Pega показала свежий кейс, который хорошо объясняет, куда на самом деле движется AI в маркетинге. Речь не о ещё одном генераторе баннеров или текстов, а о попытке собрать весь цикл кампании — от брифа до персонализированного запуска — в один управляемый рабочий контур.
8 июня компания представила Customer Engagement Studio и одновременно опубликовала исследование о зрелости agentic AI. Вместе эти два сигнала складываются в понятную картину: бизнесу нужен не просто ИИ для контента, а система, где агенты помогают маркетингу, но работают под контролем, с метриками, согласованиями и понятной ролью человека.
Для компаний, которые уже смотрят в сторону автоматизации бизнес-процессов, это важный сдвиг. Маркетинг всё чаще упирается не в нехватку идей, а в перегруженные согласования, разрозненные каналы и медленный путь от стратегии до запуска кампании.
Короткое оглавление
Что именно запустила Pega
Pega анонсировала Customer Engagement Studio — новое рабочее пространство с AI-агентами для своей платформы Customer Decision Hub. Идея в том, чтобы свести в одно рабочее пространство маркетинговую стратегию, генерацию материалов, сегментацию, аналитику, проверку ограничений и запуск персонализированных действий.
На практике это выглядит как попытка убрать главный разрыв в современном маркетинге: решений и данных много, а путь от брифа до живой кампании всё ещё проходит через десятки ручных шагов, согласований и переключений между инструментами.
В релизе Pega делает акцент на трёх вещах.
- Оркестрация, а не одинокий агент. В одном интерфейсе должны работать и собственные, и сторонние AI-агенты — для стратегии, креатива, аналитики эффективности, обработки данных и проверки ограничений.
- Путь от брифа до запуска. Команда маркетинга должна быстрее переводить задачу из формулировки кампании в реальный 1:1-запуск, не теряя контроль на промежуточных этапах.
- Управляемость по умолчанию. Pega продаёт не только скорость, но и идею управляемости: согласования, предсказуемость, аудит и человеческий контроль остаются внутри процесса, а не добавляются задним числом.
Это важный акцент. Сегодня многие AI-инструменты обещают ускорить создание контента, но гораздо реже помогают синхронизировать маркетинг, аналитику, правила бренда и ограничения бизнеса в одном рабочем контуре.
Почему это важно для маркетинга
Главная проблема современного маркетинга — не дефицит идей. Проблема в том, что персонализация, гипотезы, тесты и новые каналы требуют слишком много операций: собрать входные данные, согласовать оффер, подготовить варианты, проверить риски, разложить запуск по сегментам, отследить результат и затем быстро поправить курс.
Когда эти этапы живут в разных системах, AI начинает создавать не порядок, а дополнительный шум. Маркетинг получает больше вариантов и материалов, но не обязательно быстрее выводит кампании в продакшн.
Pega прямо подводит к этому выводу через цифры Gartner, на которые ссылается в релизе: к 2028 году 60% брендов будут использовать agentic AI для 1:1-взаимодействий, но более 40% таких проектов рискуют быть отменены из-за стоимости, слабой управляемости и неясного бизнес-результата.
Именно поэтому тема шире, чем просто «ИИ помогает маркетологу». Реальный вопрос звучит иначе: как встроить AI в маркетинг так, чтобы он ускорял запуск кампаний, а не раздувал операционную сложность.
Как выглядит управляемый контур для кампаний
Если убрать маркетинговую упаковку, Pega предлагает понятную для бизнеса модель.
- На входе есть бриф и бизнес-цель. Например: повысить конверсию по сегменту, вернуть неактивных клиентов или ускорить реакцию на поведенческий сигнал.
- Дальше AI помогает разложить задачу по ролям. Один слой отвечает за стратегию и лучшее следующее действие, другой — за тексты и креативы, третий — за данные и прогноз, четвёртый — за соблюдение ограничений и правил.
- На выходе важен не файл, а запущенное действие. Ценность возникает не в том, что система написала красивый текст, а в том, что согласованный оффер дошёл до нужного сегмента в нужный момент.
- Человек остаётся управляющим узлом. Команда задаёт рамки, проверяет риски, утверждает решения и держит связь между маркетинговой целью и реальным каналом запуска.
Это хороший ориентир для компаний, которые строят AI-сотрудников и AI-агентов для бизнеса. Самая слабая точка таких систем часто не в генерации, а в том, что между аналитикой, контентом, интеграциями и исполнением нет одного связанного контура. В итоге агент что-то создал, но процесс всё равно остался фрагментированным.
Что показало исследование о зрелости agentic AI
В тот же день Pega опубликовала исследование вместе с Savanta. Оно полезно тем, что смещает разговор с «какие функции появились» на «почему одни AI-проекты доходят до результата, а другие буксуют».
Несколько цифр здесь особенно важны.
- 96% компаний, которые успешно внедрили agentic AI, переосмыслили существующие процессы, а не просто наложили ИИ сверху на старую операционку.
- 95% успешных команд имеют корпоративную стратегию и план внедрения AI-агентов.
- 71% называли одной из главных целей до запуска упрощение и предсказуемость сложных процессов.
- 58% уже увидели более предсказуемые результаты, снижение сложности и улучшение customer experience.
Самый полезный вывод отсюда довольно жёсткий: agentic AI окупается не там, где компания быстрее всех включает модный инструмент, а там, где она заранее перепроектирует процесс, договаривается о метриках и понимает, где должен оставаться ручной контроль.
Для маркетинга это особенно критично. Здесь слишком легко запустить десяток AI-сценариев, которые создают много активности, но плохо связаны с выручкой, качеством лидов или удержанием клиентов.
Где у бизнеса появляется практическая польза
С практической точки зрения этот анонс интересен не только крупным компаниям. Он показывает направления, которые можно адаптировать и в более компактных бизнес-процессах.
- Персонализированные кампании без ручного перегруза. Если сегменты, сообщения и каналы меняются быстро, бизнесу нужен слой, который помогает не только придумать оффер, но и довести его до запуска.
- Согласование маркетинга и продаж. Когда AI работает поверх CRM, аналитики и клиентского пути, проще синхронизировать коммуникации с тем, что реально происходит в воронке. Здесь особенно важны интеграции CRM, API и внутренних инструментов.
- Быстрый тест гипотез. Чем меньше ручных переходов между аналитикой, креативом и запуском, тем дешевле пробовать новые сценарии и быстрее отсекать слабые.
- Контроль над рисками. Для сценариев с жёсткими требованиями, чувствительных сегментов и бренд-коммуникаций ценность AI растёт тогда, когда процесс можно проверить, остановить и пересобрать без потери управляемости.
Если перевести это на язык управленческого решения, то AI в маркетинге становится полезным не в момент генерации текста, а в момент, когда компания может ускорить путь от сигнала до согласованного действия.
Риски и точки контроля
Свежий релиз Pega одновременно и вдохновляющий, и отрезвляющий. Он показывает, что маркетинговые AI-системы взрослеют, но вместе с этим подчёркивает, где бизнес чаще всего ошибается.
- Нельзя подменять процесс набором агентов. Если роли, входные данные и зона ответственности не определены, новые инструменты только ускорят хаос.
- Нужно заранее определить метрики. Скорость создания кампании сама по себе мало что значит, если не видно влияния на конверсию, стоимость привлечения, удержание или выручку.
- Управляемость нельзя откладывать на потом. Бренд-ограничения, юридические требования, правила сегментации и источники данных должны быть встроены в процесс до запуска, а не после инцидента.
- Маркетинг не должен жить отдельно от операционного контура. Если AI не связан с CRM, аналитикой и реальными каналами исполнения, он остаётся красивой демкой.
Поэтому сильный практический вывод здесь такой: внедрять AI в маркетинг стоит не как «ещё один инструмент для команды контента», а как управляемый слой над кампаниями, персонализацией и маршрутами согласования.
FAQ
Что нового в подходе Pega по сравнению с обычными AI-инструментами для маркетинга?
Pega делает ставку не на отдельный генератор креативов, а на оркестрацию всего процесса: стратегия, данные, контент, проверка ограничений и запуск собираются в один управляемый контур.
Почему эта тема важна не только крупным компаниям?
Даже в среднем бизнесе маркетинг часто тормозится на согласованиях, разрозненных таблицах, CRM и медленном запуске гипотез. Подход с управляемым контуром полезен именно потому, что сокращает ручные стыки.
Какой главный риск при внедрении AI в маркетинг?
Самый опасный сценарий — быстро подключить несколько агентов, не пересобрав процесс и не определив метрики. Тогда команда получает больше материалов, но не больше результата.
С чего начать бизнесу, если хочется повторить этот подход в более компактном масштабе?
Лучше всего начать с одного маршрута: например, запуск кампании по возврату клиентов или реактивации лидов. Затем связать данные, правила, шаблоны согласования и точки проверки в один сценарий, который можно измерять и постепенно автоматизировать.
Обсудить статью со своим ИИ-ассистентом
Скопируйте эту статью в Markdown: заголовок, ссылка и вся структура текста уже будут готовы для Cursor, Claude, ChatGPT или любого другого агента.
Готово для вставки в ИИ-ассистент.