Если вы посмотрите на отраслевые опросы о внедрении генеративного искусственного интеллекта, вы увидите, что многие маркетологи постепенно углубляются в эту тему – или, по крайней мере, заходят в более глубокий конец.
Однако простота доступа к этим инструментам повышения производительности означает, что их внедрение иногда может быть более разрозненным и фрагментированным.
Например, исследование тенденций Adobe за 2024 год показало, что только четверть руководителей, работающих с клиентами, прошли программы развития компетенций в области genAI. И все же новые данные Недели маркетинга показывают, что почти половина маркетологов используют ИИ для исследования рынка и более двух из пяти для сегментации аудитории и креативного тестирования.
Я уверен, что мы все разговаривали с людьми из маркетинга и других отраслей, которые изучали возможность использования новых инструментов для создания изображений и копирования и советовали другим делать то же самое.
Является ли проблемой быть непредубежденным и идти в ногу с новыми технологиями? Разве не это должен делать каждый хороший маркетолог?
Сможет ли GenAI сэкономить время или ошеломит маркетологов в своих масштабах?
Получает ли выгоду организация в целом?
Существует риск того, что специальные эксперименты принесут лишь небольшую выгоду на местном уровне, но при этом упустят возможность получения большей выгоды для всей организации.
Ранее в этом году я разговаривал с опытным руководителем данных и аналитики, который использовал аналогию с первыми днями внедрения CRM-систем в B2B-компаниях и с трудностями обеспечения внедрения среди торговых представителей.
«Уже более 10 лет [businesses said] Управляйте своими контактами и важными процессами продаж в CRM. Они никогда не делали это правильно. И вдруг они поняли, что они [manage contacts] на своих смартфонах. Они могут найти клиента, могут использовать WhatsApp, могут начать свою небольшую кампанию за считанные минуты. Вы создаете контакты, группы клиентов… То есть, по сути, компания не имеет доступа к этим данным о клиентах. Они есть на устройствах людей. Они фрагментированы. Ты заблудился», — сказали мне.
«Если бы они разработали хорошую стратегию CRM-системы и нашли способы сбора этих данных, у них было бы множество данных о клиентах. У вас будет единый набор данных. Ваши клиенты будут довольны, продавцы будут иметь необходимую производительность, а активом можно будет управлять как бизнес-активом.
«Я видел, как многие компании упускали эту возможность. То же самое может произойти и в сфере искусственного интеллекта».
Риски свободного агентства
Потенциальные недостатки разрешения продавцу, маркетингу или представителю службы поддержки клиентов включать модели большого языка (LLM) в свой рабочий процесс хорошо документированы.
Руководители могут рассматривать GenAI как угрозу нормативным требованиям и конкурентоспособности, при этом часто в центре внимания находятся такие проблемы, как галлюцинации и нарушение конфиденциальности.
Поставщики также осознают проблему согласования использования GenAI с корпоративной стратегией и укрепления институциональных знаний.
Salesforce, например, говорит о «динамическом заземлении» на маркетинговых страницах для своего уровня доверия Эйнштейна, который он описывает как добавление «специфичных для предметной области знаний и информации о клиентах» к подсказкам для генерации более точных ответов, например, с помощью «данных CRM, информационные статьи, сервисные чаты и многое другое», чтобы «уменьшить вероятность галлюцинаций». Также есть подробности о «маскировании данных» и «архитектуре нулевого хранения», которая защищает данные от внешних LLM.
В случае специального использования LLM можно утверждать, что инструменты повышения производительности естественным образом рассредоточены и что сотрудникам уже необходимо брать на себя личную ответственность за использование всего, от поиска Google и социальных сетей до корпоративного программного обеспечения.
Существует риск того, что специальные эксперименты принесут лишь небольшую выгоду на местном уровне, но при этом упустят возможность получения большей выгоды для всей организации.
Это, несомненно, так, и первым шагом в обучении является информирование сотрудников о том, что представляет собой ответственное использование новых инструментов. Однако остается более широкий вопрос: нужен ли ИИ для решения бизнес-задач или нет? Если да, то это решение необходимо адаптировать к стратегии компании.
Кэсси Козырков, генеральный директор Data Scientific и бывший старший исследователь решений в Google, написала в сообщении на LinkedIn в прошлом месяце, что ИИ «должен быть тем, что вы пытаетесь попробовать, когда традиционное программирование терпит неудачу. Когда вам нужно что-то автоматизировать, но вы не можете сделать это с помощью существующего репертуара. Когда потребность настолько велика, что вы готовы принять большую сложность и связанное с этим снижение контроля».
На вопрос, повышают ли инструменты GenAI эффективность всех организаций, Козыркова в комментариях под своим постом ответила: «Доказано, что плохое управление снижает эффективность».
Ожидания от GenAI огромны: две трети руководителей, участвовавших в последнем опросе Adobe, выразили оптимизм по поводу того, что эта технология приведет к трансформации бизнеса в области аналитики, контента, обслуживания клиентов и продаж. Но без стратегического надзора и если инициатива будет просто следовать за носом, эти ожидания вряд ли оправдаются.
Бен Дэвис — редактор Insights в компании Econsultancy, которая предоставляет электронное обучение, онлайн-семинары с живым обучением и картирование навыков в области цифровых технологий, маркетинга и электронной коммерции.
