Если пару лет назад использование нейросетей для генерации текстов и мультимедиа стало настоящей революцией, то сегодня в бизнесе набирают популярность ИИ-агенты.
Про один из таких кейсов со сцены прошедшей конференции МАС 2026 в Ереване рассказал овнер рекламной сети Kadam и СЕО компании Smart Dynamics Владислав Умницын.
Важность этого кейса не только в экономии денег, но и в том, что все описанное в этом материале сможет повторить даже средняя арбитражная команда.
LLM, ИИ-агенты и перспективы AI-first
Перед тем, как показать сам кейс, Владислав коротко рассказал о фундаментальной части того, что представляют из себя LLM и ИИ-агенты.
Изначально появился алгоритм больших языковых моделей, большим минусом которого можно считать то, что кроме генерации он больше ничего не может делать.
Другое дело ИИ-агенты. Нам хорошо знакомы самые популярные из них: Gemini, ChatGPT, Claude и другие. Все они не только используют LLM, но могут собирать информацию в интернете.
Компания Antropic пошла еще дальше и предложила протокол MCP (Model Context Protocol), суть которого в том, чтобы помогать ИИ-агентам взаимодействовать с внешними сервисами. Схематично это показано на скриншоте ниже:
Таким образом ИИ-агент вышел за пределы своего интерфейса, получив возможность управлять некоторыми процессами, подобно человеку. Это нас привело к миру AI-first, который по мнению многих экспертов является тем же, чем 15 лет назад был mobile-first.
По словам спикера, многие эксперты сейчас говорят о том, что компании, которые проигнорируют нарождающийся тренд на AI-first, рискуют через год оказаться там же, где сейчас компании из числа тех, кто в свое время проигнорировал тренд на mobile-first:
Владислав решил не быть в числе вторых и, используя программу Cursor и MСP-сервера, создал своеобразную связку из продуктов и тех сервисов, которыми пользуются в его компании:
Справка Партнеркина: Cursor — это популярная среда разработки, которая спроектирована под глубокую интеграцию с искусственным интеллектом.
И если раньше спикеру требовалось работать с каждым из сервисов отдельно, то теперь всю эту работу делает за него ИИ-агент.
Сегодня Владислав использует ИИ-агентов для таких целей:
- People management;
- Автоматизация и аналитика;
- Прототипирование.
Спикер говорит, что прототипирование стало самым главным, что ему дали ИИ-агенты:
«Если раньше у меня появлялась какая-то идея, мне приходилось полностью сформулировать мысль, описать ее, принести продукт-овнерам, ответить на кучу вопросов, ответы на которые на тот момент даже я не знал.
Теперь я могу сырые мысли накидать агенту, и уже через 10-15 минут получить прототип, покликать его, посмотреть и понять, жизнеспособна эта идея или нет».
В чем суть кейса
Продолжая тему прототипирования, Владислав рассказал историю одного ИИ-агента, который кардинально поменял их компанию.
В один из выходных дней ему пришла идея, как помочь сотрудникам саппорт-отдела. Дело в том, что когда в Kadam возникает какой-то вопрос о работе той или иной фичи, им приходится привлекать несколько команд разработчиков, перечитывать гору документации, чтобы разобраться в вопросе, и подобное только отвлекает людей от работы и забирает кучу их эффективного времени.
И тут у него появилась идея сделать ИИ-агента для ответов на вопросы саппорта с доступом ко всему исходному коду и базам данных. За пару дней спикер собрал такой прототип и потихоньку начал тестировать.
Оказалось, что на ту работу, на которую у человека уходили недели, ИИ-агент мог потратить несколько минут с таким же результатом.
Но куда более интересный и нестандартный вызов случился позже: после серьезного масштабирования у одного из крупных клиентов Kadam существенно просели KPI и другие показатели.
Раньше в подобных ситуациях его коллеги собирали гипотезы и ставили таски аналитикам, ждали какое-то время пока гипотезы подтвердятся и дальше работали.
Но с ИИ-агентом все прошло по-другому: Вячеслав собрал всю информацию по проблеме, загрузил ее в ИИ-агента и получил отчет: агент собрал аналитику по каждой гипотезе, приложил графики и раскопал всю суть проблемы.
Оказалось, у клиента между кликом и конверсией проходит неделя, и из-за резкого масштабирования конверсии просто не успевали долетать. Далее агент приложил подробную аналитику о том, сколько конверсий ожидается и когда рекламодатель выйдет на прежние KPI.
После этого Владислав поделился тредом с коллегами, которые в тот же день не только оценили новшество, но и стали активно общаться с ИИ-агентом.
Тем не менее через короткое время этого агента отключили, потому что в нем не было предусмотрено никаких систем безопасности. С одной стороны Владиславу удалось сделать прорыв на уровне своей компании, а с другой он грозил большими проблемами с утечкой данных. Что делать?
Тогда спикер предложил обращаться с новым агентом, как с интерфейсом, прописав в него обязательные запросы на изменение или удаление какой-то информации и, к тому же, параллельное ведение логов всех выполненных заданий и создание бекапов:
А чтобы бот не залез в те данные, которые ему видеть не надо, его деятельность ограничили только теми, которые и так доступны тем или иным сотрудникам.
Вот как выглядел жизненный цикл бота в компании спикера:
Как видите, к концу третьего месяца ИИ-агенту уже доверили заниматься созданием и оптимизацией рекламных кампаний клиентов Kadam. Правда, тогда еще прав на запись для изменения параметров ему не давали, ограничиваясь только получением подробных инструкций.
Следующим этапом была, собственно, выдача прав на запись, и вот, как сам спикер описывает это:
«Мы вернулись к нашей концепции, что бот — это интерфейс: он не должен давать больше или меньше прав, а все системы безопасности мы уже внедрили. Мы сделали MСP-сервер для Kadam, подключили того бота, чтобы он мог управлять теми аккаунтами, которые привязаны к этому аккаунт-менеджеру и отдали одному из наших аккаунт-менеджеров на тестирование».
Аккаунт-менеджер решил протестировать агента, дав ему задание в виде загрузки 96 рекламных кампаний. Он прислал боту ссылку на Google Docs, где было описание структуры кампаний, в которой бот разобрался, сгенерировал структуру и прислал на согласование.
Менеджер дал добро и кампании запустили. Далее сотрудник дал ему ссылку на Jira, где были подготовленные креативы. Бот разобрался с креативами и точно также без ошибок распределил их между кампаниями.
Единственное, что не получилось у бота — это расставить ставки в соответствии с рынком. Но он сам поставил задание разработчикам и через время этот недочет был исправлен.
Результаты эксперимента с ИИ
В сухом остатке, если раньше на это задание сотрудники Владислава тратили от нескольких часов до нескольких дней, то агент справился с ним за минуты.
И вот, какие результаты принес бот за 67 дней работы:
Отметим, что Kadam потратила $13 000 на внедрение нейросетей в рабочие процессы. Владислав прямо сказал, что такая инвестиция окупилась просто даже в сравнении с тем, сколько человек дополнительно им бы пришлось нанять, чтобы сделать всю эту работу вручную, а это десятки тысяч долларов только на зарплату.
Под конец своего выступления спикер дал возможность всем клиентам Kadam взаимодействовать с этой рекламной сетью также, как это делают его рекламные менеджеры.
Руководство по инсталу MСP-сервера можно найти по этому QR-коду:
Завершая свое выступление, эксперт пообещал, что теперь во всех своих продуктах они будут в первую очередь разрабатывать все фичи для ИИ-агентов, потому что интерфейс в виде чата наиболее удобен для большинства пользователей.
Источник