AI-first маркетинг: почему CMO, который к 2027 году не перестроит операционку, останется без работы

За последние 18 месяцев маркетинг перестал быть функцией с ИИ-инструментами внутри. Он стал операционной системой, работающей на ИИ. Разница фундаментальная: в первом случае вы платите нейросети за экономию часов копирайтера, во втором — перестраиваете P&L, роли и метрики так, чтобы 60–80% рутины исполняли агенты, а команда занималась смыслами, гипотезами и решениями.

Компании, которые остались в первой парадигме, проигрывают в трёх местах одновременно: скорости выпуска гипотез, стоимости привлечения и цитируемости в AI-поиске. Harvard Business Review в феврале 2026 сформулировал это как «двойной сдвиг»: диалоговый AI вытесняет сайты и классический поиск, а AI-агенты начинают выступать как покупатели. Через 12 месяцев разрыв между теми, кто перестроил операционку, и теми, кто «поставил ChatGPT», будет невозможно закрыть за квартал.

Ниже — что именно сдвинулось, где сегодня теряют деньги CMO и с чего начать перестройку в понедельник утром.

Что на самом деле означает «AI-first» — и почему это не «мы поставили ChatGPT»

Определение, которое даёт мне рынок сегодня, я считаю подменой понятий. «AI-first маркетинг» в текущей интерпретации отраслевых обзоров часто означает «мы подключили нейросети к производству контента и назвали это трансформацией» (Cossa, март 2026; VC.ru, май 2026). Это не трансформация. Это оптимизация одной подсистемы — производства креативов.

AI-first маркетинг — это когда у вас переработаны четыре слоя одновременно.

1. Слой данных. У вас есть чистая, размеченная, доступная в режиме реального времени first-party база — клиентские действия, сделки, поведение в CRM, атрибуция. Без этого слоя ни один агент работать не будет — ему нечего анализировать. По моим наблюдениям в проектах с оборотом от 500 млн рублей, до 70% времени внедрения уходит именно сюда, а не на «выбор нейросети».

2. Слой процессов. У вас чётко описан жизненный цикл каждой маркетинговой задачи: где вход, где выход, кто финальный owner, где точка контроля Human-in-the-loop. Без этого агент не заменяет человека, а множит хаос со скоростью машины.

3. Слой ролей. У вас в команде нет больше «копирайтера», «таргетолога», «SMM-щика» в старом понимании. У вас есть архитектор смыслов, оператор AI-стека, аналитик гипотез и хранитель бренда. Штат сокращается на 30–50%, но фонд оплаты труда на оставшихся вырастает. Экономия — не в людях, а в скорости.

4. Слой метрик. Вы измеряете не только классические CPL, ROAS, CAC. Вы измеряете AI Visibility — в сколь��их AI-ответах ваш бренд появляется по целевым запросам. Velocity of Hypothesis — сколько маркетинговых гипотез вы тестируете в месяц. Cost per Insight — сколько стоит извлечение одного бизнес-инсайта из данных. Эти три метрики через год будут в KPI любого CMO среднего+ бизнеса.

Если у вас перестроен только слой производства контента — вы не AI-first. Вы просто быстрее пишете тексты. Это разные весовые категории. Harvard Business Review в исследовании «How to Move from AI Experimentation to AI Transformation» называет эту грань между экспериментом и трансформацией — и большинство российского бизнеса пока по одну сторону от неё.

Три места, где сегодня теряют деньги CMO, которые «поиграли и хватит»

Я вижу это в проектах — и в мебельном ретейле, и в финтехе, и в производстве. Три системные утечки, которые сложно заметить снаружи, но они видны в квартальном P&L.

Утечка 1. Экономия часов вместо перестройки роли

Классический сценарий: «нейросеть сэкономила копирайтеру 40 часов в месяц». Отлично. Что дальше? Если эти 40 часов ушли на то, чтобы копирайтер написал больше текстов — вы не выиграли ничего, кроме объёма контента, который никто не читает. Реальный выигрыш — когда эти 40 часов копирайтер тратит на исследование клиента, глубинные интервью, JTBD-раскопки. Тогда у вас появляется вход для новой гипотезы, а не 30 дополнительных карточек товара с одинаковым УТП.

Правило: если после внедрения ИИ у вашего сотрудника нет нового функционала — вы не трансформировались. Вы сделали дешевле старое.

Утечка 2. Отсутствие GEO-контура на фоне падения органического SEO

По данным Kokoc Performance, кликабельность органической выдачи упала до 50%. Сбермаркетинг прогнозирует, что к 2027 году классический поиск будет обрабатывать только 45% запросов — падение на 42%. Это значит, что половина запросов, по которым вы платили за SEO 3 года, больше не превращается в трафик — ответ AI даёт прямо в поиске. При этом конверсия перехода из AI-ответа в покупку в 1,5–3 раза выше классического органического трафика (Demis Group). То есть каналы буквально поменялись местами: старый работал на объём, новый — на качество.

Что это значит для CMO: если вашего бренда нет в AI-ответах по коммерческим запросам — услуги, категории, «что выбрать», — вы теряете самый платёжеспособный сегмент. По моим замерам, у большинства среднего бизнеса России в 2026 году AI Visibility по целевым запросам — 0–15%. При такой доле не помогает никакой рост SEO-трафика. Вы просто не в той выдаче.

Действие: в 2026 году KPI по GEO/AEO должен быть у CMO наравне с классическим SEO. По данным Conductor, 48% компаний уже выделили на это 10–20% маркетингового бюджета. Российский средний бизнес пока в основном игнорирует. Это временное окно возможностей.

Утечка 3. AI как отдельная функция, а не как слой над всей воронкой

Классическая ошибка — «мы поставили чат-бот на сайт», «у нас есть нейросеть для картинок», «мы попробовали Yandex.Директ автостратегии». Каждый инструмент — отдельная история, отдельный подрядчик, отдельный отчёт. В сумме — ноль перестройки.

AI-first устроен иначе: ИИ проходит через всю воронку как слой. Один агент квалифицирует лид на входе, второй персонализирует оффер под сегмент, третий пишет follow-up, четвёртый прогревает базу через email, пятый вытаскивает NPS после сделки и передаёт инсайты обратно в CRM. Все они видят одни и те же данные и связаны в один pipeline.

Это уже не гипотеза. Интерес к мультиагентным системам вырос на 1445% с Q1 2024 по Q2 2025 (СберМаркетинг). Сам Сбер в мае 2026 запустил ИИ-агента «Маркус» для маркетинга. Harvard Business Review в статье «Preparing Your Brand for Agentic AI» прямо пишет: бренды должны готовить инфраструктуру под то, что клиент будущего может быть машиной с собственной логикой принятия решений. Пока это дорого. Через 12–18 месяцев это будет стандартом отрасли, как когда-то стала CRM. Но между «стандартом отрасли» и «вашим внедрением» — 6–9 месяцев работы. Начинать нужно вчера.

Что показывает практика: обезличенные метрики из проектов от 500 млн рублей

Все цифры в этом разделе — обезличенные условные метрики из моей практики маркетинг-партнёрства. Реальные показатели проектов защищены соглашениями NDA. Приведённые пропорции отражают порядок величины эффектов, наблюдавшихся в реальных внедрениях.

Три обезличенных сценария из проектов, где мы перестраивали именно операционку, а не отдельные инструменты. Все результаты — за 6 месяцев работы, без изменения рекламного бюджета.

Сценарий А. Федеральная розница, конкурентный рынок, регионы. Перестроили процесс: агент квалифицирует лид → передаёт менеджеру только «горячий» → фиксирует NPS автоматически. Итог: время реакции на лид с нескольких часов до минут, доля закрытых сделок из «горячей» очереди выросла кратно, штат отдела продаж не увеличивался. Ключевой вывод: экономия не в фонде оплаты, а в скорости обработки — она напрямую конвертировалась в выручку.

Сценарий Б. Средний B2B-производитель, длинный цикл сделки. Развернули агента-«следопыта»: отслеживает поведение потенциального клиента на сайте, в рассылках, соцсетях; собирает скоринг готовности к сделке; передаёт менеджеру рекомендацию — писать, звонить или ждать. Итог: конверсия из MQL в SQL выросла на десятки процентов, при этом менеджеры тратят на «холодные» звонки существенно меньше времени. Ключевой вывод: AI не «продал» вместо человека — он правильно расставил приоритеты внутри воронки.

Сценарий В. Ретейл с сильным офлайн-контуром. Внедрили GEO-контур: посадочные страницы, оптимизированные под AI-ответы; llms.txt; структурированные данные Schema.org; регулярные экспертные материалы в отраслевых СМИ. Итог за 6 месяцев: AI Visibility по целевым запросам выросла в несколько раз, при этом органический трафик из классического поиска сократился незначительно. Ключевой вывод: AI-канал заместил, а не дополнил — но заместил более качественным трафиком. Это подтверждает наблюдение Harvard Business Review: «AI меняет то, как клиенты выбирают ваш бизнес».

Общая закономерность: там, где мы перестраивали процесс целиком, окупаемость наступала за 3–5 месяцев. Там, где ставили инструменты «поверх» существующего процесса — не наступала вовсе.

Барьеры, о которых редко пишут

В большинстве обзоров рынка называют три барьера: «нет денег», «нет специалистов», «нет данных». Все три — правда, но не главные.

Главные три — другие.

1. Барьер собственника. Внедрение AI-first — это перестройка полномочий. Если раньше решение о цене, сегменте, оффере принимал маркетолог с согласованием у собственника, теперь часть этих решений принимает алгоритм. Собственник, который не готов делегировать принятие решений системе — даже под контролем Human-in-the-loop, — не даст этой системе работать. По моей практике, этот барьер снимается только на конкретных кейсах: показал → доверился → расширил.

2. Барьер отчётности. Классическая система «месячный отчёт с презентацией на 40 слайдов» несовместима с AI-first. Там всё в реальном времени, в дашбордах, в микро-итерациях. Если у вас в KPI CMO не появилось строчки «скорость итерации», операционка не перестроится, потому что все продолжают жить в старом ритме отчётности.

3. Барьер бренда. Как только вы начинаете масштабировать AI-контент, вы неизбежно упираетесь в стандарты бренда. Что можно писать, что нельзя, какая интонация. Без брендбука для AI-агентов — не для дизайнеров, а именно для алгоритмов, с примерами, антипримерами, ограничениями — вы получите средний по больнице голос, который узнаёт клиент, но не считает своим. Harvard Business Review в июльской статье «Stop AI from Eroding Your Brand» называет это «эрозией бренда через нейросети» — и это уже происходит с теми, кто масштабирует контент без правил.

Эти три барьера — организационные, не технические. Именно поэтому AI-first нельзя купить как проект «под ключ». Это внутренняя работа, которую можно ускорить внешним партнёром, но нельзя отдать целиком.

С чего начать в понедельник утром — если у вас средний бизнес и нет ресурса на AI-департамент

Практический план на 90 дней. Не «пилотируйте один инструмент», а пять параллельных треков, каждый — небольшой, но обязательный.

Трек 1. Аудит данных. Ответьте на вопрос: если завтра я хочу дать агенту доступ к моим клиентам, что он увидит? Если ответ «PDF, Excel-файлы и голову менеджера» — сначала данные, потом ИИ.

Трек 2. Один сквозной процесс. Выберите один участок воронки, где сегодня теряете больше всего. Обычно это либо квалификация лида, либо реактивация базы, либо контент для GEO. Возьмите его целиком — не как «пилот инструмента», а как перестройку процесса.

Трек 3. Замер AI Visibility. Составьте список из 20 целевых запросов вашей категории. Прогоните их в Yandex Нейро, GigaChat, Google AI Overviews, ChatGPT. Зафиксируйте: где вы есть, где нет. Это ваш baseline. Через квартал перезамерите.

Трек 4. Брендбук для AI. Опишите тон, лексику, запретные формулировки, обязательные оговорки. Один документ на 3–5 страниц. Без него любая генерация — рулетка.

Трек 5. Метрика скорости. Введите в отчёт CMO строчку «количество проверенных гипотез в месяц». Даже если сейчас там 2 — это ваш baseline. Задача на квартал — не 20, а 6. Прирост в 3 раза, а не в 10. Реализм — важнее амбиций.

Финальный тезис

За 17 лет в маркетинге я видела три волны трансформации: приход диджитала в середине двухтысячных, приход соцсетей в начале десятых, приход performance-маркетинга в середине десятых. Каждая из них выглядела как «новый инструмент», а оказывалась перестройкой всей операционной модели. Проигрывали те, кто относился к ней как к инструменту. Выигрывали те, кто перестраивал под неё P&L, роли и метрики.

AI-first — четвёртая волна. Она пришла в 2024–2025. К концу 2026 линия разлома между «перестроились» и «не успели» станет видна в квартальной выручке невооружённым глазом. К концу 2027 — необратима.

Если вы CMO компании с оборотом от 500 миллионов рублей в год и выше, у вас есть окно примерно в 12 месяцев. Не на «выбор нейросети». На перестройку операционки под ИИ как слой над всей воронкой.

Дальше — либо вы, либо CMO вашего конкурента.

Марина Теске — маркетинг-партнёр компаний с оборотом от 500 млн рублей в год, ex-CMO федеральной сети «Фианит-Ломбард», Lorena Кухни, ГОЛОС.девелопмент, ХК «Трактор». 17 лет в маркетинге. Специализация — цифровая трансформация маркетинга и построение AI-first операционных моделей в среднем и крупном бизнесе.

Связаться: теске.рф · Telegram: @Teske2012

#AImarketing, #маркетинг, #CMO, #GEO, #цифроваятрансформация, #FractionalCMO, #нейросети.