Analytic Insights by Adventum

Подслушано на конференциях: что происходит с ИИ-аналитикой

Часть 2 из 2.

За последние две недели мы посетили несколько конференций — от ритейла до FMCG — и собрали шесть наблюдений. В первой части мы говорили о подготовке данных, многоступенчатой проверке результатов и сложностях с расчётом ROI.

Продолжаем.

📎 ИИ-аналитике нужен отдельный контур управления
Компании начинают создавать центры контроля ИИ-инструментов. В них отслеживают:
— расход токенов и стоимость запросов;
— качество ответов;
— использование данных и инструментов;
— частые вопросы пользователей;
— ошибки и нетипичное поведение агентов.
Отдельное внимание уделяют пользовательским запросам. Они показывают, какие данные нужны бизнесу, где сотрудникам не хватает информации и какие функции стоит развивать дальше.
Одного подключения данных к LLM для этого недостаточно. ИИ-аналитика постепенно превращается из экспериментального чата в управляемый корпоративный продукт.

📎 Безопасность интересует бизнес не меньше возможностей модели
Один из самых частых вопросов на конференциях звучал не так: «Что умеет ваша ИИ-аналитика?»
Гораздо чаще спрашивали: «Как вы обеспечили безопасность?»
Компании обсуждают работу внутри корпоративного контура, использование локально развёрнутых моделей, разграничение прав доступа для разных сотрудников, а также маскирование и обезличивание чувствительных данных.

📎 Руководителям нужен готовый отчёт, а не диалог с моделью
На конференциях отдельно обсуждали автоматическое формирование PDF-отчётов на основе проведённого анализа для стратегических и операционных встреч. Эта функция выглядит довольно простой по сравнению с самой аналитикой, но от неё во многом зависит, будут ли использовать результат в работе. Руководителям обычно нужен короткий и привычно оформленный документ:
— ключевые выводы;
— динамика показателей;
— основные риски;
— возможные действия.
Даже чат с ИИ-аналитиком — не самый удобный формат для топ-менеджмента.

👆Эти вопросы знакомы нам не только по конференциям, но и по проектам Adventum — от подготовки данных и проверки результатов до контроля затрат, безопасности и отчётности для руководителей. Если вы сейчас сталкиваетесь с любыми проблемами построения и масштабирования ИИ-аналитики, напишите @plisik11. Обсудим ваш сценарий и поделимся тем, что уже работает на практике.

Подслушано на конференциях: что происходит с ИИ-аналитикой

Часть 1 из 2

За последние две недели мы побывали на нескольких отраслевых конференциях — от ритейла до FMCG.
Собрали шесть наблюдений о том, что компании говорили об ИИ-аналитике на сцене и в кулуарах. Сегодня публикуем первые три.

📎 ИИ пока чаще готовит данные, чем ищет инсайты
Один из самых распространённых сценариев — приведение данных к единому виду перед загрузкой в дашборды. Задача выглядит рутинной, но помогает сократить объём монотонной работы.
ИИ сопоставляет названия и форматы, классифицирует записи, обрабатывает неструктурированную информацию. После этого данные передаются в привычные аналитические инструменты.
Самостоятельный поиск инсайтов с помощью ИИ упоминали реже. Во многих компаниях такие сценарии ещё не доведены до промышленной эксплуатации.

📎 Проверка результатов ИИ-аналитики — всё ещё одна из самых болезненных тем
Часть проверок поручают другим ИИ-агентам. Затем результат оценивает аналитик или профильный специалист.
Несколько спикеров из ритейла и FMCG описывали схему валидации так:
Первичный анализ → автоматическая проверка → экспертная проверка

Некоторые специалисты отмечали, что подготовка отчётов у них пока даже замедлилась. Они связывают это с временной просадкой на этапе внедрения.

📎 Мало кто научился считать ROI проектов по ИИ-аналитике
На конференциях чаще всего говорили о количестве часов, сэкономленных при подготовке отчётов.
При этом почти никто не упоминал расходы на:
— обучение сотрудников;
— перепроверку результатов;
— исправление ошибок;
— поддержку систем.
Некоторые участники прямо признавали, что пока не умеют рассчитывать экономику проектов полностью.
При этом в новом исследовании «Яков и Партнёры» об ИИ-агентах за 2026 год приводится показательная оценка:

📌Лицензии составляют лишь 15–20% совокупной стоимости владения ИИ-решением. Остальные 80–85% приходятся на подготовку данных, интеграцию с существующими системами, обслуживание, мониторинг и обновление моделей.
Эти статьи расходов обсуждают реже, хотя именно они во многом определяют экономику и результат ИИ-проекта.

Скоро опубликуем вторую часть — о том, что нас особенно заинтересовало на последних мероприятиях.

Лето — хороший стресс-тест для вашей аналитики.

Ключевой аналитик уходит в отпуск, а вопросы к данным не уходят вместе с ним. Бизнесу же по-прежнему нужно понимать, как отработал месяц, где возникла просадка и что исправить в первую очередь.

Именно в этот момент становится видно, работает ли в компании настоящий "self-service" — или доступ к данным всё ещё зависит от конкретного человека.

Дашборд позволяет самостоятельно посмотреть показатели. Но бизнесу редко достаточно знать статичные метрики: необходимо искать точки роста и причины аномалий.

🔎 На примере интернет-магазина показываем, как такое расследование проводит наш ИИ-аналитик dataCraft.

Сначала всё выглядит хорошо: в июне выручка выросла на 8%, количество заказов — на 5,1%. Но можно ли было закрыть месяц еще лучше? ИИ-аналитик обнаруживает аномалию 15 июня и последовательно доходит до причины: трафик и верхние этапы воронки оставались стабильными, а основная потеря возникла при переходе от оформления заказа к успешной оплате.

Следующий шаг — план действий: проверить оплату на iOS Safari, настроить алерты на падение конверсии и только после устранения потерь перераспределять маркетинговый бюджет.

Так self-service перестаёт означать «накликать стандартный отчет». Пользователь может пройти весь путь от первого вопроса к решению — даже если кто-то в команде аналитики пока в отпуске.

Листайте карточки: в них показываем полный пример диалога с dataCraft AI. Если же хотите посмотреть больше примеров, всегда можете записаться на демо.

📊 ИИ-аналитика: 5 трендов лета 2026

Коротко разбираем, что меняется в работе с данными и что стоит внедрять уже сейчас.

🧩 Семантический слой стал фундаментом
Без единого описания метрик ИИ-агент не понимает, что такое «выручка» и «отток» в данных компании, и выдаёт правдоподобные, но неверные ответы. Компании активно переходят к решению данной проблемы: развитие открытого стандарта Open Semantic Interchange (50+вендоров), собственных семантических слоев у Snowflake и Databricks и другие изменения этого лета уже указывают на важность тренда.

🔍 Аналитика трафика из ИИ становится новой базой

Трафик от ИИ-агентов и агентских браузеров вырос на 7 851% за год (HUMAN Security): пользователь всё чаще получает ответ и совершает действие внутри ассистента, а не на сайте. Классическая веб-аналитика этого не видит — появляется аналитика нейровидимости: измерение того, как бренд представлен в ответах Алисы, ChatGPT и других системах. Также отдельное внимание трафику из ИИ-систем уделяется и в продуктовых командах.

🔮 Аналитика перешла от прогноза к действию
Аналитика для принятия решения (decision intelligence) отвечает уже не «что будет» , а «что сделать сейчас». Прогноз Gartner: к 2030 смоделированные решения станут в 5 раз надёжнее и на 80% быстрее обычных. 

🗂 Данные из чатов и видео — новое сырьё
74% компаний хранят больше 5 ПБ неструктурированных данных (Komprise): звонки, переписки, видео теперь материал для анализа, а не архив. При этом до 60% ИИ-проектов проваливаются именно из-за неготовности данных к работе с ии-агентами (Gartner). Выигрывают те, кто сможет объединить работу с разными видами информации в компании в одну управляемую и безопасную систему.

⚖️ Не каждому ИИ можно доверить данные
В летнем индексе безопасности Future of Life Institute выше C+ не поднялся никто: Anthropic — C+, OpenAI и Google DeepMind — C, Meta — D+, а xAI, DeepSeek и Mistral — F. При выборе платформы для клиентских или внутренних данных это ещё одно напоминание смотреть на безопасность вендора, а не только на цену, а также закладывать в модель риски утечек данных.

Мы в Adventum прошли путь от точечных экспериментов до внедрения ИИ‑агента знаний всей компании LORE как полноценной системы поддержки каждого сотрудника, и нам не терпится обсудить этот опыт с вами.

На первом закрытом мероприятии мы увидели огромный запрос на честный диалог об ИИ и получили невероятный отклик — поэтому собираем второй закрытый круг, где погрузимся в ещё более острые темы.

Что обсудим и что заберёте с собой:
🔘где ИИ‑агенты быстрее всего дают отдачу и что внедрять в первую очередь;
🔘как считать эффект от ИИ в бизнес‑метриках;
🔘кейс самого Adventum: как превратить ИИ из эксперимента в окупаемую бизнес‑систему, которая действительно помогает сотрудникам на ежедневной основе;
🔘контакты лидеров, которые идут той же дорогой.

Количество мест ограничено форматом встречи. Присоединяйтесь, чтобы обменяться опытом с лидерами, которые развивают свои компании так же, как и мы.

📅 23 июля, 18:30
📍Новодмитровская 2к2, Савеловский Сити
Зарегистрироваться 😉

Как часто вы замечали, что даже при наличии крутого продукта процессы внутри компании «тормозят»? 📉

Когда мы только задумывались о создании LORE, ИИ-агента базы знаний Adventum, мы анализировали наши внутренние «узкие места».
Онбординг новых сотрудников был одним из них:
🟢 Нужно изучить сотни регламентов.
🟢 Все запомнить.
🟢 Постоянно отвлекать руководителей вопросами.

В итоге, мы поняли, что ИИ — это способ вернуть команде динамику. Мы создали систему, которая берет на себя роль «первой линии» поддержки, чтобы сотрудники могли заниматься действительно важными задачами, а не поиском документов.

😀😀😀 — это про то, как технологии помогают людям работать комфортнее и продуктивнее, а не про замену человеческого участия 😉

Яндекс Метрика опубликовала список ключевых партнеров

✨ Adventum вошел в список основных сертифицированных партнеров-интеграторов Яндекс Метрики, опубликованных на официальном сайте компании.

Для нас это важный шаг и подтверждение того, что аналитика остается одной из ключевых экспертиз Adventum. Мы много лет помогаем компаниям не просто настраивать Яндекс Метрику, а выстраивать полноценную систему работы с данными: от корректного сбора событий и целей до интеграции с любыми системами и сервисами компании.

Для клиентов Adventum этот статус — еще одно подтверждение, что в задачах веб-аналитики, продуктово-маркетинговой аналитики, в том числе интеграции Яндекс Метрики, можно опереться на команду, которая максимально глубоко погружается в бизнес-задачи — как для своего бизнеса — и помогает найти самые неочевидные точки роста на стыке функций.

Если вашему бизнесу необходим внешний аудит аналитики или помощь в настройке любой из систем аналитики, обучении команды, вы знаете куда обратиться 😉. У нашей команды под руководством Вадима Шестакова уже многолетний опыт в решении сложнейших задач.

Почему высокий CTR не гарантирует рост прибыли

Многие компании по-прежнему оценивают эффективность рекламы через CTR, CPC и стоимость лида. Эти показатели важны для управления рекламными кампаниями, но редко отвечают на главный вопрос бизнеса: какие каналы действительно приносят деньги.

На практике мы регулярно сталкиваемся с ситуацией, когда рекламные кампании демонстрируют хорошие маркетинговые метрики, но не создают сопоставимого эффекта для выручки и прибыли компании.

Причина обычно заключается в том, что данные распределены между несколькими системами. Рекламные кабинеты показывают расходы и трафик, CRM хранит информацию о сделках, а финансовые системы — о фактических поступлениях денежных средств. Без объединения этих данных невозможно объективно оценить окупаемость инвестиций в маркетинг.

Именно поэтому в dataCraft мы рекомендуем анализировать полную цепочку взаимодействия с клиентом:

Показы → Клики → Лиды → Сделки → Выручка → ROMI

В карточках рассказываем на кейсе, как такой подход позволяет увидеть не только стоимость привлечения лида, но и его реальную ценность для бизнеса.

Коллеги, ничего не планируйте на 9 июня в 11:00 (Мск) ⚡️️️

Будет вебинар «Закрыться нельзя расти. Как аналитика и данные позволяют ритейлу поставить правильную запятую в 2026 году».

Поговорим о том, как с помощью ИИ-аналитики видеть реальные точки роста бизнеса, оценивать влияние новых каналов вроде ChatGPT и Алисы, понимать вклад маркетинга в прибыль и находить возможности для роста маржи даже в условиях высокой конкуренции и давления маркетплейсов.

А кто мы такие, чтобы не послушать Бориса Базанова? 👍🏻
Мы точно будем. Присоединяйтесь и вы.

➡️ Регистрация по ссылке