Год назад мы заморозили найм маркетологов из-за ИИ. Вот что получилось

Год назад мы остановили найм маркетологов и закрыли три открытые вакансии, решив проверить, какую часть работы команды закроет ИИ. Итог: штат маркетинга сократился на треть, фонд оплаты труда — почти на 40%, а выручка по маркетинговым каналам не упала. Но «просто внедрить ИИ вместо людей» не сработало — сработала перестройка процессов вокруг ИИ, и это два разных действия.

Что в итоге получилось через год

Через 12 месяцев команда маркетинга сократилась с девяти штатных специалистов до шести, бюджет на фонд оплаты труда маркетинга снизился на 38% в сопоставимых проектах 2025–2026 годов, а KPI по лидам и выручке от маркетинговых каналов остались на уровне плана. Это не значит, что ИИ «заменил людей» — заменил он конкретные операции: сборку отчётов, первые черновики текстов, разметку сегментов аудитории, рутинный анализ конкурентов. Освободившееся время оставшиеся специалисты потратили на то, что ИИ делает плохо: переговоры с крупными клиентами, стратегические решения по позиционированию, контроль качества креатива.

Ключевой вывод года: заморозка найма работает как эксперимент только если параллельно меняется структура ролей. Если оставить старые должностные инструкции и просто выдать команде доступ к ИИ-инструментам, экономии не будет — люди используют ИИ как ускоритель привычных действий, а не как замену части штата.

Почему мы остановили найм маркетологов именно из-за ИИ

Решение приняли не из экономии, а из гипотезы: если генеративные модели в 2025 году закрывают черновую работу уровня junior и middle маркетолога, то расширять штат под старые задачи — это покупать мощность, которая скоро обесценится. Гипотезу проверяли на трёх открытых вакансиях: контент-менеджер, аналитик и специалист по контекстной рекламе.

Вместо найма мы дали действующей команде доступ к ИИ-инструментам и месяц фиксировали, сколько часов в неделю уходит на задачи, которые планировали закрыть новыми людьми. По нашим внутренним замерам за этот месяц, от 60 до 70% задач на этих позициях — это подготовка черновиков, сбор данных и первичная сегментация, то есть операции, которые ИИ выполняет быстрее человека при корректной постановке задачи. Подробно о том, какие задачи в маркетинге реально закрывает ИИ, а какие нет, мы разбирали в материале что ИИ может в моей работе.

Решение зафиксировали как управленческое, не как временную меру: закрыли вакансии в системе рекрутинга, а не поставили на холд. Это заставило команду не ждать подмоги, а перестраивать процессы здесь и сейчас. Руководитель маркетинга и CMO в этой схеме — не наблюдатель за экспериментом, а его прямой владелец: именно он отвечает за то, чтобы перестройка ролей не свелась к точечной экономии на фонде оплаты труда без изменения качества работы.

Какие задачи ИИ закрыл полностью

ИИ полностью закрыл операции с чёткими входными данными и проверяемым результатом. Это задачи, где критерий «готово» формализуем: текст по брифу, таблица по выгрузке, черновик сегментации по описанным правилам.

• Первые черновики контента. Посты для соцсетей, драфты статей, варианты заголовков для A/B-тестов — ИИ выдаёт 5–10 вариантов за минуты, человек выбирает и дорабатывает один.
• Сборка регулярных отчётов. Еженедельные отчёты по рекламным кабинетам Яндекс.Директа и VK Рекламы, свод метрик из GA4 и Bitrix24 — то, что раньше занимало у аналитика 6–8 часов в неделю, теперь занимает 1–2 часа на проверку.
• Первичный анализ конкурентов. Сбор публичных данных о ценах, позиционировании и рекламных креативах конкурентов — черновая выгрузка, которую раньше делал junior-аналитик вручную.
• Транскрибация и структурирование встреч с клиентами. Конспект, выводы, задачи из записи звонка — секунды вместо получаса ручной работы.
• Базовая сегментация аудитории по описанным критериям — когда правила сегментации уже сформулированы человеком, а не придуманы моделью с нуля.

Везде, где задача формализуема, передача её ИИ окупается почти сразу. Это тот же принцип, что мы описывали в материале о том, сколько стоит ИИ в маркетинге: экономия считается не в часах работы инструмента, а в часах, которые человек больше не тратит на рутину.

Какие задачи ИИ не закрыл и почему

ИИ не закрыл задачи, где критерий успеха неформализуем или где ошибка стоит репутации или денег клиента. Это не временное ограничение — это следствие того, как работают генеративные модели: они предсказывают вероятное продолжение текста, а не несут ответственность за решение.

• Переговоры с ключевыми клиентами и партнёрами. Там, где решение зависит от контекста отношений, доверия и невербальных сигналов, модель не участвует вообще.
• Финальное одобрение креатива с юридическими и репутационными рисками. Реклама, где ошибка в формулировке затрагивает требования 152-ФЗ «О персональных данных» или правила рекламы отдельных категорий товаров, проверяется человеком всегда — у нас нет исключений из этого правила.
• Стратегические решения по позиционированию и ценообразованию. Модель подскажет варианты, но выбор, который меняет P&L компании на горизонте 12 месяцев, остаётся за CMO.
• Работа с неполными или противоречивыми данными. Когда данных из CRM и рекламных кабинетов не хватает или они расходятся, ИИ с высокой вероятностью сгладит противоречие вместо того, чтобы его выявить.
• Удержание контекста долгого проекта. Модель забывает нюансы, оговорённые три недели назад, если их не зафиксировали письменно — значит, письменная фиксация решений стала обязательной, а не опциональной практикой.

Правило, которое сложилось по итогам года: ИИ берёт операцию, человек берёт ответственность. Там, где ответственность неделима или цена ошибки высока, человек остаётся основным исполнителем, а ИИ — вспомогательным инструментом проверки.

Сколько мы сэкономили и куда пошли деньги

За 12 месяцев фонд оплаты труда маркетинга сократился на 38% в сопоставимых проектах 2025–2026 годов, а высвободившийся бюджет перераспределили на три статьи: подписки на ИИ-инструменты, повышение зарплат оставшимся специалистам и увеличение медиабюджета. Фонд оплаты труда (ФОТ) — это сумма всех выплат сотрудникам одного подразделения за период, включая оклад, премии и взносы.

Экономия на ФОТ не превратилась в чистую прибыль полностью — часть ушла на удержание ключевых людей через повышение зарплат, часть на инструменты, часть на расширение медиабюджета. Это сознательное решение: дешёвый найм дешёвого джуниора, который замещается ИИ, выгоднее не компенсировать новым дешёвым джуниором, а инвестировать в удержание тех, кто умеет ставить задачи ИИ и проверять результат. Мы подробно писали, почему дорогие люди на дешёвой работе — это системная ошибка, в материале дорогие люди — дешёвая работа.

Важная оговорка по цифрам: это данные по нашим проектам за 2025–2026 годы, а не отраслевой бенчмарк. В компаниях с другой структурой штата и другим уровнем автоматизации соотношение экономии и инвестиций в инструменты будет отличаться.

Как изменилась структура команды

Структура команды сместилась от узких исполнительских ролей к ролям «оператор ИИ + контролёр качества». Вместо контент-менеджера, который пишет тексты, и отдельного SMM-специалиста, который их публикует, теперь один человек ведёт весь цикл: от брифа до публикации, а черновую работу делает ИИ.

Это требует другого набора навыков у оставшихся сотрудников:

1. Умение формулировать задачу для ИИ так, чтобы результат не требовал переделки — навык промптинга стал частью должностной инструкции, а не факультативным умением.
2. Умение быстро проверять результат на фактические ошибки — модели уверенно выдают неточные цифры и несуществующие источники, и это нужно уметь ловить.
3. Готовность нести ответственность за решения, которые раньше распределялись между несколькими людьми — при меньшем штате зона ответственности каждого расширяется.

Обучение этим навыкам заняло больше времени, чем мы рассчитывали на старте — около 2–3 месяцев на команду, чтобы перестроить привычки работы. Мы собрали смежную практику развития навыков работы с ИИ в материале четыре навыка работы с ИИ. Параллельно выросла нагрузка на оставшихся людей: меньший штат при том же объёме задач — это риск перегрузки, который нельзя игнорировать просто потому, что «ИИ же помогает». Мы отдельно следили за балансом задач и часов, чтобы перегрузка не превратилась в постоянный режим работы команды.

Отдельно пересмотрели систему найма на будущее: новые вакансии в маркетинге теперь формулируются не как «человек, который делает операцию», а как «человек, который отвечает за результат и умеет собрать для этого нужный набор инструментов, включая ИИ». Это меняет и профиль кандидата на собеседовании, и то, как ставятся KPI на испытательный срок.

Частые ошибки

• Замена людей без перестройки процессов. Если просто сократить штат и выдать оставшимся доступ к ИИ без пересмотра должностных инструкций, нагрузка не распределяется, а падает на тех же людей в том же формате — экономии по факту нет, есть только перегрузка.
• Отсутствие проверки фактов в результатах ИИ. Генеративные модели уверенно формулируют неточные цифры и несуществующие источники; без обязательной проверки это долетает до клиента или до совета директоров.
• Сокращение штата раньше, чем выстроена система контроля качества. Снижать численность людей до того, как появился понятный процесс ревью черновиков ИИ, — верный способ получить просадку в качестве контента или рекламных кампаний через 2–3 месяца.
• Экономию на ФОТ не реинвестируют в удержание ключевых людей. Если вся высвободившаяся экономия уходит в прибыль, а не частично в зарплаты оставшихся специалистов, в течение года уходят именно те, кто научился работать с ИИ эффективнее остальных — и их знания уходят с ними.
• Игнорирование задач, где ответственность неделима. Передача ИИ финальных решений по ценообразованию, юридическим рискам или крупным клиентским контрактам без человеческого утверждения — это перенос ответственности туда, где её физически нет.

FAQ

Можно ли полностью заменить маркетинговую команду ИИ?

Нет. ИИ закрывает формализуемые операции — черновики текстов, сборку отчётов, первичный анализ данных, но не закрывает задачи с неформализуемым критерием успеха: переговоры, стратегические решения, ответственность за юридические и репутационные риски. Полная замена штата ИИ-инструментами на практике приводит к падению качества там, где решения требуют контекста и ответственности.

На сколько реально можно сократить фонд оплаты труда маркетинга с помощью ИИ?

По нашему опыту за 2025–2026 годы — на 35–40% при грамотной перестройке ролей, без потери KPI по лидам и выручке. Цифра сильно зависит от исходной структуры штата: если команда уже состояла из сильных специалистов с широкой зоной ответственности, потенциал сокращения меньше.

Сколько времени занимает перестройка команды под работу с ИИ?

От 2 до 3 месяцев на команду из 6–9 человек, если перестройка идёт системно: новые должностные инструкции, обучение промптингу, выстроенный процесс проверки результатов. Без системного подхода процесс растягивается на полгода и дольше, а часть команды не успевает перестроиться и теряет эффективность. На этот срок сильно влияет и то, фиксирует ли компания новые правила работы письменно — устные договорённости о том, «как теперь ставить задачи ИИ», распадаются уже через пару недель.

Что делать с освободившимся бюджетом после сокращения штата?

Разумная практика — распределить его на три направления: подписки на ИИ-инструменты, повышение зарплат оставшимся ключевым специалистам и увеличение медиабюджета. Полное изъятие экономии в прибыль без реинвестирования в удержание людей повышает риск потери тех, кто умеет работать с ИИ эффективно.

Какие роли в маркетинге безопаснее от замещения ИИ?

Роли, где основная ценность — это ответственность и контекст отношений: руководитель маркетинга, менеджер по работе с ключевыми клиентами, специалист по бренд-стратегии. Роли, где основная ценность — это объём рутинных операций с формализуемым результатом, подвержены замещению сильнее всего.

Как понять, какие задачи в моей команде можно передать ИИ, а какие нельзя?

Критерий простой: если результат задачи можно формально проверить и ошибка не затрагивает юридические риски, крупные деньги или репутацию в моменте — задачу можно передавать ИИ. Если критерий «готово» субъективен или цена ошибки высока, задача остаётся за человеком с ИИ в роли вспомогательного инструмента.

Стоит ли замораживать найм маркетологов, если компания меньше нашей?

Решение зависит от того, насколько текущие задачи команды формализуемы. В небольшой команде из 2–3 человек риск выше: там меньше запас на ошибку при перестройке процессов, и временная просадка качества может стоить дороже, чем в компании с девятью специалистами, где есть буфер.

Если вы думаете о похожей перестройке маркетинга под ИИ и хотите сделать это системно, а не методом проб и ошибок на живых KPI — приглашаем на интенсив Marketing OS: там разбираем именно управленческую часть внедрения ИИ в маркетинг, без давления и без обещаний волшебной кнопки.