Ирина Колин – Цифровой дворецкий. Руководство по ИИ для маркетологов (страница 2)
Теперь посмотрим на то, что ИИ делает плохо или не делает вовсе: понимает, зачем бренд вообще существует на рынке. Чувствует, что аудитория устала от определённого типа сообщений. Замечает, что конкурент сделал неожиданный ход – и быстро принимает решение, как реагировать. Выстраивает доверие с клиентом в долгосрочной перспективе. Берёт на себя ответственность за стратегический выбор.
Разница между этими двумя списками – это разница между исполнением и суждением. ИИ отлично справляется с первым. Второе по-прежнему остаётся человеческой территорией.
Поэтому точнее говорить не о замене, а о перераспределении. ИИ берёт на себя ту часть работы, которая была операционной нагрузкой: написать первый черновик, сгенерировать варианты заголовков, собрать данные о конкурентах, переформатировать один и тот же материал для пяти каналов. Это освобождает время и внимание для того, что требует живого участия.
Маркетолог, который понял эту логику, не боится ИИ. Он использует его так же, как хороший повар использует качественный нож: инструмент делает работу точнее и быстрее, но рецепт, вкус и решение о том, что готовить, – за человеком.
Анна руководит маркетингом в небольшой e-commerce компании. Раньше подготовка ежемесячного контент-плана занимала у неё полный рабочий день: сбор идей, проверка актуальности тем, согласование с командой, распределение по датам. Теперь она тратит на это два часа. Первый час – разговор с ИИ: она описывает текущие приоритеты бизнеса, актуальные события в нише, форматы, которые сработали в прошлом месяце. ИИ генерирует структуру плана с темами и короткими обоснованиями. Второй час – её собственная работа: убрать то, что не соответствует тону бренда, добавить то, что знает только она, расставить приоритеты. Результат – тот же, что раньше. Времени ушло втрое меньше.
ГДЕ ЧЕЛОВЕК НЕЗАМЕНИМ
Говорить о том, что ИИ «просто инструмент», – правда, но неполная. Потому что это особенный инструмент: он имитирует мышление достаточно убедительно, чтобы создать иллюзию замены там, где замены нет.
Есть три области, где человеческое участие не просто желательно – оно структурно необходимо.
Первая – стратегия. Стратегия в маркетинге – это не набор тактик. Это ответ на вопросы: что мы строим, для кого, почему именно так, и почему это должно сработать в нашем конкретном контексте. ИИ может помочь собрать данные для ответа, может предложить варианты, может разложить аргументы по полочкам. Но выбор – всегда за человеком. Потому что стратегия предполагает ставку: мы делаем вот это, а не то. ИИ не делает ставок. Он предлагает варианты.
Вторая – эмпатия. Маркетинг работает, когда попадает в живого человека. В его реальные обстоятельства, настроение, страхи, желания. ИИ оперирует паттернами: он знает, что люди в определённой ситуации обычно реагируют определённым образом. Но «обычно» и «конкретный человек» – разные вещи. Почувствовать, что сообщение звучит слишком холодно для аудитории, которая сейчас переживает что-то трудное, – это не аналитика. Это чуткость. Она не алгоритмизируется.
Третья – контекст бренда. Каждый бренд существует в своей истории: что обещали раньше, что не сработало, какие ценности реальные (а не декларируемые), что аудитория уже слышала и к чему она стала нечувствительна. Этот контекст живёт в голове людей, которые работают с брендом. ИИ не имеет к нему доступа – если его специально не объяснить и не передать. И даже когда объяснишь, он не будет помнить это так, как помнит человек, который был внутри.
Понимание этих трёх зон – не повод для самоуспокоения. Это карта: вот где ИИ работает за нас, вот где мы работаем вместе с ним, вот где мы работаем сами.
ГЛАВНЫЙ НАВЫК НОВОЙ ЭПОХИ
Если бы нужно было назвать один навык, который отличает маркетолога, эффективно работающего с ИИ, от того, кто использует его хаотично, – это умение ставить задачу.
В профессиональном сообществе этот навык называют промптингом. Слово неловкое, но суть точная: промпт – это инструкция, которую получает ИИ. От качества этой инструкции зависит качество результата примерно так же, как от брифа зависит работа фрилансера.
Плохой бриф фрилансеру: «напиши что-нибудь про наш продукт». Хороший бриф: «напиши письмо для сегмента клиентов, которые купили продукт три месяца назад и не вернулись, тон – тёплый, без давления, цель – напомнить о себе и предложить скидку на следующую покупку, объём – до 150 слов». Разница в результатах будет пропорциональна разнице в брифах.
С ИИ логика та же, только цикл обратной связи быстрее. Можно дать плохую инструкцию, получить плохой результат, улучшить инструкцию и получить другой результат – всё за пять минут. Это одновременно преимущество и ловушка: легко остановиться на «достаточно хорошем» результате и не задаться вопросом, можно ли лучше.
Хорошая инструкция для ИИ обычно содержит несколько элементов. Контекст: кто аудитория, какой продукт, какова ситуация. Цель: что должен сделать текст или результат – информировать, убедить, вызвать эмоцию, объяснить. Формат: какой объём, какая структура, какой тон. Ограничения: чего не должно быть в результате – технических терминов, определённых слов, определённого подхода.
Это не волшебная формула. Это здравый смысл, перенесённый в новый контекст. Маркетолог, который умеет чётко формулировать задачи коллегам и подрядчикам, быстро адаптирует этот навык к работе с ИИ. Тот, кто привык работать интуитивно и объяснять задачу по ходу – столкнётся с тем, что ИИ интуицию не считывает.
Хорошая новость: этому навыку учатся. Не за годы – за недели практики.
Дмитрий – контент-маркетолог в B2B компании. Первые две недели работы с ИИ он был разочарован: тексты получались «какими-то не такими» – правильными по структуре, но мёртвыми по ощущению. Потом он начал менять подход. Вместо «напиши статью про автоматизацию продаж» он стал писать: «Аудитория – руководители отделов продаж в компаниях от 50 человек, которые уже слышали про автоматизацию, но убеждены, что это сложно внедрять. Тон – разговорный, без технического жаргона. Нужен материал, который снимает страх сложности, а не добавляет его. Начало – с конкретного примера, не с определений». Результаты стали другими. Не идеальными с первого раза, но уже рабочими – теми, которые можно дорабатывать, а не переписывать с нуля.
ПОЧЕМУ ХАОТИЧНОЕ ИСПОЛЬЗОВАНИЕ НЕ РАБОТАЕТ
Есть характерный паттерн, который повторяется у многих, кто начинает работать с ИИ-инструментами. Первые несколько дней – восторг: смотри, как быстро, смотри, что умеет. Потом – разочарование: результаты нестабильные, приходится много переделывать, непонятно, когда использовать, а когда нет. Потом – либо отказ («не моё»), либо хаотичное применение: иногда помогает, иногда нет, системы нет.
Проблема не в инструменте. Проблема в том, что инструмент используется без понимания, зачем и как.
Хаотичное использование ИИ выглядит примерно так: открыть ChatGPT или другой сервис, когда «что-то нужно написать», получить текст, слегка отредактировать, закрыть. На следующей задаче – снова с нуля, без памяти о том, что сработало, без накопленных инструкций, без понимания, где ИИ помог, а где просто создал иллюзию помощи.
Системное использование выглядит иначе. Это набор сценариев – конкретных, повторяющихся рабочих ситуаций, для которых ИИ встроен в процесс: подготовка контент-плана, первый черновик текста, адаптация материала под разные каналы, анализ данных. Для каждого сценария – понимание, какой инструмент подходит, какую инструкцию давать, как оценивать результат.
Это не требует большой предварительной работы. Обычно достаточно начать с одной задачи, которая занимает много времени и хорошо поддаётся алгоритмизации. Отработать её до уровня стабильного результата. Потом добавить следующую.
Постепенно складывается личная система – набор сценариев, инструкций и привычек, которые делают ИИ реальным инструментом, а не экспериментальной игрушкой.
КАК ВЫСТРОИТЬ СИСТЕМУ: ПЕРВЫЕ ШАГИ
Говорить о системе проще, чем её строить, – особенно когда текущих задач и без того много. Поэтому полезно понять, с чего начинается практическое встраивание ИИ в работу.
Первый шаг – инвентаризация. Нужно посмотреть на свою работу и честно ответить: какие задачи повторяются чаще всего, какие из них занимают больше всего времени, какие вызывают наибольшее сопротивление – то самое ощущение «надо сделать, но не хочется начинать». Именно там обычно скрывается рутина, которую можно передать машине.
Хорошие кандидаты на автоматизацию: первые черновики любых текстов (не финальные – именно черновики, которые потом редактируются), адаптация одного материала под несколько форматов, составление структур и планов, генерация вариантов для А/Б тестирования, сбор и первичная обработка информации.
Плохие кандидаты: финальные решения о стратегии, коммуникация с ключевыми клиентами, материалы, требующие глубокого понимания специфики компании или нюансов отношений, ситуации, где важна личная ответственность и интонация.
Второй шаг – эксперимент с одной задачей. Не пытаться автоматизировать всё сразу. Взять одну конкретную задачу, потратить час на то, чтобы научиться ставить её ИИ хорошо, оценить результат. Если результат улучшается с каждой итерацией – задача подходит для встраивания в систему.