ИИ заметил просадку рекламы. Кто разрешит ему менять ставки?
Автономный агент в рекламе начинается не с кнопки «изменить ставку». Он начинается с разницы между «заметить» и «разрешить». Первое — почти техническая задача: система следит за событиями и сигнализирует, когда что-то пошло не так. Второе — вопрос денег, прав доступа и ответственности за результат. Именно здесь заканчиваются красивые демонстрации и начинается скучная, но необходимая инженерия.
Интереснее не идея «пусть ИИ всё делает сам», а более приземлённая конструкция. Агент должен сам увидеть подозрительную просадку, проверить, не обманывают ли его данные, предложить действие и объяснить, почему он это предлагает. А рискованное изменение — ставка, бюджет, остановка кампании — должно уходить человеку на подтверждение. Звучит менее эффектно, чем полная автономность, но именно так эта идея становится рабочей.
Что уже есть, а что пока только план
С Market-GPT стоит сразу навести порядок в ожиданиях. В публичном описании сервиса есть маршрут от идеи и анализа целевой аудитории до оффера, рекламных материалов, лендинга, заявок, ИИ-продавца и mini-CRM. Там же описан контроль лидов: статусы заявок, история диалогов, момент, когда к обработке должен подключиться человек. Это уже не абстрактная обещалка, а конкретный контур работы с клиентом после рекламы.
Но автоматического изменения ставок в рекламном кабинете в публичном описании нет. И это важная граница. Подготовить рекламный текст, собрать лендинг, показать заявку и передать диалог человеку — не то же самое, что получить права записи в рекламный кабинет и самостоятельно менять ставку. Между этими вещами лежит не одна кнопка, а целый слой доступа, лимитов и ответственности.
Дальше речь пойдёт об архитектурной идее, о проектируемом направлении, а не о выпущенной функции. Наблюдение за рекламными событиями, диагностика аномалии, предложение действия, approval layer и журнал изменений — это план. В публичном описании Market-GPT подтверждения такой цепочки нет. Поэтому ниже — о том, как это должно быть устроено, если строить систему всерьёз, а не о том, что уже доступно пользователям.
Почему «просадка» — плохой повод для мгновенной реакции
Самый полезный пример здесь — не реальный провал, а ложная тревога. Кампания запущена, клики есть, деньги расходуются, а конверсий в свежем отчёте нет. Агент видит ноль заявок и делает вывод: реклама не работает, надо поднимать ставку. Решение выглядит логичным, если считать отчёт полной картиной мира. Проблема в том, что отчёт почти никогда не бывает полным сразу.
Разные отчёты Яндекс Директа обновляются с разной периодичностью. Рекламодатель уже мог потратить деньги, хотя показы, клики и расходы ещё не отобразились полностью. Данные Метрики по Директу могут поступать в течение нескольких часов. Если цикл сделки длинный, атрибуция может отставать значительно сильнее: при среднем пути от клика до конверсии больше двух недель статистика по некоторым моделям атрибуции отображается с задержкой.
Конверсии приходят не только из онлайн-формы. В рекламную систему можно загружать офлайн-конверсии и данные о звонках через Центр конверсий, API и коннекторы. Значит, агент, который смотрит только на мгновенные события на сайте, видит не бизнес, а фрагмент бизнеса. Он может честно зафиксировать ноль в доступном ему окне и при этом ошибиться в выводе.
Поэтому перед тревогой агенту нужна не «умность», а дисциплина: проверить время обновления отчёта, понять, не предварительный ли это сигнал, дождаться контрольного окна, сверить отложенные и офлайн-конверсии — и только потом формулировать претензию к кампании. Хороший агент здесь меньше похож на аналитика, который «почувствовал проблему», и больше — на зануду с чек-листом. Это комплимент.
Контур из четырёх уровней
Первый уровень — наблюдение за событиями. Агент фиксирует отклонения, но не делает выводов. Дороже обычного, дешевле обычного, клики есть, заявок нет, показы остановились — всё это пока только сигналы. Разница принципиальная: на этом уровне система не имеет права называть сигнал проблемой, иначе она начнёт дёргать человека по любому поводу.
Второй уровень — диагностика аномалии. Здесь агент обязан проверить свежесть данных, окно атрибуции, наличие офлайн-конверсий, сезонность, состояние остальных кампаний и хотя бы минимальный контекст. Если сигнал объясняется задержкой статистики, он должен быть помечен как предварительный, а не превращён в рекомендацию. Это самая неблагодарная часть работы: снаружи она незаметна, зато именно она спасает от глупых решений.
Третий уровень — предложение действия. Агент формулирует вариант: снизить ставку на заданный процент, ограничить бюджет, поставить кампанию на паузу, запросить дополнительную диагностику. Важно не только само предложение, но и объяснение: какие показатели были до, что именно показалось странным, какие альтернативы рассматривались, чем предложение отличается от простого «сделай как обычно».
Четвёртый уровень — approval layer, то есть слой согласования. Рискованное изменение уходит ответственному человеку. Не в чат «агент что-то сделал», а в понятный запрос: что предлагается, почему, какой риск, что будет, если не делать ничего. После подтверждения действие применяется. Без подтверждения — остаётся рекомендацией.
И рядом с этой цепочкой должен жить журнал изменений. Не декоративный лог, а запись по существу: исходные показатели, обнаруженная аномалия, объяснение решения, сработавший порог риска, человек, который подтвердил действие, и результат после изменения. Зачем это нужно? Хотя бы потому, что без журнала любой спор с агентом заканчивается фразой «он сам так решил». А с журналом разговор становится предметным: вот данные, вот логика, вот подпись ответственного.
Кто разрешает и где граница
Ответ на вопрос из заголовка звучит прозаично: разрешает человек. Агент замечает, проверяет, готовит решение и объясняет его. Человек подтверждает то, что может стоить денег или репутации. Это не недоверие к технологии, а нормальная схема управления риском.
Границы разумно делить по уровням. Низкий риск — уведомление, отчёт, запрос дополнительной диагностики. Такие действия можно выполнять без спроса, потому что они ничего не ломают и не тратят бюджет. Средний риск — подготовленная рекомендация по ставке или бюджету. Она уже требует решения человека, но не обязана применяться мгновенно. Высокий риск — изменение ставки, остановка кампании, перераспределение существенной части бюджета. Здесь только подтверждение, причём от человека с соответствующими правами.
Отдельно нужны лимиты и роли. Сколько максимум агент может предложить снизить или поднять? Какие кампании ему вообще доступны? Есть ли у него право записи или только право читать и рекомендовать? Кто отвечает, если рекомендация оказалась ошибочной? Пока эти вопросы не решены, «автономный агент» остаётся красивым словом, а не системой.
На мой взгляд, именно здесь проходит главный водораздел между демонстрацией и продуктом. Показать, как модель предлагает изменить ставку, несложно. Сделать так, чтобы это предложение было проверяемым, ограниченным и обратимым, — гораздо более длинная работа.
Где ИИ действительно сильнее
Не стоит и преуменьшать пользу. Агент быстрее реагирует на сигнал, не устаёт к вечеру пятницы, помнит не две кампании, а десятки, и способен каждый раз проходить один и тот же чек-лист без настроения и любимых отговорок. В рекламе это ценно, потому что рутинная проверка быстро превращается в формальность, когда её делает уставший человек.
Но назвать это интеллектом в человеческом смысле сложно. Скорее это аккуратность, встроенная в процесс. Агент хорошо считает, хорошо сравнивает, хорошо фиксирует. Он не «понимает бизнес» лучше владельца, у него просто больше терпения на рутинную проверку. И чем честнее мы это назовём, тем меньше будет разочарований.
Нерешённые места
Слабых точек здесь хватает. Качество данных может быть разным даже внутри одного кабинета, а уж между разными бизнесами — тем более. Ложные тревоги неизбежны, и вопрос не в том, как их полностью исключить, а в том, сколько их выдержит человек, прежде чем перестанет читать уведомления. Ответственность за слитый бюджет тоже никуда не исчезает: если агент предложил, а человек подтвердил, это всё равно решение человека.
Есть и вопрос доверия к рекомендациям. Если агент десять раз ошибся на задержке данных, одиннадцатую рекомендацию будут проверять с пристрастием. Если же он всё время молчит, его просто отключат. На мой взгляд, самое сложное в таком проекте — не модель и не интеграция, а выстраивание предсказуемого поведения: понятные пороги, понятные объяснения, понятный журнал.
Куда это ведёт
Market-GPT уже связывает в одном проекте анализ аудитории, оффер, рекламу, лендинг и обработку заявок. Развитие в сторону автономного агента выглядит логичным продолжением этого контура: система и так видит путь от идеи до лида, значит, следующим шагом может стать более внимательное наблюдение за тем, что происходит на этом пути. Но именно может: наблюдение за рекламными событиями, approval layer и автоприменение ставок в публичном релизе не заявлены. Это проектируемое направление, а не готовая функция.
Если хочется посмотреть, как сейчас устроена эта система в той части, которая уже описана публично — от анализа аудитории и оффера до рекламных материалов, лендинга и работы с заявками, — можно заглянуть в Market-GPT. Полезно держать в голове простую мысль: замечать просадку агент может быстрее человека, а вот менять ставки без разрешения — не должен. По крайней мере до тех пор, пока кто-то готов отвечать за результат.
