მთავარი  

აგენტური AI მარკეტინგისა და გაყიდვების ძველ საზღვარს ასუსტებს. მომხმარებელი კომპანიას ერთ მთლიან ურთიერთობად აღიქვამს, მაშინ როცა ბევრ ორგანიზაციაში რეკლამა, ლიდების გენერაცია, CRM, გაყიდვები და შემდგომი კომუნიკაცია სხვადასხვა გუნდში, სხვადასხვა მონაცემით და სხვადასხვა KPI-ით იმართება. საქართველოსთვის მთავარი შესაძლებლობაა არა უბრალოდ „AI მარკეტინგი“ ან „AI გაყიდვები“, არამედ ერთიანი კომერციული სისტემა, სადაც მომხმარებლის სიგნალი, ისტორია და შემდეგი მოქმედება ერთ კონტექსტში მოძრაობს.

რატომ ქრება ძველი საზღვარი

Harvard Business Review-ის 2026 წლის მასალა აღწერს ცვლილებას, რომელიც უკვე ჩანს საერთაშორისო ბაზარზე: აგენტური AI ისეთ სამუშაოებს აერთიანებს, რომლებიც ადრე მარკეტინგსა და გაყიდვებს შორის თანმიმდევრულად გადადიოდა. სისტემა შეიძლება შეაფასოს პერსპექტიული მომხმარებელი, გაამდიდროს ინფორმაცია, შექმნას პერსონალიზებული შეტყობინება, აკონტროლოს პასუხი, განაახლოს CRM, გააგრძელოს ადრეული კომუნიკაცია და მხოლოდ შემდეგ გადასცეს ადამიანი გაყიდვების სპეციალისტს.

თუ ერთი AI აგენტი ერთდროულად ასრულებს სეგმენტაციის, პერსონალიზაციის, outreach-ის და ლიდის მომწიფების ნაწილს, მისი საქმიანობის კლასიფიცირება როგორც მხოლოდ „მარკეტინგი“ ან მხოლოდ „გაყიდვები“ სულ უფრო ხელოვნური ხდება. მომხმარებლისთვის ეს განსხვავება ისედაც არ არსებობს – ის ხედავს მხოლოდ ერთ კომპანიას.

მომხმარებლის გზა უკვე მრავალარხიანია

McKinsey-ის 2026 Global B2B Pulse-ის მიხედვით, თითქმის 4,000 B2B გადაწყვეტილების მიმღების კვლევაში მყიდველი საშუალოდ ათ არხს იყენებს შესყიდვის გზაზე. არათანმიმდევრული ინფორმაცია გუნდებს შორის მომწოდებლის შეცვლის ერთ-ერთი მთავარი მიზეზია, ხოლო ბაზრის ლიდერები ოთხჯერ უფრო ხშირად იყენებენ ნამდვილ ერთი-ერთზე პერსონალიზაციას. Omnichannel ყოფნა თავისთავად აღარ არის უპირატესობა – უპირატესობა ხდება არხებს შორის კონტექსტის შენარჩუნება.

AI-მ ეს პრობლემა შეიძლება გაამწვაოს: თუ სოციალური მედიის აგენტი ერთ შეთავაზებას აძლევს მომხმარებელს, გაყიდვების აგენტი მეორეს, call center-ს კი წინა კომუნიკაცია არ აქვს ნანახი, კომპანია ავტომატიზაციას ზრდის, მაგრამ მომხმარებლის გამოცდილებას აუარესებს. AI კარგ პროცესს აჩქარებს, მაგრამ ცუდ კოორდინაციასაც მასშტაბურად იმეორებს.

რატომ არის ეს განსაკუთრებით მნიშვნელოვანი საქართველოსთვის

საქსტატის 2026 წლის 1 ივლისის მონაცემებით, საბითუმო და საცალო ვაჭრობაში, ავტომობილებისა და მოტოციკლების რემონტის ჩათვლით, 74,934 აქტიური ეკონომიკური სუბიექტი მუშაობდა. 2026 წლის მეორე კვარტალში ვაჭრობის ბრუნვამ 21.9 მილიარდ ლარს, დასაქმებულთა რაოდენობამ კი 244.2 ათას ადამიანს მიაღწია.

BTU-ს მკვლევრების გამოთვლით, ვაჭრობა შეადგენდა ქვეყანაში აქტიური ეკონომიკური სუბიექტების დაახლოებით 26.7%-ს. იმავე კვარტალში ვაჭრობაზე მოდიოდა ბიზნესსექტორის მთლიანი ბრუნვის დაახლოებით 32.4% და დასაქმების დაახლოებით 29.5%. ეს არ ნიშნავს, რომ ყველა სავაჭრო კომპანია მზადაა აგენტური AI-სთვის, მაგრამ აჩვენებს მომხმარებელთან ურთიერთობისა და კომერციული კოორდინაციის ეკონომიკურ მასშტაბს.

საქსტატის 2025 წლის საწარმოთა ICT კვლევით, სოციალური მედიის რაიმე ინსტრუმენტს საწარმოთა 25.8% იყენებდა. იმ საწარმოებში, რომლებსაც ვებგვერდი ჰქონდათ, 38.3% ონლაინ შეკვეთას, დაჯავშნას ან booking-ს სთავაზობდა, 29.9% კი მომხმარებელთა მხარდაჭერის ჩატს იყენებდა. ეს ციფრული არხების არსებობას აჩვენებს, მაგრამ არა იმას, რომ ისინი ერთიან მომხმარებლის პროფილშია გაერთიანებული.

მთავარი ბარიერი შეიძლება მონაცემების დაშლა იყოს

აგენტური კომერციული მოდელი მხოლოდ მაშინ მუშაობს, როდესაც მარკეტინგი, გაყიდვები და მომსახურება ერთი მომხმარებლის შესახებ ერთსა და იმავე კონტექსტს ხედავს. თუ სოციალური მედიის ლიდი ცალკე ფაილში რჩება, CRM-ში სხვა ინფორმაციაა, call center-ს მესამე ისტორია აქვს, ხოლო ფილიალში თანამშრომელი მომხმარებელს თავიდან ეკითხება ყველაფერს, AI აგენტი ვერ შექმნის ნამდვილ closed-loop სისტემას.

ამიტომ საქართველოსთვის პირველი ნაბიჯი ხშირად არა ახალი აგენტის შეძენა, არამედ მონაცემთა არქიტექტურის მოწესრიგებაა: ვინ არის მომხმარებელი, საიდან მოვიდა სიგნალი, რა შეთავაზება მიიღო, რა პასუხი გასცა, რა იყიდა და რა უნდა მოხდეს შემდეგ.

როგორ გამოიყურება ერთიანი AI-კომერციული ციკლი

რას აჩვენებს საერთაშორისო გამოცდილება

HBR-ის აღწერილ Fortune 500 ტექნოლოგიურ კომპანიაში AI-ით გაძლიერებული გამყიდველები რვა კვირაში ხუთჯერ მეტ შეტყობინებას აგზავნიდნენ, ისე რომ pre-AI open rate, response rate და შეხვედრის დანიშვნის მაჩვენებლები შენარჩუნდა; საწყისი ზარისთვის მომზადების დრო 1–2 საათიდან 10–15 წუთამდე შემცირდა. სხვა გლობალური დასაქმების პლატფორმა საკუთარ AI-enabled sales მოდელს 30–60 მილიონი დოლარის დამატებით წლიურ შემოსავალს უკავშირებს.

ეს შედეგები საქართველოსთვის პირდაპირი პროგნოზი არ არის. კომპანიების მასშტაბი, მონაცემთა მოცულობა, CRM-ის სიმწიფე და გაყიდვების სტრუქტურა განსხვავებულია. მაგრამ ორი მექანიზმი საქართველოზეც ვრცელდება: დაბალი ალბათობის ლიდებზე ადამიანური დროის შემცირება და გაყიდვების სპეციალისტისთვის სრული კონტექსტის მიწოდება.

ახალი როლი – კომერციული სისტემის არქიტექტორი

საერთაშორისო პრაქტიკაში ჩნდება go-to-market engineer – ადამიანი, რომელიც მარკეტინგის, გაყიდვების, მონაცემებისა და AI აგენტების ერთიან workflow-ს აწყობს. საქართველოში ეს თავიდან ცალკე თანამდებობა შეიძლება არც იყოს: ფუნქცია შეიძლება კომერციულმა დირექტორმა, CRM/MarTech სპეციალისტმა, მონაცემთა ანალიტიკოსმა ან AI პროექტის მენეჯერმა შეითავსოს.

მნიშვნელოვანია, რომ ვიღაცამ დაინახოს მთელი მომხმარებლის გზა და არა მხოლოდ ერთი დეპარტამენტის KPI. წინააღმდეგ შემთხვევაში მარკეტინგის აგენტი ოპტიმიზაციას გააკეთებს lead-ზე, გაყიდვების აგენტი conversion-ზე, service agent ticket closure-ზე, ხოლო მომხმარებლის საერთო გამოცდილება არც ერთის პასუხისმგებლობა აღარ იქნება.

რა უნდა შეიცვალოს KPI-ებში

Closed-loop მოდელში მხოლოდ marketing-qualified lead და sales-qualified lead სულ უფრო ნაკლებად საკმარისი ხდება. თუ მარკეტინგი ბევრ ლიდს ქმნის, მაგრამ ისინი ცუდად კონვერტირდება, ფუნქცია საკუთარ KPI-ს შეიძლება ასრულებდეს, ხოლო კომპანია – არა.

BTU-ს მკვლევრების შეფასებით, ქართულ კომპანიებში AI-ით მარკეტინგისა და გაყიდვების ინტეგრაციის ყველაზე მნიშვნელოვანი ორგანიზაციული ცვლილება იქნება საერთო კომერციულ შედეგებზე პასუხისმგებლობის გაზრდა: pipeline-ის ხარისხი, conversion, განმეორებითი გაყიდვა, retention და მომხმარებლის გრძელვადიანი ღირებულება. კონკრეტული მეტრიკები ბიზნესმოდელს უნდა მოერგოს.

რისკი: AI-მ შეიძლება წინააღმდეგობაც უფრო სწრაფად გაავრცელოს

მომხმარებელთან უშუალოდ მომუშავე აგენტებს განსაკუთრებული კონტროლი სჭირდება. ერთი აგენტის მიერ არასწორად შერჩეული ფასი, დაპირება, ტონი ან პერსონალიზაცია შეიძლება მასშტაბურად განმეორდეს. ამიტომ საერთო მონაცემთა ფენა საკმარისი არ არის – საჭიროა საერთო წესებიც: ვინ ამტკიცებს შეთავაზებას, რა მონაცემის გამოყენება შეიძლება, რა შემთხვევაში უნდა გადავიდეს საუბარი ადამიანზე და როგორ წყდება აგენტის მოქმედება.

აგენტური მენეჯმენტის პრინციპით, ტექნიკური შესაძლებლობა მოქმედების უფლებას არ ნიშნავს. კომერციულ AI აგენტს უნდა ჰქონდეს მკაფიო მანდატი, წვდომის საზღვრები, დასტურები და ესკალაცია, განსაკუთრებით ფასის, კრედიტის, პერსონალური მონაცემის, კონტრაქტის ან მომხმარებლისთვის მნიშვნელოვანი დაპირების შემთხვევაში.

რა უნდა გააკეთოს ქართულმა კომპანიამ ახლა

• დახაზოს მომხმარებლის სრული გზა რეკლამიდან განმეორებით შესყიდვამდე და მონიშნოს, სად იკარგება კონტექსტი.
• მომხმარებელთა ძირითადი ინფორმაცია გააერთიანოს ერთ პროფილში ან უზრუნველყოს სისტემებს შორის ისტორიის საიმედო გადაცემა.
• AI აგენტი ჯერ ერთ დახურულ პროცესში გამოცადოს: ლიდის გამდიდრება → პრიორიტეტიზაცია → პერსონალიზებული დრაფტი → ადამიანის დასტური.
• მარკეტინგისა და გაყიდვების KPI-ებში შექმნას მინიმუმ ერთი საერთო შედეგობრივი მაჩვენებელი.
• მომხმარებელთან პირდაპირ მოქმედ აგენტს წინასწარ განუსაზღვროს მანდატი, აკრძალული მოქმედებები, მონაცემთა წვდომა, ადამიანის ჩართვის პირობები და აუდიტის კვალი. 

დასკვნა

აგენტური AI მარკეტინგსა და გაყიდვებს იმიტომ არ აერთიანებს, რომ დეპარტამენტების სახელები აღარ გვჭირდება. ის აერთიანებს სამუშაოს, რადგან მომხმარებლის გზა თავიდანვე ერთიანი იყო. საქართველოსთვის ყველაზე დიდი შესაძლებლობა არის კომერციული პროცესის თავიდან აწყობა მომხმარებლის გარშემო და არა ორგანიზაციული სქემის გარშემო.

კომპანია, რომელიც მხოლოდ ცალკე „AI მარკეტინგს“ და ცალკე „AI გაყიდვებს“ ააწყობს, შეიძლება თითოეულ ფუნქციაში უფრო ეფექტური გახდეს და მთლიანობაში მაინც დაკარგოს მომხმარებელი. უპირატესობა ექნება მას, ვინც ერთ მონაცემთა კონტექსტში დააკავშირებს მონაცემს, შეთავაზებას, გაყიდვას, მომსახურებას და უკუკავშირს და AI აგენტს მისცემს არა მაქსიმალურ თავისუფლებას, არამედ ზუსტად განსაზღვრულ როლს.

მონაცემები და ძირითადი წყაროები

Harvard Business Review – AI Is Blurring the Line Between Sales and Marketing, 2026; McKinsey & Company – 2026 Global B2B Pulse და B2B sales/agentic AI კვლევები; საქართველოს სტატისტიკის ეროვნული სამსახური – ბიზნესსექტორი, ვაჭრობა, აქტიური ეკონომიკური სუბიექტები და საწარმოებში ICT-ის გამოყენება, 2025–2026.

მომზადებულია BTU-ის აკადემიური გუნდისა და BTUAI მკვლევართა გუნდის მიერ, თბილისი, საქართველო.