Агент не заменяет инфраструктуру сделки
Когда рынок говорит об AI-агентах, легко представить, что медиабаинг скоро станет разговором с интерфейсом: описал цель, получил кампанию, увидел результат. Но рекламная транзакция не исчезает за чат-окном. В ней по-прежнему есть запрос, bid response, правила сделки, идентификаторы, частота, цена, источник инвентаря, креатив, измерение и десятки договоренностей между сторонами.
OpenRTB остается базовым языком real-time bidding: стандарт описывает, как отдельный рекламный показ выставляется на аукцион и как участники передают нужные для решения параметры. В 2026 году IAB Tech Lab отдельно зафиксировала финальную версию Programmatic Auction Definitions, чтобы рынок одинаково называл роли, ход аукциона и результаты. Это не академический словарь: без общих определений невозможно сравнить цену, прозрачность и ответственность.
AI добавляет к этой системе новый слой - постановку и выполнение задачи. Он может собрать brief в объект кампании, сопоставить требования с доступным supply, инициировать переговоры по deal или разобрать отклонение от KPI. Но чем больше действий получает агент, тем важнее, чтобы под ним были стандартизированные поля, таксономии и права доступа. Иначе он лишь красиво упаковывает несовместимые данные.
- Стандарты сделки: OpenRTB, AdCOM, deals и понятные объекты.
- Supply: ads.txt, sellers.json, schain и проверка полномочий продавца.
- Контроль: права доступа, пороги, human approval и rollback.
- Измерение: главная цель, защитные метрики и методика причинности.
Где именно меняется programmatic
Первая зона - подготовка сделки. Сегодня много времени уходит не на сам аукцион, а на превращение брифа в параметры: география, аудитория, формат, whitelist, условия deal, цена, frequency cap, measurement. AAMP от IAB Tech Lab описывает, как buyer- и seller-агенты могут обнаруживать друг друга, согласовывать условия, обмениваться сигналами и выполнять подготовительные действия на общей схеме объектов и протоколов.
Вторая зона - direct и private marketplace. Для прямых и гарантированных сделок агент может снизить стоимость согласования, но не должен размывать коммерческие условия. Если у сделки есть фиксированная цена, объем, брендовые ограничения и обязательства по отчетности, в журнале должны оставаться исходные условия, все изменения, кто их инициировал и кто подтвердил. Автоматизация переговоров без этого быстро станет источником споров.
Третья зона - open auction. Здесь скорость и масштаб выше, а качество решения зависит от того, как buyer понимает инвентарь, пользователя, цену и риск. Агент способен быстрее найти patterns, но он не знает «правильную» цену сам по себе. Ему нужны корректные данные об auction type, floor, deal, доступности инвентаря, commission layers, supply chain и outcome-сигнале.
Четвертая зона - post-bid управление. Самый реалистичный режим для первых пилотов: агент сопоставляет pacing, частоту, win rate, CPM, viewability, brand safety, конверсии и sales proxy, затем формирует объяснимые гипотезы. Здесь он помогает команде увидеть проблему раньше, но решение об изменении strategy остается за человеком.
- Какие данные и правила использованы в рекомендации?
- Можно ли увидеть исключенные supply paths и причины?
- Какие действия требуют подтверждения и где установлен порог spend?
- Как отделены платформа-оптимизатор и независимая оценка результата?
Почему supply path становится вопросом стратегии
Supply path optimization часто упрощают до идеи «убрать лишних посредников». Это неверно. У одного паблишера могут быть разные пути к инвентарю, разные сервисы, форматы, данные, сделки и гарантии. Цель buyer-а - не минимальное число звеньев, а путь, где понятны продавец, полномочия на продажу, цена, качество и возможность измерить результат.
Для проверки цепочки нужны знакомые технические опоры. ads.txt помогает паблишеру публично указать авторизованных продавцов; sellers.json раскрывает информацию об участниках sell-side; SupplyChain Object передает путь конкретной транзакции. Ни один из этих инструментов не гарантирует качество кампании, но вместе они снижают неопределенность: buyer может проверить, кто и на каком основании продает показы.
В агентной эпохе эти данные становятся не менее, а более важными. Если человек еще может заметить странный домен или лишнее звено в отчете, агент будет опираться на то, что доступно в его контексте. Плохой или неполный supply metadata превращается в масштабируемую ошибку: система уверенно оптимизирует по непроверенному пути, потому что ей не дали другого сигнала.
Именно поэтому покупателю стоит спросить поставщика AI-инструмента: использует ли он ads.txt, sellers.json и schain как ограничения или только как справочную информацию; умеет ли объяснить выбранный path; отделяет ли direct supply от реселлинга; показывает ли исключенные варианты и причину исключения. Это гораздо важнее демонстрации красивого промпта.
Цена: от CPM к объяснимой экономике контакта
CPM - необходимая, но недостаточная метрика. Более высокий CPM может означать премиальную среду, более точный deal, формат с иной логикой контакта или просто неэффективную цепочку. Более низкий CPM может быть следствием хорошей закупки, а может скрывать низкую viewability, MFA, слабый контекст, избыточную частоту или невидимые комиссии.
Агенту нельзя поручать «снизить CPM» без ограничений. Корректная задача звучит иначе: найти путь к целевой аудитории при заданных правилах качества, частоты, видимости, brand safety, происхождения supply и outcome. Чем точнее эти правила, тем меньше риск, что система оптимизирует стоимость показа вместо стоимости полезного контакта.
Для PMPs и гарантированных сделок логика еще строже. Цена должна быть привязана к тому, что реально покупается: формат, среда, объем, данные, эксклюзивность, сервис, measurement. Если AI помогает согласовать или продлить сделку, он обязан уметь сравнить условия с историей кампаний и показать, что именно изменилось, а не просто рекомендовать «лучший» deal.
Измерение: у агента должна быть цель, а не только прокси
Проблема современных рекламных систем в том, что они легко оптимизируются под доступный proxy. Клики, viewability, completed video, CPA внутри платформы и short-term sales - все это полезно, но не всегда равно бизнес-результату. Чем сильнее автоматизация, тем выше цена неправильной целевой метрики.
Рабочая связка для бренда: зафиксировать основную цель кампании, выбрать несколько защитных метрик и отдельно описать, что считается недопустимым. Например, для video это может быть охват в целевой группе и brand lift, при ограничениях по частоте, viewability, brand safety и supply transparency. Для performance - инкрементальная продажа или качественная конверсия, а не только дешевый CPA.
AI-агент может ускорить анализ, но не заменит дизайн эксперимента. Если команда хочет понять инкрементальность, нужны test-control, geo split, holdout или другая заранее согласованная методика. Если нужен долгосрочный эффект, нужны MMM или накопленные данные. Система не может честно доказать причинность, если ей дали только посткампейн-таблицу.
Практический контур для бренда и агентства
Начинать стоит с audit-ready медиаплана. В нем должны быть не только бюджеты и KPI, но и разрешенные форматы, типы сделок, требования к supply, блок-листы, правила частоты, методика измерения, владельцы решений и пороги, после которых нужно подтверждение. Такой документ полезен без AI, а с AI становится инструкцией, по которой можно безопасно автоматизировать части workflow.
Второй шаг - единый язык данных. Кампания, ad group, deal, creative, segment, source of truth и outcome должны иметь понятные определения. Это связывает закупку с аналитикой и дает агенту контекст. Без словаря агент будет выбирать между сущностями, которые одинаково называются, но означают разное.
Третий шаг - журнал решений. В нем фиксируются задача, данные на входе, ограничения, рекомендация, действие пользователя, изменение кампании, ожидаемый эффект и результат. Такой лог не бюрократия. Он нужен, чтобы разбирать ошибки, защищать стратегию перед клиентом и учить следующую версию процесса на реальных кейсах.
Четвертый шаг - независимая проверка. Платформа может быть отличным исполнителем, но бренд или агентство должны сохранять возможность смотреть на supply path, комиссии, частоту и outcomes из внешнего контура. Это особенно важно, когда одна система одновременно рекомендует действие, исполняет его и отчитывается о результате.
Что это значит для российского рынка
Российским adtech-командам не нужно ждать полной готовности международных агентных протоколов. Уже сейчас можно сделать базу: поддерживать прозрачность цепочки, нормализовать taxonomy, формализовать deal workflow, разделить права, строить понятные отчеты и фиксировать решение человека. Тогда любые AI-возможности будут накладываться на управляемую систему, а не на хаос из кабинетов и таблиц.
Для брендов практическая задача проще, чем кажется: перестать покупать только интерфейс и начать спрашивать о механике. Как формируется рекомендация? Какие данные используются? Можно ли посмотреть альтернативные пути? Какие ограничения нельзя обойти? Где хранится история действий? Как измеряется не только открутка, но и эффект? Эти вопросы одновременно повышают качество закупки сегодня и готовят команду к агентной модели завтра.
Ключевой вывод
AI-агенты не делают programmatic магией. Они делают его более требовательным к дисциплине. Чем быстрее система умеет собирать кампанию, согласовывать сделку и перераспределять бюджет, тем прозрачнее должны быть аукцион, supply path, цена и измерение. Нормальная агентная закупка начинается не с промпта, а с технических и коммерческих правил, которые нельзя обойти.
