Как ИИ-агенты в Claude Code заменяют ручные опросы: сбор и верификация живых голосов аудитории
В мире маркетинга ценность часто теряется, когда сухие портреты ЦА заменяют живую речь клиентов. Команда агентства MANIFEST продемонстрировала, как система мультиагентных ИИ-скриптов в среде Claude Code позволяет за 90 минут собрать и проверить сотни реальных цитат из открытых источников. Ключ к успеху лежит не в количестве моделей, а в жестком разделении ролей между «сборщиком» и «ревизором», что позволяет исключить выдуманные факты и голоса подрядчиков.
# Архитектура коллективной памяти: как ИИ-агенты собирают и верифицируют цитаты аудитории
В эпоху, когда маркетинг движется скоростью данных, главное становится не скорость, а достоверность источника. Маркетологи часто сталкиваются с парадоксом: нейросети отлично генерируют правдоподобные тексты, но терзают нас галлюцинациями. Попросить модель «найти цитаты клиентов», и она с радостью выдумает идеальную фразу, подкрепив её несуществующей ссылкой. Как же преодолеть этот барьер и получить реальные голоса потребителей, которые станут основой для новых рекламных кампаний?
Команда агентства MANIFEST, работающая над продуктом для Claude Code, решила эту проблему, построив не простую скриптовую функцию, а полноценную мультиагентную систему. Их подход демонстрирует, как разделение труда и строгая верификация могут сократить время исследований аудитории с 40 часов ручной работы до одного часа и сорока минут, не теряя в качестве данных.
От портретов к живым фразам: сетка задач
Традиционный метод исследования начинается с гипотезы. Маркетолог рисует портрет: «Иван, 35 лет, боится сливать бюджет». Это статичная картинка, которую нужно наполнить жизнью. Альтернативный путь, предлагаемый ИИ-агентностью, — прямое извлечение фраз из первичных источников: комментариев на VC.ru, видео на YouTube, форумы и отзывы. Однако просто прочитать текст недостаточно. Нужно найти структуру.
В системе MANIFEST используется концепция «сетки сегмент × критерий». Это таблица, где по вертикали расписаны сегменты аудитории (например, владельцы агентств, директора заводов), а по горизонтали — критерии, которые их интересуют: страхи, возражения по цене, опыт с прошлыми решениями, ожидания и желаемый результат. Каждая ячейка этой матрицы становится отдельной миссией для одного или нескольких агентов.
Система не действует вслепую. Перед запуском эта сетка утверждается человеком. Это критически важно: попытка переобучить модель под новую задачу после запуска обходится дороже, чем внесение правок в таблицу критериев. Такой подход превращает хаотичный интернет-шум в упорядоченный массив данных, где каждый фрагмент текста привязан к конкретному смысловому контексту.
Роль разделения: кто ищет, а кто проверяет
Сердцем всей системы является архитектурное решение, которое кардинально меняет подход к качеству данных. В простых сценариях один агент делает всё: ищет, копирует и утверждает. Но ИИ, имея доступ к контексту поиска, склонен подтверждать то, что он только что нашел, даже если текст изменился на странице или автором оказался подрядчик, а не клиент.
Для решения этой проблемы создано две независимые группы агентов.
Агенты-сборщики работают параллельно, отвечая за извлечение данных. Их задача — найти источник (например, конкретный комментарий под видео), скопировать дословную цитату, сохранить автора, ссылку и площадку, а также добавить краткое описание ситуации («плачу за маркетинг, а выручку не получаю»). Они работают в рамках установленных лимитов, чтобы не увязнуть в одной теме.
Агенты-ревизоры получают только итоговую таблицу данных от сборщиков и инструкции. У них нет доступа к исходному поисковому запросу или контексту сбора. Их единственная задача — открыть каждую предоставленную ссылку и посимвольно сверить текст с оригиналом. Если фраза не найдена, или автор сообщения не соответствует критерию (например, это отзыв самого исполнителя, а не клиента), запись помечается на удаление.
Этот метод «слепой» проверки оказался эффективен: из 96 собранных цитат сразу отсеялось три, так как в комментариях доминировали подрядчики, а не заказчики. Это классическая проблема открытых источников, где активнее всего общаются не те, кто покупает, а те, кто продает.
Технические параметры и реальная метрика
Система работает по принципу параллельного выполнения задач, но требует жесткого контроля временных лимитов. Без них один агент мог бы бесконечно «копать» в одной ветке форума, что привело бы к неэффективному использованию ресурсов.
В тестовом прогоне, проведенном 31 июля 2026 года, была задействована конфигурация «Полный режим»: * Количество агентов: 13 (включая разведку, сбор и проверку). * Общее время работы: 1 час 38 минут. * Количество обращений к источникам: 1007 кликов. * Итоговый результат: 93 подтвержденных цитаты по 8 различным критериям.
Особое внимание уделяется источникам. Для платформ с открытым API, таких как YouTube и VC.ru, используются специальные скрипты, которые забирают комментарии без необходимости ручного пролистывания страниц. Закрытые площадки, такие как Telegram-чаты, требуют отдельного этапа добора доступа, так как агенты не могут самостоятельно получить контент из приватных групп.
Критерием качественной работы сборщика является доля «живых» цитат. Если в результате проверки выясняется, что менее двух третей данных — это прямые высказывания реальных людей (остальное — пересказы, реклама или голос подрядчиков), вся операция считается неудачной и подлежит перезапуску.
Итоговые инсайты: что говорят люди на самом деле
Анализ собранных данных выявил неожиданные паттерны поведения аудитории. Например, в нише высокочековых услуг клиенты крайне редко используют термин «конверсия» или «ROI». Вместо этого они описывают результат через действие: «нет записи», «результата нет», «все по нулям». Также выяснилось, что претензии по цене формулируются не как «дорого», а как «непонятно, за что платишь». Еще одна находка — клиенты чаще сравнивают агентство с наемным сотрудником, чем с другими подрядчиками.
Эта система доказывает, что качество исследования определяется не мощью конкретной модели ИИ или количеством вычислительных ресурсов, а чистотой процессов. Разделение ролей и жесткая верификация позволяют превратить шум интернета в достоверную аналитику, экономя часы ручного труда и давая маркетологам инструмент для создания релевантных предложений, основанных на реальных, а не выдуманных словах клиентов.
*Авторский штрих: В этом мире, где алгоритмы часто имитируют человеческую речь, самое ценное остается верификацией. Даже самая совершенная модель не должна иметь права голоса без того, чтобы его слова не были подтверждены внешним наблюдателем.*