Как собрать AI-агента для маркетинга в 2026: пошаговая инструкция с архитектурами
Пошаговая инструкция по созданию AI-агента для маркетинга: от выбора платформы (n8n, Make, Custom) до подключения LLM и настройки триггеров. 3 готовые архитектуры: лидогенерация с BANT-квалификацией, агент контент-плана, агент аналитики с алертами. Time-to-first-agent: 4-8 часов.
AI-агенты в маркетинге 2026 — не про напиши письмо через ChatGPT. Это про программу, которая сама решает какую картинку сгенерировать и кому отправить. Разница между промптом и агентом — как между ручным станком и конвейером.
Я собираю AI-агентов на n8n с лета 2024. Текущий — агент контент-плана: собирает новости, анализирует через Claude, генерирует посты, кидает на утверждение в TG. На 6 проектах сейчас 8 агентов.
AI-агент — это не настроил и забыл. Это настроил, первую неделю чинил каждый день, вторую — раз в два дня, на четвёртой забыл что он существует и он упал.
1. Что такое AI-агент
Скрипт: если CPL выше 500 → алерт. AI-агент: CPL вырос до 700 → Claude анализирует почему → принимает решение: снизить ставку на 15% и отправить алерт с анализом. Разница — в гибкости.
2. Выбор платформы
n8n — бесплатный self-hosted. 400+ интеграций, полный контроль. На моих проектах 6 из 8 агентов на n8n.
Make.com — облачный, от $9/мес. Проще, быстрее. Интеграций меньше.
Custom — свой код. Полный контроль, время разработки в 5-10 раз выше.
| Параметр | n8n (self-hosted) | Make.com | Custom |
|---|---|---|---|
| Стоимость старта | 500-1000 ₽/мес | $9-29/мес | 0 ₽ |
| Время до первого агента | 2-4 часа | 1-2 часа | 2-5 дней |
| Интеграции | 400+ | 200+ | Любые |
| Для кого | Маркетолог с опытом | Без кода | Разработчик |
3. Какую LLM под капот
Claude — мой основной выбор. На 8 агентах ~94% точности решений против ~87% у GPT-4o.
GPT-4o — лучше для генерации текста и креативных задач.
Local LLM — для задач где данные нельзя в облако. Для маркетинга обычно хватает Qwen 2.5 32B.
4. Архитектура агента лидогенерации
Новый лид → Claude проверяет BANT → если проход → в amoCRM + алерт менеджеру в TG → если нет — в лист дозревания. На B2B SaaS поднял конверсию в квалифицированный лид с 35% до 58%.
5. Архитектура агента контент-плана
Ежедневно собирает новости из RSS TG-каналов → Claude выбирает темы → генерирует черновики → в Notion на утверждение. Агент не публикует сам — только готовит.
6. Архитектура агента аналитики
Раз в час тянет данные из API → Claude сравнивает с планом → если отклонение больше порога → алерт в TG. На EZ KATKA ловил просадки по CPL на 2-4 часа раньше менеджера.
7. Пять ошибок
1. Один агент на всё. Одна задача — один агент.
2. Доступ к действиям без модерации. На critical path — human-in-the-loop.
3. Нет timeout. Агент в бесконечном цикле — классика.
4. Нет логов. Агент — чёрный ящик без логов.
5. Слабая LLM для сложных решений. Для квалификации — только Claude Sonnet или GPT-4o.
8. Вывод
AI-агенты — не хайп, а необходимость для команд, которые хотят работать быстрее. n8n + Claude API — рабочая связка для 90% задач. Не пытайся сделать идеально — собери MVP, запусти, почини.
Связанные: 10 n8n-сценариев, ChatGPT: 30 задач, AI-трансформация команды за 90 дней.
Если хочешь разобрать твою конкретную ситуацию — пиши в Telegram или через форму. Стартовая консультация — 0 ₽.