iGrunis – Маркетинг. Тренды

Стартовал мой новый проект — Лаборатория ИИ-трансформации для участников сообщества Авторы жизни. Начали сразу с практических кейсов. Практика, практика и только практика — чтобы бизнес мог быстро внедрять новые решения на базе ИИ и быстро получать экономический эффект.

Диджитальщики, мне кажется, генетически любят новации. Появляется новая технология — сразу хочется ее куда-то внедрить. Как было у нас: сначала тестили нейронки на отдельных задачах, потом начали внедрять ИИ-агентов. Нейросети действительно помогают отдельным сотрудникам решать свои задачи быстрее. Но складывается ли из этого результат для всей компании — большой вопрос. Как говорится, ИИ сделал каждого человека в 10 раз продуктивнее, но ни одна компания пока не заработала в 10 раз больше. Если бы я сейчас начинала ИИ-трансформацию компании с нуля, Я БЫ ПОШЛА ДРУГИМ ПУТЕМ. Отталкивалась бы не от технологии (как затащить ее в компанию и куда-то пристроить), — а от задач, которые можно отдать нейросетям. Причем смотрела бы шире, чем на функции отдельных сотрудников: —именно на задачи уровня компании. *Где изо дня в день теряется время? *Где страдает качество? *В каких процессах люди тратят на рутину время, внимание и талант, которые могли бы направить на более интересную и полезную работу? Дальше выбрала бы одну первую точку. Это должен быть уже выстроенный и понятный, достаточно часто повторяющийся процесс, в котором эффект от автоматизации можно измерить. И сразу пошла бы в сторону его автоматизации с помощью ИИ-агента. Почему выбранный для внедрения ИИ процесс должен быть уже выстроен? Невыстроенный процесс → автоматизация хаоса. Выстроенный процесс → снятие нагрузки, ускорение, стабильность. Так мы в итоге и пришли к ИИ-агентам. Точкой старта стала уже не сама технология, а конкретная бизнес-задача, в которой роль агента и будущий эффект были заранее понятны. В Adventum таких задач на автоматизацию оказалось сразу несколько. Одним из первых серьезных пилотов стала работа с корпоративными знаниями. Почему начали именно с нее, я уже рассказывала здесь, но коротко повторю. К моменту внедрения агента у нас уже были сильная корпоративная культура и выстроенные процессы. Были документы, регламенты, внутренние источники и эксперты, которые знали ответы. Но сотрудникам все равно приходилось искать актуальную версию документа, разбираться, как согласовать бюджет, выяснять, к кому обратиться. А HR, IT, юристы и руководители снова тратили время на одни и те же вопросы. Это была как раз та задача, где мы точно понимали, какую повторяющуюся работу можно отдать агенту и что будем измерять. Так появился LORE — один из наших внутренних ИИ-агентов. Он стал защищенной точкой входа в уже существующую систему знаний: сотрудник задает вопрос обычными словами и получает ответ со ссылкой на актуальный источник. На этом мы не остановились: автоматизируем другие процессы внутри Adventum. И теперь разрабатываем кастомных ИИ-агентов для клиентов. У другой компании первой может оказаться совсем другая задача. Но логика та же: выстроенный и понятный процесс, повторяющаяся нагрузка и измеримый результат. Именно в такой точке агент начинает давать эффект уже не отдельному сотруднику, а компании. iGrunis — Маркетинг. Тренды

Купили сотрудникам ChatGPT. Хорошо? Хорошо. Люди быстрее пишут тексты, ищут информацию, собирают первичный анализ. То, что раньше занимало много времени, теперь можно сделать заметно быстрее. Польза реальная, обесценивать ее бессмысленно. Но есть один неудобный вопрос: а что именно в компании ускорилось?? Работа отдельных сотрудников …или работа компании в целом? Мы тоже в Adventum начинали с локальных ии-внедрений. Научились превращать таблицы в приложения, автоматизировали часть работы с playable ads, настроили выгрузки между системами. Каждый сценарий решал конкретную задачу и приносил пользу. И сначала логика казалась очевидной: чем больше таких решений, тем ближе мы к ИИ-трансформации всего бизнеса. Но нет. В какой-то момент мы увидели парадокс: полезных сценариев становилось больше, а компания в целом почти НЕ ускорялась. На практике это выглядело так: один отдел уже работал по-новому, другой продолжал по-старому. Сотрудник мог выполнить свою часть задачи быстрее, но дальше все шло по прежней цепочке: нужно было дождаться данных, пройти согласование. В итоге он просто БЫСТРЕЕ доходил до следующего узкого места. Можно ускорить десятки отдельных задач и при этом почти не ускорить весь путь от запроса до решения. iGrunis — Маркетинг. Тренды

3 цифры из отчета Яндекса за второй квартал: 1. Алиса AI уже отвечает на 42% запросов в Поиске. 2. С ее ответами под поисковой строкой ежемесячно взаимодействуют 49,5 млн человек. Нейроответы стали массовыми. 3. В чатах с Алисой уже показали объявления более 460 тыс. рекламодателей. Это 3 из каждых 4 рекламодателей на платформе. Причем отдельно настроить рекламу именно в Алисе нельзя. Рекламодатель запускает обычную поисковую кампанию в Директе, а система сама решает, показывать ли его объявление в AI-диалоге. Так что многие бренды уже рекламируются внутри AI, хотя, возможно, еще сами об этом не знают. Получается, в диалогах с Алисой теперь два слоя: 1. Органические рекомендации, за место в которых бренды уже начинают бороться с помощью GEO. 2. Реклама, которую Директ может привести туда из обычной поисковой кампании. И пользователь видит оба в одном окне. iGrunis — Маркетинг. Тренды

Google разобрал первые мифы вокруг GEO В GEO (продвижение в нейросетях) пошли бюджеты. Компаний, которые начинают работать над нейровидимостью, становится больше, и это хорошо. Но единого набора работ у рынка пока нет. Команды используют разные подходы, многое строится на гипотезах и тестах. Поэтому хорошо бы смотреть, что говорят сами системы. Google уже выпустил гайд по видимости в AI Overviews и AI Mode. В нем отдельно разобрано, что его системам НЕ ТРЕБУЕТСЯ: * llms.txt и отдельные Markdown-версии. llms.txt — это файл со списком важных страниц сайта. Предполагалось, что он поможет нейросетям быстрее понять контент. По гайду: Google его не использует и преимуществ в генеративной выдаче за него не дает. * Искусственное дробление контента. Не нужно специально разбивать большую статью на маленькие блоки. Google сам находит релевантный фрагмент. * Переписывание под все варианты запросов. Не нужно добавлять в текст максимальное количество ключевых слов, синонимов и длинных запросов, пытаясь охватить все возможные формулировки пользователя. Генеративный поиск Google понимает общий смысл. Обычное техническое SEO и уникальный экспертный контент остаются основой видимости. Гайд кстати относится только к экосистеме Google. У ChatGPT, Claude и Perplexity могут быть другие механизмы. Прямых официальных заявлений от них пока нет, но и подтвержденного влияния `llms.txt` на цитируемость в других AI-системах тоже не нашли. Такие официальные разъяснения нужны и агентствам, и самим брендам. По ним можно проверить смету и понять, на чем основана каждая работа. Работы ради работ здесь точно не нужны. Если система прямо говорит, что какое-то действие не влияет на видимость, его вполне резонно убрать из обязательного перечня. Хуже от него, возможно, не будет. Но это лишние оплаты. Есть и еще один момент. Многие игроки рынка пока строят GEO-продвижение только вокруг сайта компании. Но сайтом GEO далеко не ограничивается. Есть нейровидимость сайта и есть нейровидимость бренда — нейросети чаще собирают информацию о бренде с внешних площадок. Поэтому в Adventum мы сначала анализируем пользовательские сценарии и смотрим источники, на которые опираются разные системы. Смотрим, какую долю среди них занимает собственный сайт бренда, а какую — внешние площадки. И уже после этого собираем единую стратегию: распределение работ по сайту и внешним ресурсам. Поэтому состав работ для каждого бренда получается своим. iGrunis — Маркетинг. Тренды

ИИ начинает делиться на два мира. Последствия По инициативе Китая 29 стран, включая Россию, создали Всемирную организацию сотрудничества в области искусственного интеллекта — WAICO. За несколько недель до этого 35 стран подписали американское AI Opportunity Statement. Reuters прямо пишет о заявке Китая на лидерство в новом глобальном порядке в сфере ИИ и вызове доминированию США Еще недавно мы следили в основном за гонкой компаний и моделей: OpenAI, Google, Anthropic, DeepSeek. Теперь в эту гонку вступают и государства. США и Китай собирают вокруг себя разные технологические контуры. (Казахстан пока единственная страна, которая вошла сразу в обе инициативы.) В каждом технологическом контуре — свои модели, чипы, инфраструктура, поставщики и правила работы с данными. И вполне возможно, что единого глобального AI-рынка у нас не будет. Для бизнеса последствия здесь вполне конкретные: Компании сейчас переходят от экспериментов с отдельными нейросетями к ИИ-агентам, встроенным в рабочие процессы. Создавая агента, компания выбирает модели, инфраструктуру и правила работы с данными. Если агент собран внутри одной AI-экосистемы, для работы в другой его, возможно, придется серьезно адаптировать. С нейровидимостью брендов похожая ситуация. Уже сейчас на один и тот же запрос разные модели рекомендуют разные компании. По мере расхождения AI-экосистем один бренд может регулярно попадать в рекомендации в одной и почти исчезнуть из ответов в другой. Пока мы еще выбираем, какая нейронка лучше решает конкретную задачу. Страны уже начинают выбирать, на чьих технологиях и по чьим правилам развивать ИИ. iGrunis — Маркетинг. Тренды

В «Московских ведомостях» вышла статья по тезисам моего выступления на встрече с предпринимателями. Коротко оставлю здесь 5 пунктов, которые сейчас я советую держать в фокусе руководителям: 1. Насколько хорошо вы понимаете клиента — не в среднем по сегменту, а на уровне реальных потребностей. Компании до сих пор могут не замечать целые аудитории. В бьюти, например, мужчины уже активно покупают уход, а коммуникация по-прежнему чаще строится только вокруг женщин. 2. Получают ли разные клиенты разные предложения. При высокой стоимости трафика массовая рекламная коммуникация становится все менее эффективной. Персонализация уже влияет не только на отклик, но и на экономику маркетинга. 3. Что вы знаете о каждом контакте с клиентом. Звонки, переписка, вопросы и возражения показывают, почему человек покупает или уходит. AI уже позволяет собирать эти сигналы системно, а не разбирать их вручную от случая к случаю. 4. Что нейросети отвечают о вашей компании. Все больше людей спрашивают у AI, какой продукт выбрать и к кому обратиться. Поэтому нейровидимость уже стоит проверять так же регулярно, как поисковую выдачу и отзывы. 5. Готовы ли знания компании к работе с AI-агентами. Регламенты, продуктовая информация, кейсы и ответы на типовые вопросы должны быть собраны в единую систему. Без этого AI не сможет глубоко понимать продукт, клиента и контекст. Подробнее — в статье по ссылке.

Лиды из ChatGPT оказались качественнее 49% отвеченных звонков, которые связали с ChatGPT как источником, оказались квалифицированными лидами. В среднем по всем маркетинговым каналам — 38%. Разница — 11 процентных пунктов. Эти данные появились в новом отчете крупного сервиса коллтрекинга и аналитики разговоров Invoca. В 2026 году сервис впервые выделил ChatGPT отдельной строкой среди источников звонков. Всего в отчет вошли более 70 млн звонков и 600 млн минут разговоров в 10 отраслях. Почему Лиды из ChatGPT качественнее К моменту звонка человек уже успел закрыть часть вопросов и сузить выбор внутри ChatGPT. Поэтому в компанию он приходит более подготовленным и с конкретным запросом. В отчет Invoca вошли звонки, которые платформа смогла связать с ChatGPT как источником. А сколько еще влияния ИИ осталось за кадром — там, где пользователь сначала принял решение в нейросети, а потом пришел другим путем? Человек мог разобраться в разных предложениях и компаниях внутри нейросети, а затем найти выбранную компанию по названию, перейти из поиска, кликнуть по рекламе или зайти на сайт напрямую. В этом случае ChatGPT как точка контакта мог вообще не появиться в аналитике. Если AI-касание не зафиксировано — это не значит, что его не было. Его может не увидеть ни одна модель атрибуции — ни первый или последний клик, ни линейная, ни U-образная. Ценность распределится только между теми каналами, которые попали в аналитику. А в модели последнего клика весь результат получит последний внешний канал — контекст, органика, ремаркетинг. Хотя по сути последний клик лишь подбирает «низко висящий фрукт», который уже созрел в ChatGPT. В итоге мы можем переоценивать «низ» воронки и недооценивать AI-каналы, которые помогли сформировать выбор. А потом начинаем перераспределять бюджеты, потому что вложения в GEO «типа ничего не приносят». Я вижу сейчас для нас как для агентства, которое помогает бизнесам в новых ии-поисковых реалиях две параллельные задачи: Первая — стремиться попадать в ответы нейросетей в тот момент, когда пользователь выбирает между компаниями. Нейронки должны рекомендовать компанию в подходящих запросах и правильно объяснять, чем она занимается. Это задача GEO-продвижения. Вторая — прослеживать, что происходит с пользователем дальше: переход на сайт напрямую или через другой канал → звонок или заявка → квалифицированный лид → сделка → выручка. Что для этого можно делать уже сейчас: Выделять AI-источники Отдельно собирать переходы из Алисы, ChatGPT, Perplexity и других LLM-интерфейсов по источнику перехода, то есть учитывать, откуда пользователь пришел на сайт. Для касаний, которые не видны в веб-аналитике, добавлять вопрос об источнике в форму или скрипт разговора, а ответ фиксировать в CRM. Связывать обращения с CRM Строить цепочку: источник → сессия → звонок или заявка → статус лида → сделка. Считать качество Сравнивать по каналам долю квалифицированных лидов и сделок, средний чек и LTV. Потому что одинаковое количество обращений может приносить бизнесу совершенно разный результат. Проверять атрибуцию Смотреть на всю доступную цепочку касаний и не отдавать автоматически всю ценность последнему клику. Просто поменять модель атрибуции недостаточно: если взаимодействие с AI вообще не попало в аналитику, ни одна модель его не учтет. Очень важно сейчас не пропустить момент, чтобы потом не жалеть ⬇️ Бизнесу больше не нужно ждать, пока AI-трафик станет большим, чтобы начать его анализировать. Пока объем небольшой, можно настроить измерение и начать накапливать собственную историю данных. Когда доля обращений из нейросетей вырастет, у компании уже будет своя статистика: какие нейросети приводят людей, какие обращения оказываются целевыми и сколько из них доходит до сделки и выручки. Задним числом такую историю уже не соберешь. Если хотите связать присутствие в нейросетях с лидами и выручкой, расскажите о своей задаче в коротком брифе. iGrunis — Маркетинг. Тренды

Главный спор в каждой компании в кризис — Финдиректор: "Режем маркетинг" — Маркетинг: "Если замолчим — потом вернёмся дороже" — CEO принимает решение. Знакомо? Недавно на круглом столе Московской медиагруппы предприниматель поделился кейсом: обнулил бюджет маркетинга в 2022-м — и потом заплатил в разы больше, восстанавливая позиции. Маркетинг — не тумблер. Не выключается мгновенно. Но и по щелчку не включается. Но спор в 2026 году — уже другой. Раньше выбирали между: 👉 сократить 👉 или сохранить маркетинг. Сейчас появился третий вариант — не просто сохранить, а сделать маркетинг точнее. Главное, что изменило ситуацию — возможность увеличить точность маркетинга с помощью ИИ. Поэтому: Мой выбор сегодня — инвестиции в ИИ-агентов. В Adventum мы строим систему, где каждый агент закрывает свой участок: 🔹 Первый — анализирует данные, находит закономерности и генерирует гипотезы. 🔹 Второй — под эти гипотезы создает креативы 🔹 Третий — мониторит, как бренд представлен внутри нейросетей (GEO). 🔹 Четвертый — контролирует созвоны с клиентами и отслеживает выполнение задач. 🔹 Пятый — автоматизирует выставление документов и закрывает рутинную отчетность. Вся эта связка работает в едином контуре — чтобы зайти на территорию гиперперсонализации. Не просто сегментировать аудиторию, а видеть каждого клиента в деталях и предлагать ровно то, что ему нужно. Хочется надеяться , что такой подход позволит по настоящему проявить заботу о клиенте. Мне кажется, такие инвестиции будут окупаться лучше всего в ближайшие годы.

Привычка спрашивать правильных людей Пока процессы живут на людях, многое кажется нормальным. • Кто-то знает, где лежит нужный регламент • Кто-то помнит, кому писать по доступам • Кто-то держит в голове, как правильно передать дела перед отпуском. Компания работает. Но значительная часть знаний держится на привычке спрашивать правильных людей. С этим фактом столкнулись и мы, когда начали внедрять ИИ-сотрудника Lore внутри Adventum. ИИ-агенту недостаточно просто дать доступы к документам компании и сказать: отвечай сотрудникам. Он сразу "упрется" в качество внутренней базы знаний. Начнет подсвечивать слабые места, например: • где два документа противоречат друг другу, • где процесс описан слишком размыто, • где в регламенте нет ответа на реальный вопрос сотрудника. В этом один из самых полезных эффектов внедрения агента – Компания начинает наводить у себя порядок. Уже на этапе теста ии-агент быстро подсветит, где процессы в компании держатся на системе, а где — на памяти людей. В видеоролике Валерий Буртник, HRD Adventum, рассказывает о этапах, как рождался наш внутренний AI-агент Lore.

У бизнеса болит скорость. Надо быстрее — выводить новичков в продуктивность. Быстрее —давать сотрудникам ответы по процессам. Меньше держать знания в головах отдельных людей. Меньше терять время на поиск регламентов, шаблонов, ответственных и актуальных версий документов. Когда мы начали делать нашего ИИ-агента Lore, сначала смотрели на него через HR-задачи: адаптация, онбординг, повторяющиеся вопросы, доступ к внутренним знаниям. Вскоре стало понятно: это влияет не только на HR. Если новичок быстрее понимает, что делать — бизнес быстрее получает результат. Если сотрудник сам находит ответ — HR меньше работает справочной. Если знания не лежат в чатах, папках и головах отдельных людей — компания меньше зависит от случайностей. Если новый инструмент встроен в среду — люди быстрее начинают им пользоваться. Поэтому HR-агент может стать не просто автоматизацией HR-процессов, а точкой входа в AI-трансформацию компании. Потому что именно через HR проходят внутренние коммуникации, обучение, культура и принятие новых инструментов. На видео: фрагмент моего выступления на встрече с HRD в Adventum. Рассказываю, почему мы пришли к выводу, что AI-трансформацию бизнеса логично начинать с HR — и почему агент знаний оказался для нас одним из ключевых шагов. iGrunis — Маркетинг. Тренды

Тренды в AI маркетинге 2026. Разбирала на выходных свежие материалы про AI в маркетинге: первоисточники, прогнозы martech-компаний, отчеты про маркетинг, где часть решений и действий берут на себя AI-агенты. В разных источниках начинает повторяться один и тот же сигнал — и на него стоит смотреть внимательнее. Сигнал такой: маркетинг постепенно выходит из логики отдельных рекламных кампаний и переходит к логике постоянного управления ростом. Что это значит простыми словами? Раньше рекламную кампанию запускали так: выбрали аудиторию, сделали креативы, настроили каналы, запустили, собрали статистику, внесли правки. В новой логике AI-система может работать как постоянный контур вокруг клиента. Она видит, что человек смотрел товар, сравнивал варианты, задавал вопросы, бросил корзину, вернулся из другого канала, отреагировал на одно сообщение и проигнорировал другое. И дальше не просто отправляет ему "универсальную рассылку", а меняет следующий шаг: сегмент, оффер, текст, канал, рекомендацию, момент контакта. То есть маркетинг становится менее похож на серию запусков и больше похож на живую систему, которая постоянно учится на поведении клиента. McKinsey в июньском материале называет это переходом from campaigns to continuous growth — от кампаний к постоянному росту. Смысл не в красивой формуле, а в том, что AI начинает связывать то, что раньше часто жило отдельно: данные о клиенте, инсайты, креативы, персонализацию, commerce и оптимизацию. Это реализуется благодаря внедрению набора специализированных AI-агентов, каждый из которых отвечает за свою часть цикла: один помогает с сегментацией ЦА, другой — с контентом, третий — с аналитикой, четвертый — с оптимизацией. Вместе они постепенно превращают маркетинг из набора инструментов в связанную систему принятия решений. И в этой логике меняется роль агентства. Если раньше агентство часто воспринимали как команду, которая запускает кампании и управляет каналами, то дальше все больше ценности будет в другой роли: спроектировать эту систему, связать данные, инструменты, контент, аналитику и AI-агентов в один рабочий контур. То есть агентство становится не просто исполнителем отдельных задач, а оркестратором маркетинговой системы. ——- ——————— В другом материале McKinsey пишет, что маркетинг все больше будет работать в AI-mediated world — мире, где между брендом и человеком появляется интеллектуальный посредник. Тоже сильный сигнал. Потому что раньше бренд в основном боролся за внимание человека: попасть в выдачу, в ленту, в рекомендацию, в рекламный слот, в память. Теперь появляется еще один слой конкуренции: Как AI-система считывает знание о бренде? Какие источники о бренде она считает авторитетными? Какие факты о компании сочтёт важными? Какой оффер посчитает релевантным? Кого порекомендует, если пользователь не зашёл на сайт, а просто попросил ассистента выбрать? Отсюда следующий шаг — agent-to-agent commerce. Это сценарий, где AI не только помогает человеку искать информацию, но и участвует в выборе, сравнении, покупке, подборе предложения. Например, у покупателя есть AI-помощник, который понимает его задачу, бюджет и ограничения. У бренда — свой AI-представитель, который знает продукт, условия, наличие, офферы и может объяснить ценность. И тогда часть коммуникации начинает происходить не только между человеком и брендом, а между системами, которые помогают принять решение. Здесь сходятся две темы, которые на первый взгляд кажутся разными: GEO и AI-агенты. GEO — это про то, как бренд выглядит в ответах нейросетей. AI-агенты — про то, что эти системы смогут делать с информацией дальше: выбирать, сравнивать, рекомендовать, запускать действие. То есть это не две отдельные хайповые темы. Это разные части одного большого сдвига: маркетинг постепенно перемещается в среду, где бренду нужно быть понятным не только человеку, но и AI-системе. iGrunis — Маркетинг. Тренды

Сколько времени уходит НЕ на работу? А на то, чтобы найти нужный регламент, документ, шаблон, актуальную версию, не ошибиться и потом не переделывать. Вчера на встрече в Adventum обсуждали ИИ-агентов в HR. Когда готовилась к встрече, поставила на слайд осторожную оценку из исследования: 20–30% рабочего дня сотрудника может уходить на поиск информации. Есть оценки и выше. Я обратилась к залу: как вы считаете, какие потери у вас в этом слое? Один из гостей сказал: в отдельных процессах ощущение ближе к 70%. Это не универсальная статистика. Но очень точное ощущение боли. Сотрудник не знает, где лежит регламент. Ищет документ. Находит старую версию. Собирает неправильный пакет. Потом это все переделывается. Параллельно он пишет HR, юристам, руководителю, коллеге. И вроде человек хочет сделать полезную работу. Но его время и энергия уходят на то, чтобы просто подступиться к задаче. Даже если брать не 70%, а условные 30%, это огромный пласт потерь. В компании из 100 человек условно 30 ежедневно расходуют рабочий ресурс не на результат, а на поиск, уточнения, ожидание ответов. И самое неприятное — эти потери для бизнеса почти никто не считает. Просто мирятся с ними. И как раз здесь у ИИ-агента появляется понятная роль. Не заменить HR. Не заменить сотрудника. А быстро ответить: где актуальный документ, какой регламент действует, кто отвечает, какой следующий шаг. У нас для этого появился Lore — внутренний ИИ-сотрудник, который знает контекст компании и помогает не ходить кругами между папками, чатами и людьми. Спасибо гостям за живой активный интерес к теме. Будем дальше разбирать, как мы создаем и внедряем ИИ-агентов внутри Adventum — и как такие решения могут работать для других компаний.

Эйфория по ИИ заканчивается. Сегодня РИА Новости со ссылкой на SuperJob написали: 24% россиян считают, что искусственный интеллект не сможет выполнить ни одну из их рабочих задач. Год назад таких было 18%. Средняя оценка доли задач, которые люди готовы отдать ИИ, тоже снизилась: с 31% до 28%. Похоже, рынок проходит нормальный этап взросления. Сначала был восторг: сейчас нейросети все автоматизируют, ускорят, заменят, возьмут на себя рутину. Потом началась практика. И стало видно: просто дать людям доступ к ИИ недостаточно. Нужны данные, контекст, понятный процесс, безопасный контур и сценарии, где ИИ действительно помогает. Мы в Adventum хорошо увидели это, когда начали делать ИИ-агентов с HR. В HR много живого контекста: адаптация, отпуска, регламенты, внутренние вопросы, знания компании, коммуникация между людьми. И как раз там хорошо видно, где ИИ снимает рутину, а где человек остается незаменимым. Сегодня в 18:00 обсуждаем это с HRD в офисе Adventum: что запускали, где ошибались, что переделывали и какой эффект видим сейчас. Если вы HRD или HR-лидер и хотите присоединиться сегодня, напишите мне в личку, проверю по местам и пришлю детали.

Потенциальный клиент спрашивает у нейросети: – Кто разбирается в AI-маркетинге для бизнеса? Нейросеть начинает собирать ответ. Она посмотрит не только сайты агентств. Она посмотрит статьи в СМИ, блоги, рейтинги, отзывы, экспертные комментарии. И этот внешний след как раз во многом формирует PR. И публикация в СМИ сегодня работает дольше, чем один день после выхода. Хороший (или плохой) материал может попасть в поиск, разойтись по другим площадкам и стать одним из источников для ответов нейросети. Получается, PR уже нельзя оценивать только по логике: вышла публикация — получили охват. Теперь следим какой след она оставила: считывается ли поиском и нейросетями. Подробнее о новой роли PR в эпоху нейросетевых ответов рассказала в материале: Репутация сегодня проверяет бренд на прочность

Мы назвали его Lore. Это наш внутренний ИИ-сотрудник. Он помогает сотрудникам не ходить по кругу между чатами, папками, регламентами и людьми, которые "точно знают, где это лежит". Lore, если перевести, это знание с контекстом: не просто факт, а вся предыстория вокруг него. Он помогает моментально получать ответы о любых внутренних процессах компаниии. Как бы это ни было сформулировано. Сотрудник может спросить своими словами: . где актуальный шаблон NDA, . как согласовать отпуск, . кому писать по доступам, . что делать в первый день. А Лор отвечает. Опираясь на внутренние документы, регламенты и контекст компании. И отвечает не просто "поищи там-то", а дает ссылку или следующий понятный шаг. Наш ИИ-агент LORE не заменяет HR и не сводит работу с людьми к чату с нейросетью. Его задача проще и практичнее: быть быстрым и понятным интерфейсом к знаниям компании. Для HR это снимает часть повторяющейся нагрузки. Для сотрудников сокращает путь к ответу. Для руководителей показывает, где люди чаще всего застревают. 25 июня на закрытой встрече для HRD в Adventum покажем и расскажем, как запускали Lore, где ошибались, что переделывали и какой эффект видим на сегодня. Зарегистрироваться на мероприятие.