаньте воспринимать креативы как талисман и начните рассматривать их как доказательства.

Конкретно это означает сочетание ИИ с "шпионажем" на трёх уровнях:

1. Стратегическое выявление особенностей. Используйте ИИ для анализа сигналов на уровне аукционов так, как это делает Polaris AI: кто внезапно начал платить больше за ранее дешёвую аудиторию, кто только что сконцентрировал усилия на Reels или CTV, кто отступил с определённой географии после двух недель. Вы не копируете рекламу — вы анализируете ставку.

2. Генерация гипотез. Когда ваш инструмент отмечает, что CPM конкурента падает на 18% в ту же неделю, когда они начинают использовать модульные, ориентированные на продукт креативы, это уже не просто факт из викторины, а задание для теста. Ваш ИИ должен превращать сырые сигналы в утверждения о причинах: «Вероятно, они получили более дешевый охват за счет более широкой таргетинговой аудитории и более высокой релевантности креативов» — а затем превращать эти выводы в эксперименты, запланированные в вашей медиастратегии.

3. Быстрые тесты и корректировки. В условиях, когда ИИ уже сжимает рекламные запасы и перемещает нас в экономику коротких списков, победителем станет не бренд с самой смелой идеей, а тот, кто сможет реализовать 50 небольших идей, пока другие будут дорабатывать свой первый кейс. Вы определяете границы песочницы (ограничения по бренду, предложению и риску), после чего позволяете ИИ предлагать и приоритизировать микротесты — варианты креативов, смещения аудитории, ограничения частоты показов — и масштабируете только те, которые превышают установленный вами порог эффективности.

Вы также обладаете большей свободой действий, чем думают большинство покупателей. В то время как маркетологи спокойно используют ИИ для “безопасных” задач, таких как создание контента и анализ данных, они по-прежнему осторожничают, отдавая под полный контроль закупки медиаресурсов, как сообщается в опросе Digiday. Эта нерешительность открывает конкурентные возможности. Вам не нужно мгновенно переходить на автономные расходы; вы должны стать командой, которая использует вспомогательный ИИ, чтобы проводить в десять раз больше контролируемых экспериментов, чем все остальные, — с человеческим одобрением на то, что действительно будет запущено.

Кроме того, аудитория гораздо менее чувствительна к творчеству, созданному с помощью ИИ, чем боится индустрия. Исследование, упомянутое в недавнем интервью VideoWeek, показало, что лишь около 10% зрителей активно не любят креативы, созданные с помощью ИИ, в то время как примерно половина покупателей считают, что зрителям это не нравится. Эта разница — чистая прибыль для медийного покупателя, который использует ИИ для создания и оптимизации многовариантной рекламы, не испытывая при этом отвращения. Если зрителю нравится более релевантный рекламный ролик, а аукцион вознаграждает вас лучшим вовлечением и более низкими CPM, нет никакой добродетели в том, чтобы не использовать эту эффективность только потому, что процесс создания рекламы не кажется достаточно ремесленным.

Частое внесение изменений не означает, что вы перестаёте заботиться об идее. Это означает, что вы рассматриваете идею как начальное предложение, а не как законченную скульптуру. Вы быстрее запускаете «достаточно хорошее» решение, настраиваете систему таким образом, чтобы ИИ мог в режиме, близком к реальному времени, отслеживать действия конкурентов, а затем обучаетесь публично — делая 100 контролируемых микро-ставок вместо одной безупречной, но хрупкой кампании.

Награды поощряют то, что сработало в прошлом году. В условиях аукциона, управляемого ИИ, ваше преимущество заключается в том, что жюри увидеть не может: в количестве дисциплинированных итераций, которые вы успели провести до того, как кто-либо понял, что правила игры изменились.

AI пришёл не для того, чтобы забрать работу медиабаеров. Он пришёл, чтобы забрать части этой работы, которые изначально никогда не должны были быть вашими.

Корректировка ставок в 15-минутных интервалах. Манипуляции с таблицами, чтобы перераспределить 3% бюджета из одного рекламного набора в другой. Дебаты в Slack поздно вечером о том, стоит ли повысить лимит на 0,10$. Это всё — пережитки эпохи, когда автоматизация могла следовать лишь тем правилам, которые вы заранее написали.

В эпоху автономных агентов эта работа просто лучше выполняется машинами.

Современные системы покупки уже действуют скорее как автономные копилоты, а не просто усовершенствованные макросы. Вы устанавливаете цель — целевой ROAS, максимальный порог маржинальной CAC, порог доли голоса — и платформа оптимизирует результат, обучаясь на основе эффективности и корректируя тысячи параметров ежедневно в режиме реального времени, как описано в обзоре illumin о управлении кампаниями с использованием ИИ. Алгоритмы сейчас анализируют миллионы показов, прогнозируют минимально возможную ставку и перераспределяют бюджет между размещениями и аудиториями быстрее, чем любая команда людей. Возникающая «агентная рекламная экономика», как формулируют McKinsey и другие, — это такая экономика, в которой системы ИИ самостоятельно выполняют основную часть оптимизации.

Это не делает специалиста по размещению рекламы бесполезным. Это делает устаревшую версию роли — простого нажимателя кнопок — бесполезной.

Новая точка воздействия — это что вы просите агентов делать, где вы применяете их и как проверяете, что их действия действительно соответствуют бизнес-реальности. Как отмечает один из руководителей по активации в освещении Meta AI-инструментов в AdExchanger, люди всё чаще должны выступать в роли «принимающих решения и управляющих», проверяя правильность выводов агентов и выясняя, является ли всплеск реальной победой или просто ошибкой измерения. Машина может проверить 10 000 микрошагов; только стратег может решить, какие из них подходят бренду, прибыльности и презентации для руководства.

Другими словами, медиапокупатель превращается в архитектора рынка.

Вместо того чтобы работать в Ads Manager, вы проектируете систему, в рамках которой действуют агенты:

• Определение иерархии целей. Является ли реальным ограничением маржа, денежный поток, LTV/CAC или оффлайн-мощности? Агентные платформы отлично оптимизируют показатель, который вы им даёте, даже если он неправильный. Ваша задача — преобразовать неоднозначную бизнес-реальность в чёткие цели оптимизации, которые не создадут обратных стимулов.
• Разработка стратегии инвентаря и предложения. На стороне продажы издатели используют ИИ для того, чтобы более разумно упаковывать, классифицировать и ценообразовать предложения, уделяя меньше внимания автоматизации «агент-агент» и больше сосредотачиваясь на максимизации ценности инвентаря, согласно анализу VideoWeek продавцов ТВ-рекламы. На стороне покупки зеркальная сторона этой работы — это определение того, какие пути получения предложения, контексты и среды вообще могут использовать ваши агенты и насколько активно они могут в них действовать.

• Оркестровка каналов вокруг шорт-листа. По мере того как ИИ-агенты сокращают число рассматриваемых потребителем вариантов до трёх-пяти, мы вступаем в то, что один из стратегов называет “экономикой шорт-листа”. Теперь объём показов имеет меньшее значение, чем попадание в число немногих брендов, которые ассистенты и обзоры ИИ выводят на поверхность. Медиапокупатели меняют фокус: вопрос уже не “сколько показов мы можем купить?”, а “какие платформы сильнее всего влияют на агентов, формирующих шорт-лист, и как добиться там преобладающего присутствия?”
• Настройка конкурентной разведки. Платформы вроде Polaris AI уже анализируют сигналы на уровне аукционов — изменения CPM, комбинации размещений, географическую концентрацию — и превращают их в гипотезы о том, почему конкурент обходит рынок. Задача архитектора — интегрировать эти выводы непосредственно в стратегии собственных агентов: где можно ослабить ограничения, где ужесточить, где протестировать контрмеры до того, как на них отреагируют остальные игроки рынка.

Под всем этим скрывается более неприятная правда: творческий контент и оптимизация на основе ИИ регулярно будут выходить из-под контроля, если за ними не наблюдать. Многочисленные инциденты с так называемым “slop” от Meta — искажённые продукты, несоответствующие образы персонажей, сюрреалистичные детали — предвосхищают то, что произойдёт, когда платформы начнут массово внедрять генеративные решения, а затем будут напоминать брендам, что, согласно их собственным условиям обслуживания, “ИИ может ошибаться, и ответственность за проверку результатов ИИ лежит на рекламодателе”. Агент с радостью представит контент, который формально соответствует поставленным целям, но при этом незаметно подрывает доверие к бренду.

Таким образом, архитектор определяет не только цели и бюджеты. Он устанавливает ограничения:

• Ограничения по бренду и безопасности, которые агенты не могут нарушать, даже во имя эффективности.
• Циклы обратной связи, показывающие, что победы на аукционе вызывают проблемы на последующих этапах — возвраты, жалобы, конфликты каналов, — которые алгоритм не способен увидеть.
• Контроль над тем, какие инструменты креативов на основе ИИ могут функционировать в реальном времени, на каких аккаунтах и в рамках каких процессов утверждения.

По мере того как ИИ берет на себя оптимизацию, ценность медиапокупателя перемещается на более высокий и внешний уровень: от тактического управления к проектированию рынка, от мастерства работы с платформами к архитектуре кросс-канальных решений, от вопроса «Какую ставку мне установить?» к вопросу «В какую игру мы вообще играем — и как подстроить правила в нашу пользу?»