AI-агенты разобрали 144 000 строк маркетинговых данных: аналитик в штате не понадобился

Кейс описал Майк Капут, директор по контенту SmarterX и соавтор книги «Marketing Artificial Intelligence», в 222-м выпуске подкаста The Artificial Intelligence Show. Он сравнивает работу с Codex не с чат-ботом, которому задаёшь вопросы по одному, а с делегированием проекта живому аналитику. До этого такие задачи требовали либо ручной работы с таблицами, либо найма специалиста по данным.

Что Codex сделал с «неподъёмным» файлом?

• Открыл то, что не открывалось. Файл в 144 000 строк и 1 000 столбцов «ронял» обычный табличный редактор. Codex загрузил выгрузку целиком и начал работать.
• Сам нашёл нужные поля. Агент определил, какие столбцы связаны с выручкой, а какие относятся к атрибуции (то есть показывают, какой контент привёл клиента к покупке).
• Отсеял мусор. Codex пометил столбцы, которые дублировались или содержали слишком «шумные» данные, и убрал их из анализа.
• Проверил себя на малых выборках. Прежде чем масштабировать подход на весь массив, агент прогнал проверочные расчёты на небольших группах данных.
• Сузил 1 000 столбцов до рабочего набора. На выходе получилась чистая структура для моделирования атрибуции выручки.

Важный нюанс: данные были полностью обезличены перед загрузкой. Это критично для любого, кто работает с клиентскими базами.

Почему это не «ещё один чат-бот»?

Майк Капут подчёркивает разницу: обычному чат-боту вы задаёте вопрос и получаете один ответ, потом задаёте следующий. ИИ-агент получает цель и сам выстраивает цепочку шагов, исправляет собственные ошибки, продолжает работу, пока задача не решена.

Для маркетолога это значит, что не нужно формулировать промпт (запрос к нейросети) на каждом шаге. Достаточно объяснить, что вы хотите узнать: «какой контент приносит выручку» или «найди дубли в отчёте по кампаниям».

Как попробовать?

1. Подготовьте файл. Возьмите выгрузку из CRM или рекламного кабинета. Обязательно удалите персональные данные клиентов: имена, телефоны, email.
2. Получите доступ к Codex. Codex доступен через подписку OpenAI. Альтернатива от Anthropic, Claude Code, работает по схожему агентному (agentic) принципу. Оба инструмента англоязычные.
3. Сформулируйте цель, а не инструкцию. Не пишите «посчитай сумму столбца D». Напишите: «Найди, какие поля в этом файле связаны с выручкой, и предложи структуру для атрибуции». Дайте агенту пространство для собственного плана.
4. Проверьте результат на знакомых данных. Агент может допустить галлюцинацию (уверенно выдать несуществующую связь за реальную). Сверьте выводы с данными, которые вы знаете точно.

Что в России?

Codex и Claude Code пока работают через зарубежные подписки, что создаёт неудобства с оплатой и доступом из РФ. Из российских инструментов ближе всего к агентному подходу YandexGPT и GigaChat от Сбера, но на момент публикации источника ни один из них не заявлял аналогичный режим многошагового анализа больших файлов с самостоятельной постановкой подзадач.

Частые вопросы

Нужно ли уметь программировать, чтобы использовать ИИ-агенты для анализа данных?

Нет. Весь смысл кейса SmarterX в том, что Codex использовался как аналитик, а не как среда разработки. Вы формулируете цель на обычном языке. Агент сам пишет и выполняет код, вы видите результат. Навык программирования помогает проверить работу агента, но не обязателен для старта.

Безопасно ли загружать данные клиентов в Codex или Claude Code?

Загружать персональные данные (имена, контакты, платёжные реквизиты) без обезличивания нельзя. В кейсе SmarterX прямо указано, что использовалась полностью анонимизированная выгрузка. Перед загрузкой удалите или замените всё, что идентифицирует конкретного человека.

Чем ИИ-агенты отличаются от обычного ChatGPT?

Обычный чат-бот отвечает на один вопрос за раз. ИИ-агент получает цель и сам строит план из нескольких шагов, проверяет промежуточные результаты, исправляет ошибки и продолжает до завершения задачи. Разница примерно как между тем, чтобы диктовать курьеру каждый поворот, и тем, чтобы назвать ему адрес.