ICLR 2026: 3 AI-тренда для маркетинга и SMM

Что на самом деле показал ICLR 2026

Если отбросить шум вокруг стендов и сувениров, ICLR 2026 очень быстро показывает одну вещь — AI перестал быть витриной и стал экономикой. В Рио это чувствовалось в очередях за кофе, в разговорах у стендов и даже в том, кто и как удерживал внимание людей.

На конференцию приняли 5356 работ, а в устные доклады основного трека попали 224. Цифра жесткая. Именно в таких выборках видно, что реально движет отрасль, а что просто блестит на слайде. Среди этих докладов были и три российские работы — Q-RAG, RealUID и CADrille. Это хороший маркер, если честно: значит, наши команды уже не просто догоняют, а местами задают очень прикладные направления.

Помню как-то на отраслевом ивенте мы с клиентом полдня смотрели на модные AI-демо, а потом в разговоре выяснили, что им нужен не новый «волшебный» сервис, а нормальный процесс — быстрый поиск, понятные шаблоны и контроль качества. Здесь история та же. Сначала сигнал, потом покупка.

И еще один штрих. На таких конференциях важно не только то, что показывают, но и как удерживают внимание. Это старая, но рабочая школа маркетинга — людям нужен не самый громкий шум, а удобство, ясность и ощущение, что им не продают воздух.

Почему это важно SMM-команде

Маркетологу и SMM-специалисту смотреть на такие конференции полезно не из любопытства. На моей практике новые AI-фичи сначала появляются как странные исследования, потом как кнопка в продукте, а через какое-то время — как норма в рабочем процессе. Обычно это не случается за неделю, но и ждать вечность не надо.

Если вы ведете контент, рекламу или CRM, то вам важны не названия моделей, а то, что они меняют в рутине — поиск, генерацию, аналитку, ответы в чатах, сбор лидов. Вот где лежат деньги и время. Именно поэтому научная повестка — это не «про ученых», а про то, что у вашей команды будет через полгода или год.

Не обязательно знать математику глубже всех. Достаточно понимать, какой тип задачи решает технология — поиск, синтез, ускорение, упрощение коммуникации. Тогда вы перестаете покупать модные игрушки и начинаете выбирать рабочие связки. Ну и бюджет потом расходуется заметно спокойнее.

У меня есть простое правило: если AI помогает сократить ручной цикл хотя бы на 20-30%, это уже повод тестировать. Если он просто делает красивый эффект, но не меняет скорость команды, то это декоративная штука. Симпатичная, да. Но декоративная.

Три технологии, которые можно забрать в работу уже сейчас

На самой конференции выделялись три идеи. Первая — более умный поиск, вторая — ускорение генерации, третья — перенос AI в инженерные и 3D-задачи. И все три, кстати, уже можно перевести на язык маркетинга без лишней магии.

Умный поиск вместо линейного ответа

Q-RAG — это про поиск по шагам, когда система не пытается выдать ответ сразу, а сначала уточняет контекст, потом добирает данные и только после этого отвечает. Для чатов поддержки, внутренней базы знаний, FAQ и аналитики это очень полезно. Не потому что модно, а потому что точность растет, а количество мусорных ответов падает.

Если у вас есть контентная воронка, часто выигрыш не в генерации текста, а в том, чтобы AI умел правильно вытаскивать нужный фрагмент из базы. И вот тут такой подход прям спасает. Особенно когда нужно отвечать на сложные вопросы клиентов без ручного перебора документов. Это уже не просто бот, а аккуратный помощник, который не фантазирует на пустом месте.

Быстрая генерация без потери качества

RealUID — история про ускорение диффузионных моделей. По-простому — то, что раньше делалось дольше и дороже, можно получить быстрее и зачастую не хуже. Для SMM это означает больше вариантов баннеров, креативов, обложек и визуальных тестов в том же бюджете.

Я тут пробовал несколько пайплайнов для контент-пакетов, и разница всегда одна и та же: пока кома��да ждет один «идеальный» визуал, конкуренты уже выпускают десять рабочих версий и смотрят, что цепляет. Чтобы не тонуть в ручной рутине, удобно использовать AI-удаление фона для карточек, а потом быстро собирать нужный акцент через эффект текста за изображением. Это не делает креатив волшебным, но резко ускоряет тесты.

AI для 3D и продуктовых сценариев

CADrille — это уже не про тексты и баннеры, а про перевод входных данных в CAD-логику. Звучит узко, но в продуктовых компаниях и e-commerce это может быть очень полезно: быстрее готовить визуализацию деталей, собирать каталог, объяснять сложный товар и уменьшать зависимость от ручного черчения.

Для маркетинга вывод простой — AI перестает быть только генератором текста или картинки. Он начинает заходить в формат продукта, а это уже влияет и на продажи, и на презентации, и на то, как вообще выглядит предложение на рынке. И вот это, если смотреть трезво, куда интереснее любой очередной гонки за громким названием модели.

Как это переносится в контент и креатив

Теперь самое прикладное. Если вы отвечаете за SMM, не надо пытаться внедрить все сразу. У нас лучше работает схема, где AI помогает в трех местах — визуал, упаковка и скорость коммуникации. Тогда он не ломает процесс, а подгоняет его.

Один из наших клиентов в Краснодаре — команда из 8 человек, бюджет 120к в месяц — долго сидел на ручных согласованиях креативов. После того как мы собрали правила через менеджер бренд-кита, стало проще держать стиль. Больше не было вопросов в духе «а этот синий вообще наш?». Мелочь, а экономия времени огромная.

Для визуалов удобно сначала вычищать фон, потом собирать акцентный пост и сразу проверять, как выглядит сетка в ленте. Смысл в том, чтобы не делать один красивый макет по три часа, а выпускать серию версий и смотреть на реакцию аудитории. Если посты крутятся быстро, вы собираете данные быстрее. Все просто, ага.

И еще один момент. Когда маркетинг связан с заявками, консультациями и прогревом, полезно не только создавать контент, но и ловить спрос. Тут помогает поиск клиентов в Telegram, а если нужно быстр�� переводить интерес в разговор, то и созвоны в Telegram выручают. Не всем это нужно каждый день, но в агентской или b2b-модели такие штуки очень в тему.

Где AI упирается в деньги, энергию и здравый смысл

На конференции отдельно чувствовалась другая мысль — рост AI не бесконечен. Модели дорожают, вычисления жрут ресурсы, а прирост качества не всегда оправдывает расходы. Короче, рынок уже смотрит не только на «умнее», но и на «дешевле в эксплуатации».

Недавно сталкивался с командой, которая хотела сделать 20 сценариев генерации контента. На бумаге все выглядело красиво, а на практике почти половину никто не использовал. Почему? Потому что людям нужен не бесконечный парк инструментов, а понятный и стабильный поток. Тут физика процесса важнее, чем эффект вау.

На моей практике компании часто переоценивают сам факт внедрения AI и недооценивают энергию команды. Если инструмент усложняет согласования, растягивает правки и заставляет менеджеров постоянно проверять результат, он ил помогает. Вроде бы инновация, а по факту — еще один слой нагрузки.

Поэтому главный вывод с такой конференции для бизнеса довольно простой — искать не самую большую модель, а самую подходящую. Иногда лучше маленькая связка из нескольких простых инструментов, чем один тяжелый комбайн, который красиво звучит на созвоне, но плохо живет в реальном потоке. И да, в таких вещах обычно выигрывает не тот, у кого бюджет больше, а тот, кто точнее считает стоимость ошибки.

Как бы я выстроил процесс у себя в команде

Если бы я строил AI-процесс в SMM-команде с нуля, сделал бы это по шагам. Сначала — единый визуальный стандарт, потом — ускорение производства, потом — аналитика и коммуникации. Не наоборот. Когда порядок нарушен, команда начинает гоняться за кнопками вместо результата.

Шаг 1 — входы. Соберите типовые запросы, вопросы клиентов, темы постов и референсы. Без этого любая генерация будет похожа на лотерею. AI может быть быстрым, но если ему скормить хаос, он просто ускорит хаос.

Шаг 2 — черновики. Пускай AI делает первые версии заголовков, визуальных концепций, FAQ и сценариев роликов. Человек оставляет за собой смысл, тон и финальный фильтр. Это не про замену команды, а про то, чтобы не тратить мозг на рутину, которая и так повторяется из недели в неделю.

Шаг 3 — повторяемость. Все, что повторяется дважды, уже можно упаковать в шаблон. Это касается карточек, обложек, ответов в чатах и даже брифов для подрядчиков. Тогда процесс становится не героическим, а рабочим. А рабочий процесс, как ни странно, обычно и дает результат.

Я тут пробовал такую схему на небольшой проектной группе, и она реально работает: один человек отвечает за входные данные, второй за генерацию, третий за финальную проверку и публикацию. Получается не идеально глянцево, зато предсказуемо. А предсказуемость в SMM часто дороже любой «магии».

Если у вас мало ресурсов, начните с трех вещей — соберите фирменные шаблоны, определите повторяемые сценарии и уберите ручную возню там, где она не дает роста. Тогда AI становится не игрушкой, а рабочим усилителем. Прям рабочим.