Зустріч London Business Club відбулася 19 листопада 2025 року в Лондоні у форматі живого виступу та обговорення. Спікером був Ігор Івіцький, підприємець і колишній дослідник у галузі математичного моделювання.
Доповідь AI-ера в маркетингу та бізнесі була побудована як розбір особистого шляху: невдала спроба автоматизувати забагато, простіший спосіб зберігати контекст компанії, окремі AI-радники для різних управлінських ролей, моделі клієнтів для перевірки ідей і новий погляд на пошук, рекламу та видимість бренду.
Робочий шар будується на контексті, а не на театрі автоматизації
Перша спроба Ігоря мала знайомий вигляд: поєднати AI, клієнтські системи та сервіси автоматизації, а потім передавати дані за красивою схемою. У реальній роботі інтеграції ламалися, рахунки за підтримку надходили знову, а клієнтський бот вигадував обіцянки. Після цього змінилося саме запитання. Замість підрахунку процесів для автоматизації Ігор почав шукати рішення, де ШІ покращує вибір, але людина й далі відповідає за результат.
Так з’явилася навмисно проста архітектура. Контекст компанії, знання про аудиторію, принципи комунікації та обмеження бізнесу зберігаються в документах під контролем власника. AI-система опрацьовує їх у заданій ролі, але не залишається єдиним сховищем. У маркетингу тут діє та сама дисципліна, що й під час якісного добору ключових слів: якість вихідних даних і рамка аналізу визначають якість висновку.
Та сама логіка стосується рекламних даних. Google описує відвідувачів сайту та користувачів застосунку як частину власних сегментів даних рекламодавця. Стратегічна теза Ігоря ширша: що менше контексту бачить платформа і що більше рішень ухвалює алгоритм, то уважніше бізнес має ставитися до власних даних і сигналів про реальний результат.
Радники з різними ролями розглядають стратегію, фінанси та маркетинг з окремих позицій.
Документи компанії зберігають контекст поза конкретною моделлю чи чатом.
Дані про клієнтів перетворюються на моделі, які заперечують внутрішні припущення.
Результати маркетингу та невдалі тести стають знанням компанії для повторного використання.
Мій принцип
Я зберігаю бізнес-контекст у документах, якими керую сам, а ШІ використовую як обробник цього контексту. Так можна змінювати моделі без перебудови пам’яті компанії та залишати за людиною відповідальність за кожне повідомлення клієнту.
Той самий підхід лежить в основі навчання: спочатку зрозуміти бізнес-завдання, зберегти докази та перевірити результат, а вже потім розширювати роль ШІ. Метод розбирається глибше, але AI-система не підміняє професійне судження.
На безкоштовному майстер-класі показую покроково, як перетворити рекламу на передбачуваний потік клієнтів.
Дивитися майстер-клас →Ключові висновки
- ШІ відображає якість людини та контексту. Звичайний чат схильний давати усереднені поради, а накопичені знання про бізнес змінюють рівень розмови.
- Переносний контекст зменшує залежність від моделі. Знання поза чатом можна під’єднати до іншої системи, якщо продукт змінився або листування зникло.
- Різним ролям потрібні різні рамки. Окремі радники зі стратегії, маркетингу та фінансів зменшують ризик того, що одна недавня тема спотворить усі наступні відповіді.
- Людина залишається фільтром спілкування з клієнтом. ШІ може готувати аналіз і чернетки, але невдала інтеграція показала ціну неперевірених обіцянок.
- Модель клієнта дає попередню критику, а не доказ попиту. Вона помічає сліпі зони до вкладення грошей і часу, але не замінює реальну поведінку.
- Автоматизована реклама підсилює отримані сигнали. Широке охоплення, зокрема широка відповідність, потребує достовірних конверсій і розуміння того, де точна відповідність допомагає перевірити припущення.
Ключові моменти доповіді
Від скепсису до іншого запитання
За рік до виступу Ігор публічно назвав ШІ нісенітницею. Купівля курсів не змінила його думки: там майже не знайшлося матеріалу, придатного для його компаній. Перша серйозна спроба була значно амбітнішою. Зовнішні інтегратори поєднали AI-інструменти, клієнтські системи та автоматичні процеси. Схема виглядала переконливо, але виявилася крихкою: з’єднання ламалися, підтримка далі виставляла рахунки, а бот пообіцяв клієнту те, чого компанія не пропонувала. Висновок полягав не в тому, що технологія не має цінності. Технічна складність лише приховала погано визначену користь. Ігор переніс увагу на рішення, знання та відповідальність. «Фактично AI – це дзеркало». Нечіткий бізнес дає йому нечіткий контекст, а уважний власник отримує спосіб побачити власні приховані припущення.
Новий погляд склався з трьох історичних паралелей. Друкарський верстат прибрав монополію на доступ до знань, фотографія звільнила художників від простого копіювання реальності, а компас зменшив невизначеність для мореплавців. На думку Ігоря, ШІ поєднує частини цих ефектів: стискає доступ до знань, забирає частину рутинної розумової праці та допомагає підприємцю розглядати неясний ринок. Це не означає передачу компанії машині. Практичною альтернативою став шлях Парето: отримати значну частину корисного ефекту зі звичайними AI-продуктами та документами замість корпоративної платформи. Важлива не лише економія грошей. Легка система потребує менше уваги, і її простіше зупинити, якщо обслуговування вже забирає більше енергії, ніж дає нових висновків.
Пам’ять, яка належить бізнесу
Перелом настав після кількох місяців накопичення контексту в одному довгому листуванні. Чат зник. Цей збій показав структурний ризик: якщо вся корисна пам’ять міститься в інтерфейсі одного постачальника, бізнес не володіє нею повністю. «Я не хочу прив’язуватися до чату», згадував Ігор своє рішення. Постійні знання він почав зберігати в зовнішніх документах: опис аудиторії, голос компанії, стратегічні обмеження та інший повторно використовуваний контекст. Для завдання модель отримує ці матеріали, але джерело залишається доступним і для наступної системи. Різницю Ігор порівняв із переходом від гри, яка після поразки починається спочатку, до гри зі збереженням поступу. Цінність тут не так у хитрому промпті, як у можливості не пояснювати ту саму компанію з нуля щоранку.
Одного універсального радника також виявилося замало. Довга розмова зміщує увагу моделі до теми, яку обговорювали нещодавно, тому Ігор розділив стратегічний, маркетинговий і фінансовий погляди. Кожен радник бачить ту саму компанію через вужчу професійну рамку, а стратегічна роль зіставляє їхні висновки. За тим самим принципом з’явилися помічники для повторюваних завдань працівників. Але невдача клієнтського бота залишилася жорсткою межею. «Без людини як фільтра комунікації неможливо». Працівник перевіряє чернетку за фактами та відповідає за надіслане повідомлення. ШІ зменшує обсяг спеціальної підготовки до завдання, але не отримує права компанії брати зобов’язання чи щось обіцяти клієнту.
Що змінилося в роботі з клієнтами, видимістю та рекламою
Для дослідження клієнтів Ігор зібрав запитання, відгуки, скарги та лексику, якою люди користуються на різних ринках. Із цих даних з’явилися кілька синтетичних клієнтських позицій. Вони критикували посадкову сторінку, оголошення або ідею продукту до того, як на запуск ішли місяці. Сенс не в удаванні, ніби модель передбачає ринок. Вона допомагає сперечатися зі звичкою засновника вважати, що покупці розуміють продукт так само, як команда. Той самий доказовий підхід Ігор переніс на видимість у генеративному пошуку: розширював присутність на сторонніх майданчиках, публікував технічно глибокі матеріали та зміцнював центральне джерело інформації про себе. Кілька місяців ефект був непомітним. Потім клієнт зі США повідомив, що отримав рекомендацію від AI-системи, погодився на консультацію за 900 доларів на годину, а схожі звернення почали надходити приблизно двічі на тиждень.
У фінальній частині доповіді йшлося про рекламні системи. Їхні інтерфейси стають простішими, але всередині алгоритми ухвалюють дедалі більше рішень. Тому зростає цінність власних аудиторних даних і точного зворотного зв’язку про те, які ліди дали бізнес-результат. У довідці Google зазначено, що рекламодавець сам визначає конверсію та може призначати цінність, щоб зосередитися на цінніших конверсіях. Ризик зі сцени був протилежним: якщо пошукача роботи, бота або нерелевантну заявку записати в успіх, автоматична система почне шукати подібних людей. Одночасно змінюється пошук, де відповідь дедалі частіше з’являється до переходу на сайт. Отже, оголошення має саме нести чітку думку, а історія кампаній, аудиторні дані та минулі тести мають залишатися доступною пам’яттю компанії.
Повний запис доповіді входить до бонусного пакета для учнів.
Головне
Корисне впровадження почалося, коли контекст компанії винесли з окремих чатів, а кожна AI-роль отримала чітку рамку.
У маркетингу дані про клієнтів і достовірні сигнали результату виявилися важливішими за технічну складність.
Спостережуваним комерційним ефектом стали повторювані звернення людей після рекомендації AI-системи.