Adobe опросили 3000 директоров по маркетингу — и вот что они рассказали об использовании AI (спойлер: что-то пошло не так)

📑 Каждый год Adobe вместе с исследовательской компанией Oxford Economics опрашивает тысячи руководителей и специалистов, которые отвечают за то, как клиенты взаимодействуют с брендами. Результаты публикуются в большом ежегодном отчете, одном из самых подробных в индустрии. 

В этом году опросили 3000 человек из CX-команд разных компаний, а параллельно — еще 4000 обычных покупателей, чтобы посмотреть, совпадает ли то, что думает бизнес, с тем, что думают его клиенты.

CX расшифровывается как customer experience — клиентский опыт. Это все, что человек чувствует при контакте с брендом в течение всего времени от знакомства и до покупки. CX-команды отвечают за то, чтобы этот опыт был:

• приятным, 
• понятным,
• и желательно запоминающимся.

👉🏻 Мы изучили отчет и готовы рассказать тебе о самом интересном. В этой статье ты узнаешь, почему 57% компаний отстают от конкурентов (даже если показатели у них растут), почему клиенты не любят AI-агентов и в чем себя обманывают почти все компании, когда строят свою AI-стратегию.

Коротко о главном: ключевые моменты из статьи

1. Большинство компаний отстают в применении искусственного интеллекта (и они сами это признают). Только 36% опрошенных считают, что они лучше конкурентов в том, как выстраивают общение с клиентами онлайн. Остальные 57% говорят, что либо идут наравне со всеми, либо отстают — хотя реальные показатели у них за последние годы выросли.
2. Генеративный AI работает, но только в отдельных командах. Там, где его попробовали, компании видят эффект: контент создается быстрее, сотрудники работают продуктивнее, выручка от маркетинга растет. Но распространить это на всю компанию пока смогли единицы — у большинства AI до сих пор живет в одном-двух отделах, не больше.
3. Следующая большая тема — AI, который действует сам. Треть компаний уже делает ставку на агентный AI (системы, которые самостоятельно выполняют задачи). В ближайшие полтора года большинство рассчитывает, что такой AI будет закрывать значительную часть обращений клиентов, особенно в поддержке.
4. Компании переоценивают готовность клиентов к AI. Почти половина организаций думает, что люди захотят общаться с брендами через AI-агентов, но сами клиенты так не считают: с этим согласны только 19%. Чем конкретнее сценарий (например, передать личные данные или доверить AI решение о покупке) тем сильнее расхождение.
5. Все знают, что проблема в данных, но никто не торопится ее решать. Три четверти компаний называют качество и интеграцию данных главным барьером для внедрения AI. При этом только каждая третья компания включила работу с данными в список реальных приоритетов. Все понимают, в чем проблема, но деньги и внимание идут в другую сторону.
6. Руководители и их команды видят ситуацию по-разному. В каждой третьей компании нет единого понимания AI-стратегии между топ-менеджментом и теми, кто с AI работает каждый день. Руководители просто недостаточно разбираются в теме, и это мешает принимать правильные решения и выделять ресурсы на нужные вещи.
7. Сотрудники не успевают за скоростью изменений. Больше половины компаний признают, что AI меняет рабочие процессы быстрее, чем люди успевают к этому адаптироваться. При этом нормальное обучение по AI есть только у 45% организаций, а сотрудников, которые чувствуют себя уверенно при работе с AI, еще меньше.

Что вообще происходит на рынке

За последние три года компании на международном рынке пережили сразу два больших сдвига:

1. Сначала адаптировались к жизни после пандемии.
2. Потом столкнулись с AI — и снова оказались перед вопросом, что делать дальше. 

Кое-что все же получилось. За эти три года компании улучшили свои показатели: 

• персонализация выросла у 70% опрошенных, 
• лидогенерация — у 64%, 
• удержание клиентов — у 59%. 

🫢 Но вот что интересно: несмотря на этот прогресс, только 36% считают себя впереди конкурентов. Остальные 57% говорят, что идут вровень или отстают.

Объяснение этому простое. Когда весь рынок движется в одном направлении примерно с одинаковой скоростью, улучшение собственных показателей не означает, что ты вырвался вперед — скорее, ты просто не отстал. Поэтому компании, которые хотят существенно выделиться, понимают, что нужно двигаться быстрее остальных — и именно здесь все приходят к AI.

Что касается того, каким должен быть клиентский опыт через несколько лет, опрошенные сходятся в следующем:

• глубоко персонализированным, способным предугадывать потребности в реальном времени — так считают 80%;
• бесшовным между онлайном и офлайном — 72%;
• работающим на AI, но при этом ощущающимся по-человечески и в духе бренда — 60%.

Разрыв между этой картинкой и тем, где большинство компаний находится сейчас — это и есть главная тема всего отчета.

У клиентов есть всего несколько секунд

Пока компании разбираются с технологиями, клиенты уже изменили свое поведение. Половина покупателей говорит, что у рекламного письма, поста или баннера есть максимум две-пять секунд, чтобы зацепить их внимание. А каждый пятый клиент принимает решение еще быстрее — за две секунды или меньше 🕰️ 

Получается, нерелевантный контент просто не существует для аудитории — его не замечают и не запоминают:

1. Половина клиентов говорит, что отключится от бренда, если промо-сообщения покажутся им несвоевременными или не по теме. 
2. Еще 45% уйдут, если получат слишком много сообщений (даже если те формально подходят им по интересам).

✔️ Сегодня цепляет внимание зрителя: личная релевантность с первых слов, что-то уникальное, сильный визуал или звук, конкретное выгодное предложение.

Попасть в нужный момент с нужным сообщением к нужному человеку в нужном канале вручную просто невозможно. Отсюда и интерес к AI как к единственному реалистичному способу делать персонализацию по-настоящему.

Параллельно меняется и то, как люди ищут информацию. Каждый четвертый покупатель уже использует AI-платформы как основной источник при поиске товаров или изучении вариантов (а это больше, чем доля тех, кто в первую очередь идет на сайт бренда или читает отзывы!) ⚡️

👉🏻 Так что контент брендов теперь должен быть понятен не только людям, но и AI-системам, которые его интерпретируют и выдают в ответ на запросы.

Хочешь разобраться, как AI меняет маркетинг на практике? Наш курс «Комплексный интернет-маркетинг» как раз об этом: тут мы учим выстраивать стратегию, работать с данными, строить персонализированные коммуникации и не отставать от рынка, который меняется быстрее, чем успеваешь читать отчеты. 

Генеративный AI: что уже работает

Генеративным AI называют технологию, которая умеет создавать контент: тексты, картинки, код, сценарии и прочее. Именно он стоит за ChatGPT, Midjourney, Claude и другими инструментами, которые за последние пару лет стали частью рабочего процесса для многих команд.

Компании уже запустили пилоты в самых разных направлениях — от создания маркетингового контента до поддержки клиентов и автоматизации внутренних процессов. Примерно четверть-треть компаний тестирует генеративный AI в каждом из этих направлений, и большинство из них говорит об ощутимых улучшениях. 

Наиболее заметным эффект оказался в таких сферах, как:

• генерация идей для контента и его производство;
• продуктивность сотрудников и операционная эффективность;
• рост маркетинговой выручки.

Подавляющее большинство компаний, которые запустили хотя бы ограниченный пилот, фиксируют улучшения. Технология работает, и это факт.

🤖 Что касается приоритетов для дальнейших вложений в AI, компании называют три главных направления: более персонализированный клиентский опыт — 56%, улучшение удовлетворенности и лояльности клиентов — 46%, автоматизация рутины — 45%.

👌🏻 Логика понятна: сначала дать клиенту то, что ему нужно, а потом освободить команду от ручной работы.

Инфраструктура есть, а масштаба нет

Если результаты есть и приоритеты понятны — что мешает масштабировать? Ведь технической базы у большинства компаний вполне достаточно. Облачная инфраструктура для генеративного AI есть у 89% опрошенных, единые платформы клиентских данных — у 71%.

😒 Но масштабирования не происходит. Только от одной пятой до одной трети компаний, в зависимости от направления, встроили генеративный AI сразу в несколько функций. Внедрения на уровне всей организации единичны. При этом немалая часть компаний признается, что в ключевых процессах вообще не использует эту технологию — хотя многие планируют изменить ситуацию в течение ближайших 18 месяцев.

Показатель	Данные
Облачная инфраструктура для генеративного AI	89%
Единая платформа клиентских данных	71%
Gen AI встроен в несколько функций	~20–33%
Gen AI внедрен на уровне всей организации	менее 20%

Получается интересная картина: технологии есть, желание есть, но перевести все это в полноценное внедрение по всей компании пока мало у кого получается. Причем дело здесь не в самих технологиях. Настоящие препятствия лежат в другом месте — в данных, процессах и людях. Об этом подробнее поговорим дальше.

Агентный AI: все хотят, и мало кто готов

Генеративный AI создает контент по запросу. Агентный AI — это следующий уровень: системы, которые не просто отвечают на вопросы, а самостоятельно выполняют задачи. 

Они могут:

• инициировать транзакции, 
• решать проблемы клиентов, 
• искать информацию в нескольких системах одновременно и делать это без участия человека на каждом шаге. 

Грубо говоря, это не инструмент, которым ты пользуешься, а сотрудник, которому ты даешь задание.

Интерес к агентному AI среди компаний огромный. Примерно треть опрошенных говорит, что приоритизирует внедрение именно агентного AI (даже в ущерб дальнейшему развитию генеративного) 🔥

Ожидания тоже масштабные: 

• 63% компаний рассчитывают, что агентный AI освободит сотрудников от рутины и даст им больше времени на стратегическую и творческую работу,
• 42% планируют создать отдельные AI-персонажи с разными личностями для разных аудиторий,
• А для половины компаний способность их AI-агентов взаимодействовать с агентами других систем — это уже критерий выбора вендора.

AI меняет не только то, как бренды общаются с клиентами, но и то, как люди вообще ищут информацию. TikTok и Instagram давно перестали быть просто соцсетями — теперь это полноценные поисковики со своей логикой и алгоритмами. А как адаптировать под них свой контент мы разобрали в отдельном материале.

Компании также довольно конкретно описывают, что именно они хотят от агентного AI в ближайшем будущем:

1. Помощь сотрудникам в поиске информации и работе со знаниями. Это направление называют 69% опрошенных, и оно понятно: корпоративные базы знаний огромны, а находить в них нужное вручную долго и неудобно.
2. Поддержка продаж через автономные рекомендации и квалификацию лидов. На это рассчитывают 58% компаний. Агент сам определяет, насколько потенциальный клиент готов к покупке, и предлагает подходящий продукт.
3. Роль цифрового представителя бренда. 54% хотят, чтобы AI-агент мог самостоятельно общаться с клиентами от имени компании.

При этом планы по масштабам внедрения звучат довольно смело. Многие компании рассчитывают, что уже в течение 18 месяцев агентный AI будет напрямую обрабатывать большую часть их клиентских обращений — особенно в поддержке и послепродажном сервисе.

Клиенты готовы меньше, чем кажется

😅 А вот здесь уже начинается самое интересное. Пока компании строят грандиозные планы, клиенты смотрят на все это заметно осторожнее: 43% покупателей говорят, что были бы готовы пообщаться с AI-консьержем бренда, если бы такая возможность была. Звучит обнадеживающе. Но дальше картина усложняется. Каждый пятый клиент не готов создавать собственного персонального AI-агента, а почти 40% даже не думали об этом.

Особенно показательны данные о том, что клиенты готовы доверить своему AI-агенту:

1. Почти половина была бы не против, если бы их агент работал с живым представителем бренда. 
2. Но гораздо меньше людей согласны на то, чтобы их агент взаимодействовал с AI-агентом компании, передавал личные данные или принимал решения о покупке — неважно, большой или маленькой.

💡 И вот что важно: во всех этих сценариях компании систематически переоценивают готовность своих клиентов. Разрыв между тем, что думают организации, и тем, что думают покупатели, прослеживается по каждому пункту.

📍 Например, 49% компаний уверены, что клиенты в итоге захотят общаться с брендами преимущественно через AI-агентов. Среди самих клиентов с этим согласны только 19%.

📍 Похожая история с доверием к решениям AI. 36% компаний считают, что клиенты когда-нибудь будут доверять AI-агентам в сложных покупках больше, чем себе. Среди клиентов так думают лишь 21%.

Это не значит, что агентный AI обречен на провал. Это значит, что компании, которые будут внедрять его слишком агрессивно и без оглядки на реальный комфорт аудитории, рискуют получить обратный эффект. 

📍 Только одна пятая клиентов говорит, что может распознать AI в общении с брендом. При этом треть покупателей признается, что отключится от бренда, если обнаружит, что контент создан AI. А 37% уйдут, если поймут, что общались с машиной, думая, что это человек.

Что клиенты считают самым важным при использовании AI-агентов брендом, так это прозрачность и возможность в любой момент переключиться на живого человека. И здесь, кстати, компании с ними согласны.

Клиенты vs компании: где пропасть

Разрыв между ожиданиями бизнеса и реальным поведением клиентов — большая проблема, которая влияет на то, работает ли стратегия компании или нет.

Клиенты ценят релевантность, простоту и удобство, и они довольно быстро реагируют, когда что-то идет не так. Половина покупателей отключится от бренда, если промо-коммуникация покажется им не вовремя или не по теме. 

🔗 Для того чтобы AI реально помогал делать релевантные коммуникации, ему нужны качественные и связанные данные о клиентах. Но с этим у большинства компаний серьезные проблемы:

Показатель готовности данных	Цифра
Качество и доступность данных достаточны для AI	44%
Единая платформа данных для агентного AI	39%
Компании, готовящие контент для AI-поиска	54%
Единая база данных для аналитики AI-агентов	39%

Показательно и другое: компании осознают проблему, но не торопятся ее решать:

• 52% признают, что текущая структура данных тормозит развитие AI-инициатив,
• 75% называют интеграцию и качество данных главным барьером для внедрения агентного AI,
• но при этом только 32% назвали качество, унификацию и управление данными приоритетом для инвестиций,
• а повышение ценности данных и их понимание вошло в топ-приоритеты лишь у 20%.

Получается странная ситуация: все понимают, что данные — это проблема номер один, но деньги и внимание идут куда-то в другую сторону. Отчасти это объясняется тем, что работа с данными — долгая, дорогая и не дает быстрого видимого результата. Гораздо проще запустить еще один пилот с генеративным AI и показать руководству красивые цифры.

👉🏻 Еще одна зона риска — контент для AI-поиска. Клиенты все чаще находят товары и бренды через AI-платформы, а не через Google или сайты, но только 54% компаний вообще готовятся к тому, чтобы их контент корректно интерпретировался и попадал в выдачу AI-инструментов.

Почему буксует внедрение искусственного интеллекта: данные, деньги, люди

Если собрать все барьеры, о которых говорят компании, в одну картину, получится не технологическая, а скорее организационная проблема. Инструменты есть, бюджеты выделяются, но при этом внутри компаний нет единого понимания того:

• зачем все это делается, 
• кто за что отвечает,
• и как измерять результат.

Один из самых заметных разрывов наблюдается между руководителями и теми, кто работает с AI каждый день. Почти треть опрошенных говорит, что у них в компании нет согласованной AI-стратегии между топ-менеджментом и практиками. Еще 47% описывают ситуацию как «частичное согласование в лучшем случае». То есть полноценное единство есть примерно у каждой пятой компании.

Причины этого расхождения тоже исследовали. Главная — недостаточное понимание AI со стороны руководства. Ее называют 61% опрошенных, и она опережает все остальные факторы: 

• сопротивление изменениям (52%), 
• недостаточную коммуникацию о роли AI (52%),
• неясность с измерением его ценности (39%).

Когда руководители не очень понимают, как работает технология, они склонны либо переоценивать ее возможности, либо недооценивать сложность внедрения. Отсюда и берутся нереалистичные ожидания, урезанные бюджеты на фундаментальные вещи вроде данных и обучения, и общее ощущение у сотрудников, что их не слышат.

Разница в восприятии между двумя группами прослеживается по многим параметрам:

1. Руководители фокусируются на росте выручки и удовлетворенности клиентов. Это понятные бизнес-метрики, но они плохо отражают то, что нужно сделать внутри, чтобы AI заработал в полную силу. 62% топ-менеджеров считают операционную эффективность и сокращение затрат приоритетом, среди практиков таких 54%.
2. Практики думают об операционной реальности. Их больше интересует создание контента, активация процессов и конкретные инструменты, которые помогут делать работу лучше. Они же — 49% против 41% среди руководителей — считают, что компании, которые не внедрят агентный AI, просто устареют.
3. Практики прогнозируют более быстрый переход к агентному AI. Они чаще, чем руководители, ожидают, что большинство клиентских взаимодействий в ближайшие 18 месяцев перейдет к AI-агентам — особенно в рекомендациях, послепродажной поддержке и диалоговых интерфейсах.

Даже там, где с технологией все в порядке, компания может тормозить сама себя — через внутренние разногласия, непонимание и разные системы координат у разных уровней команды.

Что со всем этим делать

Отчет Adobe описывает также и то, что именно нужно сделать компаниям, чтобы перейти от разрозненных экспериментов к реальному масштабированию AI:

1️⃣ Разобраться с данными. Это первое и самое важное. AI работает ровно настолько хорошо, насколько хороши данные, на которых он обучен и которые он получает в реальном времени. Разрозненные базы, плохое качество, отсутствие единой структуры — все это ограничивает возможности любого AI-инструмента, каким бы продвинутым он ни был. 

75% компаний сами называют интеграцию данных главным барьером для агентного AI — и при этом мало кто делает работу с данными реальным приоритетом инвестиций. Это противоречие стоит устранить в первую очередь.

2️⃣ Пересмотреть контентные процессы. Больше половины компаний признают, что их цепочка производства контента остается линейной и ресурсоемкой. Это значит, что контент создается медленно, дорого и с трудом адаптируется под разные каналы и аудитории. 

AI может помочь сделать эти процессы более гибкими, но для этого нужно сначала перестать работать по старой схеме «придумали — согласовали — опубликовали».

3️⃣ Синхронизировать руководство и команды. Разрыв между тем, что видят топ-менеджеры, и тем, с чем работают практики — источник неправильных решений, недофинансирования нужных вещей и общего ощущения, что AI-стратегия существует отдельно от реальной работы. 

Есть три вещи, которые помогают выстроить это согласование: 

1. Четкое проговаривание целей AI (это называют важным 72% опрошенных).
2. Совместное планирование (69%).
3. Реальная поддержка со стороны руководства (59%).

4️⃣ Строить AI-опыт вокруг комфорта клиента, а не вокруг возможностей технологии. Это, пожалуй, самый важный вывод из всего отчета. 

Компании склонны смотреть на агентный AI как на большую возможность — и это правда. Но клиенты пока относятся к нему с осторожностью. Прозрачность, возможность переключиться на живого человека, ощущение контроля над своими данными — вот что определяет, будет ли AI-взаимодействие воспринято позитивно или вызовет отторжение.

⚡️ Если собрать все это вместе, вырисовывается понятная логика. Компании, которые хотят реально выиграть от AI, должны инвестировать не только в сами технологии, но и в то, что делает эти технологии рабочими: 

• в данные, 
• в процессы, 
• в людей,
• и в доверие клиентов. 

Без этого даже самый продвинутый AI-инструмент превратится в очередной дорогой пилот, который так и не вырастет во что-то большее 🤷🏼

Все, о чем говорит этот отчет Adobe — это и есть современный интернет-маркетинг Персонализация, работа с данными, AI-инструменты, клиентский опыт — именно это мы разбираем по крупицам на курсе «Комплексный интернет-маркетинг» в Genius.Space. 

Если хочешь не просто следить за трендами, а уметь с ними работать — курс даст тебе нужную базу и конкретные навыки. Приходи к нам!

FAQ

Что такое Adobe Digital Trends 2026? 

Это ежегодный отчет Adobe, подготовленный совместно с Oxford Economics. В 2026 году в нем опросили 3000 CX-руководителей и практиков, а также 4000 обычных покупателей по всему миру чтобы понять, как компании реально используют AI и как на это реагируют клиенты.

Что такое агентный AI и чем он отличается от генеративного? 

Генеративный AI создает контент по запросу — тексты, картинки, код. Агентный AI действует самостоятельно: он выполняет задачи, принимает решения и взаимодействует с другими системами без участия человека на каждом шаге. Грубо говоря, генеративный AI отвечает на вопросы, а агентный — сам делает работу.

Почему 57% компаний отстают от конкурентов в digital? 

Потому что рынок движется быстро, и улучшение собственных показателей не означает опережения. Компании улучшают персонализацию, лидогенерацию и удержание клиентов, но делают это примерно с той же скоростью, что и все остальные. Отставание связано с разрозненными данными, слабыми внутренними процессами и отсутствием масштабирования AI за пределы пилотов.

Как AI влияет на клиентский опыт в 2026 году?

AI меняет то, как клиенты ищут информацию, получают рекомендации и взаимодействуют с брендами. Каждый четвертый покупатель уже использует AI-платформы как основной источник при поиске товаров. При этом клиенты ценят релевантность и прозрачность — и быстро отключаются от брендов, которые этого не обеспечивают.

Доверяют ли клиенты AI-агентам брендов? 

С осторожностью. 43% готовы пообщаться с AI-консьержем, если такая опция есть. Но большинство не готовы позволить AI-агенту передавать их личные данные или принимать решения о покупке. Самое важное для клиентов — знать, что они общаются с AI, и иметь возможность в любой момент переключиться на живого человека.

Какие компании получают больше всего от генеративного AI? 

Те, кто уже запустил пилоты в конкретных направлениях — контент-продакшне, клиентской поддержке, автоматизации внутренних процессов. Подавляющее большинство таких компаний фиксирует реальные улучшения в продуктивности, генерации идей и маркетинговой выручке.

Почему компании не масштабируют AI, если пилоты работают? 

Проблема не в технологиях — облачная инфраструктура есть у 89% компаний. Барьеры скорее организационные: разрозненные данные, линейные контентные процессы, расхождение между руководством и командами, отсутствие фреймворков для измерения результата.

Как измерить ROI от AI в маркетинге?

Большинство компаний ориентируются на метрики клиентского опыта — NPS, удержание, отток. Но 52% признают, что им сложно доказать отдачу от AI через эти показатели. Фреймворк для оценки генеративного AI есть только у 44% компаний, для агентного — у 31%.

Что мешает внедрению AI в компаниях? 

Три главных барьера: качество и интеграция данных (об этом говорят 75% компаний), нехватка нужных специалистов и ресурсов для обучения (71%), и неясность с ROI и бизнес-кейсом (68%). При этом главной внутренней проблемой остается недостаточное понимание AI со стороны руководства.

Что такое customer experience и почему это важно для бизнеса? 

Customer experience, или CX — это совокупность всех впечатлений клиента от взаимодействия с брендом: от первого контакта до послепродажного обслуживания. Компании, которые инвестируют в качественный CX, получают более высокую лояльность, лучшее удержание и в итоге более стабильную выручку. Именно поэтому CX-метрики (NPS, retention, churn) стоят в центре большинства AI-стратегий.

Глоссарий

Термин	Значение
AI (Artificial Intelligence)	Искусственный интеллект — технологии, которые позволяют машинам выполнять задачи, требующие человеческого мышления: анализ данных, принятие решений, генерация контента
Генеративный AI	Тип AI, который создает новый контент (тексты, изображения, код, аудио) на основе запроса пользователя
Агентный AI	Тип AI, который самостоятельно выполняет задачи и принимает решения без участия человека на каждом шаге
Customer Experience (CX)	Клиентский опыт — совокупность всех впечатлений человека от взаимодействия с брендом на любом этапе
Персонализация	Адаптация контента, предложений и коммуникаций под конкретного пользователя на основе его данных и поведения
NPS (Net Promoter Score)	Метрика лояльности клиентов: насколько вероятно, что человек порекомендует бренд другим
Контентный supply chain	Цепочка производства контента — от идеи до публикации, включая все этапы согласования и дистрибуции
Омниканальность	Подход, при котором клиент получает единый последовательный опыт взаимодействия с брендом во всех каналах (онлайн и офлайн)
Лидогенерация	Процесс привлечения потенциальных клиентов и сбора их контактных данных для дальнейшей работы
Retention (удержание)	Способность компании сохранять существующих клиентов и удерживать их от ухода к конкурентам
Churn (отток)	Доля клиентов, которые прекратили пользоваться продуктом или услугой за определенный период
AI-агент	Программа на основе AI, которая самостоятельно взаимодействует с пользователями или другими системами от имени бренда
ROI (Return on Investment)	Возврат на инвестиции — показатель того, сколько прибыли принесли вложенные средства
Customer Data Platform (CDP)	Единая платформа клиентских данных, которая собирает и структурирует информацию о клиентах из разных источников
Agentic AI	Другое название агентного AI — системы, способные автономно выполнять многошаговые задачи
AI Readiness	Готовность компании к внедрению AI: наличие нужной инфраструктуры, данных, процессов и компетенций
Oxford Economics	Британская исследовательская компания, специализирующаяся на экономическом анализе и прогнозировании, партнер Adobe по этому отчету
Conversational AI	Разговорный AI — технологии, обеспечивающие естественный диалог между человеком и машиной: чат-боты, голосовые помощники
Upskilling	Повышение квалификации сотрудников, освоение новых навыков — в контексте статьи речь идет об обучении работе с AI
Digital CX Maturity	Уровень зрелости компании в части цифрового клиентского опыта: насколько системно и эффективно выстроены процессы взаимодействия с клиентами онлайн