5 точек, где маркетинговый AI-агент теряет контекст и начинает врать

5 точек, где маркетинговый AI-агент теряет контекст и начинает врать

1) При длинной цепочке действий: если агент пишет email, потом сегментирует базу, потом правит оффер, без checkpoint'а он забывает ранние допущения. 2) На стыке CRM и LLM: поля в CRM часто короче, чем нужен контекст, и агент додумывает недостающее. 3) В multi-step approval: если между шагами есть ручная пауза, модель пересобирает логику заново и уезжает от исходной цели.

4) В retrieval-пайплайне: если поиск приносит 20 фрагментов, агент выбирает «самый похожий», а не самый релевантный. 5) В генерации креативов: без жёсткой схемы входов он смешивает audience, angle и CTA в один текст, после чего A/B уже тестирует мусор.

Что делают нормальные команды: фиксируют state отдельно от prompt, режут задачи на короткие шаги, валидируют выходы схемой, а не верой в модель. Для long-running цепочек лучше хранить промежуточные решения в кеше или базе, а не надеяться на один «умный» запрос.

Если агент в маркетинге должен работать больше 2-3 шагов, проектируйте не промпт, а контур управления: state, проверки, откат и ограничение свободы на каждом узле.