Hershey's Multi-Agent AI запускает моделирование маркетингового микса ежемесячно вместо ежеквартально

Компания Hershey внедрила многоагентную ИИ-систему от Mutinex, работающую на базе Claude и Gemini, для автоматизации маркетингового моделирования (MMM) по всему портфелю брендов. В сочетании с Tracer для управления конвейерами данных система превращает то, что было ретроспективным ежегодным процессом, в ежемесячную возможность измерения в режиме реального времени.
Что изменилось
Раньше Hershey проводила анализ MMM три раза в год примерно для пяти брендов, причем результаты поступали спустя месяцы после окончания отчетного периода. Винни Ринальди, вице-президент по медийным и маркетинговым технологиям, сказал: «Мы получали полные данные за 2024 год в середине 2025 года, в то время как уже планировали 2026 год». С новой системой они могут запускать модели всего за три недели и переходят к ежемесячным измерениям для всего портфеля — до 12 раз в год.
Техническая архитектура
Mutinex использует многоагентную архитектуру: каждый агент является специалистом в своей области — один разбирается в маркетинговой эконометрике, другой знает теорию конкурентного ценообразования, третий диагностирует сбои модели. Tracer выполняет роль уровня обработки данных, очищая и стандартизируя разрозненные данные из маркетинговых и розничных систем, чтобы модели работали быстрее и надежнее. Сара Мартинес, директор по работе с клиентами Tracer, отметила: «У большинства компаний нет проблемы с ИИ. У них проблема с готовностью данных».
Влияние
Первые сигналы указывают на то, что Hershey ожидает увеличения выручки от медиа на 4-5%. Система охватывает как медийные, так и торговые маркетинговые расходы на общую сумму более $2 млрд. Ринальди назвал это «полностью меняющим правила игры моментом» для организации. Переход позволяет принимать ежемесячные решения о распределении бюджета вместо ежегодных корректировок на основе устаревших данных.
Более широкий контекст
Этот пример демонстрирует, как агентный ИИ может сделать маркетинговые измерения надежными для инвестиционных решений, снижая скептицизм по поводу атрибуции. Лу Паскалис, рыночный советник Mutinex, сказал: «Маркетинг не воспринимается как надежный с точки зрения инвестиций. Во многом это связано со скептицизмом по поводу того, как атрибуция проводилась исторически».
📖 Read the full source: HN AI Agents
👀 Смотрите также

InclusionAI выпускает Ring-2.6-1T: триллионная модель для агентских рабочих процессов
InclusionAI представила Ring-2.6-1T — модель рассуждений с 1 триллионом параметров, оптимизированную для выполнения агентских задач, с двумя уровнями глубины рассуждений (high/xhigh) и асинхронным RL-обучением с использованием алгоритма IcePop.

Kimi K2.6 с агрессивной скользящей стратегией превосходит Claude, GPT-5.5 и Gemini в соревновании по программированию
В соревновании AI Coding Contest, в головоломке «Word Gem Puzzle» (День 12), модель Kimi K2.6 с открытыми весами от Moonshot AI набрала 22 матч-пойнта (7-1-0), опередив GPT-5.5 (16), Claude Opus 4.7 (12) и Gemini Pro 3.1 (9). MiMo V2-Pro заняла второе место. Kimi выиграла за счет агрессивного перемещения плиток.

Google предоставит Пентагону ИИ-агентов для работы с несекретными данными.
Google предоставит Пентагону ИИ-агентов для работы с несекретными данными, согласно отчету Bloomberg. Эта статья вызвала обсуждение на Hacker News, набрав 61 балл и 52 комментария.

Клод создает Python-скрипт, который находит рекордный 10 069-значный эмирп.
Claude Opus 4.6 от Anthropic сгенерировал Python-скрипт, который обнаружил эмирп (обратимое простое число) из 10 069 цифр примерно за один день процессорного времени, побив предыдущий мировой рекорд. Скрипт использует четыре уровня решета простых чисел, включая CUDA-ядро для быстрой генерации случайных чисел.