Как агентства на самом деле используют ИИ-агентов в работе с клиентами прямо сейчас
Маркетинговые, креативные, разработческие и консалтинговые агентства уже прошли пилотную стадию агентного ИИ. Вот что сегодня реально работает в клиентских проектах, что по-прежнему в основном разговоры, и вопросы биллинга, раскрытия и ответственности, которые никто не закрыл.
В июне, когда переговорщики рекламной индустрии собрались на юге Франции на своё ежегодное паломничество, агентства всю неделю перебивали друг друга анонсами ИИ-агентов. WPP заявила, что тестирует агента для закупки и планирования медиа под премиальный видеоинвентарь. Dentsu заключила партнёрство с разработчиком ИИ-агентов Newton Research, чтобы ускорить настройку кампаний и аналитику. Независимое агентство Butler/Till вместе с DoubleVerify уже построило агентов на базе Claude, чтобы уводить рекламные бюджеты от инвентаря низкого качества. Это не была демонстрация. Агентства описывали инструменты, которые работают внутри живых клиентских аккаунтов, согласно материалу Digiday.
Та неделя схватила что-то верное о том, где агентный ИИ находится сейчас: это больше не слайд в коммерческой презентации. Он появляется в дашбордах кампаний, рабочих бумагах аудита и кодовых базах — быстрее, чем модели биллинга, нормы раскрытия и рамки ответственности, построенные для мира без него. Вот что агентства реально запускают сегодня и где сидит настоящее трение.
Работа, которая уже вышла из пилота
Самая ясная цифра по внедрению — из опроса января 2025 года среди 547 лиц, принимающих решения в американских маркетинговых агентствах, который провела NinjaCat: 91% уже использовали ИИ в той или иной форме, а 59% сказали, что активно используют именно ИИ-агентов — автономные системы, которые выполняют задачи, а не только выдают подсказки. Два применения, которые агентства называли чаще всего, — работа с данными и инсайтами (74%) и стратегия и оптимизация кампаний (72%). На практике это значит, что агенты сводят метрики с рекламных платформ, ловят аномалии до того, как те сожгут бюджет, и доставляют отчёты прямо в почту клиента, без аналитика, который собирает презентацию вручную.
Отчёт IAB State of Data 2025 ставит цифру на то, как далеко это зашло на самом деле: пока лишь 30% агентств, брендов и издателей полностью встроили ИИ во весь жизненный цикл медиакампании, хотя агентства и издатели в этой группе впереди брендов. Там, где ИИ уже внедрён, IAB обнаружила, что он соответствует ожиданиям или превосходит их более чем в 70% случаев, поднимает продуктивность на 47% и срезает примерно 12 часов в неделю низкоценной ручной работы на человека.
Собственно агентный слой — агенты медиазакупки, которые исполняют, а не только рекомендуют, — всё ещё на ранней стадии масштаба, но движется быстро. Digiday сообщала в сентябре, что 58% рекламных руководителей ждут, что агентная закупка выйдет на значимый масштаб в течение года, ссылаясь на исследование IAB Europe. Caitlin Gelles из Dentsu, исполнительный вице-президент по технологиям данных и измерениям, описала привлекательность для Digiday прямым операционным языком: «Настройка кампаний в разных системах занимает часы… когда эти нюансы можно хранить в базе RAG или взять то, как клиенты любят покупать, и дать ИИ найти эту эффективность, вот откуда берётся ценность».
Агентства разработки и цифровой трансформации ведут параллельную версию той же схемы. Голландская группа Dept пересобрала платформу электронной коммерции для швейцарского фитнес-бренда Blackroll с помощью ИИ-агентов на стеке Gemini и Antigravity от Google — Dept говорит, что проект завершился в 3,8 раза быстрее собственной оценки до ИИ. Генеральный директор Blackroll Scott Zalaznik сказал Digiday, что компания теперь использует ИИ-агентов для большей части тестирования и разработки функций электронной коммерции. Затем Dept превратила подход в платный продукт Agent Studio и по сути сдаёт в аренду собственный процесс сборки агентов клиентам, которым нужна эта способность без того, чтобы строить её самим.
Консалтинг ушёл дальше и всё ещё спорит об отдаче
Если маркетинговые агентства на середине перехода, крупные консалтинговые фирмы уже поставили на объём — и теперь застряли на более трудном вопросе: чего всё это стоит. Генеральный директор McKinsey Bob Sternfels сказал в январе, что фирма развернула десятки тысяч внутренних ИИ-агентов и в итоге хочет по одному на каждого из 40 000 сотрудников, согласно Business Insider. Но, как сформулировала Mina Alaghband, бывший партнёр McKinsey, а теперь директор по клиентам в Writer: «Думаю, мы теперь в эпохе путаницы». Год назад метрикой было использование. Теперь фирмы пытаются измерить кое-что труднее — реально созданную ценность.
Директор по ИИ в PwC Dan Priest сказал Business Insider, что фирма перестала считать агентов и начала считать, сколько людей на самом деле пользуется каждым. EY ежемесячно отслеживает KPI продуктивности, качества и затратной эффективности своих агентов. У BCG самая конкретная цифра: партнёр Scott Wilder сказал, что сотрудники теперь тратят примерно на 15% меньше времени на низкоценную работу вроде сборки презентаций, реинвестируют около 70% возвращённого времени в более глубокий анализ — а оставшиеся 30% оставляют, по его словам, на дополнительный сон или занятие йогой. Даже внутри фирм, которые выставляют счета по часам, время, возвращённое ИИ, не превращается автоматически в больше оплачиваемых часов.
«ИИ, возможно, наконец станет похоронным звоном для оплачиваемого часа», — сказал генеральный директор Clio Jack Newton. Профессиональные сервисные фирмы тридцать лет выдвигали это утверждение и отступали от него, только на этот раз арифметика за ним публична.
Модель биллинга — первое, что реально ломается
Из трений, на которые натыкаются агентства, биллинг самый ближайший, потому что от математики не уйти. Если ИИ сокращает задачу с пяти часов до одного, а вы по-прежнему выставляете счёт по часам, вы невольно дали клиенту скидку в 80%. Анализ Forbes опроса Gartner 2026 года среди 743 специалистов по аудиту и отдельного исследования юридической софтверной компании Clio нашёл тот же рисунок в соседних отраслях профессиональных услуг: 93% руководителей аудита сообщают о каком-то использовании ИИ, но лишь у 38% есть стратегия, и Clio оценивает, что примерно три четверти оплачиваемых юридических задач теперь можно автоматизировать генеративным ИИ.
Цены не догнали. Clio обнаружила, что 86% адвокатских практик из одного человека и 78% небольших фирм вообще не меняли цены в ответ, против 51% фирм среднего рынка и 46% крупных — чем меньше контора, тем тише она сама съедает скидку. При этом 71% клиентов сказали исследователям, что изначально предпочитают фиксированную или паушальную оплату почасовой, и это намекает, что почасовая оплата всегда была заменой тому, чего клиенты на самом деле хотели: предсказуемого результата, а не табеля. Главный юрисконсульт Salesforce Sabastian Niles сделал ожидание со стороны клиента явным в записи на форуме по управлению Harvard Law School, которую цитирует Forbes: «Выигрыш, конечно, тоже нужно делить с клиентами через экономию, затратную эффективность и новые бизнес-модели». Wall Street Journal осветила тот же сдвиг под заголовком «Inside Consultants' Messy Shift From Hourly Billing», описывая, как фирмы профессиональных услуг бьются над тем, чтобы заново изобрести способ брать деньги, пока ИИ грозит сделать оплачиваемый час устаревшим.
Маркетинговые агентства уже проверяют альтернативу, которую нашёл опрос NinjaCat: 28% ушли от стандартных оплачиваемых часов к ценообразованию по ценности или результату, а 45% теперь продают решения и автоматизации на базе ИИ как упакованную услугу, а не вкладывают их в существующие ретейнеры — выигрыш в эффективности становится новым продуктом, а не меньшим счётом.
Нужно ли говорить клиентам, что агент касался их работы?
Вопрос раскрытия решён меньше, чем вопрос биллинга, в основном потому, что нет одного правила, на которое можно указать. Исследование IAB State of Data 2025 показало, что примерно половина брендов уже обеспокоена тем, как агентства и издатели используют ИИ от их имени — разрыв доверия существует ещё до того, как кто-либо решил, как должно выглядеть раскрытие.
Самое ясное руководство пока приходит из соседних профессиональных услуг, которые решают тот же вопрос для своих клиентов. В материале, перепечатанном из Journal of Accountancy, страховщик CNA советовал бухгалтерским фирмам CPA: при отсутствии одного главенствующего закона — правовое поле сшито из Gramm-Leach-Bliley Act, разрозненных законов штатов о раскрытии в местах вроде Калифорнии и Юты и AI Act ЕС для фирм с европейскими клиентами — добровольное, конкретное раскрытие всё ещё более безопасный путь, потому что клиенты, которые позже узнают, что ИИ касался их работы, а им не сказали, могут прочитать это как обман, независимо от того, пошло ли что-то не так. Материал указывал на Formal Opinion 2024 года American Bar Association о генеративном ИИ, где проведена резкая черта: шаблонный язык, зарытый в письме о поручении, не считается информированным согласием. Раскрытие должно реально объяснить, что сделал ИИ и что человек проверил потом.
Каждая область профессиональных услуг, которая упирается в этот вопрос — бухгалтерия, право и теперь агентства, — приходит примерно к одному ответу: раскрытие в большинстве случаев ещё не требуется законом, но утаивать его — это ставка на репутацию, которая становится рискованнее по мере того, как всё больше клиентов начинают считать, что ИИ уже участвует.
Кто отвечает, когда агент ошибается
Ответственность — то трение, которое агентства продумали меньше всего, потому что оно ещё не заставило вопрос встать: не было громкого провала агентского ИИ, как в юридической профессии, где адвокатов уже наказывали за цитирование сфабрикованной ИИ судебной практики в реальных процессуальных документах. David Partida с Law.com весь 2026 год ведёт серию из шести частей, которая следит, как эта проблема переходит из теоретической в рутинную, включая выпуски с названиями «What Happens When AI Acts Alone — And Who Pays For It?» и «Who's Liable When AI Gets It Wrong?». Сопутствующий материал на том же сайте, «Accountability For AI Errors By Attorneys And Judges», отмечает, что адвокаты всё чаще подают записки с фальшивыми ссылками на дела, сгенерированными ИИ — обычно это прослеживается до ошибки пользователя, а не самого инструмента, — и что суды уже исправляют вынесенные решения через ходатайства и апелляции. Профессиональное руководство, которое сходится вокруг этого, от мнения ABA до совета CNA фирмам CPA, едино: фирма, которая опирается на результат ИИ-агента без независимой человеческой проверки, отвечает ровно так, как если бы ошибку без присмотра совершил младший сотрудник. Агент ответственность не несёт. Её несёт фирма, которая отправила результат клиенту.
У агентств в публичной хронике ещё нет своей версии этого расчёта — и это, пожалуй, точка трения, за которой стоит следить внимательнее всего, потому что агентские поставки движутся быстро и часто получают меньше проверки, прежде чем попасть в почту клиента.
Одну мысль из The AI Organization стоит взять сюда: читаемость, или возможность показать — а не только заявить, — кто или что касалось куска работы и когда. Агентство, которое может предъявить реальную запись того, что сделал агент, что проверил человек и когда они подписали, отвечает на вопросы раскрытия и ответственности доказательствами, а не заявлением о политике. Собственный ИИ-продукт FabricLoop, Loop Agent, построен на MCP с явными, аудируемыми разрешениями именно по этой причине: чтобы использование ИИ в работе с клиентами было тем, что фирма может показать, а не только утверждать.
Что это значит, если вы ведёте агентство
Уберите анонсы, и рисунок узкий, но настоящий. Агентный ИИ сегодня оправдывает себя на работе, которую можно повторять, измерять и проверять до того, как она дойдёт до клиента: отчётность по кампаниям, исполнение медиазакупки внутри заданных рамок, первый проход исследования и конкурентного анализа и — по цифрам Dept — заметный кусок циклов сборки и тестирования электронной коммерции. Это не короткий список, и для агентств, которые всё ещё делают эту работу руками, на столе лежит реальное преимущество по затратам.
Это по-прежнему в основном разговоры там, где нужно суждение, которое никто не понял, как проверять в масштабе: креативные решения с риском для бренда, стратегические рекомендации, за которые клиенты платят именно потому, что доверяют человеку, который их принимает, и всё, где ошибка может дойти до клиента раньше, чем её увидит человек. Организации, которых цитирует этот материал, — Dentsu, PwC, BCG — описывают под разными применениями одну и ту же модель: агенты делают сжимаемую работу, человек проверяет части, которые несут риск, а освобождённое время вкладывают снова, а не кладут в карман как маржу. Это более скучная история, чем «ИИ заменяет агентство». Это также та история, которая прямо сейчас происходит в клиентских аккаунтах.