Чтобы агентная реклама работала, нужно решить, чего ИИ никогда не должен касаться

LLM по своей природе вероятностны: одинаковый запрос с тем же контекстом может несколько раз дать разные ответы. Это полезно для написания, анализа и рассуждений, но опасно в операциях с необратимыми последствиями. Поэтому автор считает, что агенту нельзя без контроля отдавать возможность самостоятельно менять кампании и расходовать бюджет: границы автоматизации должны заранее определять, что разрешено, что запрещено и где требуется участие человека.

Одного доступа к API Meta1, Google или другой рекламной платформы недостаточно. API описывает допустимые вызовы, но не объясняет, как лучше строить аудитории, распределять бюджет, последовательно вносить изменения и работать с автоматическим биддингом. Эти операционные правила формируются из практики, поэтому масштабная автоматизация должна не заменять стратегию покупателя, а переводить ее в надежное исполнение across platforms.

Предлагаемая архитектура оставляет LLM на уровне взаимодействия с покупателем: модель помогает выразить цели и согласовать их с возможностями платформы. Дальше намерение переводится в детерминированное исполнение, которое работает внутри governance-правил и не позволяет модели незаметно обходить ограничения. По позиции автора, именно слой, непосредственно управляющий деньгами, не должен быть вероятностным.