Реклама всё больше срастается с самим продуктом — рынок становится прозрачнее, у пользователя гораздо шире выбор, и спрос всё сильнее определяет предложение, а не наоборот. В таких условиях мало просто присутствовать в выдаче: агент фильтрует варианты за пользователя, и если бренд для него не читаем, его просто не покажут. Раньше бизнес работал на человека, который приходит на сайт или вводит запрос в поиск. Сейчас аудитория — это ещё и агенты, которые ищут информацию за своих пользователей, и с ними нужно говорить на понятном им языке.
Отсюда рождается новая дисциплина — оптимизация под ИИ-агентов и генеративную выдачу. GEO, аналог SEO для новой среды. На практике это означает, что контент нужно структурировать под вопросы, а не под ключевые слова. Разница принципиальная: под SEO страницу затачивали под запрос вроде «купить кроссовки недорого» — набор ключевых слов, под который подгонялся текст. Агенту же нужен готовый связный ответ на реальный вопрос: «какие кроссовки подойдут для бега по асфальту при весе выше среднего» — с явными условиями, сценариями использования и честным сравнением с альтернативами. Поэтому лучшее, что можно сделать на сайте это открыто разбирать пользовательские кейсы: кому продукт подходит, а кому нет. Сайты всё чаще посещают текстовые модели, а не человек с визуальным восприятием, в результате растёт значимость чётких смысловых блоков и определений, из которых агент может собрать ответ.

Риск реальный, и он связан с тем, что модель всё ещё может ошибаться и галлюцинировать — безоговорочно полагаться на ИИ во всём небезопасно. Поэтому важно сознательно выводить продуктовые команды «в поля»: знакомить их с живыми пользователями, разговаривать с ними напрямую, а не заменять это понимание усреднённой аналитикой и модельными метриками. Живой фидбэк от пользователей остаётся отдельным и незаменимым каналом, который нельзя целиком делегировать модели.
Есть здесь и более тонкая работа, до которой мало кто дошёл. Мало подключить агенту базу данных с процессами и прошлыми проектами команды — это только память. Важно научить его ценностной модели: онтологии бизнеса, ключевым преимуществам и уязвимостям. Когда агент понимает не только «как мы работаем», но и «в чём мы сильны», он начинает принимать решения в интересах и клиента, и бизнеса. И именно тут ставка на быстрый результат или на возможность закрыть потребность end-to-end становится сильным преимуществом для клиента — агент выбирает не самый разрекламированный вариант, а тот, что реально решает задачу целиком.
В конечном счёте ответственность и стратегические решения в любом бизнесе остаются за людьми — LLM и ИИ автоматизируют процессы и снимают рутину, но не подменяют управленческое суждение и понимание клиента.