Главное про AI - Вадим Жартун Страница 45

3: Персонализация email — AI адаптирует одно и то же письмо под разные сегменты аудитории. Salesforce Marketing Cloud Einstein показывает 25–40% роста email open rates за счёт predictive content selection и predictive send time.

4: A/B-тестирование — AI генерирует 5 вариантов заголовка, 3 варианта CTA, автоматически тестирует их на части аудитории.

5: Аналитика кампаний — AI анализирует данные рекламных кабинетов, находит неэффективные кампании, предлагает перераспределение бюджета.

6: Анализ тональности — AI читает отзывы и упоминания в соцсетях, классифицирует их по тональности, выделяет тренды.

Persado в исследовании «Better Together: Generative AI + Human Marketer» 2023 года зафиксировало: маркетологи в одиночку выбирают лучший вариант формулировки только в 33% случаев. Когда в паре с AI, точность выбора вырастает до 96%. Это не «AI лучше маркетолога». Это «AI снимает когнитивную нагрузку по перебору вариантов, маркетолог принимает финальное решение». Применительно к практике: AI-инструмент, который даёт 5–10 черновиков под один тезис, освобождает у копирайтера 1–2 часа в день, которые уходили на пустую страницу.

МАРКЕТИНГ: AI БЕЗ РЕДАКТОРА КАК УГРОЗА БРЕНДУ

Стратегическое позиционирование — «почему наш бренд — это X, а не Y» — работа основателя, не AI. Большие креативные концепции уровня «Just Do It» или «Think Different» требуют понимания культурного контекста, который у модели хуже, чем у человека. Антикризисные коммуникации: когда случился скандал, нужен человек, который понимает нюансы, а не шаблонный ответ от AI. Стратегические партнёрства — переговоры с инфлюенсером или медиа — это отношения, не текст. Бренд-голос на длинной дистанции: через 3–4 AI-текста без редактуры всё начинает звучать одинаково. Медицинский, юридический и финансовый контент — там, где критична точность фактов.

Почему AI-контент без редактуры — антибренд. В январе 2023 года издание Futurism обнаружило, что CNET массово публиковал AI-сгенерированные статьи без специальной редакционной пометки «создано с помощью AI». CNN, The Verge и Washington Post подхватили тему: 41 из 77 опубликованных AI-статей содержали существенные ошибки, потребовались коррекции, и генерацию поставили на паузу. AI плохо пишет сам по себе, а без редактора-эксперта он не отличает правдоподобное от фактически верного. CNET через несколько месяцев выкатил формальную политику, запрещающую публикацию AI-текста без человеческого контроля. Для офисного работника это прямой сигнал: AI-контент без вычитки ускоряет публикацию, но откладывает репутационный удар.

HubSpot в AI Trends for Marketers 2025 приводит: 64% маркетологов уже используют AI хотя бы в одной задаче, годом ранее было 45%. Риск, который сами маркетологи называют первым, — потеря аутентичности бренда. Это совпадает с моим опытом: компании, которые внедряют AI без редактора-бренд-голоса, через 3–4 месяца получают сайт или рассылку, где каждый материал звучит как все остальные.

ТИПИЧНЫЕ ОШИБКИ МАРКЕТИНГА С ИСПОЛЬЗОВАНИЕМ AI

«AI-агент, который сам ведёт бренд-аккаунт в соцсетях» — голос распознаётся клиентами за 2–3 поста. «100% AI-генерация контента без редактора» — путь к CNET-сценарию и потере доверия. «AI генерирует офферы и цены» — оффер и цена это работа коммерции, а не модели. «AI-бот отвечает за бренд в комментариях» — клиенты чувствуют подмену и пишут негатив в два раза чаще. «AI переводит юридические оговорки без юриста» — путь к юридическому и репутационному убытку. «AI пишет отзывы и кейсы клиентов» — нарушение закона о рекламе в большинстве юрисдикций. «AI-персонализация без согласия клиента» — нарушение 152-ФЗ и GDPR.

Третий миф, который мешает маркетинговым командам: «AI заменяет маркетолога». На практике AI заменяет рутину и расширяет объём, но бренд-голос и стратегию держит человек. Маркетолог, который делегировал AI бренд, через полгода получает сайт, который читатели распознают как машинный и перестают открывать.

Если в продажах и маркетинге AI работает в зоне текста и коммуникации, то в работе с документами он упирается в цифры, реквизиты и юридическую значимость. Здесь цена ошибки другая, и набор процессов — другой.

AI В ДОКУМЕНТАХ: ЗОНА УВЕРЕННЫХ 99% И СКРЫТАЯ ЛОВУШКА

Работа с документами — классический кандидат на AI. Документы структурированы, повторяются, есть регламенты. Счета, договоры, акты, претензии, заявки — все обрабатываются по похожим правилам. McKinsey в State of AI 2025 приводит: 30% времени юриста и бухгалтера уходит на рутинную обработку документов. AI закрывает большую часть этой рутины.

ДОКУМЕНТЫ: ЗОНА СКОРОСТИ AI И ЗОНА ЮРИСТА

Извлечение реквизитов

Модель берёт PDF или скан счёта или договора, извлекает ИНН, КПП, банковские реквизиты, суммы, даты, номера договоров. Качество: 99%+ при наличии хороших сканов. JPMorgan в 2017 году запустил систему COIN (Contract Intelligence), которая за секунды делала то, что юристы банка делали за 360 000 часов в год: разбирала коммерческие кредитные договоры.

Сверка с базой

Модель проверяет, что реквизиты клиента в счёте совпадают с реквизитами в CRM. Эта проверка занимает у бухгалтера 5–10 минут, у AI — 5 секунд.

Классификация входящих документов

Модель сортирует счёт, договор, претензию, акт, запрос и маршрутизирует документ в нужный отдел.

Поиск в больших корпусах документов

AI ищет по смыслу, а не по ключевым словам, и находит релевантные пункты договоров за секунды. Harvey AI в феврале 2025 года в бенчмарке Vals Legal AI Report получил лучшие результаты среди всех участников в пяти из шести задач: contract review, clause extraction, precedent search. Hebbia Matrix автоматизирует 90% работы в финансовом и юридическом ресёрче для крупных инвестиционных банков.

Где «99% точности» становится ловушкой. Mistral OCR в марте 2025 года выпустил OCR — распознавание текста с картинок — API, который показывает 99%+ точности на простых документах. Но это не значит «99% на любых документах». В тестах на сложных PDF с многослойной вёрсткой, рукописным вводом и нестандартными таблицами ошибка LLM-подхода составляет 1–5%. Практический вывод: «99% точности» означает «1 ошибка на 100 полей». На счёте-фактуре в 50 полей это 0,5 ошибки — то есть на каждом втором счёте ошибка в номере, ИНН или сумме. Без человеческой проверки это прямой путь к расхождениям в учёте.

Кейс Mata v. Avianca, подробно разобранный в этой книге как пример AI-ошибки, для офисного работника остаётся рабочей метафорой: если юрист не может доверять выходу LLM при подготовке процессуального документа, ни один бухгалтер, HR или маркетолог не может доверять выходу LLM при подготовке критичного документа. К августу 2025 года федеральные суды США начали применять более жёсткие санкции: один из судей объявил, что денежные штрафы не останавливают подачу фальшивых ссылок. Для офисного работника это прямой сигнал: