Мультиагентный ИИ в маркетинге клиник: команда, а не гений

Мультиагентный ИИ — это не один универсальный ассистент, а связка специализированных агентов с разделёнными ролями. Формулировка Сужала Раджу, CEO Enqbator, из подкаста Healthcare Success: «вы наняли бы команду, а не гения». Роль маркетолога смещается от ручной склейки задач к оркестрации.

«Нанимайте команду, а не гения»: почему один ассистент проигрывает связке

Логика Раджу проста: если один ИИ одновременно пишет текст, делает SEO, проверяет комплаенс, тестирует и разрабатывает, это равносильно сотруднику, который выполняет работу и сам же проверяет свою домашнюю работу. Мультиагентный подход разделяет ответственность на чётко определённые роли: каждый агент — специалист в своей области, для каждой роли задаются собственные границы (guardrails), а работают они как команда, а не как один многозадачный исполнитель.

Ключевое следствие: чем длиннее промпт, тем хуже результат. Если в одну инструкцию сложить «думай как SEO-специалист», «соблюдай требования к схеме разметки», «учитывай формат вопросов и ответов», «соблюдай комплаенс», «соблюдай бренд», агент начинает конкурировать сам с собой: он «гоняет» эти требования, уходит в одно направление и пропускает часть остальных. По оценке Раджу, один большой промпт в большинстве случаев даёт результат хуже, чем несколько узких.

Третий эффект касается роли человека. Сегодня маркетолог, работающий с одним ИИ, выполняет цикл «запрос → ответ → копипаст → проверка → исправление → публикация» и по факту становится «склейкой» между этапами. В мультиагентной схеме эта склейка переносится в саму систему: агенты обмениваются данными между собой, а человек получает на проверку готовый пакет, а не фрагмент, который надо куда-то вставить вручную.

Контекст разговора — конференция HCIC, где оба собеседника выступают по теме ИИ в медицинском маркетинге. Раджу ведёт мастер-класс с живой демонстрацией мультиагентной системы, решающей прикладные задачи маркетинга клиник, и отдельный трек-«think tank» по контенту и поисковым системам.

Роли в контентном конвейере: кто за что отвечает

На примере контента Раджу перечисляет конкретный состав команды агентов:

• Писатель — специализируется именно на текстах для здравоохранения.
• Фактчекер — собирает и передаёт писателю проверенные факты: для кого предназначена программа, какие услуги и методы лечения есть в клинике, чем предлагаемый подход лучше того, что пациент уже пробовал и бросил, что мотивирует пациента искать лечение.
• SEO-специалист — проверяет, что материал вышел в нужном формате (например, FAQ), и отвечает за то, как в тексте выделяются конкретные хирурги, продвигаемые кампанией.
• Брендовый фильтр — сверяет результат с брендбуком и принятым тоном.
• Оркестратор — финальный агент, который просматривает всё, даёт согласование и собирает итог.

Раджу подчёркивает, что человеческий фактор не исчезает: человек остаётся тем, кто определяет правила, уточняет их со временем и владеет результатом. Меняется не наличие человека в процессе, а точка его приложения.

Кейс: запуск программы роботизированной замены коленного сустава

Пример из подкаста — небольшой общественный госпиталь запускает программу роботизированной замены коленного сустава. По словам Раджу, традиционно это означает три-четыре недели переписки по электронной почте и согласований.

Мультиагентная схема меняет не столько производство материалов, сколько экономику согласования. Агенты с разными специализациями выполняют работу, оркестратор сводит её, и на стол хирургу — от имени которого запускается программа — кладётся компактный пакет (в описании Раджу — PDF), где есть: пять пунктов, которые нужно проверить; использованные утверждения о методе; источники, на которых эти утверждения основаны, и подтверждение, что источники надёжны; реальные возможности и оснащение клиники; подход к брендированию.

Проблема, которую это снимает, — не качество текста, а задержка согласования. Хирург не читает большой брендбук, потому что у него нет на это времени, и подпись задерживается. Короткий структурированный пакет с явно обозначенными точками проверки решает именно эту задачу.

Контент — точка входа: агенты пациентов уже читают сайт

Пациенты всё чаще исследуют клиники, врачей и методы лечения через ИИ-агентов — ChatGPT, Perplexity, Google Gemini, а в перспективе и голосовых ассистентов (в источнике упоминается Siri). Эти системы читают тот контент, который у организации уже опубликован. Если на сайте лежит устаревшая, противоречивая или неточная информация, ИИ её усиливает, а не исправляет.

Пример Раджу: банковское отделение временно закрылось и опубликовало сообщение «скоро откроемся». Когда отделение возобновило работу, обновление не распространилось достаточно быстро — и агент продолжает утверждать, что точка закрыта и идти туда не надо. Та же логика применима к клинике, закрытой на ремонт, к изменившейся методике лечения или к хирургу, сменившему подход. Устаревшая страница становится не мелким дефектом, а источником ложных рекомендаций от имени клиники.

Отсюда практический вывод: «подкрасить фасад» — обновить пару заметных страниц — недостаточно, если тысяча старых страниц говорит машинам другое. Конкурентное преимущество, по Раджу, получают те команды, чей контент является точным, чистым, соответствующим требованиям и актуальным.

Guardrails в системе, а не в PDF

Раджу формулирует прямо: guardrails — это не PDF и не служебная записка о политике, а нечто встроенное в саму систему, чтобы агент знал свои границы до выполнения первого шага. Маркетологу не нужно думать как юристу — нужно прийти к юридической функции, к SEO-команде и к IT и спросить, что требуется, чтобы результат прошёл их этап без переделки.

Показательный пример — инфраструктурный. Если IT-команда разворачивает стек в Amazon-облаке с определённым процессом деплоя, а агент обучен генерировать артефакты, пригодные только для Microsoft Azure или Google Cloud, организация возвращается на первый этап. Такие вещи не запоминают — их задают в системе.

Каждое подразделение ведёт своих агентов под свои задачи; ни одно из них не заменяет другое. IT не отменяет маркетинг, маркетинг не запускает продукты в обход IT и комплаенса.

Автономия — это регулятор, а не выключатель

Раджу настаивает: автономность — не переключатель, а регулятор. Его поворачивают по мере того, как агент дорабатывается и доказывает, что умеет работать в заданных параметрах. Агент должен заслужить доверие, а не получить его по умолчанию.

Обратная сторона — риск автоматизации без понимания последствий. Чем мощнее становятся LLM, тем выше вероятность, что организация отдаст процесс машине, не осознавая, где именно он может сломаться. Интервьюер Stewart Gandolf добавляет наблюдение от практики: при работе с ИИ-ассистентами результат становится «пустым», если просто передать задачу и не удерживать ответственность за итог на себе.

Сколько это стоит и что считать ROI

Раджу предлагает сравнивать стоимость не с ценой подписки, а с затратами на найм того количества людей, которое потребовалось бы для этой работы, и с количеством высвобожденных часов.

По его словам, цена зависит от сложности задачи. Если речь в основном о написании контента, может хватить одной подписки — ChatGPT, Claude или аналогичной. При этом агентов можно строить на той же самой LLM, просто определяя для каждого свою «шляпу»: юридический эксперт, исследователь, писатель. Тогда стоимость определяется не «числом задач», а качеством определения ролей: чем точнее заданы роли, тем меньше токенов расходуется и тем ниже счёт. Enqbator предлагает готовое решение по подписке, беря инфраструктуру на себя — по словам Раджу.

Настоящий ROI здесь — время. Задачи, которые раньше выполнялись последовательно (получить текст, отправить на проверку комплаенса, затем на бренд-контроль, затем на SEO), в мультиагентной схеме идут параллельно. Освободившееся время уходит на стратегическую работу, до которой у команды раньше не доходили руки.

Прогноз Раджу: через два года ручной копипаст промптов будет восприниматься примерно так же, как отправка PDF по факсу.

Применимость для РФ

Переносится напрямую. Организационная часть: декомпозиция ролей на отдельных агентов, оркестрация вместо «склейки» руками, принцип «guardrails в системе, а не в регламенте», автономия как регулятор, старт с контент-аудита. Это практики уровня процессов, они не зависят от вендора LLM и применимы в клинике любого размера.

Не переносится из-за регуляторики. Разделение ответственности маркетинг / IT / комплаенс в источнике построено вокруг HIPAA. В РФ прямого аналога нет: данные о здоровье — спецкатегория персональных данных по 152-ФЗ, действуют требования к локализации и согласиям, а реклама медицинских услуг ограничена ст. 24 ФЗ-38. Значит, набор правил для комплаенс-агента нужно собирать с нуля под российское право, а не импортировать. Если в контур агента попадают данные пациентов, отдельно возникают вопросы трансграничной передачи и места хранения — по нашей оценке, разумно проектировать конвейер так, чтобы персональные данные в него вообще не заводились.

Не переносится из-за инфраструктуры. Подключение агентов к внешним ассистентам и интеграциям вида MCP, описанная в источнике, опирается на зрелость зарубежных LLM-API и платёжно-доступностный контур. В РФ это ограничение и по доступности сервисов, и по требованиям к хранению данных; локальные модели и голосовые ассистенты находятся на другой стадии зрелости — по нашей оценке. При этом слой аудита и оркестрации контента вендор-нейтрален: начать с инвентаризации и очистки устаревших страниц можно без агентной инфраструктуры.

Читайте также

• ИИ-агенты в клинике: доступ как у внештатной медсестры — какой доступ к системам давать ИИ-агентам
• Атрибуция в медицинском маркетинге: почему дашборды врут и что делать клинике — как измерять результат, когда маркетингом занимаются агенты
• Лендинг для клиники в эпоху ИИ: почему рассогласование с рекламой удваивает стоимость клика — лендинг, который конвертирует в эпоху ИИ

FAQ

Q: Чем мультиагентный ИИ отличается от одного ChatGPT? A: Разделением ролей: отдельные агенты отвечают за текст, фактчекинг, SEO, бренд и комплаенс, для каждого заданы свои границы, а человек получает готовый пакет вместо фрагмента для копипаста.

Q: Почему один большой промпт даёт худший результат, чем несколько узких? A: Агент начинает конкурировать внутренними инструкциями — уходит в одно направление и пропускает часть требований. По оценке Сужала Раджу, в большинстве случаев длинный промпт хуже нескольких специализированных.

Q: С чего начинать внедрение в клинике? A: С контента. Пациентские ИИ-агенты уже читают сайт клиники, поэтому первый шаг — ревизия и очистка существующего контента, а не автоматизация новых задач.

Q: Кто в клинике должен отвечать за ИИ-агентов? A: Маркетинг владеет контентом и кампаниями, IT — инфраструктурой и безопасностью, комплаенс — правилами и их обновлением. Каждое подразделение ведёт своих агентов под свои задачи.

Q: Сколько стоит внедрение мультиагентной схемы? A: Зависит от сложности задачи и от того, насколько точно определены роли: счёт формируется расходом токенов, поэтому корректно заданные роли снижают стоимость. Корректное сравнение — не с ценой подписки, а с затратами на найм и с высвобожденными часами.

Q: Может ли ИИ заменить маркетолога клиники? A: Нет. Роль меняется, но не исчезает: человек определяет правила, поворачивает регулятор автономности и владеет результатом.

Источник: Healthcare Success, 2026