Мы могли нанять еще трех CRM-маркетологов. Но запустили свою AI-платформу

Сегодня масштабировать агентство еще одними руками уже не получится. Рынок ускорился, задачи усложнились, а хаоса стало больше. Тогда вместо очередного найма мы создали собственную AI-платформу, заточенную именно под работу CRM-команды.

Меня зовут Валентин Москалёв, я кофаундер агентства ClientCore.

У агентств есть опасная привычка: когда задач становится больше, первым делом искать новых людей. Кажется, логика железная. Больше клиентов - больше специалистов.

На практике в какой-то момент это перестает работать. Потому что вместе с новыми людьми агентство получает не только дополнительные руки, но и все, что обычно убивает скорость изнутри: длинное погружение в проект, потерю контекста, дублирующую ручную работу.

Мы в ClientCore уткнулись ровно в это. И тогда вместо очередного найма мы начали строить собственную AI-платформу под CRM-маркетинг. Задача была - убрать главный операционный тормоз - распадающийся контекст и ручную рутину.

Но важнее даже не сама платформа. Важнее вывод, к которому мы пришли: большинство агентств пытаются масштабировать людьми то, что давно надо масштабировать через процессы и технологию. Именно об этом хочу рассказать.

Со стороны может казаться, что CRM-маркетинг - это в первую очередь тексты: письма, push, коммуникации, механики, офферы. На деле текст - это уже финальный слой. До него есть куда более дорогая часть работы: понять бизнес клиента.

Чтобы собрать нормальную коммуникацию, специалисту нужно удержать в голове:

И вот именно это становится проблемной зоной. Не потому, что у команды слабые специалисты. А потому, что в агентской модели контекст постоянно распадается:

Я бы выделил три очень узнаваемых симптома.

1. Новый проект каждый раз стартует как будто с нуля

Если любой новый клиент требует многочасового ручного погружения, пересмотра материалов, разбора старых коммуникаций и созвона, чтобы наконец все собрать, у вас масштабируется не команда, а контекст.

2. Сильные специалисты тратят время на слишком дешевую работу

Когда опытный CRM-маркетолог сидит и вручную выуживает из материалов, какая была цена, какая стала, какой процент скидки и как это упаковать в механику, агентство теряет дорогую экспертизу на дешевых действиях.

3. AI вроде бы есть, а ускорения почти нет

Это вообще отдельный миф рынка. Многие уже дали командам доступ к ChatGPT или другим нейросетям и считают, что вопрос закрыт. Но если AI не знает проект, не видит материалы клиента, не держит логику бренда и не встроен в рабочий процесс, он остается просто генератором текста.

Конечно, первая мысль была стандартной: давайте использовать внешние AI-инструменты. И да, они местами помогали. Можно было быстрее получить черновик, варианты заголовков, какие-то идеи по формулировкам. Но очень быстро всплыла главная проблема: универсальный AI не понимает бизнес клиента.

Он не знает:

В CRM-маркетинге это критично, потому что здесь недостаточно написать неплохой текст. Нужно написать текст, который:

Поэтому сторонние нейросети ускоряли лишь самую поверхностную часть работы. А потом все равно приходилось долго и дорого допиливать результат руками. В итоге задача, которая вроде бы “автоматизирована”, оставалась все такой же тяжелой для команды.

Переломный момент наступает тогда, когда ты честно отвечаешь себе на вопрос: что именно ты хочешь ускорить?

Если ответ - “написание текста”, можно обойтись внешними инструментами.

Если ответ - “сделать так, чтобы команда быстрее понимала проект, меньше теряла контекст, не тратила часы на рутину и могла раньше переходить к сильным решениям”, тогда нужен уже другой уровень системы.

Мы пошли именно во второй сценарий. По сути, мы начали строить не генератора контента, а внутреннего AI-ассистента CRM-команды. Важно отдельно подчеркнуть, что данные проектов при этом изолированы и не используются для обучения внешних моделей.

Для каждого клиента внутри системы формируется отдельное пространство. Туда попадает обезличенная информация по проекту: маркетинговые материалы, описание продукта, тексты коммуникаций, рабочие документы, правила tone of voice и другие данные, которые помогают удерживать контекст.

Дальше AI работает не в вакууме, а внутри накопленного знания по клиенту. Это важное отличие. Мы не хотели, чтобы система просто что-то генерировала. Мы хотели, чтобы она понимала, под какую задачу это вообще делается.

Большинство команд, когда думают про AI, автоматизируют то, что выглядит эффектно. А надо автоматизировать то, что забирает у команды часы и внимание.

Мы для себя выделили несколько сценариев.

1. Подготовка текстов коммуникаций

Смысл в том, что система внутри контекста проекта может предложить не один случайный вариант, а несколько вариантов под разные задачи:

2. Аналитика

Это очень полезный сценарий. Например, когда команда заводит акцию, ей нужно быстро понять, какие товары участвовали, какая была цена, какая стала, какой процент скидки получился и как это использовать дальше в коммуникации.

3. Сбор контекста по новому проекту

Вот это, возможно, вообще самый ценный кейс. На старте клиент присылает материалы, презентации, вводные, документы, старые рассылки. Обычно кто-то из команды должен все это переварить, выделить главное, найти закономерности и только потом переходить к действиям. Платформа забирает на себя этот первичный разбор.

4. Удержание знаний по проекту

На мой взгляд, рынок вообще недооценивает этот сценарий. AI полезен не только там, где делает что-то конкретное, но и там, где он не дает знаниям рассыпаться.

Когда проект живет месяцами, самая дорогая потеря - это не время на один текст, а исчезновение накопленного понимания, почему команда раньше принимала те или иные решения.

Мы не верим в модель, где нейросеть заменяет маркетолога. Сильный CRM-специалист ценен не скоростью генерации, а качеством мышления:

AI отлично забирает рутину:

Не у всех есть смысл сразу делать свою платформу. И это нормально. Но несколько выводов можно взять в работу уже сегодня.

1. Автоматизируйте не то, что красиво выглядит, а то, что ворует часы

Самые полезные сценарии AI - не всегда самые “вау” на демо. Часто это:

2. Если AI не видит контекст, он будет ускорять только поверхность

Дать команде общий AI-сервис - это не внедрение системы. Это просто дать доступ к инструменту.

Чтобы был реальный эффект, нужно думать о том:

3. Самый дорогой актив агентства - не люди сами по себе, а накопленное знание

Если знания по клиенту живут только в головах сотрудников, вы уже уязвимы. Неважно, AI у вас или нет. Любая система, которая помогает это знание удерживать - уже конкурентное преимущество.

4. Не пытайтесь сразу автоматизировать стратегию

Начинайте с участков, где есть:

Стратегия, позиционирование, приоритизация гипотез и сложные решения - это следующий слой.

Если назвать ключевой эффект, то он оказался в трех вещах.

Первое: ускорение старта. Команда быстрее собирает контекст и раньше переходит к реальным действиям.

Второе: точность коммуникаций. Система работает не в пустоте, а внутри знания о проекте.

Третье: качество сервиса. Контекст по клиенту удерживается лучше и меньше зависит от того, кто именно сейчас первым открыл задачу.

Через несколько лет AI в маркетинге будет восприниматься примерно так же, как сегодня воспринимаются CRM-система, email-платформа или нормальная аналитика. Не как “вау”, а как рабочая норма.

И выиграют те, кто раньше других понял, куда именно AI должен быть встроен в операционную модель агентства.

Мы в ClientCore пошли в эту сторону через собственную платформу, потому что для нашей модели это было логично. Сейчас мы продолжаем развивать аналитические сценарии, автоматизацию подготовки маркетинговых материалов и интеграции с CRM-системами.

Если вам откликается эта проблема и вы тоже чувствуете, что команда все больше времени тратит на обслуживание контекста, хаоса и ручной рутины - напишите. Интересно сравнить, в каких именно процессах агентства сейчас сильнее всего буксуют.