7 мест, где маркетинговый AI-агент ломается раньше, чем окупается

7 мест, где маркетинговый AI-агент ломается раньше, чем окупается

Контур обычно рвётся не на генерации текста, а на памяти и границах задачи. Если агент пишет email-цепочку, а потом «забывает» сегмент, оффер и причину предыдущего отказа — это не проблема модели, это проблема state management.

Первый риск — размытый input schema. Если в CRM приходят поля в разном виде, агент начинает компенсировать догадками. Второй — длинная цепочка без checkpoint: после нескольких итераций растёт дрейф тона, а решение всё чаще опирается на последний ответ, а не на исходный бриф.

Третий — нет guardrails на инструменты. Агенту дали доступ к отправке писем, созданию задач и правке сегментов, но не ограничили порядок вызовов. Четвёртый — отсутствие eval-набора: без 20–50 типовых кейсов вы не увидите, где он стабильно путает intent, а где просто красиво ошибается.

Пятый — неучтённая стоимость ошибок. Если одна неверная авто-рассылка бьёт по доставляемости, агент должен работать в режиме draft-first, а не direct-send.

Проверка простая: жёсткая схема входа, checkpoint на длинных цепочках, ограниченные инструменты, офлайн-eval и ручной approval там, где ошибка дороже задержки. Тогда агент становится частью пайплайна, а не генератором сюрпризов.