Когда исследовательского подрядчика выбирает AI: что изменится для маркетологов и агентств

AI-агенты могут изменить не только то, как проводятся исследования, но и то, как компании выбирают тех, кто их проводит.

По данным Greenbook GRIT 2026, 66% специалистов по аналитике на стороне заказчиков считают, что в ближайшие годы AI-агенты будут участвовать в большинстве закупок исследовательских услуг. Среди специалистов по маркетинговым исследованиям в это верят только 37%, а среди крупнейших исследовательских компаний — 50%.

Пока ожидания заметно опережают практику. Даже среди сторонников такого сценария AI-агентов для поиска и отбора исследовательских подрядчиков используют лишь 28% заказчиков и 17% поставщиков услуг. При этом 77% заказчиков из этой группы уже применяют агентов для анализа данных, а 69% — для подготовки отчётов и интеграции информации.

Интересно, что активнее всего в переход к AI-закупкам верят компании с крупными исследовательскими бюджетами. Среди сторонников этой идеи 27% управляют бюджетами свыше 15 миллионов долларов, тогда как среди скептиков таких только 7%. Именно эти организации могут ускорить распространение новой модели выбора подрядчиков.

Для исследовательских агентств это означает изменение процесса продаж. AI-агентам проще сравнивать цены, технологии и измеримые показатели качества, чем оценивать репутацию и опыт сотрудничества. Поэтому поставщикам придётся подробнее описывать свои услуги и преимущества в доступном для алгоритмов формате. При этом попадание в заранее утверждённый список подрядчиков может стать ещё важнее, поскольку AI-агенты будут выбирать компании в том числе из таких списков

Подробнее в материале Greenbook.

Что это означает для российского маркетолога?

Российский рынок пока нельзя напрямую переносить на данные GRIT, но принцип уже применим.

AI стоит использовать не для окончательного выбора подрядчика, а для формирования и проверки shortlist: собрать игроков рынка, сопоставить специализацию, методы, сроки, кейсы и публично доступные доказательства качества.

Но есть важное ограничение: алгоритм легче сравнивает то, что легко измерить, а не обязательно то, что сильнее влияет на качество исследования.

Например, две панели могут выглядеть одинаково по размеру, географии и цене, но сильно различаться по рекрутингу, контролю респондентов, уровню fraud, достижимости сложных аудиторий и качеству поддержки проекта.

Поэтому финальный выбор по-прежнему требует человеческой проверки: кто именно попадёт в выборку, как контролируется качество данных, насколько методология подходит конкретной бизнес-задаче и сможет ли подрядчик сохранить сопоставимость результатов во времени.

Точка роста:
Для исследовательских компаний начинается конкуренция не только за внимание человека, но и за видимость для алгоритма.

Выигрывать будут те, кто заранее превращает экспертизу в структурированные и проверяемые доказательства: подробно описывает услуги, публикует методологии и кейсы, показывает показатели качества и следит за тем, какую картину компании формирует AI-поиск.