Когда B2B-компания решает перестроить маркетинг и продажи под эпоху искусственного интеллекта, перед командой обычно открываются два знакомых пути. Первый — бросить силы на автоматизацию холодных рассылок, подключив языковую модель к CRM. Второй — продолжать вкладывать бюджет в посадочные страницы с яркой анимацией и рекламными лозунгами, рассчитывая, что руководитель сам найдет сайт в поиске и запишется на демо.
Оба подхода упускают главное: пока индустрия спорит о том, как ИИ меняет способы продавать софт, куда сильнее изменилось то, как компании его покупают. В подкасте Marketing Against the Grain вице-президент по маркетингу HubSpot Киран Фланаган и операционный директор Vercel Джинн ДеВитт Гроссер разобрали сдвиг, к которому классический маркетинг оказался не готов. На месте человека у экрана все чаще оказывается автономный ИИ-агент, который сам выбирает стек и подрядчиков. Разберемся, как устроена эта воронка и что нужно изменить в упаковке продукта уже сегодня, чтобы алгоритмы рекомендовали твой бизнес своим владельцам.
Почему автономные агенты игнорируют привычные лендинги и как устроена модель Agent-Led Growth
Киран Фланаган привел деталь из личной практики: собирая проект в кодинг-агенте Lovable, он даже не открывал поисковик для выбора хостинга. Агент сам предложил развернуть приложение на Vercel, и Киран согласился в один клик. Меня в этом разборе сразу зацепило то, во что такие эпизоды сложились во внутренней статистике компании. Если в декабре с участием ИИ-агентов (Cursor, Lovable, Claude Code) запускалось лишь 3% деплоев на платформе, то за 10 месяцев их доля превысила 60%. Еще от 1% до 10% регистраций приходят по советам чат-ботов — в сумме свыше 70% нового бизнеса Vercel формируют рекомендации автономных алгоритмов.
Раньше дистрибуция компании опиралась на три двигателя: прямые продажи, самообслуживание внутри продукта (Product-Led Growth) и продвижение через открытые фреймворки, когда разработчики брали бесплатный Next.js или агентный фреймворк Eve и выбирали Vercel для хостинга. Теперь третью опору заменила модель Agent-Led Growth (ALG) — рост за счет ИИ-агентов, выступающих первичными закупщиками инфраструктуры.
Старые витрины для таких покупателей бесполезны. Когда разработчик ставит задачу в Cursor или Claude, алгоритм не оценивает дизайн шрифтов и не проникается историями для «идеального профиля клиента». Агент ищет структурированные спецификации, лимиты и предсказуемые интерфейсы.
За год Vercel выросла из фронтенд-хостинга в полноценную инфраструктуру для бэкенда и ИИ-агентов. Но когда маркетологи проверили, как часто модели рекомендуют платформу для новых задач, выяснилось, что в ряде сценариев алгоритмы советовали старых конкурентов. Причиной оказался текст на сайте: там, где на лендингах и в таблицах тарифов стояли общие рекламные фразы, ИИ-агент не мог считать функциональность и цену решения.
Из этого сбоя выросло правило Vercel: ни одна функция и ни один материал не готовы к релизу, пока они не работают одинаково эффективно для человека и для ИИ-агента. В результате маркетинг стал заметно более инженерным:
- Тройной интерфейс продукта. Каждая функция выпускается не только на дашборде для людей, но и одновременно в командной строке (CLI) и через MCP (Model Context Protocol — стандарт, позволяющий нейросетям напрямую управлять внешними сервисами).
- Публикация через
llms.txt. Любой материал, руководство или прайс-лист параллельно с веб-версией выгружается вllms.txt— чистую текстовую разметку, которую краулеры моделей считывают без искажений.
От открытой документации к выбору по умолчанию: как сообщество инженеров обучает алгоритмы
Ты сейчас резонно спросишь: если десять конкурентов тоже выложат аккуратные файлы llms.txt и открытые тарифы, как ИИ-агент выберет среди них фаворита? Ответ кроется в том, как языковые модели проверяют надежность инструмента.
Нейросеть не верит вендору на слово только из-за чистой справки на его домене. Алгоритм сопоставляет документацию с тем, как миллионы инженеров решают задачи в сети. Инвестиции Vercel в открытый код, шаблоны и руководства создали гигантский репутационный след. Когда разработчики обсуждают Next.js на GitHub, делятся конфигурациями в Discord и разбирают ошибки на StackOverflow, языковые модели считывают этот опыт как стандарт де-факто. Для кодинг-агента выбрать инструмент с миллионами проверенных примеров — значит свести к минимуму риск ошибки при сборке проекта.
Чтобы управлять видимостью системно, маркетологи регулярно прогоняют сетку сценариев в рамках AEO (Answer Engine Optimization — оптимизации под движки ответов), замеряя частоту рекомендаций Vercel в Claude, Cursor и моделях OpenAI. Для масштабирования базы продуктовый маркетинг собрал внутренний «мозг агента», генерирующий сотни функциональных страниц с описанием продуктов (от выжимки в три буллета до технических параграфов) специально под индексацию ботами.
При этом, по-моему, самый ценный урок здесь в том, как в Vercel провели границу между базой для роботов и живой мыслью. Всю аналитику, стратегии и авторские посты в LinkedIn сотрудники пишут сами — от плана до финальной правки. Как заметил Киран Фланаган, если попросить ИИ «написать пост для B2B-маркетологов», модель просто усреднит чужие штампы. Отказываясь отдавать нейросетям формулирование смыслов, команда сохраняет собственный взгляд и вкус. О том, какие еще элементы превращают сайт в понятный для алгоритмов источник фактов, советую почитать в чек-листе по адаптации B2B-сайта под требования ИИ-поисковиков.
Перестройка продаж и честная цена автоматизации: где проходит граница между агентом и человеком
Когда основная масса клиентов приходит прогретой после работы с кодинг-агентами, возникает соблазн решить, будто отдел продаж больше не нужен. На практике крупные корпорации по-прежнему требуют сопровождения, но механика работы сейлз-команды перевернулась.
Посмотрим на сквозную воронку Vercel через реальный сценарий, который показался мне особенно наглядным. Сегодня технические директора (CTO) корпораций снова пишут код руками с помощью ИИ-агентов. В субботу вечером такой руководитель из компании списка Fortune 500 регистрирует личный аккаунт на Vercel для теста прототипа. В старой системе он выглядел бы мелкой саморегистрацией. В Vercel же мгновенно срабатывает проспектинг-агент, отслеживающий сигналы продуктовой квалификации (PQL и PQA): он распознает статус гостя, сверяет репозиторий с технографическими данными компании и готовит менеджеру досье — почему клиенту нужен корпоративный контур безопасности и управления доступом прямо сейчас.
Правда, за видимую легкость такой автоматизации пришлось заплатить собственными шишками и жесткой дисциплиной:
- Отказ от автопилота в письмах. Пятнадцать месяцев назад первому проспектинг-агенту дали полные права на написание холодных писем. Эксперимент быстро свернули: позволять Claude самому сочинять оффер — значит отдавать нейросети право решать, в чем состоит ценность твоего бизнеса. Сегодня агент ведет исследование и сбор сигналов, но письма собираются по проверенным человеком шаблонам под индустрию и роль, а сообщения от лица руководства вычитываются перед отправкой.
- Защита от «агентного хаоса» и модель трипода. Когда сотрудникам бесконтрольно раздают ключи от API, каждый сейлз пытается собрать своего бота в обход правил безопасности, переизобретая один инструмент по десять раз. Чтобы пресечь утечки, в Vercel выделили команду из 5 GTM-инженеров и построили единый интерфейс поверх Salesforce со 100%-м ежедневным использованием. По данным The AI Record, внутренние агенты внедряются по «модели трипода» (Tripod Model): в пилотную команду погружаются GTM-инженер, дата-сайентист и профильный эксперт. Это позволило автоматизировать 91% входящих обращений в техподдержку, освободив саппорт для исправления багов в коде.
- Запрет на отключение головы продавца. Если ИИ экономит человеку 40% времени, без пересмотра квот многие просто расслабятся. В Vercel одну команду обязали сначала вручную сформулировать гипотезу по клиенту и лишь затем запускать агента — конверсия этой группы заметно обогнала команды, полагавшиеся на ИИ с пустого листа.
При такой архитектуре внутренние боты снимают с людей пласт рутины. Агент Mops за минуты собирает кампании под вебинары, а RevOA сам перераспределяет территории в CRM. Главный сейлз-агент Index формирует 90% планов по развитию аккаунтов, анализирует звонки и напоминает продавцу, если тот к третьей встрече не вышел на распорядителя бюджета. Благодаря готовым брифам Джинн ДеВитт Гроссер проводит по 10–15 клиентских встреч в неделю (по 2–3 в день), а продавцы ведут по 5–6 переговоров в день. О том, как разделение прав и стоп-кранов защищает бюджеты в смежных задачах, рассказано в разборе архитектуры автономного маркетингового конвейера на ИИ-агентах.
В итоге меняется сама роль руководителя продаж: компания увеличивает число продавцов на одного менеджера, превращая руководителей в играющих тренеров на крупных сделках и «разведчиков R&D», собирающих запросы рынка на полгода-год вперед. Пока корпорации переходят от первых экспериментов с ИИ к стандартизации стеков, перевод документации, прайс-листов и API на машиночитаемый язык становится главным условием выживания в B2B: бизнес, который не понятен автономному агенту, просто не попадет в финальный список выбора.



