Штучний інтелект у пошуку та маркетингу вже давно вийшов за межі підбору ключових слів. Центральною стає інша категорія — «намір клієнта»: не те, що людина буквально вводить у рядок пошуку, а те, що вона насправді намагається зробити. У новому випуску подкасту Mixture of Experts від IBM Technology експерти з AI та аналітики обговорюють, як змінюється пошук, що означає «орchestration» AI у великих компаніях, і чому без готовності даних та перебудови процесів навіть найсучасніші моделі мало що дадуть бізнесу.
На цьому тлі Adobe провела свій щорічний Summit, де замість гучних анонсів нових foundation‑моделей акцент зробили на інфраструктурі, керуванні робочими процесами та розумінні намірів клієнтів. Паралельно IBM Institute for Business Value оприлюднив спільне з Adobe дослідження про customer intent і лояльність, яке фіксує різку зміну поведінки споживачів: використання AI‑асистентів для ухвалення рішень про покупки за два роки зросло на 62%.
Від ключових слів до наміру: як змінюється AI‑пошук
Традиційний пошук, на якому будувалися SEO‑стратегії останніх двох десятиліть, був зосереджений на ключових словах. Маркетологи оптимізували сторінки під конкретні запити, намагаючись «вгадати» формулювання, які користувачі введуть у пошуковий рядок. Генеративний AI і великі мовні моделі радикально змінюють цю логіку.
У центрі опиняється «customer intent» — те, яку задачу намагається розв’язати людина. Один і той самий намір може бути сформульований десятками різних фраз, змішаних мов, напівзапитань чи навіть фрагментів думок. Сучасні моделі навчаються не просто зіставляти слова, а реконструювати контекст: стадію воронки продажів, рівень обізнаності, терміновість, бюджет, попередні дії користувача.
Це особливо помітно в AI‑пошуку, вбудованому у продукти та сайти брендів. Системи вже не обмежуються пошуком по каталогу. Вони намагаються зрозуміти, чи людина досліджує ринок, порівнює альтернативи, шукає підтвердження вибору або готова натиснути «купити». Від цього залежить, що саме показати: оглядові матеріали, калькулятори, відгуки, промо‑пропозиції чи прямий call‑to‑action.
Такий підхід вимагає іншого типу даних. Важливо не лише знати, які сторінки відвідував користувач, а й у якому порядку, як довго затримувався, що додавав у кошик і видаляв, як реагував на попередні кампанії. AI‑системи, які працюють із наміром, поєднують дані з CRM, аналітики, контент‑сховищ і каналів комунікації, щоб будувати більш цілісну картину.
Adobe Summit: від «нових моделей» до оркестрації AI
На цьому тлі Adobe на своєму останньому Summit зробила показову ставку: замість того, щоб змагатися у розмірах нових foundation‑моделей, компанія винесла в центр тему оркестрації AI та інфраструктури для маркетингу й управління досвідом клієнтів.
Це важливий зсув. Ринок уже наситився демонстраціями «чарівних» можливостей генеративного AI — від тексту до зображень і відео. Але великі бренди стикаються з іншою проблемою: як вбудувати ці можливості в реальні робочі процеси, які охоплюють десятки команд, сотні каналів і тисячі одиниць контенту.
Adobe фактично визнає, що наступна фаза впровадження AI — це не стільки про ще один «розумніший» модельний стек, скільки про:
- з’єднання даних, контенту й каналів у єдині сценарії;
- прозорість внутрішніх процесів, які створюють і публікують контент;
- керування ризиками, узгодженням бренду та правами на використання матеріалів;
- масштабування AI‑функцій так, щоб вони працювали не в окремих експериментах, а в повсякденній роботі маркетингових організацій.
Саме тому на Summit прозвучали два ключові продуктові вектори: нова платформа Adobe CX Enterprise та оновлення Adobe GenStudio. Обидва рішення покликані не стільки «додати ще один генератор», скільки стати каркасом для end‑to‑end робочих процесів, де AI працює як вбудований шар, а не як окремий інструмент.
Adobe CX Enterprise: AI як «хребет» маркетингового ланцюга
Оголошена на Summit платформа Adobe CX Enterprise позиціонується як відповідь на запит великих організацій: як з’єднати шлях від даних до активації в каналах в єдину AI‑керовану систему.
Йдеться про те, щоб покрити повний цикл маркетингових AI‑воркфлоу:
- збір і нормалізацію даних про клієнтів;
- побудову сегментів і моделей наміру;
- генерацію та адаптацію контенту під різні аудиторії;
- оркестрацію кампаній у різних каналах;
- вимірювання результатів і зворотний зв’язок у моделі.
У традиційній архітектурі ці кроки часто розкидані між різними платформами, командами й підрядниками. Дані живуть у CDP, контент — у DAM, кампанії — в окремих інструментах для email, реклами, соціальних мереж. AI‑моделі, що працюють із наміром клієнта, у такій розрізаній екосистемі обмежені: вони бачать лише фрагменти поведінки й не можуть повноцінно впливати на досвід.
CX Enterprise намагається цю проблему зняти, пропонуючи єдину платформу, де AI‑шар «бачить» і дані, і контент, і канали. У такій конфігурації розуміння наміру клієнта може безпосередньо впливати на те, який контент буде згенеровано, де й коли він з’явиться, як зміниться наступний крок у воронці.
Це також змінює роль маркетологів. Замість ручного налаштування десятків кампаній під окремі сегменти вони дедалі більше працюють із правилами, політиками, обмеженнями та навчанням моделей. Фокус зміщується з «що саме показати» на «як система має приймати рішення, виходячи з наміру клієнта».
GenStudio і «контентний ланцюг постачання»: чому внутрішня видимість стала критичною
Другий великий акцент Adobe — оновлення Adobe GenStudio. Якщо CX Enterprise відповідає за шлях від даних до активації, то GenStudio орієнтований на креатив і контентний ланцюг постачання для маркетингових команд.
Генеративний AI різко збільшив обсяги контенту, який можна створювати. Але це породило нову проблему: як керувати цим потоком, щоб він залишався узгодженим із брендом, юридично безпечним, релевантним і своєчасним. Саме тут з’являється тема, яку Adobe особливо підсвітила на Summit: видимість внутрішніх воркфлоу.
Традиційно маркетологи говорили про «видимість бренду» назовні — наскільки часто й де аудиторія бачить повідомлення. Тепер до цього додається інша видимість: хто, коли і як створює, змінює, затверджує й публікує контент усередині організації.
GenStudio намагається стати панеллю керування цим процесом. Оркестрація end‑to‑end означає, що:
- генерація контенту AI‑інструментами відбувається не в ізоляції, а в контексті бібліотек бренду, попередніх кампаній і затверджених гайдлайнів;
- кожен елемент контенту має «родовід»: зрозуміло, на основі яких даних і промптів він створений, хто його редагував, які перевірки пройшов;
- зміни в стратегії чи політиках (наприклад, нові юридичні вимоги або зміна позиціонування) можна швидко «протягнути» через усі активні кампанії.
Ця внутрішня прозорість стає не менш важливою, ніж зовнішня. Без неї AI‑генерація ризикує перетворитися на хаотичний потік, який складно контролювати й ще складніше пов’язати з реальними бізнес‑результатами.
Дані, процеси, governance: чому самих моделей недостатньо
У дискусії навколо Adobe Summit чітко звучить одна теза: ефективність нових AI‑інструментів компанії залежить не стільки від «розумності» моделей, скільки від готовності організацій до їхнього впровадження.
По‑перше, це готовність даних. Щоб AI міг коректно інтерпретувати намір клієнта, потрібні чисті, узгоджені, пов’язані між собою джерела. Якщо дані про поведінку в онлайні, офлайнові транзакції, звернення в підтримку й історія кампаній живуть у «сайло», моделі будуть бачити лише фрагменти й робити помилкові висновки. CX Enterprise і подібні платформи лише надають інфраструктуру; наповнити її якісними даними — завдання самого бізнесу.
По‑друге, це трансформація процесів. Багато маркетингових організацій побудовані навколо кампаній із жорсткими календарями, довгими циклами узгодження й чітким розподілом ролей між креативом, медіа, аналітикою. AI‑орchestration передбачає більш динамічну, ітеративну модель: контент і пропозиції змінюються в реальному часі залежно від сигналів наміру клієнта. Це вимагає іншої культури прийняття рішень і готовності делегувати частину контролю системам.
По‑третє, це governance. Зі зростанням ролі AI у прийнятті рішень про те, що бачить клієнт, постають питання прозорості, відповідальності й етики. Хто відповідає за те, що модель інтерпретувала намір неправильно й показала некоректну пропозицію? Як уникнути дискримінаційних патернів у персоналізації? Як забезпечити, щоб контент, згенерований AI, не порушував авторські права й відповідав регуляторним вимогам?
Adobe у своїх анонсах фактично визнає: без чітких рамок governance AI‑орchestration ризикує стати джерелом репутаційних і юридичних ризиків. Тому платформи на кшталт CX Enterprise і GenStudio не лише автоматизують, а й «огороджують» процеси — через політики доступу, контроль версій, вбудовані перевірки й можливість аудиту.
Новий споживач: 62% зростання використання AI‑асистентів для покупок
Паралельно з продуктовими анонсами Adobe та IBM Institute for Business Value представили спільне дослідження, присвячене customer intent і лояльності. Один із ключових результатів: за останні два роки використання AI‑асистентів для ухвалення рішень про покупки зросло на 62%.
Ця цифра показує, що розуміння наміру клієнта — це вже не внутрішня технічна задача маркетологів, а відображення реальної зміни в поведінці людей. Споживачі дедалі частіше делегують частину дослідження ринку, порівняння варіантів і навіть фінального вибору системам, які вони сприймають як «нейтральних радників».
Для брендів це створює подвійний виклик.
З одного боку, потрібно навчитися працювати з наміром не лише в межах власних сайтів і застосунків, а й у зовнішніх AI‑середовищах, де відбувається значна частина ухвалення рішень. Якщо людина ставить запитання універсальному AI‑асистенту, а не йде безпосередньо на сайт бренду, то саме модель стає «воротарем» до уваги клієнта.
З іншого боку, зростає значення довіри. Якщо AI‑асистент стає посередником між брендом і клієнтом, то будь‑які невідповідності між обіцянками в персоналізованих рекомендаціях і реальним досвідом можуть швидко підточити лояльність. Дослідження IBM IBV і Adobe якраз фокусується на тому, як правильно поєднати розуміння наміру з побудовою довгострокових відносин, а не лише з миттєвою конверсією.
У цьому контексті платформи на кшталт CX Enterprise і GenStudio можна розглядати як інструменти «внутрішньої відповідності» очікуванням, які формують зовнішні AI‑асистенти. Якщо зовнішній AI обіцяє певний рівень сервісу чи тип досвіду, внутрішні системи мають бути здатні цей досвід забезпечити послідовно й масштабовано.
Висновок: ера наміру вимагає нової інфраструктури
Перехід від ключових слів до наміру клієнта змінює саму архітектуру пошуку й маркетингу. AI‑системи більше не можуть бути надбудовою над існуючими процесами; вони вимагають переосмислення того, як організації працюють із даними, контентом і каналами.
Adobe Summit показав, що великі гравці ринку це усвідомлюють. Наголос на оркестрації AI, платформах на кшталт Adobe CX Enterprise та оновленому GenStudio, а також на видимості внутрішніх воркфлоу означає перехід від епохи точкових експериментів до епохи системної інтеграції.
Спільне дослідження IBM Institute for Business Value та Adobe додає ще один вимір: споживачі вже масово залучають AI‑асистентів до процесу ухвалення рішень про покупки. Зростання на 62% за два роки — це сигнал, що вікно можливостей для побудови конкурентної переваги на основі глибокого розуміння наміру клієнта відкрите, але швидко звужується.
У найближчі роки успіх у маркетингу й управлінні клієнтським досвідом, схоже, визначатиметься не тим, у кого «розумніша» модель, а тим, у кого краще підготовлені дані, гнучкіші процеси й зріліші практики governance. Саме на цьому рівні вирішуватиметься, чи зможуть бренди перетворити AI‑розуміння наміру на реальну лояльність і стійке зростання.
Джерело
Apple’s new CEO & how AI understands intent — Mixture of Experts, IBM Technology