AWS redujo la producción de páginas de marketing de horas a minutos con AI agéntica

AWS рассказала, как внутри маркетинговой команды перевела сборку контентных страниц в полуавтоматический режим с агентным ИИ. Решение на Amazon Bedrock, созданное вместе с Gradial, сократило подготовку одной веб-страницы примерно с четырёх часов до десяти минут без отказа от проверок качества.

Где тормозил процесс В AWS описывают типичный сценарий для маркетолога

так: бриф на кампанию, созвон с digital-командой, постановка в бэклог, затем ручная сборка страницы в CMS. Даже когда сама задача несложная, время съедают конфигурация блоков, расстановка контента, согласования и повторные правки. Проблема особенно заметна в корпоративной среде, где на одной странице должны одновременно соблюдаться брендовые правила, SEO-требования, доступность и внутренние процедуры публикации для вывода в прод на глобальных цифровых площадках.

• Ручная сборка блоков и лейаутов в CMS Задержки из-за проверки текста, ссылок и креативов Зависимость от инженеров, если готовых компонентов не хватает * Поздняя проверка SEO, доступности и бренд-стандартов Ключевой вывод AWS в том, что это не набор отдельных мелких проблем, а один системный сбой процесса. Качество контролировалось слишком поздно, а большая часть времени уходила не на маркетинговую стратегию, а на механическую сборку страниц. В результате маркетологи тратили часы на операции, которые можно формализовать: выбрать нужные компоненты, собрать структуру, прогнать проверки и передать страницу в публикацию без длинной цепочки ручных действий.

Как работает решение

Новая система построена вокруг Amazon Bedrock и моделей Anthropic Claude и Amazon Nova. Маркетолог описывает задачу обычным языком: какую страницу нужно собрать, какие блоки нужны и что должно быть на выходе. Дальше агент Gradial интерпретирует запрос, определяет структуру страницы, подбирает компоненты и формирует конфигурацию, которая раньше требовала знания внутренней логики CMS.

По сути, интерфейс для автора превращается из набора сложных форм в диалог, где система сама раскладывает задачу на шаги. Отдельный слой в архитектуре — MCP-сервер для проверки качества в реальном времени. Вместо того чтобы ждать финального ревью, система во время сборки сверяет контент с требованиями по SEO, доступности и бренд-стандартам.

Если изображение, текст или структура страницы не проходят проверку, проблему видно сразу в той же сессии. Это убирает характерную для корпоративного маркетинга петлю, когда страница почти готова, но потом откатывается на доработку из-за одного некорректного элемента. Последний этап — программная отправка результата в корпоративную CMS через прокси-слой.

Он не заменяет систему публикации, а связывает агента с существующей инфраструктурой так, чтобы страница создавалась внутри привычной модели данных и правил governance. За счёт этого AWS не пришлось ломать весь publishing-процесс с нуля: агент автоматизирует сборку и передачу, а контрольная среда CMS остаётся на месте с нужными правами, журналированием и этапами согласования.

Что изменилось после После запуска в продакшене AWS сравнила показатели до и после внедрения.

Самая заметная метрика — время сборки страницы: вместо ручной работы до четырёх часов оно сократилось примерно до десяти минут, то есть более чем на 95%. Но важен не только выигрыш по времени. Проверка качества стала проактивной, интерфейс для команды — проще, а сам процесс — линейнее.

Там, где раньше были отдельные этапы конфигурации, проверки и передачи, теперь большая часть действий выполняется в одном потоке. Для маркетинговых команд это значит, что высвобождается время на задачи, которые действительно влияют на результат кампании: позиционирование, сообщение, тестирование гипотез и оптимизацию контента. AWS прямо формулирует цель проекта так: убрать механическую работу, которая не создаёт ценность сама по себе.

Если подход масштабируется на другие цифровые каналы, агентный ИИ может стать не просто ускорителем для CMS, а новым операционным слоем для контентных команд в enterprise-среде.

Что это значит

Кейс AWS показывает более приземлённый сценарий для агентного ИИ, чем привычные демо с чат-ассистентами: не генерация ради генерации, а автоматизация конкретного узкого места в бизнес-процессе. Если агент умеет понимать задачу, собирать страницу, валидировать результат и работать с существующей CMS, компания получает не эксперимент, а измеримый инструмент с понятным ROI и прямой привязкой к операционным метрикам команды, скорости запуска и стоимости публикации.