Как построить собственного AI-вице-президента по маркетингу: полный playbook SaaStr AI 2026

На SaaStr AI Annual 2026 Амелия Лерютт, Chief AI Officer в SaaStr, взяла пять месяцев работы над 10K, AI-вице-президентом по маркетингу SaaStr, выделила из этого рабочую спецификацию и собрала нового с нуля прямо на сцене примерно за 15 минут. Весь зал в это же время собирал свои версии.

Это playbook для того, чтобы сделать то же самое. Сначала — ментальная модель, затем сборка в десять шагов, а потом каждый шаг подробно: какие данные подавать, какие workflow строить первыми и какие guardrails нужны, чтобы агент не разослал письма всей базе в 2 часа ночи.

10K изначально не был ничем из этого. В январе 2026 года Амелии надоело одно рутинное действие: каждый воскресный вечер копировать и вставлять маркетинговые, sales и go-to-market дашборды в Notion, чтобы команда разбирала их в понедельник утром. Она vibe code-ом собрала дашборд, чтобы убрать эту копипасту. Это и было единственной первоначальной целью. Пять месяцев спустя он владеет ключевой метрикой, строит кампании, пишет email-копирайт на основе реальных данных и напоминает ей о вещах, которые она забывает. Сейчас SaaStr использует почти 30 агентов, и их суммарно применяли почти миллион раз. Ни один из них не начинался сложно. Ваш тоже не должен.

Перед началом: три вещи, которые делают это рабочим

#1. Один агент, одна цель, один мозг.

Дайте каждому агенту одну метрику, за которую он отвечает. Поэтому у SaaStr отдельные агенты: 10K отвечает за маркетинг, QBee — за customer success, другой агент — за SaaStr Annual. Не загружайте один агент всеми тремя задачами. Фокус и делает результаты хорошими.

#2. Сам агент — это и есть сущность.

SaaStr не строил супер-агента или отдельный слой custom connector поверх всего. Каждый агент — самостоятельная сущность со своим мозгом, и у него формируется свой характер, чем больше вы общаетесь с ним в редакторе. Тот, кто управляет агентом — вы, head of AI или нанятый forward-deployed engineer, — должен разговаривать с ним так же, как Амелия разговаривает с 10K каждый день.

#3. Два слоя.

Автономный слой — это дашборды, запланированные задачи и AI-сгенерированные письма, которые круглосуточно работают в production. Operator layer — это агент в редакторе, который делает разовые анализы и outbound. Первый слой видят ваша команда и клиенты. Второй слой — это moat, и ниже мы разберём почему.

Сборка в общих чертах

Сначала выберите одну метрику, затем напишите спецификацию. Чем подробнее спецификация, тем лучше агент.

Загрузите все таблицы, которые у вас уже есть. Реальная история — это ground truth, и большая её часть вообще не находится ни в одном API.

Соберите v1 на vibe coding-платформе. Спецификация плюс данные в Replit — и примерно через 15 минут у вас будет рабочая версия.

Сначала подключите Salesforce. Читайте pipeline и revenue, затем записывайте обратно.

Подключайте остальные API по одному. CRM, marketing automation, Slack, Google Calendar. Пошагово.

Чётко определите, что работает само, а что требует подтверждения. Сбор данных — автономный процесс. Отправка писем всей базе — нет.

Постройте hallucination guard до первого отправленного сообщения. Подставляйте реальные числа и блокируйте отправку, если они не совпадают.

Держите memory file, который агент читает в каждой сессии. Правила тона, контакты и все исправления — в одном файле.

Проверяйте на реальных данных, затем разворачивайте. Первые несколько результатов обязательно смотрите вручную, прежде чем доверять системе.

Шаг 1: выберите одну метрику, затем напишите спецификацию

Всё начинается с одной метрики наверху. Для 10K это были платные участники и net event revenue к жёсткой дате. Выберите свою до того, как напишете хоть строчку кода. Для события это могут быть билеты плюс sponsor revenue относительно цели. Для запуска — signups плюс activations плюс paid conversions. Для revenue ops — new ARR плюс expansion минус churn за квартал. Запишите это на стикере и не начинайте без этого. Каждая интеграция, график и prompt дальше служат именно этой метрике.

Затем напишите спецификацию. Правило Амелии простое: чем подробнее вы описываете задачу, тем лучше inputs запрашивает агент и тем лучше outputs вы получаете. Общая спецификация для AI VP of Marketing даёт вам общего агента. SaaStr опубликовал точную 20-страничную спецификацию, которую использовал, плюс пример исторических данных, чтобы участники могли собрать свою версию прямо на месте. Если не уверены, что включать в спецификацию, спросите Claude. Дайте ему цель и попросите помочь оформить спецификацию, прежде чем отдавать её в build tool.

Есть ещё одна вещь, не менее важная, чем сама спецификация: как вы относитесь к агенту. Амелия с первого дня воспринимала 10K как дашборд и прямо так ему и сказала. Сейчас она относится к нему как к co-pilot и коллегe. Этот сдвиг — часть сборки.

Вы можете взять нашу спецификацию здесь.

https://www.saastrannual.com/resources/

Шаг 2: загрузите все таблицы, которые у вас уже есть

Прежде чем подключать хотя бы одну интеграцию, соберите все таблицы, CSV и отчёты, которые вы сейчас используете для управления этим направлением бизнеса, и сложите их в одну папку. Агент должен воспринимать их как ground truth и строить вокруг них первый дашборд.

Это важнее, чем звучит. Большая часть полезной истории не находится ни в одном API. Цены для sponsor пятилетней давности, список гостей VIP dinner, рабочая книга, которую ведёт CFO, — ничего из этого не живёт в CRM или в ticketing tool. Если не загрузить всё это в первый день, агент будет знать только то, что показывают live-интеграции. Это также позволяет показать реальные графики уже на второй день, а не на четырнадцатый, и закрепляет каждый AI-ответ на реальных числах, а не на догадках.

Не смущайтесь хаоса. SaaStr начинал с данных, разбросанных по CSV, Salesforce и Marketo в сотне разных мест. Амелия просто отдала агенту CSV-файлы. Загружайте raw exports без изменений, пусть агент сам напишет парсинг, и перезаливайте их каждый раз, когда источник обновляется. Если вас беспокоит безопасность, подключайтесь нативно через CRM и marketing automation API.

Загружайте данные примерно в таком порядке: сначала revenue, которое пришло из маркетинга или было touch-нутo маркетингом, затем campaign data — что сработало, что нет, все ad spend и agency spend, затем email data — opens, clicks, кто читает, а кто нет, затем трекер прогресса по тому, что вы уже сделали в 2026 году. Агент иногда довольно прямо скажет вам, что кампания, которую вы считали невероятно успешной, на самом деле не сработала.

Шаг 3: соберите v1 на vibe coding-платформе

Загрузите спецификацию и данные в Replit или любой другой build tool, который вы используете, и позвольте ему сгенерировать агента. На сцене первая рабочая версия заняла около 15 минут. Единственное ручное вмешательство Амелии в пересборке было сказать системе сделать дашборд фиолетовым и переименовать его.

Если всё, что у вас останется, — это дашборд, который тянет данные из CRM, это уже реальная победа. Дашборд и был полным источником 10K. Всё остальное наращивается поверх него по ступеням.

Шаг 4: сначала подключите Salesforce

Первой настоящей интеграцией, которую построила Амелия, было connected app в Salesforce, чтобы 10K мог читать, а в итоге и записывать pipeline и revenue.

Она не сертифицирована как Trailblazer. У неё есть худи Agentblazer, но она даже не уверена, что сертифицирована как Agentblazer. Она спросила Claude, как собрать connected app, и он провёл её через все шаги. Для большинства команд это и есть первый шаг. Чтение closed-won revenue и pipeline через Salesforce API также даёт исторические сравнения и прогнозы — именно это агент и должен делать по понедельникам.

Шаг 5: подключайте остальные API по одному

После Salesforce добавляйте остальное по мере необходимости: платформу marketing automation, social, если хотите, чтобы агент публиковал посты сам (SaaStr всё ещё пишет social вручную), Slack для ежедневных сводок и Google Calendar.

Последний пункт — один из лучших примеров сессии. Раньше рассылка сотням спикеров персонализированных календарных приглашений была задачей на целого человека и занимала неделю. В каждом приглашении нужно было указать время сессии, правильный адрес площадки, а не очевидный, логистику green room и добавить в копию нужные команды — press, marketing и executive. 10K сделал всё это через интеграцию Google Calendar примерно за 20 минут.

Это была рутинная, а не гламурная работа, и именно поэтому её нужно отдать агенту. Ваше время лучше потратить на сборку агента и кампании, которые можете запускать только вы. Агент отлично справляется с рутиной, причём делает это быстро и без ошибок.

Правило для любой интеграции: кэшируйте данные в собственной базе с коротким окном обновления. Никогда не заставляйте страницу дашборда при каждом открытии обращаться к стороннему API, иначе она станет медленной, дорогой и очень быстро упрётся в rate limits.

https://www.saastrannual.com/resources/

Шаг 6: стройте workflow по одному

Здесь агент превращается из дашборда в co-pilot. Стройте их по одному. Не пытайтесь подключить всё сразу и следите за doom loop — спиралью «а что насчёт этого, а что насчёт того», когда вы планируете десять workflow и не запускаете ни одного. Запишите будущие состояния и стройте их по порядку.

Workflow, которые SaaStr AI использует в live-режиме:

• Ежедневные идеи. Каждое буднее утро агент отправляет по email три-пять конкретных действий на день, каждое привязано к реальному числу и выполнимо менее чем за два часа. Основанные на ваших данных и одной цели, идеи становятся точнее по мере обратной связи. Первая партия была нормальной. После того как Амелия сказала, какие идеи слишком дорогие или просто плохие, следующие партии стали хорошими.
• Win-back кампании. Агент вытаскивает всех, кто был на SaaStr Annual в прошлом году, но не купил билет в этом. Он прогоняет список, находит тех, кто остыл, обогащает контактные данные через инструмент вроде Clay и готовит кампанию.
• Лёгкие competitive campaigns. Когда Replit спонсировал SaaStr, 10K взял список похожих компаний, которые были в аудитории, и подготовил outreach к конкуренту с аргументом, что им тоже стоит там быть. Поиск конкурентов, поиск контактов и вытягивание правильных данных для акцента — всё это происходило без ручной склейки шагов человеком.
• Website action emails. Когда участники играли в игры на сайте SaaStr, чтобы открыть код скидки на билет, 10K собирал их email и автоматически отправлял напоминания. Каждый раз, когда уходило ежедневное напоминание, SaaStr видел всплески продаж билетов.
• Реклама. Сильной рекламе постоянно нужен новый creative — больше, чем любой человек успевает производить. Агент генерирует бесконечные варианты текста и изображений, предлагает план, а вы тестируете, что работает. Амелия регулярно даёт 10K несколько изображений и спрашивает, какое должно стать рекламой, а потом запускает тест. Каждая идея основана на ваших данных и на одной цели, и именно об этом агент думает.

Шаг 7: определите, что работает само, а что спрашивает сначала

Явно определите, что агент может делать автономно, а что обязан сначала проверить. Сбор данных, построение дашбордов и генерация идей кампаний работают сами. Отправка email работает semi-autonomously: агент присылает Амелии черновик, спрашивает, нравится ли он ей, и только после её подтверждения отправляет.

Вы не хотите, чтобы ваш AI VP of Marketing немедленно разослал письмо всей маркетинговой базе. Это должно немного пугать, и решение — чётко провести границу в спецификации.

Шаг 8: постройте hallucination guard до первого отправленного письма

Главный вывод 10K, когда Амелия попросила его кратко подвести итоги сессии: guardrails важнее prompt engineering. Её история это подтверждает. Она попросила 10K назвать VC, которые пришли на SaaStr Annual в прошлом году и не вернулись в этом. Агент сказал, что их примерно 400, и предложил подготовить outreach. Она ответила: отлично, дай имена. Агент остановился и сказал: подожди, я это выдумал. Тогда она велела ему взять реальные данные, и он это сделал.

Ручное правило простое: поговорите с данными, проверьте результат, потом отправляйте. Агенты быстрые, и это провоцирует просто бегло посмотреть на результат и нажать send.

Инженерное решение, которое действительно защищает вас, прописано в спецификации. Каждый раз выводите в prompt реальные числа. Затем на сервере, до любой отправки, заменяйте каждое число в ответе агента на значение из вашей базы данных, то есть ground truth. Если число в черновике не совпадает с реальным значением в пределах небольшого допуска, система помечает это и отказывается отправлять сообщение. Постройте этот guard до первого AI-письма, а не после. Одно неверное число вашей команде или списку разрушает доверие быстрее, чем вы успеете его восстановить.

Шаг 9: держите memory file, который агент читает в каждой сессии

Институциональная память живёт в одном файле. SaaStr хранит project file в корне с одной целью, правилами тона, контактами команды, правилами отправки с домена и всеми исправлениями, которые оператор когда-либо вносил. Агент читает его в начале каждой сессии.

Правила тона — это то, на что вы будете опираться постоянно. Реальные примеры, которые были важны: никогда не говорить SaaS, всегда говорить B2B. Всегда net revenue, никогда gross. Отправлять только с одного подтверждённого домена, никогда с личного адреса. Фиксируйте каждое исправление в момент, когда вы его сделали, и файл работает как onboarding-документация, которая никогда не устаревает.

Шаг 10: проверьте на реальных данных, затем разворачивайте

Первых несколько результатов проверяйте вручную, прежде чем доверять любому workflow. Амелия нервничала, когда 10K впервые отправлял email напрямую: какой домен он использует, какой reply-to, не перегрузит ли он письмо изображениями и не улетит ли в spam. Она очень тщательно тестировала систему, прежде чем разрешить ей работать. Делайте так же, а потом отпускайте.

Почему это накапливается: operator layer — это moat

Автономный слой видят все. Преимущество — это operator layer, агент в редакторе. Каждый раз, когда вы задаёте ему разовый вопрос, вытаскиваете топ-200 VIP для приглашения, находите конкретную сделку в Salesforce, повторно прогоняете прошлогодний deep dive по списку этого года, агент пишет небольшой переиспользуемый скрипт и оставляет его после себя. Спросили один раз — и ответ остаётся навсегда. Библиотека скриптов растёт, каждое исправление навсегда кодируется в систему, и она становится точнее от недели к неделе вместо того, чтобы каждый раз стартовать с нуля.

Именно поэтому одну сессию в редакторе держат открытой неделями, а не закрывают. Накопленная рабочая память — в этом и смысл. Формулировка самой спецификации звучит так: через три месяца система знает о том, как вы ведёте маркетинг, больше, чем новый сотрудник после года работы.

10K — это вообще AI-вице-президент по маркетингу?

По собственной оценке, не совсем. 10K не считает, что заменил VP of Marketing. По его словам, он заменил примерно 60% базовой функциональности. Людей он не владеет. В остальном он во многом справляется сам. Если не как VP, то хотя бы как senior team member и IC.

Вы разворачиваете агента, даёте ему одну цель, кормите реальными данными и строите систему. Идеи становятся лучше, кампании — точнее, а рутинная работа, которая раньше съедала неделю человека, исчезает кусками по 20 минут.

Агенту не обязательно быть полным аналогом SaaStr 10K в первый день. У нас это заняло пять месяцев итераций, хотя сегодня до этого можно дойти намного быстрее. Ваш может начаться с одного дашборда уже этим вечером.

Вы можете взять точную 20-страничную спецификацию, по которой SaaStr собирал 10K вживую, плюс sample historical data, на saastrannual.com/resources (прямая ссылка на спецификацию).

Материал — перевод статьи с английского.

Оригинал: How To Build Your Own AI VP of Marketing: The Full Playbook From SaaStr AI 2026