<b>5 мест, где AI-агент в маркетинге ломается не по модели, а по архитектуре</b>

<b>5 мест, где AI-агент в маркетинге ломается не по модели, а по архитектуре</b>

Первый сбой — расползание контекста. После нескольких итераций агент начинает «забывать» ограничения кампании, сегмент, UTM-логику и тон бренда. Лечится не «лучшим промптом», а разделением памяти: краткосрочный рабочий контекст, долговременное хранилище фактов и отдельный слой policy.

Второй — бесконечный tool-loop. Агент вызывает CRM, потом генератор текста, потом снова CRM, потому что не умеет фиксировать критерий завершения. Нужен явный stop-condition: максимальное число шагов, проверка прогресса и ответ без права на следующий вызов, если сигнал не изменился.

Третий — дрейф креативов. Если агент генерирует email, ads и landing copy из одного общего state, он смешивает цели. Для маркетинга лучше строить конвейер: один агент собирает инсайты, второй пишет, третий валидирует по чек-листу бренда и compliance. Это дешевле, чем отлавливать галлюцинации на проде.

Четвёртый — отсутствие наблюдаемости. Без логов входов, tool-calls, времени ответа и причины отказа вы не поймёте, почему воронка просела. Минимум: trace по шагам, версия prompt-политики, и отдельный аудит ошибок по типам.

Если агент работает в CRM, retention или lead-scoring, начинайте не с «умнее модели», а с памяти, ограничений шага и трассировки. Именно там чаще всего и теряется ROI.