Все еще сомневаетесь насчет использования ИИ в маркетинге? Вот что на самом деле показывают данные.

Использование ИИ в маркетинге в 2026 году находится в весьма необычной ситуации. Большинство компаний уже его используют. Но большинство использует его неэффективно. И разрыв между этими двумя группами стремительно растет.

Если вы все еще колеблетесь насчет использования ИИ, у вас, вероятно, есть свои причины. И они редко бывают беспочвенными. Иногда они обусловлены неудачным опытом работы с одним из ранних инструментов. Иногда — поставщиком, который пообещал больше, чем смог обеспечить. Нередко — скрытым ощущением, что вокруг этой технологии больше шума, чем реальной ценности. Такие возражения постоянно возникают в реальных разговорах с руководителями маркетинговых команд, и большинство из них звучит вполне обоснованно — именно такую осторожность можно ожидать от человека, принимающего взвешенные решения.

Однако сама ситуация уже изменилась настолько, что сегодня большинство возражений касается той версии ИИ, которой больше не существует. В данной статье мы рассмотрим девять таких возражений; для каждого выясним, что в нем действительно обоснованно, что на самом деле показывают актуальные данные и что это означает для решения, которое вам предстоит принять.

Это действительно работает?

“Это до сих пор не доказано”

Здоровый скептицизм — это хорошо. Постоянный скептицизм — это конкурентный недостаток. Есть период, когда технология действительно находится на экспериментальном этапе и выжидательная позиция оправдана. Но затем наступает момент, когда утверждение “это все еще не доказано” становится способом избежать решения, которое рынок уже принял.

AI в маркетинге уже некоторое время назад перешел от первого этапа ко второму. Согласно исследованию McKinsey's State of AI за 2025 год, 88% организаций сегодня регулярно используют ИИ как минимум в одной бизнес-функции — по сравнению с 78% годом ранее. Маркетинг и продажи неизменно остаются среди направлений с наиболее высоким уровнем внедрения ИИ в этом исследовании. Поэтому сегодня настоящий вопрос заключается уже не в том, работает ли ИИ в маркетинге, а в том, как использовать его эффективно.

“Мы не можем обосновать рентабельность инвестиций (ROI)”

Вы уже видели, как поставщики обещали революционные результаты, но фактические показатели оказывались посредственными. Этот опыт реален, и именно он сформировал нынешнее отношение многих маркетологов к ИИ. Но здесь важно различать две вещи: внедрения ИИ, которые не сработали потому, что сама технология неэффективна, и внедрения ИИ, потерпевшие неудачу из-за нечетко определенных целей, слабой интеграции или завышенных маркетинговых обещаний. Почти все случаи с нулевыми результатами относятся именно ко второй категории. И громкие истории о таких неудачах оказали значительно большее влияние на настроения в отрасли, чем многочисленные, но менее заметные истории успеха.

Реальные цифры говорят об ином. Согласно исследованию Deloitte за IV квартал 2024 года, в котором приняли участие 2 773 руководителя, 74% организаций сообщили, что их наиболее развитая инициатива по внедрению генеративного ИИ соответствует или превосходит ожидания по рентабельности инвестиций (ROI). Данные McKinsey за 2025 год также объясняют, почему одни внедрения работают, а другие — нет.

Среди лидеров — организаций, которые связывают 5% или более EBIT с использованием AI, — примерно втрое чаще фундаментально перестраивали рабочие процессы и масштабировали AI-агентов в рамках бизнеса. Они также чаще определяют рост и инновации ключевыми целями использования AI, а не ограничиваются лишь повышением эффективности.

Наилучшую рентабельность инвестиций обеспечивают те внедрения, которые направлены на развитие бизнеса, а не только на незначительное сокращение затрат.

Теперь — данные, свидетельствующие об обратном. По данным S&P Global Market Intelligence, 42% организаций отказались от большинства своих пилотных AI-проектов еще до их запуска в промышленную эксплуатацию. Годом ранее этот показатель составлял 17%. Это реальная цифра, заслуживающая внимания. Но она не означает, что ИИ не работает.

Показатель Deloitte в 74% касается наиболее успешных и зрелых инициатив компаний, тогда как показатель отказов охватывает все проекты, включая поспешно запущенные пилоты, эксперименты с неправильно определенным масштабом и проекты, которые вообще не стоило начинать. Обе статистики описывают одну и ту же реальность: ИИ работает, не работают лишь неудачные внедрения.

“Мы уже пробовали использовать ИИ раньше, но он не оправдал ожиданий”

Это наиболее личное возражение в этом списке, и с ним сложнее всего спорить напрямую. Если предыдущий инструмент разочаровал вас или вашу команду, этот опыт вполне реален, и нежелание его повторять вполне понятно. Но стоит задуматься, каким именно был тот инструмент.

Если воспоминания вашей команды о “мы уже пробовали ИИ” связаны с 2023 годом, то вы оцениваете категорию продуктов, которая уже не существует в том же виде. Исследовательская группа Wharton Human-AI Research на протяжении трех лет проводила одинаковое ежегодное исследование и обнаружила, что доля руководителей, регулярно использующих генеративный ИИ, выросла с менее чем 40% в 2023 году до более чем 80% в 2025 году. При этом 46% респондентов сообщили, что пользуются им ежедневно. Такой стремительный рост уровня использования свидетельствует о реальных изменениях в возможностях этих инструментов.

Данные о возможностях ИИ это подтверждают. Согласно отчету Stanford AI Index 2025, в тесте SWE-bench, оценивающем навыки программирования и логического мышления, системы ИИ в 2023 году успешно решали 4,4% задач, а в 2024 году — уже 71,7%. При этом наименьшая модель, способная преодолеть порог в 60% на одном из основных тестов на логическое мышление, уменьшилась с 540 млрд параметров в 2022 году до 3,8 млрд в 2024 году — то есть необходимый для выполнения той же задачи размер модели сократился в 142 раза.

Все это не означает, что ИИ работает безупречно. Его надежность по-прежнему различается в зависимости от задачи, а неудачные внедрения все еще случаются. Но это означает, что неудачный опыт использования ИИ в 2023 году — слабый ориентир для оценки того, каким будет опыт в 2026-м, ведь с тех пор базовые технологии изменились более чем на одно поколение.

А вы действительно можете это сделать?

“Это будет стоить слишком дорого, займет слишком много времени или потребует навыков, которых у нас нет”

Если вы до сих пор представляете проект по внедрению AI как контракт на сотни тысяч долларов, многомесячную интеграцию и постоянно привлеченного data scientist, то это представление отстает от реальности на два-три года. Стоимость базовых технологий не просто снизилась — она обвалилась.

В отчете Stanford AI Index 2025 проанализирована стоимость запросов к модели ИИ с качеством, эквивалентным GPT-3.5. В ноябре 2022 года она составляла $20,00 за миллион токенов. К октябрю 2024 года эта сумма снизилась до $0,07 за миллион токенов — то есть стала меньше в 280 раз примерно за два года. Публикация отчета за 2025 год также подтвердила, что эта тенденция не замедляется: стоимость аппаратного обеспечения для AI ежегодно снижается примерно на 30%, а энергоэффективность ежегодно растет примерно на 40%. Экономика использования ИИ в 2026 году почти не имеет ничего общего с экономикой его использования в 2022 году.

Такая динамика снижения стоимости непосредственно влияет на то, что могут предложить поставщики и кто может пользоваться этими решениями. То, что еще три года назад требовало корпоративного проекта уровня enterprise, сегодня доступно в формате подписки. Вместе со снижением стоимости снизился и порог необходимых навыков. Согласно отчету Deloitte State of AI in the Enterprise 2026, основанному на опросе 3 235 руководителей из 24 стран, доступ сотрудников к ИИ вырос примерно на 50% всего за один год: с менее чем 40% до около 60% сотрудников, получивших доступ к официально одобренным инструментам ИИ.

Большинство из этих сотрудников — не специалисты по искусственному интеллекту. Это маркетологи, аналитики, операционные специалисты, которые настраивают AI так же, как настраивают email-кампании, а не базы данных.

Если вы не оценивали AI-инструменты в течение последних 12 месяцев, то сегодня имеете дело уже не с той категорией продуктов, которую помните. Стоимость, время внедрения и необходимые навыки изменились настолько, что уже не соответствуют представлению о том, что значит “внедрять AI”, которое сложилось у многих руководителей маркетинговых команд несколько лет назад.

“Наши данные недостаточно чисты для ИИ”

Это вполне рациональное возражение. Оно свидетельствует о дисциплинированном подходе, понимании потенциальных проблем и нежелании создавать условия для неудачного результата. Проблема в том, что такой подход предполагает существование определенного порога качества данных, которого можно достичь, если подождать, и что компании, уже использующие AI, этот порог преодолели.

На самом деле это не так. Исследование Cisco Data and Privacy Benchmark 2026, проведенное среди 5 200 IT- и кибербезопасных специалистов в 12 региональных рынках, показало, что 65% организаций сталкиваются с трудностями при быстром доступе к качественным данным. Это общая ситуация на рынке. При этом, по данным McKinsey, 88% организаций уже используют ИИ как минимум в одной бизнес-функции. Эти две цифры не согласуются с представлением о том, что готовность данных является обязательным предусловием для внедрения ИИ. На самом деле происходит иное: организации внедряют искусственный интеллект и параллельно улучшают управление данными, а не делают это последовательно.

Позиция “мы еще не готовы” основана на представлении о том, что существует некая финальная точка, которую можно достичь перед стартом. Такой точки нет. Качество данных — это непрерывная практика, а не одноразовый этап. Организации, которые опережают вас, оказались впереди именно потому, что поняли это раньше.

“У нас нет собственных специалистов по искусственному интеллекту”

Если именно это возражение вас сдерживает, вы находитесь в очень большой компании — и эта компания значительно более “зрелая”, чем может казаться. В отчете Deloitte за 2026 год дефицит навыков работы с ИИ назван наибольшим препятствием для внедрения: лишь 20% руководителей считают, что их команды хорошо обеспечены необходимыми специалистами. Но главный ответ большинства компаний — не ждать. Согласно тому же исследованию, 54% организаций обучают имеющихся сотрудников, повышая их ИИ-компетентность.

Цифры здесь не оставляют особого пространства для промедления. Анализ почти миллиарда вакансий, проведенный PwC, показал, что требования к навыкам в профессиях, связанных с ИИ, меняются на 66% быстрее, чем в других сферах. Ждать, пока вы найдете “идеальных” специалистов, означает гнаться за целью, которая движется быстрее, чем рынок найма успевает за ней. Выход для всех примерно одинаков: начать с командой, которая у вас уже есть, выбрать конкретный сценарий использования и учиться в процессе.

Стоит ли это действительно делать?

“Мы потеряем контроль над решениями, за которые несем ответственность”

Опасения насчет “черного ящика” — непрозрачной автоматизированной системы принятия решений алгоритмами — как правило, вполне обоснованны: предыдущий инструмент мог принимать решения, которые вы не видели, не могли изменить и не могли объяснить другим. Но дискуссия вокруг AI уже вышла за рамки вопроса о том, должен ли человек оставаться в процессе. Сегодня вопрос в том, как именно организовать этот контроль.

Девятое ежегодное совместное исследование BCG и MIT Sloan Management Review Leading in the Age of AI Agents, в котором приняли участие 2 102 респондента из 21 отрасли и 116 стран, показало, что 76% руководителей сейчас описывают агентный ИИ скорее как коллегу, чем как инструмент. У коллеги есть обязанности, которые вы ему делегируете. У него есть право принимать решения в рамках своей зоны ответственности, но не за ее пределами. Он отчитывается о результатах. Такое изменение восприятия отражает то, как сегодня работают AI-продукты.

Современное поколение AI-инструментов для маркетинга построено вокруг четкого контроля со стороны человека — ограничения для бренда, исключения категорий, правила ценовых диапазонов, параметры запоминания, переключатели переопределения. Маркетолог задает ограничения. ИИ заполняет пробелы в рамках своих возможностей. Как отметили MIT Sloan и BCG в мае 2026 года, задача состоит не в том, чтобы передать контроль через чекбокс в конце процесса, а в том, чтобы заложить этот контроль в сам процесс. Вы не отдаете ключи. Вы делегируете те части работы, которые все равно не хотели бы выполнять вручную.

“Наши данные не в безопасности в руках AI-поставщиков”

Это возражение — одно из тех, что не теряет актуальности. Данные о поведении клиентов чувствительны, регуляторы внимательно следят за этой сферой, и ни один честный поставщик не скажет, что риск равен нулю. Мы не будем пытаться убедить вас в обратном — и, откровенно говоря, не стали бы этого делать.

Но сегодня эти риски уже можно оценить с помощью конкретных вопросов и проверяемых фактов, а не полагаться лишь на интуицию. International Association of Privacy Professionals — международная ассоциация специалистов по защите данных — в отчете AI Governance Profession Report 2025 установила, что 77% организаций уже создают программы управления ИИ. При этом компании, в которых за управление AI отвечает функция защиты данных, значительно чаще уверены в своем соответствии требованиям EU AI Act — 67% против более низких показателей в других случаях.

Исследование Cisco 2026 добавляет, что 90% организаций расширили свои программы защиты приватности именно в связи с внедрением ИИ, а 99% сообщают об измеримых преимуществах от инвестиций в приватность.

Это изменение важно, поскольку команды по информационной безопасности, начавшие работать с AI раньше вас, уже разработали стандартизированные подходы к проверке поставщиков. Поэтому вместо того, чтобы создавать собственный подход с нуля, можно опираться на их опыт. В 2026 году любому поставщику AI стоит задать конкретные вопросы:

• Соответствуете ли вы требованиям GDPR и CCPA?
• Имеете ли сертификацию ISO/IEC 27001 в области информационной безопасности?
• Имеете ли сертификацию ISO/IEC 42001 для систем управления AI?
• Соблюдаете ли рекомендации NIST AI Risk Management Framework?
• Поддерживаете ли право на забвение?
• Где физически хранятся данные и через какие юрисдикции они передаются?
• Каких субпроцессоров вы привлекаете?

Если поставщик дает на эти вопросы четкие ответы, риск становится ограниченным и понятным. Если нет — ответ у вас уже есть. Решение больше не должно основываться лишь на доверии. Теперь это вопрос должной проверки, которую реально провести.

“Искусственный интеллект сделает наш маркетинг шаблонным”

Это опасение стало более актуальным с появлением большого объема контента, созданного ИИ, и его действительно стоит воспринимать серьезно. Любой, кто читал абзац очевидного текста от LLM, узнает этот “почерк”: технически правильный, но слегка пустой, с избытком конструкций наподобие “не просто X, но и Y”, будто собранных по шаблону. Если именно так AI проявляется в вашем маркетинге, голос бренда действительно оказывается под угрозой.

Но на практике большинство маркетологов использует AI иначе. Исследование Ahrefs State of AI in Content Marketing 2025 проанализировало, как именно маркетологи применяют ИИ. При анализе почти 900 000 веб-страниц лишь 4% контента классифицировали как полностью сгенерированный ИИ, хотя 87% маркетологов заявили, что используют ИИ как вспомогательный инструмент в создании контента.

Наиболее распространенный подход — использовать AI для создания черновика, который затем человек редактирует, дорабатывает и переписывает. Риск получить шаблонный маркетинговый текст возникает не из-за самого использования AI, а тогда, когда бизнес публикует сгенерированный текст без дальнейшей обработки.

Данные со стороны потребителей это подтверждают. Исследование NIQ 2024 года, основанное на нейронаучных методах, в котором использовали ЭЭГ, отслеживание движения глаз и измерение неосознанных реакций, показало: реклама, созданная AI, даже когда ее воспринимали как качественную, слабее активировала память и вызывала меньшую вовлеченность, чем традиционная реклама, созданная людьми. Кроме того, она могла негативно влиять на восприятие бренда.

Рынок уже сам подсказывает, какой подход работает. Если использовать ИИ как сырье, которое маркетолог затем дорабатывает, он значительно расширяет то, что может создать небольшая команда. Если же использовать его как автономный инструмент для генерации контента, результат будет именно таким шаблонным, которого вы опасаетесь. Проблема не в инструменте — все зависит от того, как его используют.

Если вы дочитали до этого момента, вы, вероятно, уже заметили одно: ни одно из этих возражений не является полностью беспочвенным. Каждое указывает на реальную проблему — поставщика, который преувеличил обещания, инструмент, который разочаровал, команду без достаточной подготовки или регулятора, усиливающего контроль. Эти опасения не выдуманы. Но сегодня риски, которые за ними стоят, уже можно оценить с помощью конкретных вопросов и актуальных рыночных ориентиров.

Не существует сценария, в котором вы ждете, пока “узнаете достаточно”, и лишь тогда начинаете. Исследование IBM CMO Study 2025 показало, что 65% руководителей маркетинга считают специалистов с навыками работы с AI критически важными для достижения приоритетных целей, тогда как лишь 21% считают, что имеют достаточно таких специалистов для реализации этих целей в течение следующих двух лет. Две трети руководителей маркетинга понимают, что компетенции в AI уже стали абсолютно необходимыми. И лишь каждый пятый считает, что имеет для этого достаточно ресурсов. Остальные — подавляющее большинство — сталкиваются с той же неопределенностью, что и вы.

Путь для всех одинаков: выберите один конкретный сценарий использования, разберитесь в нем достаточно хорошо, чтобы оценить, подходит ли он вашему бизнесу, и примите решение. Вот и все. Компании, которые вырываются вперед, делают это не потому, что с самого начала имели лучшие ответы. Они впереди, потому что начали раньше.

Если хотите обсудить, какой сценарий использования подойдет именно вашему бизнесу, мы с удовольствием поможем. Заполните форму ниже — и поговорим!

Special Request Inline