Встреча London Business Club прошла 19 ноября 2025 года в Лондоне в формате живого выступления и обсуждения. Спикером был Игорь Ивицкий, предприниматель и бывший исследователь в области математического моделирования.
Доклад AI-эра в маркетинге и бизнесе был построен как разбор личного пути: неудачная попытка автоматизировать слишком многое, более простой способ сохранять контекст компании, отдельные AI-советники для разных управленческих ролей, модели клиентов для проверки идей и новый взгляд на поиск, рекламу и видимость бренда.
Рабочий слой строится на контексте, а не на театре автоматизации
Первая попытка Игоря выглядела знакомо: соединить AI, клиентские системы и сервисы автоматизации, а затем передавать данные по красивой схеме. В реальной работе интеграции ломались, счета за поддержку приходили снова, а клиентский бот придумывал обещания. После этого изменился сам вопрос. Вместо подсчёта процессов для автоматизации он стал искать решения, где ИИ улучшает выбор, но человек по-прежнему отвечает за результат.
Так появилась намеренно простая архитектура. Контекст компании, знания об аудитории, принципы коммуникации и ограничения бизнеса хранятся в документах под контролем владельца. AI-система обрабатывает их в заданной роли, но не остаётся единственным хранилищем. В маркетинге здесь действует та же дисциплина, что и при хорошем подборе ключевых слов: качество исходных данных и рамка анализа определяют качество вывода.
Та же логика относится к рекламным данным. Google описывает посетителей сайта и пользователей приложения как часть собственных сегментов данных рекламодателя. Стратегический тезис Игоря шире: чем меньше контекста видит платформа и чем больше решений принимает алгоритм, тем внимательнее бизнесу нужно относиться к своим данным и к сигналам о реальном результате.
Советники с разными ролями рассматривают стратегию, финансы и маркетинг с отдельных позиций.
Документы компании сохраняют контекст вне конкретной модели или чата.
Данные о клиентах превращаются в модели, которые спорят с внутренними предположениями.
Результаты маркетинга и неудачные тесты становятся повторно используемым знанием компании.
Мой принцип
Я храню бизнес-контекст в документах, которыми управляю сам, а ИИ использую как обработчик этого контекста. Так можно менять модели без пересборки памяти компании и оставлять за человеком ответственность за каждое сообщение клиенту.
Тот же подход лежит в основе обучения: сначала понять бизнес-задачу, сохранить доказательства и проверить результат, а уже потом расширять роль ИИ. Метод разбирается глубже, но AI-система не подменяет профессиональное суждение.
На бесплатном мастер-классе показываю пошагово, как превратить рекламу в предсказуемый поток клиентов.
Смотреть мастер-класс →Ключевые выводы
- ИИ отражает качество человека и контекста. Обычный чат склонен давать усреднённые советы, а накопленные знания о бизнесе меняют уровень разговора.
- Переносимый контекст снижает зависимость от модели. Знания вне чата можно подключить к другой системе, если продукт изменился или переписка исчезла.
- Разным ролям нужны разные рамки. Отдельные советники по стратегии, маркетингу и финансам уменьшают риск того, что одна недавняя тема исказит все последующие ответы.
- Человек остаётся фильтром общения с клиентом. ИИ может готовить анализ и черновики, но неудачная интеграция показала цену непроверенных обещаний.
- Модель клиента служит предварительной критикой, а не доказательством спроса. Она замечает слепые зоны до вложения денег и времени, но не заменяет реальное поведение.
- Автоматизированная реклама усиливает полученные сигналы. Широкий охват, включая широкое соответствие, требует достоверных конверсий и постоянного контроля нерелевантного спроса, где одних минус-слов может быть недостаточно.
Ключевые моменты доклада
От скепсиса к другому вопросу
За год до выступления Игорь публично назвал ИИ ерундой. Покупка курсов не изменила его мнения: в них почти не нашлось материала, применимого к его компаниям. Первая серьёзная попытка была гораздо амбициознее. Внешние интеграторы связали AI-инструменты, клиентские системы и автоматические процессы. Схема выглядела убедительно, но оказалась хрупкой: соединения ломались, поддержка продолжала выставлять счета, а бот пообещал клиенту то, чего компания не предлагала. Вывод был не в том, что технология бесполезна. Техническая сложность просто скрыла плохо определённую ценность. Игорь сместил фокус на решения, знания и ответственность. «Фактически AI — это зеркало». Нечёткий бизнес даёт ему нечёткий контекст, а вдумчивый владелец получает способ увидеть собственные скрытые допущения.
Новый взгляд сложился из трёх исторических параллелей. Печатный станок снял монополию на доступ к знаниям, фотография освободила художников от простого копирования реальности, а компас уменьшил неопределённость для мореплавателей. По мысли Игоря, ИИ соединяет части этих эффектов: сжимает доступ к знаниям, забирает часть рутинной умственной работы и помогает предпринимателю рассматривать неясный рынок. Это не означает передачу компании машине. Практической альтернативой стал путь Парето: получить значительную часть полезного эффекта с обычными AI-продуктами и документами вместо корпоративной платформы. Важна не только экономия денег. Лёгкая система требует меньше внимания и её проще остановить, если обслуживание уже забирает больше энергии, чем получаемые инсайты.
Память, которая принадлежит бизнесу
Перелом наступил после нескольких месяцев накопления контекста в одной длинной переписке. Чат исчез. Этот сбой показал структурный риск: если вся полезная память находится в интерфейсе одного поставщика, бизнес ей не владеет. «Я не хочу привязываться к чату», вспоминал Игорь своё решение. Постоянные знания он стал хранить во внешних документах: описание аудитории, голос компании, стратегические ограничения и другой повторно используемый контекст. Для задачи модель получает эти материалы, но источник остаётся доступным и для следующей системы. Разницу Игорь сравнил с переходом от игры, которая после поражения начинается заново, к игре с сохранением прогресса. Ценность здесь не столько в хитром промпте, сколько в возможности не объяснять одну и ту же компанию с нуля каждое утро.
Одного универсального советника тоже оказалось мало. Длинный разговор смещает внимание модели к последней обсуждавшейся теме, поэтому Игорь разделил стратегический, маркетинговый и финансовый взгляды. Каждый советник видит ту же компанию через более узкую профессиональную рамку, а стратегическая роль сопоставляет их выводы. По тому же принципу появились помощники для повторяющихся задач сотрудников. Но неудача клиентского бота осталась жёсткой границей. «Без человека как фильтра коммуникации невозможно». Сотрудник проверяет черновик по фактам и отвечает за отправленное сообщение. ИИ снижает объём специальной подготовки, нужной для задачи, но не получает право компании брать обязательства и что-либо обещать клиенту.
Что изменилось в работе с клиентами, видимостью и рекламой
Для исследования клиентов Игорь собрал вопросы, отзывы, жалобы и лексику, которой люди пользуются на разных рынках. Из этих данных появились несколько синтетических клиентских позиций. Они критиковали посадочную страницу, объявление или идею продукта до того, как на запуск уходили месяцы. Смысл не в притворстве, будто модель предсказывает рынок. Она помогает спорить с привычкой основателя считать, что покупатели понимают продукт точно так же, как команда. Тот же подход на основе доказательств Игорь перенёс на видимость в генеративном поиске: расширял присутствие на сторонних площадках, публиковал технически глубокие материалы и укреплял центральный источник информации о себе. Несколько месяцев эффект не был заметен. Затем клиент из США сообщил, что получил рекомендацию от AI-системы, согласился на консультацию за 900 долларов в час, а похожие обращения стали приходить примерно дважды в неделю.
В финальной части доклада речь шла о рекламных системах. Их интерфейсы становятся проще, но внутри алгоритмы принимают всё больше решений. Поэтому растёт ценность собственных аудиторных данных и точной обратной связи о том, какие лиды принесли бизнес-результат. В справке Google указано, что рекламодатель сам определяет конверсию и может назначать ценность, чтобы сосредоточиться на более ценных конверсиях. Риск со сцены был обратным: если соискателя, бота или нерелевантную заявку записать в успех, автоматическая система начнёт искать похожих людей. Одновременно меняется поиск, где ответ всё чаще появляется до перехода на сайт. Значит, объявление должно само нести ясную мысль, а история кампаний, аудиторные данные и прошлые тесты должны оставаться доступной памятью компании.
Полная запись доклада входит в бонусный пакет для учеников.
Главное
Полезное внедрение началось, когда контекст компании был вынесен из отдельных чатов, а каждая AI-роль получила чёткую рамку.
В маркетинге данные о клиентах и достоверные сигналы результата оказались важнее технической сложности.
Наблюдаемым коммерческим эффектом стали повторяющиеся обращения людей после рекомендации AI-системы.