Главный навык маркетолога 2026 — не prompt engineering, а сборка системы агентов

Ещё совсем недавно главным AI-навыком считался prompt engineering. Все обсуждали одно и то же: как правильно писать запросы в ChatGPT, какие есть секретные формулы, как добиться более сильных ответов. Появлялись курсы, библиотеки промптов, шаблоны. В какой-то момент действительно казалось, что именно люди, которые лучше всех умеют писать prompts, и станут главными победителями эпохи AI.

Но, кажется, это уже довольно быстро меняется.

Потому что проблема бизнеса почти никогда не звучит как: «Нам не хватает хороших промптов». Обычно вопрос другой: «Как собрать систему, которая стабильно работает без ручного хаоса?»

Именно поэтому я всё чаще думаю, что главный навык 2026 года — не prompt engineering, а умение собирать системы агентов.

И здесь важно уточнить: когда я говорю про AI, я имею в виду не чат. Не ещё одно окно с перепиской. Я говорю про рабочую систему, где AI встроен в workflow и умеет не только отвечать на вопросы, но и замечать, анализировать, координировать и контролировать.

Почему prompt engineering переоценили

Сразу важный дисклеймер: промпты всё ещё важны. Но их роль, на мой взгляд, сильно преувеличили.

Потому что хороший prompt не исправляет плохую систему.

Представьте ситуацию: у вас хаос в данных, нет workflow, контекст живёт в головах людей, задачи теряются, а качество постоянно скачет. И в этот момент кто-то говорит: «Нам нужен более сильный prompt».

Скорее всего, проблема вообще не в этом.

Prompt — это слой интерфейса, а не операционная модель. Он помогает человеку лучше взаимодействовать с AI, но редко меняет саму систему.

Почему следующий уровень — агенты

Бизнес почти никогда не состоит из одного вопроса. Обычно это цепочка задач.

Возьмём маркетинг. Сначала нужно заметить проблему, потом понять её причину, предложить гипотезу, согласовать действие, поставить задачу и проверить результат. В таком процессе чат быстро начинает ломаться, потому что он хорошо отвечает на отдельные запросы, но бизнес живёт процессами.

Именно поэтому появляются AI-агенты.

Но здесь есть важный нюанс: агент — это не магический сотрудник и не универсальный бот, который «всё сделает за вас». На практике агент — это роль внутри workflow. У него есть понятная задача, ограничения, контекст и ответственность.

Почему один супер-агент — почти всегда плохая идея

Сейчас популярна фантазия: «Давайте соберём одного AI-директора маркетинга, и он всё сделает».

На практике это почти всегда заканчивается хаосом.

Потому что разные задачи требуют разного типа мышления. Аналитика — это не креатив. Координация — не стратегия. Контроль качества — не генерация идей.

Один универсальный агент обычно теряет фокус, смешивает роли, начинает отвечать поверхностно и становится нестабильным.

Узкие роли почти всегда работают лучше. В этом смысле AI начинает удивительно напоминать реальную компанию.

Как выглядит система агентов

Я обычно смотрю на неё как на команду.

Например, в маркетинге это может выглядеть так:

Агент-монитор следит за CPL, CAC, воронкой, лидами и аномалиями. Его задача — заметить проблему раньше человека.

Агент-аналитик отвечает на вопрос: «Почему это произошло?» Он ищет закономерности, отклонения, причины и контекст.

Агент гипотез предлагает тесты, идеи, изменения и возможные решения.

Агент-координатор — одна из самых недооценённых ролей. Он двигает workflow, ставит задачи, напоминает и следит за SLA.

Агент-контролёр проверяет KPI, качество результата и отклонения.

И в итоге получается уже не просто чат, а рабочий контур.

Почему это становится главным навыком

Потому что AI постепенно дешевеет. Модели становятся лучше, доступнее, и инструменты у всех начинают быть примерно одинаковыми.

Почти как с интернетом.

А значит, преимущество постепенно смещается. Уже не в сторону тех, кто просто умеет открыть ChatGPT, а в сторону тех, кто умеет собрать систему.

Я всё чаще думаю, что новая роль в компаниях будет выглядеть примерно так: AI systems builder.

Это человек, который понимает процессы, workflow, данные, контекст, роли, критерии качества и автоматизацию. Не обязательно программист. И не просто prompt engineer. Скорее архитектор операционной системы бизнеса.

Что станет новым “Excel skill”

Когда-то ценность специалиста резко повышало умение работать в Excel. Потом — CRM. Затем digital tools.

На мой взгляд, следующим массовым навыком станет умение собирать AI-workflow.

То есть понимать: какой агент нужен, где проходят границы ответственности, какие данные подключать, как сохранять контекст, где нужен human-in-the-loop и как измерять результат.

Это уже ближе к управлению системой, чем к магии промптов.

Кто выиграет в 2026

Я бы ставил не на людей с самой длинной коллекцией prompts.

А на тех, кто умеет:

1. Собирать workflow — не отдельные запросы, а повторяемые процессы.

2. Работать с контекстом — потому что контекст бизнеса становится новым moat.

3. Проектировать роли агентов — понимать, кто за что отвечает, как передаются задачи и как проверяется качество.

4. Соединять AI и людей — потому что самые сильные системы почти всегда hybrid: AI + human judgement. Не вместо человека, а вместе с ним.

Как начать учиться уже сейчас

Я бы вообще не начинал с тысячи промптов.

Начал бы с другого вопроса: «Какой повторяемый workflow я могу собрать?»

Например: weekly reporting, контроль CPL, CRM-мониторинг, контент-пайплайн или аудит рекламы.

Один workflow. Несколько ролей. Один KPI.

А дальше — постепенно усложнять систему. Так навык собирается гораздо быстрее.

Главная мысль

Prompt engineering никуда не исчезнет. Но постепенно станет базовой гигиеной — примерно как умение пользоваться браузером.

Настоящая ценность смещается выше: к людям, которые умеют строить системы.

Потому что главный навык 2026 года — это уже не вопрос «Как правильно спросить у AI?», а вопрос «Как собрать контур, где AI работает как команда?»