5 мест, где AI-агенты в маркетинге ломаются не на старте, а на 12-м шаге

5 мест, где AI-агенты в маркетинге ломаются не на старте, а на 12-м шаге

Агент в CRM кажется простым, пока не появляется цепочка: сегментировать лид, собрать контекст, сгенерировать письмо, записать результат, триггернуть follow-up. На первых шагах он держится, но без явного состояния теряет связь между действиями.

Типовые поломки:
— длинный контекст разрастается и модель начинает «переобъяснять» уже принятые решения;
— tool-calls возвращают неодинаковые поля, и downstream-агент читает мусор;
— нет guardrails на тон, оффер и запрещённые сегменты;
— память не разделена на short-term и persistent, поэтому полезные факты смешиваются с шумом.

Для маркетинговых пайплайнов лучше проектировать не «умного бота», а граф: отдельный узел на сбор данных, отдельный на генерацию, отдельный на проверку, отдельный на запись в CRM. Между узлами — жёсткая схема данных, иначе агент начинает импровизировать там, где нужна детерминированность.

Если цепочка длиннее 8–10 шагов, добавляйте checkpoint: сохраняйте промежуточное состояние, версию промпта, входные tool-outputs и причину последнего решения. Это не про «страховку», а про возможность воспроизвести сбой и не гадать, на каком шаге модель уехала.

Главное правило: агент должен уметь остановиться и отдать ошибку, а не продолжать генерировать правдоподобный мусор.