W jaki sposób sztuczna inteligencja może zwiększyć kreatywność i rentowność firmy

Firmy tworzą więcej treści niż kiedykolwiek wcześniej, a mimo to wiele z nich wciąż ma trudności z wymyślaniem pomysłów, które klienci zauważają, zapamiętują lub które skłaniają ich do działania. Wydaje się, że odpowiedzią na to wyzwanie jest generatywna sztuczna inteligencja: potrafi ona tworzyć teksty, generować obrazy, podsumowywać wyniki badań, personalizować kampanie oraz przekształcać jedną zatwierdzoną koncepcję w dziesiątki wersji dostosowanych do konkretnych rynków. Możliwości komercyjne są ogromne, ale łatwo je również źle zrozumieć.

Sztuczna inteligencja nie przyczynia się do wzrostu po prostu poprzez pomoc działowi marketingu w publikowaniu większej ilości materiałów. Tworzy wartość, gdy eliminuje rzeczywiste wąskie gardło: obniżając koszty wizualizacji produktu, skracając czas opracowywania kampanii, sprawiając, że lokalizacja staje się opłacalna, lub umożliwiając zespołowi przetestowanie większej liczby pomysłów przed przeznaczeniem na nie budżetu.

McKinsey szacuje, że generatywna sztuczna inteligencja mogłaby przynieść wzrost wydajności odpowiadający od 5 do 15 procent całkowitych wydatków marketingowych. Firma Gartner ustaliła, że spośród organizacji marketingowych już korzystających z generatywnej sztucznej inteligencji 77 procent wdrożyło ją do prac związanych z tworzeniem treści kreatywnych. Jednak samo wdrożenie nie oznacza jeszcze zwrotu z inwestycji. Firma Gartner odkryła również, że przedsiębiorstwa niekoniecznie osiągają znaczną poprawę wyników biznesowych jedynie poprzez zapewnienie pracownikom dostępu do narzędzi generatywnych.

To rozróżnienie jest istotne. Wyposażenie zespołu kreatywnego w generator obrazów lub asystenta do pisania może zaoszczędzić trochę czasu poszczególnym pracownikom. Przeprojektowanie procesu, w ramach którego firma opracowuje, testuje, zatwierdza i rozpowszechnia materiały kreatywne, może zmienić ekonomię całego działu.

Gdzie sztuczna inteligencja tworzy wymierną wartość

Najbardziej znaczące wczesne zastosowania kreatywnej sztucznej inteligencji zazwyczaj mają na celu rozwiązanie jednego z czterech problemów: powolnej produkcji, kosztownej adaptacji, fragmentarycznych informacji lub niemożności przetestowania wystarczającej liczby pomysłów przed przeznaczeniem środków budżetowych.

Gdy opracowywanie kampanii trwa zbyt długo, sztuczna inteligencja może pomóc zespołom w wygenerowaniu i wizualizacji kilku wstępnych kierunków działania, zanim zostanie wybrany ten, który zasługuje na pełną realizację. Tradycyjnie agencja lub dział wewnętrzny mogłyby poświęcić kilka dni na przygotowanie trzech koncepcji kreatywnych do prezentacji kampanii. Sztuczna inteligencja może pomóc zespołowi w zbadaniu znacznie szerszego zakresu możliwości, zanim projektanci dopracują najobiecujące pomysły.

Istotnym kryterium nie jest liczba opracowanych koncepcji. Liczy się skrócenie czasu od otrzymania wstępnego briefu do zatwierdzenia kierunku kreatywnego, a także poprawa jakości podjętej decyzji. Opracowanie 50 przeciętnych koncepcji nie ma większej wartości niż stworzenie pięciu przekonujących.

Gdy lokalizacja stanowi wąskie gardło, sztuczna inteligencja może tłumaczyć i dostosowywać zatwierdzone materiały do potrzeb różnych krajów, grup klientów i kanałów komunikacji. Firma działająca na skalę globalną może rozpocząć od jednej kampanii, ale na każdym rynku może potrzebować innych języków, oznaczeń produktów, sformułowań prawnych, formatów i szczegółów kulturowych. Narzędzia generatywne mogą pomóc w tworzeniu tych wariantów bez konieczności ręcznego przerabiania każdego elementu przez projektantów.

Firma powinna porównać koszty i czas realizacji dla poszczególnych rynków z poprzednim procesem. Powinna również odnotować, w jakim stopniu konieczna jest korekta przez tłumacza. Tłumaczenie wygenerowane w ciągu kilku sekund nie jest efektywne, jeśli lokalne zespoły muszą poświęcać godziny na poprawianie nieodpowiednich sformułowań lub błędów merytorycznych.

Gdy wykonanie zdjęć produktów na wymaganą skalę jest zbyt kosztowne, narzędzia generatywne pozwalają tworzyć kontrolowane tła, scenerie i wstępne makiety. Firma meblarska może zaprezentować to samo krzesło w kilku różnych wnętrzach. Sieć odzieżowa może wizualizować alternatywne scenariusze kampanii przed zorganizowaniem pełnej sesji zdjęciowej. Deweloper może stworzyć wstępne wizualizacje różnych kierunków projektowych przed zleceniem wykonania ostatecznych zdjęć architektonicznych.

Wartość handlową należy oceniać na podstawie kosztu jednego zatwierdzonego zasobu, szybkości wprowadzania produktów na rynek oraz, w stosownych przypadkach, wpływu na konwersję klientów. Istotną wartością nie jest koszt wygenerowania pierwszego obrazu, lecz całkowity koszt stworzenia obrazu, który jest dokładny, dopuszczalny do użytku prawnego i nadający się do publikacji.

Gdy komunikacja z klientem ma zbyt ogólny charakter, sztuczna inteligencja może generować różne wersje komunikatów w oparciu o rzeczywiste różnice w potrzebach klientów. Bank może na przykład inaczej przedstawić tę samą usługę inwestycyjną doświadczonemu inwestorowi, a inaczej klientowi, który korzysta z niej po raz pierwszy. Hotel może położyć nacisk na niezawodny dostęp do internetu i wczesne śniadania w przypadku osoby podróżującej służbowo, a jednocześnie podkreślić możliwość połączenia pokoi i elastyczne opcje posiłków w przypadku rodziny.

Miarą sukcesu jest to, czy dostosowana komunikacja przyczynia się do poprawy wskaźników odpowiedzi, konwersji, utrzymania klientów lub ich zadowolenia. Zmiana zdjęcia lub dodanie imienia danej osoby nie stanowi znaczącej personalizacji, jeśli podstawowa oferta pozostaje niezmieniona.

Gdy projektanci poświęcają zbyt dużo czasu na zmianę rozmiarów, formatowania lub dostosowywanie istniejących materiałów, sztuczna inteligencja może zautomatyzować rutynowe zadania produkcyjne, zachowując jednocześnie zatwierdzone elementy identyfikacji wizualnej marki. Często nie jest to tak efektowne, jak zlecenie modelce wymyślenia kampanii reklamowej, ale może przynieść bardziej pewny zwrot finansowy.

Dział marketingu może już dysponować skuteczną kampanią, ale potrzebować jej wersji przeznaczonych do mediów społecznościowych, wiadomości e-mail, stron internetowych, reklam cyfrowych, ekspozycji w sklepach oraz na kilka rynków międzynarodowych. Automatyzacja części tego procesu może uwolnić projektantów od powtarzalnych zadań.

Firma powinna obliczyć liczbę zaoszczędzonych godzin produkcyjnych i ustalić, w jaki sposób zostaną one wykorzystane. Jeśli od pracowników oczekuje się po prostu wytworzenia większej ilości materiału, oznacza to, że organizacja zwiększyła wydajność. Jeśli natomiast pracownicy będą mogli poświęcić ten czas na badania dotyczące klientów, opracowywanie lepszych koncepcji lub rozwiązywanie zaniedbanych problemów biznesowych, może to oznaczać poprawę potencjału twórczego.

Gdy dane z badań konsumenckich są trudne do wykorzystania, ponieważ pochodzą z różnych źródeł – wywiadów, recenzji, ankiet i notatek sprzedażowych – sztuczna inteligencja może pomóc w uporządkowaniu tych materiałów i zidentyfikowaniu powtarzających się wątków. Zespół może wykorzystać ją do pogrupowania skarg klientów, sporządzenia podsumowań transkrypcji wywiadów lub porównania reakcji na różne koncepcje produktów.

Zaletą jest krótsza droga od surowych danych do gotowego briefu kreatywnego. Wyniki nadal wymagają weryfikacji w oparciu o materiał źródłowy. Model może pominąć kontekst, wyolbrzymiać pewne wzorce lub przedstawiać pojedynczą opinię tak, jakby odzwierciedlała ona poglądy szerokiej grupy klientów.

Gdy zespoły sprzedażowe wielokrotnie tworzą własne prezentacje i oferty, sztuczna inteligencja może pomóc w przygotowywaniu szkiców na podstawie zatwierdzonych treści, szablonów i informacji o produktach. Może to być szczególnie przydatne w firmach świadczących usługi profesjonalne, usługi finansowe, a także w przedsiębiorstwach technologicznych i przemysłowych, gdzie materiały sprzedażowe muszą łączyć standardowe informacje ze szczegółami dostosowanymi do konkretnego klienta.

Istotnymi kryteriami są czas przygotowania, zgodność z faktami, spójność wizerunku marki oraz przestrzeganie wewnętrznych zasad. System powinien pomagać pracownikom w gromadzeniu wiarygodnych materiałów, a nie umożliwiać im szybsze wymyślanie niepopartych dowodami twierdzeń.

Wreszcie, gdy przetestowanie pomysłów wiąże się ze zbyt wysokimi kosztami, sztuczna inteligencja może stworzyć niedrogie prototypy, zanim firma zleci pełną produkcję. Firma meblarska może wizualizować różne wykończenia przed wyprodukowaniem fizycznych próbek. Firma kosmetyczna może przetestować różne kierunki kampanii przed zorganizowaniem sesji zdjęciowej. Grupa hotelarska może zbadać nowe koncepcje pokoi przed zatrudnieniem projektantów i wykonawców.

Wartość tej metody wynika z liczby przetestowanych, wiarygodnych koncepcji oraz ograniczenia wydatków na słabe pomysły. Sztuczna inteligencja jest szczególnie przydatna, gdy pozwala firmie zrezygnować z mało obiecującego kierunku działania, zanim zostaną na niego przeznaczone znaczne zasoby.

We wszystkich tych przypadkach obowiązuje ta sama zasada: firma powinna mierzyć poprawę pod względem kosztów, szybkości, jakości lub reakcji klientów. Samo wyprodukowanie większej ilości materiału nie stanowi dowodu na wytworzenie wartości.

Zacznij od wąskiego gardła, a nie od technologii

Wiele programów dotyczących sztucznej inteligencji zaczyna się od niewłaściwego pytania: “Co możemy zrobić dzięki generatywnej sztucznej inteligencji?”. To skłania zespoły do poszukiwania imponujących prezentacji zamiast problemów istotnych z komercyjnego punktu widzenia.

Lepszym punktem wyjścia jest ustalenie, w jakich obszarach praca twórcza przebiega obecnie powoli, jest kosztowna lub niespójna. Firma może odkryć, że jej głównym problemem nie jest generowanie pomysłów, ale uzyskanie zgody od pięciu wewnętrznych działów. Być może prowadzi już skuteczne kampanie, ale brakuje jej możliwości dostosowania ich do mniejszych rynków międzynarodowych. Jej projektanci mogą być przytłoczeni rutynowymi zleceniami od zespołów sprzedaży. Dział rozwoju produktów może zlecać tworzenie kosztownych prototypów, zanim zweryfikuje się popyt wśród klientów.

Przed wdrożeniem sztucznej inteligencji kierownictwo powinno udokumentować istniejący proces. W przypadku kampanii marketingowej może to obejmować liczbę dni od pierwszego briefu do pierwszej prezentacji materiałów kreatywnych, liczbę godzin przepracowanych przez pracowników i agencję, zewnętrzne koszty produkcji, liczbę rund zatwierdzania oraz wyniki końcowego projektu.

Sztuczną inteligencję można wówczas wdrożyć w jednym, określonym etapie tego procesu. Jeśli wcześniej zespół potrzebował dziesięciu dni roboczych na opracowanie trzech wstępnych scenariuszy kampanii, w ramach projektu pilotażowego można sprawdzić, czy uda mu się opracować i ocenić dziesięć realistycznych scenariuszy w ciągu pięciu dni.

Celem nie jest wykazanie, że technologia ta robi wrażenie. Chodzi o ustalenie, czy nowy proces pozwala podjąć lepszą decyzję przy niższych kosztach.

Wykorzystaj sztuczną inteligencję, by zwiększyć liczbę pomysłów — a nie obniżyć standardy

Jedną z najwyraźniejszych zalet generatywnej sztucznej inteligencji jest to, że sprawia ona, iż wprowadzanie różnorodnych wariantów jest niedrogie. Zespół może poprosić o dziesięć nagłówków zamiast trzech, zbadać kilka różnych światów wizualnych lub przetestować różne sposoby opisania tego samego produktu.

Nie oznacza to jednak, że każda wersja powinna trafić do klienta. Sztuczna inteligencja ma największą wartość na etapie dywergencji, kiedy firma chce poszerzyć zakres możliwości. Ludzka ocena zyskuje na znaczeniu na etapie konwergencji, kiedy zespół decyduje, które pomysły są oryginalne, wiarygodne i odpowiednie dla marki.

Na przykład firma z branży usług finansowych mogłaby wykorzystać sztuczną inteligencję do opracowania kilku rodzajów wyjaśnień dotyczących złożonego produktu inwestycyjnego: zwięzłej wersji dla doświadczonych inwestorów, wersji napisanej prostym językiem dla nowych klientów, wizualnego wyjaśnienia przeznaczonego do mediów społecznościowych oraz dłuższej wersji dla doradców finansowych.

Specjalista ds. zgodności musi nadal weryfikować każde istotne stwierdzenie. Redaktor musi zadbać o to, by uproszczenie nie spowodowało, że przekaz stał się mylący. Sztuczna inteligencja przyspiesza tworzenie alternatywnych rozwiązań; nie bierze jednak odpowiedzialności za ostateczny kształt przekazu.

Ta sama zasada dotyczy projektowania produktów. Firma meblarska może szybko wyobrazić sobie krzesło wykonane z różnych materiałów, o różnych proporcjach i w różnych wnętrzach. Projektanci mogą wykorzystać te obrazy do omówienia kierunku prac z klientami lub kierownictwem przed przystąpieniem do produkcji kosztownych prototypów technicznych. Wygenerowany obraz nie jest gotowym produktem. Jest to narzędzie wspomagające podejmowanie decyzji.

Kreatywność zaczyna się jeszcze przed otrzymaniem zadania

Najważniejsze decyzje twórcze zapadają zazwyczaj jeszcze zanim ktokolwiek uruchomi narzędzie oparte na sztucznej inteligencji. Zespół musi zidentyfikować problem biznesowy, zrozumieć klienta i określić, jaką reakcję chce wywołać.

Brief nie jest w stanie zrekompensować niejasnego wizerunku marki ani powierzchownego zlecenia. Gdy firma prosi o “kampanię z segmentu premium skierowaną do młodszych konsumentów”, agencja nie ma innego wyboru, jak tylko sięgnąć po znane konwencje wizualne i werbalne. Efekt może wyglądać na dopracowany, ale jednocześnie przypominać działania wszystkich konkurentów, którzy zgłosili takie samo zlecenie.

Skuteczna praca wspomagana przez sztuczną inteligencję opiera się na własnych danych wejściowych: badaniach klientów, wiedzy o produkcie, historii marki, zrozumieniu uwarunkowań kulturowych, danych dotyczących wyników oraz ocenie osób, które wiedzą, których konwencji należy przestrzegać, a które odrzucić.

Model zapewnia szybkość i różnorodność. Firma musi wnieść swój punkt widzenia.

Właśnie dlatego doświadczeni twórcy mogą czerpać większe korzyści z systemów generatywnych niż organizacje, które mają nadzieję ominąć specjalistyczną wiedzę z zakresu kreatywności. Wykwalifikowany dyrektor artystyczny potrafi dostrzec obiecujący szczegół w niedoskonałym obrazie. Redaktor potrafi rozpoznać, który szkic zawiera oryginalną tezę. Projektant produktu rozumie, czy koncepcja robiąca wrażenie wizualne da się faktycznie zrealizować.

Sztuczna inteligencja obniża koszty generowania możliwości, ale za ich wybór nadal odpowiada ludzka wiedza specjalistyczna. W pracy twórczej to właśnie w wyborze często tkwi znaczna część wartości komercyjnej.

Personalizacja musi opierać się na rzeczywistej różnicy

Generatywna sztuczna inteligencja umożliwia tworzenie treści dla coraz węższych grup odbiorców, jednak personalizacja ma sens tylko wtedy, gdy potrzeby klientów rzeczywiście się różnią.

Hotel nie powinien po prostu wyświetlać rodzinie i osobie podróżującej służbowo różnych zdjęć tła. Powinien uwzględniać ich różne potrzeby. Rodzina może potrzebować informacji na temat pokoi połączonych, elastyczności posiłków oraz zajęć dla dzieci. Osoba podróżująca służbowo może zwracać uwagę na niezawodny dostęp do internetu, wczesne śniadanie oraz dojazd na lotnisko.

Sztuczna inteligencja może pomóc w stworzeniu odpowiednich wersji po zidentyfikowaniu tych różnic. Nie jest jednak w stanie wiarygodnie zidentyfikować tych różnic, jeśli dane dotyczące klientów firmy są niewystarczające lub jej segmentacja jest powierzchowna.

Skuteczny proces personalizacji zaczyna się od zidentyfikowania decyzji klienta. Co klient próbuje wybrać, zrozumieć lub osiągnąć? Następnie firma powinna ustalić, jakie potrzeby lub ograniczenia w istotny sposób odróżniają jedną grupę odbiorców od drugiej.

Propozycję tę można następnie dostosować, zmieniając podkreślane argumenty, korzyści lub usługi. Na koniec firma powinna porównać wynik z grupą kontrolną, mierząc współczynnik konwersji, zaangażowanie, powtórne zakupy lub inny istotny wskaźnik.

Ma to znaczenie, ponieważ personalizacja oparta na sztucznej inteligencji może stać się nachalna. Klient może z zadowoleniem przyjąć trafną rekomendację produktu, ale jednocześnie sprzeciwić się komunikatom, które ujawniają, jak dokładnie firma zdołała ustalić jego prywatną sytuację. Techniczna możliwość personalizacji nie oznacza automatycznie zgody na jej stosowanie.

Prawdziwe przykłady pokazują, na czym polega wartość

Praktyczne zastosowania kreatywnej sztucznej inteligencji można już zaobserwować w dużych przedsiębiorstwach, choć studia przypadków przedstawiane przez dostawców należy traktować jako zgłoszone wyniki, a nie jako niezależny dowód na to, że każda firma osiągnie taki sam rezultat.

Firma Adobe twierdzi, że Gatorade wykorzystała jej technologię Firefly do stworzenia rozwiązania cyfrowego, dzięki któremu klienci mogli spersonalizować butelki z wyciskaczem. System wygenerował setki tysięcy spójnych z wizerunkiem marki projektów. Nie jest to jedynie przykład zastąpienia projektanta. Sztuczna inteligencja sprawiła, że oferowanie dużej liczby spersonalizowanych projektów w ramach parametrów określonych przez markę stało się ekonomicznie opłacalne.

Tę samą technologię można wykorzystać również w mniej widocznych obszarach produkcji. Systemy korporacyjne mogą zautomatyzować tworzenie wariantów materiałów dla różnych grup odbiorców, kanałów, formatów i rynków geograficznych. Korzyść polega na ograniczeniu nakładu pracy ręcznej niezbędnej do przekształcenia jednego zatwierdzonego pomysłu w kompletny system kampanii.

Inne firmy wykorzystują generatywną sztuczną inteligencję na znacznie wcześniejszym etapie procesu twórczego. Sieć handlowa może na przykład stworzyć wizualizację planowanej kampanii jeszcze przed zorganizowaniem sesji zdjęciowej. Producent dóbr konsumpcyjnych może porównać różne warianty opakowań przed zleceniem wykonania fizycznych prototypów. Agencja reklamowa może natomiast przygotować bardziej kompletną prezentację pomysłu przed przedstawieniem go klientowi.

Przykłady te przedstawiają trzy różne modele biznesowe.

Pierwszym z nich jest wydajność operacyjna: szybsze i bardziej spójne tworzenie standardowych materiałów związanych z marką. Drugim jest wsparcie w podejmowaniu decyzji kreatywnych: wizualizacja i ocena pomysłów przed przeznaczeniem na nie znacznych środków finansowych. Trzecim jest zaangażowanie klientów: umożliwienie klientom tworzenia spersonalizowanych materiałów w kontrolowanym środowisku marki.

Firmy powinny jasno określić, jaki model chcą realizować. Narzędzia wprowadzone w celu ograniczenia nakładu pracy związanego ze zmianą rozmiarów nie powinny być oceniane pod kątem tego, czy pozwalają one na tworzenie przełomowych pomysłów na kampanie. Usługi w zakresie personalizacji oferty dla klientów nie powinny być uzasadniane wyłącznie liczbą obrazów, jakie są w stanie wygenerować.

Oblicz całkowity koszt, a nie tylko koszt subskrypcji

Sztuczna inteligencja generatywna jest często przedstawiana jako niedrogi zamiennik nakładów produkcyjnych. Koszt modelu może jednak stanowić jedynie niewielką część całkowitych kosztów wdrożenia.

Realistyczna analiza biznesowa powinna uwzględniać licencje na oprogramowanie lub przykładowe opłaty, integrację z istniejącymi systemami, szkolenia pracowników, tworzenie szablonów i wytycznych dotyczących marki, analizę prawną, kontrolę jakości wykonywaną przez ludzi, działania związane z bezpieczeństwem oraz bieżącą konserwację.

Firma może zaoszczędzić 1 000 godzin produkcji, ale jednocześnie potrzebować 600 dodatkowych godzin na sprawdzanie, korygowanie i obsługę nowego systemu. Oszczędność może nadal istnieć, ale jest mniejsza niż podaje się w nagłówku.

Istotnym wskaźnikiem nie jest koszt na wygenerowany zasób. Jest nim koszt na zatwierdzony, dokładny i nadający się do wykorzystania komercyjnego zasób.

Weźmy pod uwagę firmę, która potrzebuje 100 zlokalizowanych materiałów kampanii. Zgodnie z obowiązującym procesem średni koszt produkcji jednego materiału wynosi 200 euro, co daje łączny koszt 20 000 euro i czas realizacji wynoszący sześć tygodni.

W ramach procesu wspomaganego przez sztuczną inteligencję firma mogłaby wydać 2 000 euro na oprogramowanie i przetwarzanie danych, 4 000 euro na integrację i szablony oraz 6 000 euro na weryfikację przez pracowników. Łączny koszt wyniósłby 12 000 euro, a realizacja projektu trwałaby trzy tygodnie.

W tym hipotetycznym przykładzie firma oszczędza 8 000 euro, czyli 40 procent, jednocześnie skracając czas realizacji o połowę. To uzasadniony argument biznesowy. Stwierdzenie, że sztuczna inteligencja wygenerowała pierwsze wersje “w ciągu kilku sekund”, nie jest natomiast uzasadnione, ponieważ pomija nakład pracy niezbędny do tego, by materiał nadawał się do użytku.

Praktyczny 90-dniowy program pilotażowy

Firma nie potrzebuje programu transformacji obejmującego całą organizację, aby rozpocząć działania. Potrzebuje konkretnego przypadku użycia, osoby odpowiedzialnej za projekt oraz solidnej podstawy odniesienia.

W ciągu pierwszych 15 dni firma powinna zdefiniować problem. Powinna wybrać jedno powtarzalne zadanie o umiarkowanie niskim ryzyku, takie jak dostosowanie zatwierdzonych materiałów w mediach społecznościowych, sporządzenie podsumowań wywiadów z klientami, przygotowanie wstępnych wizualizacji produktu lub opracowanie wewnętrznych materiałów sprzedażowych.

Należy odnotować aktualne koszty, czas produkcji, wskaźnik błędów oraz wymagania dotyczące zatwierdzania. Firma powinna również określić, jakie informacje system sztucznej inteligencji może otrzymywać, a jakich nie.

W okresie od 16. do 30. dnia zespół powinien porównać dwa lub trzy narzędzia, wykorzystując rzeczywiste zadania firmowe, zamiast opierać się wyłącznie na prezentacjach dostawców. Ocena powinna obejmować jakość wyników, szybkość działania, bezpieczeństwo, warunki licencyjne, okres przechowywania danych, integrację oraz zakres niezbędnych poprawek.

Reprezentatywny zestaw testowy może zawierać od 20 do 50 rzeczywistych przykładów. Powinien on obejmować trudne i nietypowe przypadki, a nie tylko te, które z największym prawdopodobieństwem dadzą atrakcyjny wynik.

W dniach od 31 do 60 niewielki, przeszkolony zespół może korzystać z wybranego systemu w ramach kontrolowanego przepływu pracy. Należy utrzymać weryfikację przez człowieka, a wprowadzone poprawki powinny być dokumentowane. Firma powinna bezpośrednio porównać proces wspomagany przez sztuczną inteligencję z dotychczasowym procesem.

Ważne jest, aby mierzyć czas potrzebny do uzyskania ostatecznego zatwierdzenia, a nie tylko czas potrzebny na przygotowanie pierwszego projektu.

W okresie od 61. do 75. dnia kierownictwo powinno przeanalizować łączną oszczędność czasu, całkowite koszty, jakość, wskaźnik błędów, stopień przyjęcia systemu przez pracowników, wyniki obsługi klientów oraz wszelkie kwestie prawne lub związane z bezpieczeństwem. Jeśli system generuje więcej pracy związanej z weryfikacją i poprawkami niż jej eliminuje, należy zmienić jego koncepcję lub wstrzymać realizację projektu pilotażowego.

W ciągu ostatnich 15 dni firma może podjąć decyzję o ewentualnym rozszerzeniu zakresu procesu. Rozszerzenie jest uzasadnione, gdy projekt pilotażowy wykazuje powtarzalną poprawę, a niezbędne mechanizmy kontrolne zostały wdrożone. Kolejny etap może obejmować inny rynek lub kategorię produktów, zamiast natychmiastowego wdrażania technologii w całej organizacji.

Co powinno pozostać w gestii ludzi

Wiarygodna strategia dotycząca sztucznej inteligencji określa również, w jakich obszarach technologia ta nie powinna odgrywać wiodącej roli.

Ostateczne pozycjonowanie marki powinno pozostawać w gestii osób, które rozumieją firmę i jej rynek. Delikatne kwestie komunikacyjne, takie jak zwolnienia, sytuacje kryzysowe, poważne skargi klientów lub istotne problemy związane z reputacją, wymagają ludzkiej oceny. Twierdzenia o charakterze medycznym, prawnym i finansowym wymagają weryfikacji przez wykwalifikowanych specjalistów. Oryginalna koncepcja kreatywna nie powinna sprowadzać się do ciągłego naśladowania materiałów, które już odniosły sukces.

Poziom kontroli ze strony człowieka powinien wzrastać wraz z powagą skutków błędu.

Wewnętrzne pomysły, wstępne makiety, formatowanie oraz podsumowania spotkań to zazwyczaj zadania o niższym poziomie ryzyka. Wystarczająca może być pobieżna weryfikacja, pod warunkiem zapewnienia ochrony informacji poufnych.

Teksty marketingowe przeznaczone do upublicznienia, zdjęcia produktów, lokalizacja oraz spersonalizowana komunikacja z klientami wiążą się z umiarkowanym ryzykiem. Zazwyczaj wymagają one formalnej weryfikacji pod kątem zgodności z wytycznymi marki, poprawności merytorycznej oraz zgodności z przepisami prawa.

Oświadczenia podlegające regulacjom, wrażliwe dane klientów, komunikaty dotyczące polityki publicznej, materiały kryzysowe oraz treści przedstawiające prawdziwe osoby wiążą się z większym ryzykiem. W takich przypadkach wymagana jest zgoda specjalisty, udokumentowane mechanizmy kontroli oraz jasny podział odpowiedzialności.

Takie stopniowe podejście zapobiega sytuacji, w której każde zastosowanie sztucznej inteligencji utknęłoby w biurokratycznych procedurach, zapewniając jednocześnie odpowiednią weryfikację treści o istotnym znaczeniu.

Prawa autorskie i zabezpieczenia handlowe nie mogą być dodane w późniejszym terminie

Generatywna sztuczna inteligencja rodzi trudne pytania dotyczące praw własności, danych szkoleniowych oraz podobieństwa do utworów chronionych. Firmy nie powinny zakładać, że dany wynik jest bezpieczny z handlowego punktu widzenia tylko dlatego, że platforma umożliwia jego pobranie.

Umowy z dostawcami rozwiązań opartych na sztucznej inteligencji należy dokładnie przeanalizować. Kierownictwo powinno ustalić, czy dane wprowadzane przez klientów są przechowywane, czy mogą być wykorzystywane do szkolenia systemów dostawcy, jakie zabezpieczenia handlowe są zapewniane oraz kto ponosi odpowiedzialność w przypadku, gdy wynik generowany przez system stanie się przedmiotem sporu.

Zespoły kreatywne potrzebują również praktycznych zasad. Poproszenie modelki o odtworzenie rozpoznawalnego stylu żyjącego artysty może budzić obawy natury etycznej i związane z reputacją, nawet jeśli dokładny stan prawny jest przedmiotem sporu. Wygenerowane postacie, głosy i wydarzenia mogą wprowadzać odbiorców w błąd, o ile ich sztuczny charakter nie jest wystarczająco jasny.

Bezpieczeństwo marki wykracza poza kwestie praw autorskich. System może generować niedokładne opisy produktów, obrazy nieodpowiednie z kulturowego punktu widzenia lub sceny sprzeczne z wartościami firmy. Dlatego podczas weryfikacji przez człowieka należy analizować znaczenie i kontekst, a nie tylko to, czy wynik wygląda przekonująco pod względem technicznym.

Może się wydawać, że te środki kontroli spowalniają wdrażanie. Są one jednak nadal tańsze niż wycofanie kampanii, stawianie czoła postępowaniu sądowemu lub wyjaśnianie, dlaczego poufne materiały zostały umieszczone w nieodpowiedniej usłudze.

Zawody związane z twórczością ulegną zmianie, zanim znikną

Sztuczna inteligencja prawdopodobnie skróci czas potrzebny na realizację niektórych rutynowych zadań produkcyjnych. Podstawowe modyfikacje, pierwsze wersje projektów, usuwanie tła, wykorzystanie zdjęć stockowych oraz tworzenie standardowych opisów produktów można już teraz wykonać przy mniejszym nakładzie pracy ręcznej.

Nie oznacza to jednak, że działy kreatywne stały się zbędne. Ich wkład polega na definiowaniu problemów, kierowaniu systemami, ocenie alternatyw oraz łączeniu decyzji kreatywnych ze strategią biznesową. Największe znaczenie ma już nie sama realizacja, lecz umiejętność oceny sytuacji.

Powoduje to powstanie mniej oczywistego problemu związanego z zarządzaniem. Młodsi pracownicy tradycyjnie rozwijali swoją zdolność oceny sytuacji, wykonując zadania produkcyjne: zbierając informacje, sporządzając szkice, poprawiając błędy oraz obserwując, jak doświadczeni koledzy doskonalą swoje wyniki. Jeśli sztuczna inteligencja przejmie zbyt dużą część tej pracy, firmy mogą wprawdzie obniżyć koszty w chwili obecnej, ale jednocześnie osłabić rozwój przyszłej wiedzy specjalistycznej.

Szkolenie musi zatem wykraczać poza nauczanie pracowników, jak tworzyć zapytania. Uczestnicy muszą zrozumieć, w jaki sposób modele popełniają błędy, jak weryfikować wyniki, jak zachować wyróżniający charakter marki oraz w jakich sytuacjach stosowanie sztucznej inteligencji jest niewskazane. Muszą oni posiadać wystarczającą wiedzę merytoryczną, aby rozpoznać wynik, który choć wydaje się wiarygodny, jest jednak błędny.

Przyszły specjalista z branży kreatywnej to nie tylko osoba, która potrafi szybciej pracować z oprogramowaniem. To ktoś, kto potrafi kierować rozbudowanym systemem produkcyjnym, nie przekazując mu jednak całej odpowiedzialności.

O co kierownictwo powinno zapytać przed zatwierdzeniem inwestycji

Przed zatwierdzeniem projektu związanego z kreatywną sztuczną inteligencją kadra kierownicza wyższego szczebla powinna być w stanie odpowiedzieć na kilka podstawowych pytań.

Jakie istniejące wyzwanie biznesowe rozwiązuje ten system? Ile kosztuje obecny proces i jaka jest jego wydajność? Co ulegnie poprawie z punktu widzenia klienta? Który wskaźnik finansowy lub operacyjny pozwoli wykazać wartość systemu? Jakie ryzyko związane z danymi, prawami autorskimi i bezpieczeństwem się z tym wiąże? W jakich przypadkach wymagana jest zgoda osoby uprawnionej? Jak łatwo firma może zmienić dostawcę lub powrócić do poprzedniego procesu?

Propozycja, która nie potrafi odpowiedzieć na te pytania, jest prawdopodobnie nadal raczej eksperymentem technologicznym niż inicjatywą biznesową.

Kierownictwo powinno również zadać sobie pytanie, co organizacja zamierza zrobić z zaoszczędzonym czasem. Jeśli sztuczna inteligencja ograniczy rutynowe zadania produkcyjne, czy pracownicy będą poświęcać więcej czasu na badania rynku, opracowywanie lepszych koncepcji lub wspieranie nowych rynków? Bez przemyślanej odpowiedzi pozorny wzrost wydajności może zniknąć w morzu czynności o niskiej wartości dodanej.

Klient może nie chcieć otrzymywać więcej treści opartych na sztucznej inteligencji

Większe możliwości produkcyjne nie gwarantują większego zainteresowania ze strony klientów. W miarę jak syntetyczne obrazy, automatycznie generowane artykuły i reklamy stają się coraz powszechniejsze, odbiorcy mogą coraz bardziej reagować na komunikaty, które wydają się ogólnikowe, wprowadzające w błąd lub niepotrzebnie sztuczne.

Klient może cenić sobie szybsze tłumaczenie, jaśniejsze opisy produktów lub usługę, która pomaga wyobrazić sobie zakup. Ten sam klient może jednak negatywnie zareagować na sztuczne opinie, nieujawnione postacie fikcyjne lub ogólnikowe artykuły publikowane głównie po to, by zapełnić wyniki wyszukiwania.

Test usługi jest prosty: czy klient otrzymuje coś bardziej użytecznego, trafnego lub dostępnego, czy też firma po prostu obniża własne koszty produkcji?

Najlepsze aplikacje spełniają oba te cele. Zmniejszają one wewnętrzne tarcia, jednocześnie ułatwiając klientom zrozumienie, porównanie, dostosowanie lub korzystanie z produktu.

Przewagą konkurencyjną jest system otaczający model

Większość firm w końcu uzyska dostęp do mniej więcej porównywalnych możliwości w zakresie sztucznej inteligencji. Trwała przewaga nie będzie polegać na zdolności do generowania dobrej jakości obrazu, akapitu czy prezentacji. Będzie ona wynikać z własnych analiz dotyczących klientów, charakterystycznego wyczucia marki, dobrze zorganizowanych treści, sprawnych systemów zatwierdzania oraz pracowników potrafiących rozpoznać słaby wynik.

Sztuczna inteligencja może przyspieszyć działanie kreatywnej organizacji, ale szybkość ta tylko potęguje cechy już istniejącego systemu. Firma o jasnym pozycjonowaniu i zdyscyplinowanym procesie podejmowania decyzji może testować więcej pomysłów i skuteczniej docierać do klientów. Natomiast firma o niejasnej marce i chaotycznych procesach może generować większą ilość mało wartościowych wyników pracy.

W związku z tym argument biznesowy przemawiający za wykorzystaniem kreatywnej sztucznej inteligencji nie polega ani na “zastąpieniu działu kreatywnego”, ani na “wyposażeniu wszystkich w chatbota”. Polega on na zidentyfikowaniu tych elementów pracy kreatywnej, w których koszty i opóźnienia uniemożliwiają firmie zdobywanie wiedzy, dostosowywanie się do zmian lub właściwą obsługę klientów, a następnie na przeprojektowaniu tych elementów w oparciu o mierzalne wyniki.

Największe korzyści odniosą nie te firmy, które publikują największą ilość treści generowanych programowo, ale te, które wykorzystują sztuczną inteligencję do podejmowania trafniejszych decyzji przed podjęciem kosztownych zobowiązań, zapewniają klientom rzeczywiście bardziej dostosowaną do ich potrzeb obsługę oraz ponownie skupiają uwagę ludzi na tych zadaniach, w których to właśnie ludzka ocena sytuacji tworzy największą wartość.