Найкорисніше в дискусії 17 липня навколо Salesforce та Agentforce не сам інформаційний шум, а те, що вона повертає розмову про маркетинговий AI з площини шоу в площину операційної реальності. MarTech сформулював проблему досить прямо: масштабування агентного AI гальмує не тому, що автономні агенти нікому не цікаві, а тому, що в багатьох компаніях ще немає потрібної якості даних і правил управління, щоб цим агентам дозволити реальну дію. У релізі Salesforce Summer 2026 звучить те саме в більш офіційній формі: узгоджена взаємодія кількох агентів, активація даних у реальному часі та AI-підсилена взаємодія з клієнтом. Але за цими обіцянками стоїть прихована умова — потрібен надійний шар клієнтських і операційних даних.
Тому це насамперед проблема маркетингових операцій, а вже потім креативності чи продуктивності. Якщо історія кампаній фрагментована, записи в CRM конфліктують, логіка згоди нерівномірна, а шляхи погодження контенту розмиті, агент не прибирає хаос. Він його масштабує. Саме тому багато демонстрацій агентного AI виглядають переконливо, але в реальному запуску швидко стають крихкими. Обмеженням тут є не брак амбіції, а неготовність системи дозволити софту не лише радити, а й діяти.
Що насправді показує історія з Salesforce
Було б надто просто трактувати цей сигнал як локальну проблему одного вендора. Корисніше бачити тут інше: агентні системи дуже швидко оголюють борг якості даних. Якщо платформа обіцяє автономні дії в сервісі підтримки клієнтів, роботі з лідами, сегментації чи оптимізації кампаній, компанія має довіряти базовим даним настільки, щоб дозволити агенту не просто написати підказку, а зробити крок. А така довіра неможлива, коли записи дублюються, поля застарілі, а бізнес-правила живуть у головах людей, а не в керованих процесах.
У цьому сенсі повільніше впровадження агентів — це не лише продуктова історія. Це аудит готовності самих компаній.
Яке питання маркетинговим лідерам варто поставити до масштабування
Неправильне питання звучить так: “Якого агента нам купити першим?” Корисніше запитати: “Які маркетингові рішення ми вже можемо безпечно делегувати з тією якістю даних, яку реально маємо сьогодні?” Для частини задач готовність може вже існувати: внутрішня звітність, маршрутизація задач, сортування креативів, низькоризикові рекомендації. Для інших — ні: виключення аудиторій, персоналізація дорогих контактів, вихідні комунікації, що запускаються через CRM, або бюджетні дії на основі нестійкої атрибуції.
- Позначте, де клієнтські дані вже чисті, актуальні й достатньо пов’язані для автоматичної дії.
- Розділіть сценарії, де AI лише радить, і сценарії, де AI реально виконує дію.
- Перевірте, чи існують погодження, запобіжники та сценарії відкату.
- Не переносіть успіх одного пілота на всю організацію.
- Ремонтуйте дані там, де потенційна цінність від агентів найбільша, а не там, де демо виглядає найефектніше.
Такий підхід перетворює AI-планування з купівлі платформи на проєктування операційної моделі.
Чому це важливо для бюджетів 2026 року
Багато маркетингових команд уже під тиском: треба довести, що AI виходить із фази експериментів і приносить масштабований бізнес-результат. Найнебезпечніша реакція на цей тиск — купувати більше можливостей раніше, ніж відремонтовано умови, від яких ці можливості залежать. Звідси виникає хибна послідовність: більше поверхневої автоматизації, більше внутрішніх винятків і більше тихої ручної праці за лаштунками, щоб узагалі втримати систему в робочому стані.
Сильніший хід значно прозаїчніший: покращити дисципліну даних, узгодити governance, чітко визначити межі дії агентів і лише потім розширювати автоматизацію. Інакше кажучи, для більшості маркетингових команд у 2026 році agentic AI — це передусім не софтверні перегони, а перевірка того, чи витримає їхня дата-основа реальну автоматичну дію без нових комерційних ризиків.
Sources
- MarTech: Salesforce’s woes underline marketing’s agentic AI problems
- Salesforce: Summer 2026 product release announcement
Це зображення відповідає статті, бо показує систему, де автоматичний потік проходить лише через фільтри й клапани, тобто рівно через ту дисципліну, яка потрібна перед діями агентів.
