ИИ помогает быстрее писать тексты, собирать презентации и готовить рекламу. Но между скоростью производства и решением клиента купить продукт остаётся немало работы. В McKinsey Technology Trends Outlook 2026 этот разрыв рассматривается на уровне бизнеса. Для маркетинга и PR из него следуют три изменения.
1. Ускорение работы ещё не доказывает её эффективность
По данным тсследования McKinsey, 89% организаций регулярно используют ИИ, но лишь 37% связывают свои ИИ-программы с положительным влиянием на прибыль до процентов и налогов. Распространённость инструмента заметно опережает подтверждение финансового результата.
Стэнфордский AI Index дополняет картину: оценочная потребительская ценность генеративного ИИ в США достигла $172 млрд в год к началу 2026 года, хотя пользователи часто получают доступ к нему бесплатно. Это оценка пользы для людей, а не выручка поставщиков.
Использование, польза и готовность платить это разные показатели. Популярность технологии ещё не доказывает её коммерческий успех.
Даже ускорение работы не всегда доходит до конечного результата. В одном из исследований, приведённых McKinsey, активность написания кода выросла на 180%, а количество выпущенных релизов на 30%.
В маркетинге похожая ситуация: черновик статьи готов за десять минут, но эксперт занят, данных для подтверждения выводов нет, а продуктовые обещания требуют уточнения. Быстрые черновики накапливаются в очереди.
Ускорение отдельной операции полезно, когда оно сокращает путь до результата.
Поэтому количество материалов это слабое доказательство эффективности ИИ. Важнее понять, помогают ли они привлекать подходящих клиентов и оправдывают ли затраты на подготовку, проверку и распространение. Одинаковые инструменты не уравнивают конкурентов: у компаний разные данные, опыт и процессы. Но фраза «мы используем ИИ» сама по себе мало объясняет покупателю.
Ценность продукта нужно формулировать через результат для клиента: что изменится, за какой срок, с какими затратами и при каких условиях.
2. Первое сравнение поставщиков может составить ИИ
McKinsey описывает агентную коммерцию: пользователь формулирует задачу, а агент помогает сравнить предложения и совершить покупку. В отчёте речь прежде всего о рознице. Для B2B можно предположить похожий сценарий на этапе предварительного отбора: заказчик приходит к продавцу уже со списком решений и подготовленными вопросами.
Первое представление о продукте всё чаще может складываться за пределами сайта компании – в ответе ИИ-помощника.
Такой помощник не гарантирует объективности. Он способен перепутать тарифы, использовать устаревшие сведения или пропустить ограничение. Поэтому компании важно предоставить понятную основу для сравнения: задачи продукта, состав поставки, принцип расчёта цены, совместимость и требования к внедрению.
Если сайт, документация и презентация продавца противоречат друг другу, ИИ может распространить эту путаницу. Если существенных сведений нет, сравнение окажется неполным.
Доступная и согласованная информация помогает выбирать и человеку, и его ИИ-помощнику.
Сайт сохраняет роль витрины, но его справочная часть приобретает дополнительное значение. Отзывы, публикации в СМИ и экспертные материалы дополняют картину, при условии, что содержат конкретику.
Для маркетинга и PR отсюда следует задача: смотреть не только на число упоминаний, но и на то, как описывают компанию и с какими потребностями её связывают.
Узнаваемость не гарантирует попадания в список подходящих поставщиков.
3. За обещаниями должны стоять проверяемые факты
Написать «сокращает время обработки» легко. Подтвердить сложнее: нужно объяснить, какой процесс измеряли, с чем сравнивали и сохранилось ли качество. Для заявления об экономии придётся учесть внедрение, сопровождение и проверку результатов.
Чем проще создать убедительный текст, тем важнее доказательства, на которых он построен.
Они появляются в совместной работе маркетинга, продукта, ИТ и продаж. Источниками становятся результаты внедрений, аналитика, обращения в поддержку и опыт специалистов. В продуктах с ИИ особое значение имеют контроль и ответственность: какие действия система выполняет самостоятельно, когда подключается человек, как исправляется ошибка. Для покупателя это практические условия использования решения.
Понятные ограничения помогают сформировать реалистичные ожидания. Завышенные обещания создают риск разочарования после покупки.
Для PR это означает больше предметной экспертизы: объяснять условия достижения результата, раскрывать методику исследований, давать специалистам возможность говорить о сложностях. Для маркетинга – использовать вопросы клиентов и опыт поддержки при подготовке материалов.
Работу команды тоже стоит оценивать шире объёма публикаций: насколько понятным стало предложение, приходят ли подходящие заказчики, какие ожидания приходится исправлять после продажи.
ИИ ускоряет подготовку коммуникаций, но за их содержание отвечает компания. Поэтому главный вопрос остаётся вполне на совести человека: если покупатель решит проверить наше обещание, что мы сможем ему показать?
Автор: Alex-sulimov
