В медиабайинговой команде «Атлас» собираются оставить одного верстальщика из трех. Подготовку лендингов передают ИИ-агентам, которые собирают страницы по готовому дизайну. Самому опытному сотруднику предстоит контролировать их работу. По оценке Михаила Петрова, с самой версткой агенты уже справляются быстрее людей.
В нашем подкасте совладелец Prometix Михаил Петров рассказал, как внедряет агентов в «Атласе» и перестраивает работу команды. В баинге он пока делает ставку на опытных специалистов, которые понимают, какие задачи поручать ИИ. Агенты помогают искать объявления, разбирать креативы и готовить кампании, но самостоятельно вести прибыльный залив система пока не умеет. На этом опыте хорошо видно, почему автоматизация одних сотрудников делает продуктивнее, а других заставляет задуматься о будущем своей профессии.
В разговоре Михаил сравнивает обычное общение с чат-ботом от общения с агентом. В первом варианте пользователь отправляет запрос, получает ответ и сам продолжает работу, а агент вроде OpenClaw получает доступ к программам на компьютере или сервере и может выполнять действия внутри них самостоятельно. Например, зайти на сайт, выбрать привычную переговорку и забронировать ее на нужное время.
Первые настройки Михаил делал на личных задачах. Объяснял, где ведет проекты, как пользуется Asana и Notion, какие действия повторяет каждый день. На такое знакомство с агентом ушла пара дней. Для баинга потребовалось гораздо больше материала. Агентам загрузили внутреннюю базу знаний, инструкции и записи рабочих созвонов, включая обсуждения креативов.
Эти материалы задают правила работы. Агент должен знать, как команда ищет рекламу, создает креативы и настраивает кампании. Чем больше своего опыта команда передает агенту, тем полезнее он становится. Поэтому две команды могут установить одну агентскую систему и получить разную пользу. У одной уже есть записанный опыт, у другой он остается в головах сотрудников.
В «Атласе» собрали систему из главного агента и четырех помощников с отдельными задачами. С главным байер может советоваться по задачам. Он знает внутренние процессы и возможности остальных, опирается на загруженные инструкции и записи встреч. Поручения помощникам байер передает сам.
Спай-агент ищет объявления под вертикаль команды. Он открывает рекламную библиотеку Facebook, просматривает выдачу по нужным запросам и складывает находки в таблицу.
Креативный агент разбирает рекламные материалы. Загруженный ролик он раскладывает на скриншоты, отдельно извлекает речь и переводит ее в текст. Затем анализирует изображение и сценарий. Так он может определить хук, заметить врача в кадре и предложить, на что обратить внимание при доработке. Команда продолжает совершенствовать анализ креативов, а саму рекламу тестирует в Facebook.
«Как будто вместе с тобой кто-то очень умный посмотрел этот креос и дает тебе советы».
Агент по верстке собирает лендинги. Ему можно передать дизайн в Figma и получить готовую верстку. Из трех верстальщиков планируют оставить одного, самого опытного, который будет курировать работу агентов. По оценке Михаила, агенты уже верстают быстрее сотрудников.
Агент для кампаний берет на себя настройки в трекере. Он знает правила команды, принятые названия, проставляет необходимые комментарии. После поиска объявлений и работы над креативом он поручает агенту по верстке собрать посадочную страницу. Затем просит другого агента создать кампанию.
Для загрузки кампаний в Facebook команда пробовала подключать к агентам отдельные сервисы автозалива, но часть сотрудников по-прежнему предпочитает запускать рекламу вручную.
Изначально Михаил тоже хотел сделать медиабайинг полностью автоматическим. После практических экспериментов цель изменилась: команда агентов ускоряет работу байеров, сохраняя их участие. Самостоятельно выбирать офферы, готовить все материалы и стабильно лить в плюс без человека система пока не умеет.
Похожую попытку Михаил наблюдал у знакомой команды. Там сначала хотели замкнуть весь цикл на агентах, затем перешли к интерфейсу для ускоренного создания креативов и кампаний.
Сначала Михаил хотел спрятать все за веб-интерфейсом. Его беспокоило, что байер одним неудачным промптом сломает логику, которую настраивали несколько недель. Например, попросит агента забыть предыдущие инструкции, и тот удалит свою память. Через кнопки байер мог бы вызывать только заранее предусмотренные действия. Такой интерфейс Михаил собрал, но для дальнейших доработок удобнее оказалось общение с агентом напрямую.
В итоге команде подошел другой вариант. Настроенную систему с агентами копируют, сохраняют резервную версию и разворачивают для конкретного байера на отдельном сервере. Каждый получает собственный экземпляр всей сборки и может дорабатывать агентов под свои задачи.
На момент подкаста активных пользователей было не больше десяти. Как это будет работать на большем масштабе, Михаил пока не берется утверждать. Он предполагает, что техническому отделу понадобится человек, который постоянно следит за работой агентов и исправляет возникающие проблемы. Увеличить число копий недостаточно, если некому поддерживать их после изменений пользователей.
Первые настройки делали на дорогой языковой модели. Михаилу было спокойнее собирать систему с максимально сильным помощником, а стоимость ее работы он собирался снижать позже. К моменту разговора Михаил и команда потратили на использование моделей суммарно около $4 тысяч.
Когда готовую систему начали выдавать байерам, расходы стали расти вместе с числом пользователей. Каждый работал со своей копией и что-то в ней дорабатывал. Теперь команда вместе с техотделом распределяет задачи по сложности. Для обычной верстки лендингов Михаил не видит необходимости в самой дорогой модели, поэтому такие операции переводят на более дешевые.
Михаил также предлагает рассматривать локальные модели, которые работают на собственном оборудовании. У этого варианта свои затраты, поскольку требуется достаточно мощное железо.
Михаил привык пересылать агенту скриншоты переписок с договоренностями о встречах. Тот понимал контекст и добавлял события в календарь. Но однажды перепутал число, соответствующее четвергу. Михаил переспросил, уверен ли агент в дате, и тот признал ошибку. После таких сбоев он не готов доверять агентам крупные денежные переводы.
Для повторяющихся задач с известными условиями техотдел предложил закреплять порядок действий в коде. Например, поручение будить в девять утра агент способен сохранить обычной фразой в памяти, а потом неверно прочитать ее. Альтернатива из разговора — Python-скрипт с заданным временем срабатывания.
«Больше опираться на код, чем на промпт».
Михаил постепенно переводит своих помощников на такой порядок работы. Для более сложных систем он считает необходимыми заранее прописанные сценарии и агентов, которые перепроверяют результаты друг друга.
В баинге Михаил сейчас заинтересован в опытных специалистах. Агентам нужно компетентно ставить задачи, а для этого требуется понимание самой работы. С похожей логикой он связывает будущее программистов. Сложные задачи сохранят спрос на сильных профессионалов, но положение специалистов среднего уровня вызывает у него тревогу.
Михаил допускает, что однажды прибыльный залив сведется к одной кнопке.
«Произойдет просто инфляция понятия медиабайинга, за это никто не будет столько платить».
Похожую угрозу Михаил видит и для SaaS, то есть сервисов по подписке. Их бизнес рассчитывает на клиентов, которые остаются надолго. Ожидание будущей выручки помогает привлекать инвестиции и кредиты. Но если команда сможет собрать собственный трекер под свою вертикаль, у нее будет меньше причин годами платить за чужой продукт.
Собственный аналог рекламного трекера Михаил пока рассматривает как будущую возможность. Простой инструмент для управления задачами он, по собственной оценке, может собрать с помощью ИИ уже сейчас.
Михаила тревожит сценарий, в котором компании зарабатывают больше, а людям достается меньше денег. Бизнес повышает производительность, выполняя часть работы без прежнего числа сотрудников. Полученную прибыль он направляет на дальнейшее внедрение ИИ, которое снова уменьшает потребность в сотрудниках. Люди, чью работу автоматизировали, лишаются зарплат и меньше тратят, хотя финансовые показатели самих компаний улучшаются.
«И это страшная спираль, которая непонятно к чему приведет».
В долгосрочной перспективе Михаил ждет, что ИИ улучшит жизнь людей. Но переход считает болезненным и опасается массовой безработицы. Особенно тяжело может оказаться людям, чье профессиональное преимущество быстро становится общедоступным. В разговоре это названо инфляцией интеллекта: навык, на котором строилась карьера, перестает выделять человека среди остальных.
В качестве запасного направления Михаил предлагает подумать о работе руками, например о плотницком деле. По его предположению, таким занятиям автоматизация еще какое-то время угрожает меньше.
ИИ может сделать отдельного специалиста продуктивнее и одновременно сократить потребность бизнеса в сотрудниках. Если прежний объем работы выполняют меньше людей, у компании появляется возможность уменьшить штат. Опытные байеры по-прежнему будут нужны, но из этого не следует, что работа сохранится у всех.
Осваивать агентов в такой ситуации имеет смысл уже сейчас. Это позволяет использовать собственный опыт для большего объема задач и не отставать от команд, которые уже автоматизируют работу. Однако обещать, что достаточно разобраться в OpenClaw и за свое будущее можно не переживать, было бы слишком удобно. Надежда Михаила на долгосрочную пользу ИИ вполне совместима с его тревогой за людей, которым придется пережить этот переход.
Ваш менеджер 
YouTube 
0 
Удалось как то налить им, 900~ фтд где-то вышло. До сих пор даже капает. Может чуть позже еще вернусь снова по ревшаре полить, а то в кейсах у коллег уж больно сладкие RD, надо проверить.
Ребята аффы написали вчера говорят вернуться траф дать)) ну отзыв попросили оставить, мне в целом не сложно, но вот как есть)