За последние пару лет AI-агенты на основе LLM (Large Language Models, большие языковые модели) громко вошли не только в нашу повседневную жизнь, но и в индустрию арбитража трафика. Команды используют их для обработки лидов, анализа чатов, обучения сотрудников и даже для проведения собеседований — сам встречал :)
Но, несмотря на хайп, нейросети все еще не готовы вытеснить людей. Поэтому крупные команды и бренды не спешат полагаться на них полностью, и обработчики все еще остаются в строю.
Агенты на базе больших языковых моделей или, по-другому, AI-агенты — это системы, построенные на основе нейросетей вроде ChatGPT или Gemini. Они могут не просто ответить на какой-то вопрос, но и выполнить задачу или принять решение. Они анализируют контекст сообщения или запроса, помнят историю диалогов, могут назначать встречи, фильтровать лиды и даже работать в CRM.
Проще говоря, обычный чат-бот будет действовать строго по заданному сценарию, а AI-агент способен подстраиваться под ситуацию и отталкиваться от смысловой линии диалога.
С технической точки зрения это, конечно, удобно — AI-агент не устает, не просит day off, не ошибается, отвечает 24/7 и ему не нужен отпуск. Но в арбитраже трафика результат измеряется не скоростью ответов, а качеством апрувнутых лидов.
Это подтверждает комментарий Team Lead of Media Buying в Leadshub:
«Да, мы уже тестировали использование AI-агентов в работе с лидами и в клиентской коммуникации. Основной упор был на автоматизацию этапов прогрева и закрытия сделок на стадии FD.
Лучше всего сработала автоматизация скриптованных сообщений — там, где есть четкий сценарий и предсказуемая логика диалога. Хуже всего — сопровождение лида до стадии RD: здесь часто требуется индивидуальный подход, гибкость и понимание контекста, с чем AI пока справляется слабо».
Основная проблема в том, что AI-агенты мыслят рационально и заточены на логику — они видят текст, анализируют слова, сравнивают различные паттерны, и на основе этого дают ответ. Но человек, увы, — не алгоритм.
Сегодня он вполне адекватно общается, настроен на диалог и активно взаимодействует с обработчиком, а завтра может заигнорить или кинуть в ЧС без объяснения причины.
«Полная замена все еще невозможна, потому что AI не всегда способен корректно понимать контекст и эмоции. Ему сложно по-человечески уловить интонацию, подтекст и настоящую проблематику ситуации.
По этой причине мы пока не можем полностью перейти на AI-агентов — все еще требуется живой человек, который способен подхватить эмоцию и найти индивидуальный подход», — говорит Team Lead of Media Buying в Leadshub.
Потенциальный лид может заморозиться не потому, что не заинтересован в продукте, а потому, что он сомневается, боится или просто устраивает «эмоциональные качели» обрабу.
AI-агент не может почувствовать таких нюансов, ведь для него «нет» значит «нет». А обработчик, в свою очередь, чувствует эмоцию и настроение, с которыми может грамотно поработать и завести на депозит. Именно поэтому команды не спешат отказываться от обработчиков и полностью делать выбор в сторону AI-агентов.
Чтобы не затягивать, скажу кратко — в 2025 году практически ни одна крупная команда не обходится без AI-ассистентов. Так уж сложилось, что с ними реально проще жить — есть возможность разгрузить себя от рутинных задач и заняться чем-то более важным.
Но, в то же время, ни одна команда не отдает AI всю коммуникацию. Он скорее стал помощником на первых этапах обработки, при переносе данных в CRM-систему, при фильтрации лидов и на этапе FD. Многие используют гибридную схему, как, например, Leadshub.
«Да, сейчас используем гибридную схему: AI работает на этапе FD, а человек подключается на RD. Это позволяет сохранить эффективность, и при этом не терять в качестве коммуникации. AI определенно помогает. Он берет на себя рутинную, монотонную работу и позволяет обрабатывать больше трафика, освобождая время для более сложных задач», — Team Lead of Media Buying в Leadshub.
Если говорить о том, что все-таки должно измениться в LLM-моделях, чтобы полностью заменить человека, — вероятно, что практически все. Начиная от каких-то поведенческих особенностей людей, чувств, эмоций. Чтобы полностью заменить человека, AI-агент должен научиться считывать не просто смысл, но и, например, тональность, паузы, сомнение.
Пока AI не чувствует — он всегда будет на втором месте.
AI-агенты никуда не денутся — их будет только больше, и внедрять их будут гораздо чаще не только в нашу повседневную жизнь, но и в различные сферы бизнеса. Но с большей долей вероятности человек останется у руля, а нейросеть будет исполнителем, которому не нужен отдых, сон и перерыв на обед.
Команды будут держать обработчиков, ведь пока нейросеть не умеет слышать эмоции, обработка лидов остается зоной ответственности человека.
