Публикация была переведена автоматически. Исходный язык: Русский
или “светлое завтра” без excel и copy-paste
Excel hell
Если вам приходилось заглядывать за кулисы рекламных агентств, то широтой использования таблиц (в основном Google Spreadsheet и MS Excel ) во внутренних процессах вас не удивить.
И это не только финальный отчёт об эффективности кампании или первичный медиа-план. Не редко ими облеплен и обмотан каждый шаг, каждое изменение рекламной кампании. Они склеивают отдел продаж с операционным отделом. Они требуют внимательности и соблюдения почти ритуальных движений. Дрогнула рука, сломался шаблон и ужас охватит клиента, а хаос навсегда поселится в executive-отчётах.
Таблицы, вообще не виноваты!
Таблицы - чудесны, удобны, почти универсальны. Именно благодаря этому удобству, их используют как инструмент «склеивания» разорванных платформ.
Причины этой разъединённости в отсутствии единого стандарта: у каждой платформы свой UI, своя терминология и свои «почти такие же» сущности: campaign / insertion order / line item / creative / flight.
Но в ИТ «почти такие же» - это разные. Требуются месяцы разработки, чтобы по-настоящему автоматически «просто передать данные» между двумя рекламными платформами на уровне таких сущностей.
Так copy-paste-waste становится главной «технологией» рекламного рынка, которую никто не стандартизировал, но все используют.
Почём copy-paste
В P&L такой строки не увидишь. Это трудно-контролируемые затраты ручного труда, однако:
- В среднем 6 часов в неделю на «низкоуровневые повторяющиеся задачи» (чистка данных, склейка источников, ручной ввод данных) уходит у руководителя индустрии — по опросу Advertiser Perceptions для Basis Technologies. Это примерно 15% рабочей недели.
- Операционисты, согласно исследованию Central Research Inc, тратят на это в среднем 7 часов.
- В не самых крупных компаниях появляются отделы «google-spreadsheet-guru» и сотни сотрудников занимаются только сведением отчётности
15-20% зарплат идут на то, с чем компьютер должен справляться моментально и безошибочно, а люди делают медленно и плохо.
А если ещё учесть ошибки от ручного ввода («я всё точно копировал») и перепроверки необходимые, чтобы их избежать, то цифра может удвоиться.
Новый шериф
А что, если «ИИ всё сделает за нас»?
Компания Antropic выпустила протокол MCP (JSON-RCP). Он должен помочь большим языковым моделям (LLM) надёжно угадывать параметры вызова вашего API (достаточно его «просто описать»).
Протокол AdCP, основываясь на MCP, является открытым стандартом, специфицирущим терминологию сущностей и сервисов, конкретно, для рекламной индустрии.
Чтобы не смешивать термины:
- Agentic AI — это Агент (не обязательно на базе LLM), который умеет планировать шаги и вызывать инструменты (API/функции), чтобы добиться цели: “запусти кампанию”, “собери отчёт”, “сравни инвентарь”, “переаллоцируй бюджет”.
- MCP (Model Context Protocol) — это «шина/разъём» для подключения LLM-модели к API по модели клиент-сервер. Задаёт стандарт доступа к инструментам и данным: где инструменты публикуются как MCP-серверы, а Агент выступает MCP-клиентом.
- AdCP — это доменный слой поверх MCP, который стандартизирует именно рекламные сущности и операции (media buy, creatives, signals и т. п.).
Бум LLM даже в этой тьме неэффективности зажигает огонь надежды:
- ИИ-Агенты, смогут самостоятельно вызывать API скрытое за MCP фасадом
- Кросс-платформенные интеграции случатся без программистов и согласования спецификаций. ИИ сам сгладит несостыковки несогласованных API, спецификаций и стандартов.
- Исчезнет нужда в ручном дублирование настроек и сведение отчётов.
Что за зверь AdCP
AdCP (Ad Context Protocol) — это попытка сделать для рекламных операций то, что USB-C сделал для зарядок: один интерфейс — много устройств.
На уровне идеи AdCP говорит: рекламные платформы и инструменты должны предоставлять унифицированные задачи (tasks) и унифицированные модели данных, чтобы внешняя автоматика (в том числе AI-агенты) могла:
- находить продукты/инвентарь и аудитории,
- сравнивать варианты,
- запускать рекламные кампании,
- активировать сегменты,
- управлять откруткой,
- мониторить метрики,
- и делать это одинаковым способом на разных платформах
С практической стороны, на сайте AdCP прямо перечислены ключевые методы вроде get_products, create_media_buy, get_media_buy_delivery.
Кроме того проработаны, необходимые для реальной работы, инструменты типа JSON Schema validation, Authentication, асинхронщины с webhooks и human-in-the-loop approval (когда машина всё готовит, но без финального разрешения человека не исполняет).
Как это должно работать в теории
- Платформы (DSP/SSP/Ad server/провайдеры данных) публикуют AdCP-совместимые MCP-интерфейсы (API).
- Агент получает от пользователя указание на естественном языке.
- Агент разобрав задачу пользователя делает необходимые вызовы API
За счёт единого протокола исчезает значительная доля «полуавтоматических» интеграций (ручного copy-paste между интерфейсами).
На бумаге это выглядит как «минуты вместо дней». На практике… тут начинается раздел «для взрослых».
Меняем одни проблемы на другие
Ни AdCP, ни MCP не отменяют главный фундаментальный факт: агент на базе LLM — система с вероятностным поведением.
Даже при «temperature=0» вы не получаете железобетонную детерминированность уровня компилятора.
Вероятностное формирование сигнатур вызовов (и почему это боль)
В классическом мире API вы задаёте сигнатуру жёстко:
create_campaign(
account_id: UUID,
budget: Money,
targeting: TargetingSpec,
...)В agentic-мире модель:
- выбирает инструмент из нескольких,
- строит JSON-аргументы,
- иногда «догадывается» про поля, не заданные напрямую
- иногда путает типы,
- иногда формально корректно заполняет схему, но неправильно понимает семантику.
MCP/AdCP помогают тем, что гарантируют JSON Schema Validation.
Но они не гарантируют, что агент:
- выберет правильный метод (ради паники представьте delete_campaign вместо create_campaign) ведь самый надёжный tool selection метод сейчас - “deterministic routing” или regex!
- корректно заполнит все обязательные поля и не перепутает platform_segment_id и signal_agent_segment_id,
- не создаст кампанию «почти правильно» — забыв указать валюту запустит кампанию на 1’000’000 USD вместо Тенге, потому, что это не было указано в prompt-е.
Безопасность: prompt injection и «отравленные инструменты»
«Скликивание» бюджета конкурентов буквально прошлый век для беспринципных игроков рынка.
Сегодня bot-сети крадут до 50% бюджетов рекламодателей.
Agentic-подход добавляет новый класс атак: инструкции, спрятанные там, где их видит модель, но не видит пользователь.
В дискуссиях о безопасности протокола MCP это называется “tool poisoning” (встраивание вредоносных инструкций в описания инструментов).
В рекламе, где рядом всегда деньги, доступы и персональные данные, это не академическая проблема.
Тестируемость
Тема тестирования в условиях неконтролируемо изменяемых спецификаций достойна отдельной статьи если не книги.
Обозначим лишь некоторые отличительные особенности:
- Тесты с недетерминированным ожидаемым результатом. Теперь он вероятностный. Сервис «кажется работает», если ожидаемый и фактический результат семантически эквивалентны (по смыслу верно, но значения отличаются).
- Тестирование на новые виды угроз (см. Prompt injection)
- MCP-сервисы включённые в процесс могут (будут) находиться под управлением третьих лиц. Необходимо отслеживать релизный цикл, изменения логики и API. Нет стандарта версионирования, кодов ошибок, средств дебага,
Итог
AdCP + Agentic AI обещают сделать рекламные операции похожими на инженерную систему, а не на практический шаманизм с таблицами.
В теории вы действительно сокращаете:
- стоимость интеграций,
- время запуска,
- объём ручного копирования,
- и количество человеко-часов на синхронизацию реальности между девятью платформами.
Но взамен вы получаете новый класс работ:
- проектирование протокольных контрактов,
- построение guardrails,
- трассировку и воспроизводимость,
- и тестирование недетерминированных сценариев, где «почти правильно» хуже, чем «точно не работает».
Не волнуйтесь, роботы не выплачивают наш технический долг и не отнимают у нас работу. Работы станет больше, но теперь она будет менее предсказуемой.
Более предсказуемой она будет у тех, чьи API и интерфейсы хорошо проработаны, внутренняя логика работы описана и проста.
И если вы разработчик, то спросите у ChatGPT “production-readiness” чек-лист для AdCP-based систем - он вам подскажет, на чём ещё заработать.
А если руководитель и сумели дочитать до конца статьи, то не поддавайтесь хайпу и не стесняйтесь обращаться к экспертам.
или “светлое завтра” без excel и copy-paste
Excel hell
Если вам приходилось заглядывать за кулисы рекламных агентств, то широтой использования таблиц (в основном Google Spreadsheet и MS Excel ) во внутренних процессах вас не удивить.
И это не только финальный отчёт об эффективности кампании или первичный медиа-план. Не редко ими облеплен и обмотан каждый шаг, каждое изменение рекламной кампании. Они склеивают отдел продаж с операционным отделом. Они требуют внимательности и соблюдения почти ритуальных движений. Дрогнула рука, сломался шаблон и ужас охватит клиента, а хаос навсегда поселится в executive-отчётах.
Таблицы, вообще не виноваты!
Таблицы - чудесны, удобны, почти универсальны. Именно благодаря этому удобству, их используют как инструмент «склеивания» разорванных платформ.
Причины этой разъединённости в отсутствии единого стандарта: у каждой платформы свой UI, своя терминология и свои «почти такие же» сущности: campaign / insertion order / line item / creative / flight.
Но в ИТ «почти такие же» - это разные. Требуются месяцы разработки, чтобы по-настоящему автоматически «просто передать данные» между двумя рекламными платформами на уровне таких сущностей.
Так copy-paste-waste становится главной «технологией» рекламного рынка, которую никто не стандартизировал, но все используют.
Почём copy-paste
В P&L такой строки не увидишь. Это трудно-контролируемые затраты ручного труда, однако:
- В среднем 6 часов в неделю на «низкоуровневые повторяющиеся задачи» (чистка данных, склейка источников, ручной ввод данных) уходит у руководителя индустрии — по опросу Advertiser Perceptions для Basis Technologies. Это примерно 15% рабочей недели.
- Операционисты, согласно исследованию Central Research Inc, тратят на это в среднем 7 часов.
- В не самых крупных компаниях появляются отделы «google-spreadsheet-guru» и сотни сотрудников занимаются только сведением отчётности
15-20% зарплат идут на то, с чем компьютер должен справляться моментально и безошибочно, а люди делают медленно и плохо.
А если ещё учесть ошибки от ручного ввода («я всё точно копировал») и перепроверки необходимые, чтобы их избежать, то цифра может удвоиться.
Новый шериф
А что, если «ИИ всё сделает за нас»?
Компания Antropic выпустила протокол MCP (JSON-RCP). Он должен помочь большим языковым моделям (LLM) надёжно угадывать параметры вызова вашего API (достаточно его «просто описать»).
Протокол AdCP, основываясь на MCP, является открытым стандартом, специфицирущим терминологию сущностей и сервисов, конкретно, для рекламной индустрии.
Чтобы не смешивать термины:
- Agentic AI — это Агент (не обязательно на базе LLM), который умеет планировать шаги и вызывать инструменты (API/функции), чтобы добиться цели: “запусти кампанию”, “собери отчёт”, “сравни инвентарь”, “переаллоцируй бюджет”.
- MCP (Model Context Protocol) — это «шина/разъём» для подключения LLM-модели к API по модели клиент-сервер. Задаёт стандарт доступа к инструментам и данным: где инструменты публикуются как MCP-серверы, а Агент выступает MCP-клиентом.
- AdCP — это доменный слой поверх MCP, который стандартизирует именно рекламные сущности и операции (media buy, creatives, signals и т. п.).
Бум LLM даже в этой тьме неэффективности зажигает огонь надежды:
- ИИ-Агенты, смогут самостоятельно вызывать API скрытое за MCP фасадом
- Кросс-платформенные интеграции случатся без программистов и согласования спецификаций. ИИ сам сгладит несостыковки несогласованных API, спецификаций и стандартов.
- Исчезнет нужда в ручном дублирование настроек и сведение отчётов.
Что за зверь AdCP
AdCP (Ad Context Protocol) — это попытка сделать для рекламных операций то, что USB-C сделал для зарядок: один интерфейс — много устройств.
На уровне идеи AdCP говорит: рекламные платформы и инструменты должны предоставлять унифицированные задачи (tasks) и унифицированные модели данных, чтобы внешняя автоматика (в том числе AI-агенты) могла:
- находить продукты/инвентарь и аудитории,
- сравнивать варианты,
- запускать рекламные кампании,
- активировать сегменты,
- управлять откруткой,
- мониторить метрики,
- и делать это одинаковым способом на разных платформах
С практической стороны, на сайте AdCP прямо перечислены ключевые методы вроде get_products, create_media_buy, get_media_buy_delivery.
Кроме того проработаны, необходимые для реальной работы, инструменты типа JSON Schema validation, Authentication, асинхронщины с webhooks и human-in-the-loop approval (когда машина всё готовит, но без финального разрешения человека не исполняет).
Как это должно работать в теории
- Платформы (DSP/SSP/Ad server/провайдеры данных) публикуют AdCP-совместимые MCP-интерфейсы (API).
- Агент получает от пользователя указание на естественном языке.
- Агент разобрав задачу пользователя делает необходимые вызовы API
За счёт единого протокола исчезает значительная доля «полуавтоматических» интеграций (ручного copy-paste между интерфейсами).
На бумаге это выглядит как «минуты вместо дней». На практике… тут начинается раздел «для взрослых».
Меняем одни проблемы на другие
Ни AdCP, ни MCP не отменяют главный фундаментальный факт: агент на базе LLM — система с вероятностным поведением.
Даже при «temperature=0» вы не получаете железобетонную детерминированность уровня компилятора.
Вероятностное формирование сигнатур вызовов (и почему это боль)
В классическом мире API вы задаёте сигнатуру жёстко:
create_campaign(
account_id: UUID,
budget: Money,
targeting: TargetingSpec,
...)В agentic-мире модель:
- выбирает инструмент из нескольких,
- строит JSON-аргументы,
- иногда «догадывается» про поля, не заданные напрямую
- иногда путает типы,
- иногда формально корректно заполняет схему, но неправильно понимает семантику.
MCP/AdCP помогают тем, что гарантируют JSON Schema Validation.
Но они не гарантируют, что агент:
- выберет правильный метод (ради паники представьте delete_campaign вместо create_campaign) ведь самый надёжный tool selection метод сейчас - “deterministic routing” или regex!
- корректно заполнит все обязательные поля и не перепутает platform_segment_id и signal_agent_segment_id,
- не создаст кампанию «почти правильно» — забыв указать валюту запустит кампанию на 1’000’000 USD вместо Тенге, потому, что это не было указано в prompt-е.
Безопасность: prompt injection и «отравленные инструменты»
«Скликивание» бюджета конкурентов буквально прошлый век для беспринципных игроков рынка.
Сегодня bot-сети крадут до 50% бюджетов рекламодателей.
Agentic-подход добавляет новый класс атак: инструкции, спрятанные там, где их видит модель, но не видит пользователь.
В дискуссиях о безопасности протокола MCP это называется “tool poisoning” (встраивание вредоносных инструкций в описания инструментов).
В рекламе, где рядом всегда деньги, доступы и персональные данные, это не академическая проблема.
Тестируемость
Тема тестирования в условиях неконтролируемо изменяемых спецификаций достойна отдельной статьи если не книги.
Обозначим лишь некоторые отличительные особенности:
- Тесты с недетерминированным ожидаемым результатом. Теперь он вероятностный. Сервис «кажется работает», если ожидаемый и фактический результат семантически эквивалентны (по смыслу верно, но значения отличаются).
- Тестирование на новые виды угроз (см. Prompt injection)
- MCP-сервисы включённые в процесс могут (будут) находиться под управлением третьих лиц. Необходимо отслеживать релизный цикл, изменения логики и API. Нет стандарта версионирования, кодов ошибок, средств дебага,
Итог
AdCP + Agentic AI обещают сделать рекламные операции похожими на инженерную систему, а не на практический шаманизм с таблицами.
В теории вы действительно сокращаете:
- стоимость интеграций,
- время запуска,
- объём ручного копирования,
- и количество человеко-часов на синхронизацию реальности между девятью платформами.
Но взамен вы получаете новый класс работ:
- проектирование протокольных контрактов,
- построение guardrails,
- трассировку и воспроизводимость,
- и тестирование недетерминированных сценариев, где «почти правильно» хуже, чем «точно не работает».
Не волнуйтесь, роботы не выплачивают наш технический долг и не отнимают у нас работу. Работы станет больше, но теперь она будет менее предсказуемой.
Более предсказуемой она будет у тех, чьи API и интерфейсы хорошо проработаны, внутренняя логика работы описана и проста.
И если вы разработчик, то спросите у ChatGPT “production-readiness” чек-лист для AdCP-based систем - он вам подскажет, на чём ещё заработать.
А если руководитель и сумели дочитать до конца статьи, то не поддавайтесь хайпу и не стесняйтесь обращаться к экспертам.
