Краткое введение
GTM‑команды массово внедряют AI‑агентов, но часто не знают, кто и какие действия выполняет с данными клиентов. Исследование LeanData показывает: автоматизация опережает процессы контроля — это уже приводит к дублированию контактов, ошибочным последовательностям и ставит под угрозу согласованность GTM‑работ.
Основные детали новости
По результатам опроса LeanData (157 B2B‑практиков в RevOps, MOps, продажах, маркетинге и IT, май 2026) 93% организаций имеют хотя бы одного AI‑агента в рабочем процессе. При этом почти треть респондентов не смогла назвать, сколько агентов фактически вносят изменения в записи клиентов. У 30% участников опроса обнаруживались действия без аудита — то есть без следа того, что и почему было изменено.
Большинство команд уже перешли от пилотов к реальным кейсам: 79% либо запускают первые сценарии с агентами, либо масштабируют их использование в GTM. Полностью оптимизированными свои AI‑операции считают лишь 8% компаний.
Дополнительные факты
AI обнажил давно существующие проблемы в стеке GTM. Главные барьеры трансформации — качество данных и готовность данных к работе с AI: 55% называют это ключевой проблемой. 70% отмечают, что акция по чистоте данных ухудшила исполнение GTM‑задач. Последствия — живые: 27% фиксировали, когда несколько инструментов или агентов обращались к одному и тому же потенциальному клиенту, а у 17% запускались маркетинговые последовательности в тот момент, когда менеджер по продажам уже работал сделкой.
Причины затягивания AI‑инициатив: плохие данные (45%), недокументированные процессы (37%) и разрозненные команды (32%). Это возвращает ответственность за подготовку к AI к привычному набору задач MOps: управление данными, бизнес‑правилами, интеграциями и документацией процессов.
Агенты приходят отовсюду: 69% используют AI‑функции, встроенные в инструменты GTM (например, в Gong, Outreach или HubSpot), 62% — кастомные приложения на основе LLM API, а 46% — платформы агентов (Agentforce, Copilot, Gemini Enterprise и подобные). Чаще всего опрашиваемые видят у себя по три–четыре агента, но значительная доля не может дать точных цифр.
Перед внедрением новых агентов компании хотят гарантий управления: 31% назвали приоритетом полный аудит всех действий на записях по всем системам, а 21% — приведение поведения агентов в соответствие с правилами, которые соблюдают люди.
Вопрос собственности над AI‑стратегией остаётся нерешённым: 42% полагаются на кросс‑функциональные комитеты, 18% управляют этим через RevOps, а у 19% вообще нет явного владельца — AI остаётся ад‑хок. При этом операционные команды перегружены: 66% заявляют, что либо не справляются с объёмом работы, либо не имеют ресурсов для стратегических проектов; только 8% уверены, что у них достаточно персонала и для операций, и для стратегии.
Почему это важно для SEO
Для SEO‑специалистов вывод прост: проблемы в данных и отсутствии контроля над агентами отражаются на всей маркетинговой экосистеме. Автоматические изменения в записях клиентов, некорректные маршрутизации лидов и несогласованные маркетинговые последовательности ухудшают точность атрибуции, искажают аналитику трафика и конверсий и мешают адекватно оценивать вклад органического трафика.
Кроме того, разрозненные правила агентов могут влиять на персонализацию контента и кампаний, приводя к неконсистентным посадочным страницам, ошибочным UTM‑ меткам или некорректному применению динамических фрагментов — всё это усложняет работу SEO и аналитики. Если агенты меняют метаданные, перенаправляют пользователей или запускают маркетинг‑последовательности без учёта синхронизации с сайтом, последствия для видимости и поведенческих метрик могут быть значительными.
Практическая рекомендация для SEO и MOps: прежде чем запускать новых агентов, зафиксировать, кто может изменять записи, какие поля используются для решений, и обеспечить общий аудит‑трейл. Нужна явная ответственность за правила и ресуры на их поддержание — иначе автоматизация будет создавать больше проблем, чем решать.
- Источник исследования: LeanData, май 2026 (157 респондентов).