Эра простых чат-ботов и текстовых подсказок уходит в прошлое, уступая место системам автономных ИИ-агентов, способных брать на себя функции целых отделов. В рамках мастер-класса на канале Think School Ганеш Прасад обсудил с Кедаром, главой отдела маркетинга Kotak Mahindra Bank и бывшим топ-менеджером Amazon India, архитектуру мультиагентных систем, их влияние на рынок труда и практическое применение в крупном бизнесе.
🤖 Автоматизация против ИИ-агентов: смена парадигмы 4:32
Главное различие между традиционной автоматизацией и ИИ-агентами заключается в гибкости и целеполагании. Кедар использует аналогию с торговым автоматом: это классическая автоматизация, где нажатие кнопки «2» всегда выдает молоко, а если молока нет, система просто выдает ошибку . В отличие от нее, ИИ-агент ведет себя как «умный сотрудник»: он получает общую цель (например, увеличить продажи в два раза) и самостоятельно разрабатывает план, анализирует данные, пробует разные подходы и адаптируется в процессе .
По словам Кедара, работа ИИ-агента строится на пяти последовательных этапах:
- Восприятие (Perceive): чтение брифа, контекста и данных .
- Рассуждение (Reason): выбор оптимального плана действий.
- Действие (Act): параллельное выполнение задач.
- Оценка (Evaluate): проверка результата на соответствие поставленной цели.
- Адаптация (Adapt): корректировка действий, если цель не достигнута .
📈 Практический кейс: Маркетинг в Kotak Mahindra Bank 8:59
Кедар продемонстрировал работу системы на примере создания рекламной кампании для кредитной карты Solitaire. Бриф состоял всего из четырех слов: «Solitaire credit card benefits» . Традиционно подготовка такой кампании (статические креативы, HTML-письма, видео) занимала бы у команды около недели. ИИ-агент справился менее чем за 5 минут, сгенерировав полный пакет материалов .
Система самостоятельно определила целевую аудиторию (состоятельные клиенты) и выбрала ключевые преимущества для продвижения:
- Нулевая комиссия за конвертацию валюты (Forex markup) .
- Доступ в VIP-залы аэропортов по всему миру .
- Ускоренное накопление миль за перелеты.
Для видеокампании карты Air Plus агент самостоятельно выбрал персонажа — «опытного путешественника» — и поместил его в контекст лобби отеля, чтобы подчеркнуть премиальность продукта . Кедар подчеркивает, что такая точность достигается не магией, а обучением агента на трех слоях данных: вторичных исследованиях рынка, исторических данных кампаний банка и первичных опросах клиентов .
🏗️ Архитектура ИИ-агента: Действие, Рассуждение и Память 27:50
Для создания эффективного агента необходимо настроить три ключевых параметра:
- Действие (Act): определение роли (например, «креативный директор в сфере финансов») и установка KPI (например, высокий CTR) .
- Рассуждение (Reason): способность модели анализировать паттерны и делать логические выводы.
- Память (Memory): критически важный компонент, разделяемый на три типа :
- Семантическая память: общие знания и факты.
- Эпизодическая память: контекст текущего диалога или предыдущих взаимодействий.
- Рабочая память: оперативная информация для выполнения конкретной задачи.
Собеседники обсудили проблему «Lost in the Middle» (потеря данных в середине контекста). По мнению Кедара, именно поэтому создание одного «суперагента» с огромным списком инструкций неэффективно . Вместо этого следует строить мультиагентные системы, где каждый узкий специалист (например, корректор, исследователь, копирайтер) выполняет свою задачу, а их действия координирует «оркестратор» .
📉 Экономика и риски: когда внедрять ИИ 20:58
Кедар выделяет три вектора эффективности (Trifecta): стоимость, время и качество. ИИ-агенты радикально сокращают время (с недель до минут) и стоимость, однако качество пока неоднородно . В маркетинговой воронке Кедар предлагает следующее разделение:
- Нижняя часть воронки (Bottom Funnel): призывы к действию, скидки, конкретные предложения. Здесь ИИ уже справляется на отлично .
- Середина воронки (Mid-funnel): обучение клиента и сравнение продуктов. ИИ эффективен в 90% случаев .
- Верхняя часть воронки (Top Funnel): создание эмоциональной связи с брендом («Brand Love»). На текущем этапе Кедар считает использование ИИ-видео здесь рискованным, так как они могут выглядеть «фальшиво», что разрушает эмпатию .
Ганеш Прасад отмечает, что генеральный директор Anthropic прогнозирует исчезновение более половины рабочих мест начального уровня, а безработица может достичь 10–20% . Однако Кедар проводит историческую параллель с банкоматами (ATM) в 1970-х годах: их появление не уничтожило профессию кассира, а трансформировало её — кассиры перестали просто считать наличные и стали консультантами по сложным вопросам .
🛠️ Стратегия "Build vs Buy" и будущее экспертов 1:02:19
Для основателей бизнеса встает вопрос: создавать систему самостоятельно или покупать готовое решение? Кедар предлагает чек-лист из четырех вопросов :
- Является ли этот процесс нашим конкурентным преимуществом (Moat)? Если да — стройте сами.
- Есть ли у нас уникальные данные для обучения?
- Насколько быстро нам нужно решение?
- Сможем ли мы поддерживать систему в долгосрочной перспективе?
Оба участника сошлись во мнении, что значимость узких экспертов (Subject Matter Experts) в ближайшие 5–10 лет только вырастет . Кедар утверждает, что только глубокий профессионал сможет «отладить» (debug) ИИ-агента и понять, где система выдает галлюцинацию вместо корректного результата. В будущем оргструктура компаний изменится: топ-менеджмент будет заниматься системным дизайном, а сотрудники низшего звена перейдут к управлению и надзору за флотом ИИ-агентов .
