AI-маркетинг ломается не на модели, а на данных, праве и ручных исключениях

AI-маркетинг ломается не на модели, а на данных, праве и ручных исключениях

Если агент пишет письма, креативы или офферы, он быстро уезжает в мусор, когда нет трёх вещей: чистого источника данных, правил тона бренда и стоп-листа запретов. Без этого даже хороший prompt начинает генерировать одинаковые тексты и не различает сегменты.

Рабочая схема для маркетингового агента:
— один источник правды для CRM, product events и UTM;
— отдельный слой правил для бренда, комплаенса и banned claims;
— human-in-the-loop только на спорных ветках, а не на каждом шаге.

Главная ошибка — хранить контекст в переписке. После нескольких итераций агент теряет, кому уже отправлял письмо, какой вариант оффера отклоняли и какие поля были пустыми. Это лечится не “умнее моделью”, а памятью вне LLM: state store, checkpointing, idempotency keys и логирование решений.

Если агент встроен в growth-пайплайн, проверяйте не “качество текста”, а три метрики: долю дублей, процент ручных правок и число ложных срабатываний на сегментации. Когда эти цифры растут, агент уже не ускоряет маркетинг — он добавляет операционный долг.