Агент в маркетинге ломается не на модели, а на памяти и границах задач

Агент в маркетинге ломается не на модели, а на памяти и границах задач

Если у вас AI-агент пишет письма, обновляет CRM и собирает лиды, главный риск не в «плохом промпте», а в размытом контуре ответственности. Как только одна цепочка начинает делать всё, она теряет контекст, путает приоритеты и тащит мусор между шагами.

Рабочий чек-лист для таких пайплайнов:
— у каждого агента одна зона: draft, score, enrich, send;
— между шагами только структурированный JSON, а не свободный текст;
— все решения с порогом уверенности ниже заданного значения уходят на human-in-the-loop;
— длинные цепочки должны иметь checkpoint, иначе после 8–12 итераций растёт дрейф состояния.

Ещё одна типовая ошибка — хранить «память» прямо в диалоге. Для маркетинга это плохо: один и тот же агент начинает вспоминать старые кампании, не отличая их от текущей. Лучше держать краткий state store: сегмент, оффер, канал, исключения, последний результат. Это дешевле, чем каждый раз пересобирать контекст из полного лога.

Если агент принимает решение о запуске касания, ограничьте ему инструменты и права. Чем меньше действий он может сделать без подтверждения, тем легче отлаживать сбои и считать стоимость ошибки.

У хорошего агент-пайплайна узкая задача, явные границы и короткая память; всё остальное — источник дрейфа.