Как CMO Snowflake управляет маркетингом для 700 человек с помощью данных и AI-агентов
Дениз Пэрссон руководит маркетингом в Snowflake. Это организация из 700 человек, за pipeline по новым продажам она отвечает лично, а уровень комплаенса и риска данных здесь выше, чем у большинства компаний. На SaaStr AI 2026 она рассказала, что именно меняется, когда вы внедряете агентов в маркетинг такого масштаба.
Главный вывод, который она сформулировала: утром она больше не заходит в дашборд. Она задает вопросы своим данным простым английским языком. Никто в ее команде больше не получает от нее сообщений в Slack с вопросом «почему изменился pipeline в US West?», потому что она просто спрашивает это напрямую у данных.
Пять главных выводов
1. Дашборд мертв, или как минимум умирает. Дашборды всегда отвечали только на вопрос «что произошло». Они никогда не отвечали на вопрос «почему». Поэтому раньше приходилось пинговать коллег, назначать встречу, садиться с sales и спорить о том, что означают цифры. Теперь Пэрссон спрашивает у данных, почему так произошло, и получает рекомендации в реальном времени. Ее цитата: ей больше не нужно писать в Slack, потому что она наконец может получать ответы, которых раньше не могла добиться.
2. Разговор с данными убил войну между sales и marketing за интерпретацию данных. С этим сталкивался почти каждый B2B-лидер. Маркетинг говорит, что кампания сработала. Sales отвечает, что она не принесла revenue или «это не считается». Уходит масса часов на то, чтобы согласовать, чей дашборд прав, прежде чем вы вообще начинаете говорить о бизнесе. Единый источник истины это снимает. Теперь данные сами показывают, откуда пришла сделка, кто с ней взаимодействовал, что происходило на сайте. Спор о трактовке исчезает, а вместе с ним и потраченное на него время.
3. Хорошая работа с данными не опциональна, это и есть вся игра. Плохие данные плюс AI не дают просто плохих решений. Они дают плохие решения быстрее и в большем масштабе, потому что агент усиливает все, что вы в него загружаете. Совет Пэрссон тем, кто только начинает: сначала инвестируйте в data estate. Если этого не сделать, это аукнется через год. Это тот же урок, что и с гигиеной Salesforce 15 лет назад, только цена ошибки растет гораздо быстрее.
4. Бюджетная реальность такова: нужно давать 40-50% роста при тех же или меньших ресурсах. Это и есть фактический мандат. Никто не приходит в планирование следующего года с просьбой о большем штате. Пэрссон говорила прямо: если попросить больше людей в 2026 году, руководство посмотрит на вас так, будто вы не понимаете, где находится компания. Ожидание теперь такое: AI должен поглощать рост, а не новые наймы.
5. Профиль найма сместился с инструментов к темпераменту. Раньше в вакансии был список сертификаций: Marketo, Salesforce, платформа за платформой. Теперь важнее soft skills, чем стек. Адаптивность, любознательность, самоуправление, управление изменениями, готовность учиться в темпе, с которым все меняется. Для Snowflake ключевая роль — GTM engineer. Бизнес-аналитиков там нанимают заметно реже.
Снижение стоимости одной возможности на 30%
Пэрссон говорила не только о философии. Главный измеримый результат, с которого она начала: за шесть месяцев стоимость одной возможности снизилась на 30%. Этого добились за счет того, что фрагментированные медиа-каналы собрали в одном месте и позволили системе каждый день рекомендовать оптимизации, а не ждать конца кампании, чтобы понять, что она провалилась.
Еще один важный эффект — утренний briefing. Она получает ежедневный отчет о навыках и сигналах, который выходит далеко за рамки pipeline. Состояние организации. Кто пришел в маркетинг Snowflake на этой неделе, кто ушел, не формируется ли проблема с текучестью. Даже travel и expenses, которые ей не хотелось бы проверять вручную, теперь всплывают сами. Информация, которая раньше была доступна только finance, теперь становится вопросом, который она задает до первой встречи.
Как они выстроили AI-грамотность среди 700 человек
Это та часть, которую большинство команд недооценивает. Пэрссон назвала ее крупнейшей инвестицией прошлого года и строит ее через вдохновение, а не через принуждение. По ее словам, она не верит в кнут.
Система выглядит так:
- Еженедельное обучение AI-навыкам для команды
- Еженедельный AI-челлендж, где кто-то записывает короткое видео про созданного им агента или навык и бросает вызов следующему участнику
- Хакатоны по функциям, потому что потребности команды comms отличаются от потребностей digital marketing
- AI council и ежеквартальный общий AI day для компании
- Лидерборд по использованию, с важной оговоркой, которую она повторяет каждый месяц
- «What matters», их квартальные OKR, где каждый человек обязан поставить AI-цель. Она может быть маленькой, например выучить одну вещь. Смысл в том, чтобы двигались все.
Самое неожиданное для нее: вверху лидерборда оказались не те, кого можно было бы предсказать. Три самых активных пользователя пришли из brand team. И они не остались в своем silos. Теперь именно они бегают по другим функциям и помогают с хакатонами. Инновации появились там, где она меньше всего ожидала.
Слой управления контролируется центральной AI engineering-командой
При масштабе Snowflake и их терпимости к риску нельзя просто дать тысяче агентов расти без контроля. Ошибочное письмо клиенту — это впечатление о бренде, которое остается надолго. Поэтому они выстроили control plane.
Сверху над всем стоит централизованная команда AI engineering. Любой навык, которым будут пользоваться больше нескольких человек, должен пройти сертификацию до релиза. Их общий для компании GTM-агент Raven используется и в sales, и в marketing, а каждый навык внутри него сертифицируется централизованно. Двойная задача этой команды — следить, чтобы агенты вели себя правильно, и не дать компании пять раз построить одного и того же агента.
В части затрат Snowflake сознательно приняла решение: расходы на AI идут на уровень компании, а маркетинг сейчас получает фактически неограниченный доступ. CEO не хотел, чтобы чей-то departmental budget тормозил эксперименты. Пэрссон честно признает, что это решение на 2026 год и, вероятно, оно изменится, потому что использование взлетает, а счет уже вполне реальный.
Где человек все еще выигрывает
Пэрссон так видит границу между человеком и агентом: authenticity становится особенно ценным именно потому, что вокруг все больше synthetic. Люди начинают скептически относиться к тому, что реально, а что нет. Видео с танцующей собакой — пожалуйста, никого не волнует, что оно фейковое. Но доверие к бренду — это другое. Именно там люди теперь и проводят свое время: на уникальности и подлинности бренда, на том, что agents не могут сгенерировать.
Есть еще два сдвига, которые стоит заметить:
События снова растут. Десять лет назад все объявили events мертвыми и полностью ушли в digital. Теперь спрос на in-person experiences, по ее словам, просто взрывается. Людям снова нужна комната и живое присутствие.
Enablement перестраивается. Snowflake перевела sales enablement, partner enablement и customer training под marketing, потому что контент дублировался по всей компании. Новая модель такая: один раз создать контент, затем сгенерировать все производные материалы для каждого сегмента и запустить self-service enablement agents, чтобы продавцы получали обучение в тот момент, когда оно им нужно, а не сидели на сессии, которая либо слишком базовая, либо слишком продвинутая. Они даже используют roleplay agents, чтобы репы могли отрабатывать питч против агента, загруженного данными компании, вместо того чтобы отвлекать своего менеджера.
Три ошибки Дениз Пэрссон и то, что она видит повсюду
Даже в Snowflake playbook не идеален. Вот где она, по ее собственному признанию и по косвенным признакам, споткнулась.
1. Token leaderboard измерял не то, что нужно. Лидерборд, ранжированный по использованию, вознаграждает активность, а не результат. Один из слушателей прямо указал на проблему: больше tokens означает больше затрат, но не обязательно больше результата. Теперь Пэрссон каждый месяц делает оговорку к лидерборду и говорит команде, что неважно, использовали вы 100 tokens или 1000, важен business outcome. Если вам приходится устно исправлять свой же показатель каждый раз, когда вы его показываете, значит метрика подает неверный сигнал. Лидерборд нужно строить вокруг результатов, а не потребления.
2. Принцип «пусть все строят что угодно» создает разрастание, которое потом придется сдерживать. Пэрссон признала это прямо: сейчас они поощряют создание на всех уровнях, и в какой-то момент им придется это притормозить. Дублирующиеся агенты уже строятся по всей компании. Она сама провела точную параллель с взрывом SaaS-приложений 15 лет назад, когда маркетинг покупал сотню инструментов, а потом IT приходилось наводить порядок. Они понимают, что слой контроля все равно появится. Цена ожидания — в последующей зачистке.
3. Неограниченные расходы на AI были правильным решением для экспериментов и неправильным для дисциплины затрат. Централизация AI-бюджета и снятие лимитов заставили людей активнее включаться, и это было целью. Но она признает, что использование идет вверх, расходы уже значительные, и по всей компании они видят агентов, которые делают одну и ту же работу дважды. Она ожидает, что в 2026 году это решение будут пересматривать. Вывод: неограниченный доступ ускоряет adoption, но оставляет вам счет, с которым потом все равно придется разбираться.
4. Activation layer все еще построен наполовину. Это она видит как текущий разрыв, а не как прошлую ошибку. Они автоматизировали аналитическую часть: какой use case продвигать в какой account, процесс, на который раньше уходило огромное количество времени. Но полноценную активацию они пока не решили. Кампания по-прежнему не может запустить себя полностью. Именно поэтому существует роль GTM engineer, и именно поэтому время этой команды — самый дефицитный ресурс в компании. Аналитика стала дешевой. Действие — еще нет.
Финальная мысль Пэрссон о будущем функции: никто не может внятно показать, как будет выглядеть marketing через три года. Но вы можете участвовать в его формировании или отказаться. Именно такой выбор она ставит перед своей командой, и это правильная рамка и для всех остальных.
- * *
Есть вопрос к Dear SaaStr? Отправьте его на saastr.ai/ai-mentor.
The 21+ AI Agents We Actually Use
Plus, the latest on how to deploy AI agents.
Материал — перевод статьи с английского.