Привет, Хабр! Я Влад Силантьев — руководитель агентства digital-маркетинга Silantev Studio. Мы специализируемся на рекламе в Telegram Ads и лидогенерации.

Нейросети уже пишут тексты, генерируют картинки и даже снимают рекламу. Компании вкладываются в технологии, мечтая о «волшебной кнопке», которая заменит команду креативщиков. Но реальность сложнее: ИИ то помогает брендам выстрелить, то оставляет их в дураках.

В этой статье — живые примеры. Мы посмотрим, где алгоритмы стали крутым решением, а где доверие к ним стоило сотен миллионов долларов и репутации.

Как не надо использовать нейросети: громкие провалы крупных брендов

Кейс Coca-Cola. Новогодние ролики Coca-Cola — это уже часть культуры. Красные грузовики, Санта, уютный свет — десятилетиями бренд создавал узнаваемый символ праздника. Но в 2024-м решили, что магию можно доверить ИИ, и выпустили ролик The Holiday Magic is Coming.

Ожидали чудо, а получили набор странных и пугающе холодных образов. Вместо душевной истории зрители увидели пластиковых оленей, статичных собак и стерильные «синтетические» улицы. Атмосфера праздника куда-то исчезла. Комментарии были жесткими: «ИИ украл душу Рождества», «это выглядит пусто и мертво».

Реакция зрителей вполне ожидаемая. В одной из прошлых статей я уже писал, что люди негативнее воспринимают контент от ИИ, если он пытается работать с эмоциями. Согласно исследованию Коллин Кирк, такой контент вызывает у людей «моральное отвращение» к бренду и рекламе. Этот кейс еще раз показывает, что нейросети пока не умеют создавать настоящую теплоту и ностальгию — те самые чувства, на которых держится праздничная реклама. 

Кейс Zillow. Американский гигант недвижимости Zillow решил перевернуть рынок — автоматизировать покупку и перепродажу домов с помощью ИИ. Алгоритм оценивал стоимость жилья, покупал по чуть более низкой цене и быстро перепродавал с наценкой. На бумаге все выглядело как бизнес мечты.

Поначалу все шло гладко, но рынок изменился. Пандемия внесла хаос: цены прыгали, а модель, обученная на спокойных исторических данных, просто не понимала, что происходит. В итоге алгоритм начал массово скупать дома по завышенной цене. Продать их было невозможно, убытки росли.

Финал печален: минус 420 миллионов долларов, закрытие проекта Zillow Offers и увольнение четверти сотрудников. Отличный урок: ИИ не умеет предсказывать «черных лебедей», а слепая вера в алгоритм оборачивается катастрофой.

Кейс Air Canada. История из разряда «как сделать плохую ситуацию еще хуже». В 2022 году клиент авиакомпании Джейк Моффат искал билет, чтобы слетать на похороны родственника. На сайте он обратился к чат-боту с вопросом о компенсации в подобных случаях. Бот уверенно пообещал компенсацию: «купить билеты можно сейчас, а подать заявление на возмещение затрат в течение 90 дней после покупки».

Но когда Джейк подал документы, ему отказали: заявление о возврате денег нужно было подавать до полета, а не после. В суде Air Canada пошла еще дальше — заявила, что чат-бот это «отдельная юридическая сущность», и компания за него не отвечает.

Судью такой аргумент не впечатлил. Вердикт: ответственность за все, что написано на сайте, несет сама компания. Итог — компенсация клиенту, судебные издержки и ощутимый урон репутации.

Удачные примеры использования ИИ

Провалы — это, конечно, интересно, но ведь есть и успешные кейсы. И здесь важно понять, что именно отличает их от неудачных. Как правило, успех приходит тогда, когда ИИ используют не как замену человеку, а как его усилитель.

Кейс Netflix. Netflix давно ассоциируется с «умными рекомендациями». Но самое интересное — как они используют ИИ в визуале. Алгоритм не просто советует фильмы, он подбирает обложку под конкретного пользователя.

Представим ситуацию с фильмом «Криминальное чтиво‎». Пользователь, который часто смотрит картины с Умой Турман, скорее откликнется на постер, где именно она в центре внимания. А вот поклоннику Джона Траволты система покажет вариант обложки с его участием. Один и тот же фильм получает десятки постеров, и ИИ подбирает тот, что с наибольшей вероятностью зацепит конкретного зрителя.

Кейс Harley-Davidson. Культовый бренд мотоциклов столкнулся с проблемой: аудитория старела, молодежь смотрела на Harley как на символ ушедшей эпохи. Чтобы оживить спрос, компания подключила ИИ-платформу.

Ai в режиме 24/7 отслеживал эффективность рекламных кампаний по всем каналам, самостоятельно определял самые перспективные сегменты аудитории, перераспределял бюджет в пользу наиболее удачных креативов и даже предлагал гипотезы для новых тестов. ИИ брал на себя всю рутинную работу, позволяя маркетологам сосредоточиться на стратегии и создании качественного контента. 

Результат: всего за 3 месяца количество лидов, сгенерированных в дилерских центрах Нью-Йорка, выросло на 2930%.

Кейс Nutella. В 2017 году Ferrero захотела подчеркнуть простую мысль: каждый их покупатель уникален. Но как это показать, если продукт массовый? Ответом стала кампания Nutella Unica.

ИИ сгенерировал 7 миллионов уникальных этикеток для банок: комбинации цветов и узоров не повторялись. Это не было высоким искусством, но это была идеальная работа для ИИ — создание шаблонного, но разнообразного контента в промышленных масштабах. Кампания имела оглушительный успех: вся партия была раскуплена меньше чем за месяц.

Выводы

Примеры выше показывают, что искусственный интеллект — это не универсальный решатель проблем, а узкоспециализированный инструмент. Его успешное применение зависит от правильной постановки задачи.

Удачные сценарии использования ИИ:

• Анализ больших массивов данных: Оптимизация рекламных кампаний, поиск инсайтов в поведении пользователей, прогнозирование спроса.

• Адаптивная персонализация: Подстройка интерфейса, контента и предложений под конкретного пользователя в режиме реального времени.

• Создание шаблонного контента: Генерация миллионов уникальных вариаций на основе заданных правил и ассетов.

В то же время, ИИ с треском проваливается там, где требуется эмпатия, здравый смысл, этика и ответственность. Попытка поручить ему создание душевной рекламы, общение с клиентами по сложным вопросам или принятие стратегических бизнес-решений в условиях неопределенности чаще всего заканчивается катастрофой.

Расскажите в комментариях, с какими примерами удачного или неудачного использования ИИ вы сталкивались.