AI не отменил работу маркетолога. Он отменил ту её часть, за которую и так не стоило платить отдельному специалисту — черновики, первую сортировку данных, механическую генерацию вариантов.
Полгода назад собственник спрашивал: «А маркетолог точно нужен, если ChatGPT пишет тексты не хуже?» Сейчас вопрос звучит иначе: «У нас есть подписка на нейросети, зачем нам ещё и человек в штате?» Формулировка изменилась, а ошибка в основании осталась той же.
Ошибка в том, что работу маркетолога свели к производству текстов и картинок — и именно эту часть AI действительно закрыл. Но продукт маркетолога никогда не сводился к контенту. Он сводился к решениям: куда вложить бюджет, кому что обещать, что делать, если канал перестал работать. Эту часть AI не тронул вообще.
Что AI забрал полностью
Есть конкретный список задач, которые ещё три года назад занимали у маркетолога половину рабочего дня, а сейчас занимают минуты.
Черновики текстов. Первый вариант поста, письма, лендинга — то, что раньше требовало часа сидения перед пустым полем, сейчас требует пяти минут на промпт и десяти на правку. Правка осталась человеческой, но с нуля никто больше не пишет.
Варианты рекламных объявлений. Десять заголовков для теста в Директе — раньше это была отдельная задача на полдня, сейчас это одна команда и десять минут на отбор рабочих вариантов из выдачи.
Транскрибация и разбор звонков продаж. Раньше маркетолог физически не успевал переслушать двадцать звонков за неделю, чтобы вытащить из них формулировки возражений. Сейчас это делается за час, и то в основном на проверку результата.
Первичная сортировка отзывов и заявок. Разложить сто отзывов по темам, найти повторяющиеся жалобы, выделить цитаты для сайта — механическая работа, которую раньше делали руками несколько дней подряд.
Генерация картинок для тестов. Не финальный визуал, а быстрые варианты для проверки гипотезы — какой заголовок и какая картинка цепляют сильнее до того, как тратить бюджет на дизайнера.
Ничего из этого списка не было ядром профессии. Это была её обвязка — то, ради чего маркетолога иногда держали в штате, хотя платили, по сути, за суждение, которое случалось раз в неделю между этой рутиной.
Что не изменилось вообще
Позиционирование. Нейросеть может сгенерировать двадцать формулировок «чем мы отличаемся», но не может решить, какая из них правдива именно для вашего продукта и вашего рынка. Она не была на встречах с клиентами, не слышала, как звучит возражение вживую, не знает, что три месяца назад отдел продаж пробовал похожую формулировку и она не сработала.
Приоритизация между каналами. AI посчитает конверсию по каждому каналу за прошлый месяц. Он не решит, что делать, если конверсия высокая, а объём маленький, и бюджет ограничен, и через два месяца сезонный спад. Это решение требует контекста, которого в цифрах просто нет.
Оценка качества лида на слух. Опытный маркетолог по первому сообщению в чате отличает клиента, который купит через две недели, от того, кто наберёт вопросов и пропадёт. Это накопленный опыт конкретной ниши, а не паттерн, который можно выгрузить в промпт.
Отношения с клиентом и командой. Договориться с отделом продаж о том, что считать «плохим лидом». Убедить собственника не менять оффер в третий раз за месяц. Это переговоры, а не генерация текста.
AI не отменил работу маркетолога. Он отменил ту её часть, за которую и так не стоило платить отдельному специалисту — черновики, первую сортировку данных, механическую генерацию вариантов.
Где собственники ошибаются на практике
Типичный сценарий: компания нанимает не маркетолога, а «специалиста по нейросетям» — человека, который умеет писать промпты и настраивать автоматизации, но не разбирался в позиционировании и продажах ни дня. Первые два месяца всё выглядит отлично: контента стало в три раза больше, отчёты красивые, в них графики и цифры.
На третий месяц выясняется, что весь этот контент говорит об одном и том же — потому что никто не решил, что именно компания хочет донести. Объём есть, а сообщения нет. Это тот же провал, что и с обычным «универсальным маркетологом» из старой схемы найма, только теперь замаскированный под технологичность.
Обратный сценарий не лучше: маркетолога увольняют, оставляя владельцу подписки на нейросети «для экономии». Через квартал собственник тратит вечера на формулировки объявлений вместо того, чтобы заниматься продуктом — просто потому что генерировать варианты нейросеть умеет, а решать, какой из них верный и почему, всё ещё должен человек. Экономия на зарплате обернулась потерей его собственного времени, которое стоит дороже.
Как выглядит рабочая связка сейчас — на примере одного запуска
Возьмём конкретную задачу: компания запускает новый тарифный план и нужно вывести его на рынок за две недели.
- Человек формулирует, кому этот тариф на самом деле нужен и почему он лучше старого — на основе разговоров с продажами и текущими клиентами, а не догадки.
- AI на этой основе генерирует пятнадцать вариантов заголовков и три структуры лендинга для теста.
- Человек отбирает три варианта, которые не противоречат позиционированию компании, и отбрасывает двенадцать, которые звучат гладко, но не про вашего клиента.
- AI собирает транскрипты звонков продаж за первую неделю запуска и вытаскивает повторяющиеся возражения.
- Человек решает, какое из возражений говорит о проблеме в оффере, а какое — просто шум, и меняет тариф или текст точечно, а не целиком.
В этой цепочке AI выполняет три шага из пяти, но ни один из них не был точкой принятия решения. Решения — все на человеке, и их меньше по числу, но они тяжелее по цене ошибки.
Три вопроса, чтобы проверить, как AI используется у вас
Кто в компании может объяснить, почему выбран именно этот вариант текста, а не десять других? Если ответ «нейросеть выдала — и мы взяли», значит, AI используется вместо суждения, а не вместе с ним.
Сколько раз за последний месяц вы меняли стратегию из-за того, что узнали от клиентов, а не из отчёта? Если ноль — скорее всего, вся работа с AI свелась к производству контента, а не к пониманию рынка.
Если объём контента вырос в разы, а конверсия и качество лидов не изменились, — вы автоматизировали не ту часть работы. Автоматизировали производство, а не решения.
Может ли кто-то в команде назвать одну вещь, которую компания перестала делать неправильно благодаря AI? Не «стало быстрее», а конкретное решение, принятое иначе, чем раньше. Если такого примера нет — инструмент есть, а изменений в работе нет.
Что это значит для найма и работы с командой
Спрашивать на собеседовании «умеете ли вы работать с нейросетями» в 2026 году так же бессмысленно, как спрашивать «умеете ли вы пользоваться почтой». Это базовый навык, а не квалификация. Вопрос, который реально разделяет кандидатов: как вы принимаете решение, когда данные от AI противоречат тому, что говорит клиент.
Хороший маркетолог сегодня — не тот, кто быстрее генерирует контент, а тот, у кого меньше стало механической работы и больше времени на разговоры с клиентами и продажами. Если время освободилось, а на что оно ушло — непонятно, AI просто заменил одну форму простоя другой.
Как понять, работает ли ваш маркетинг на самом деле — с AI или без него.
Прежде чем автоматизировать маркетинг с AI, стоит зафиксировать позиционирование и приоритеты — иначе автоматизируете хаос. STILSTRATEGY проводит через 35 вопросов о бизнесе и даёт документ, на который можно опираться при любых инструментах. Пройти STILSTRATEGY за 990 ₽.
