Iscriviti alla nostra newsletter Tea O'Clock!
Tuttavia, mentre le idee abbondano, la realizzazione rimane una sfida. Come possono i marketer incorporare realisticamente l'IA generativa nei loro flussi di lavoro quotidiani in questa fase? Nell'ultimo episodio del podcast Data Break di Cinquantacinque, ho parlato con Hugo Loriot, responsabile dell'integrazione dei dati e della tecnologia di The Brandtech Group, per discutere di come l'IA generativa stia plasmando il futuro del business.
Di seguito un'anteprima della nostra discussione su come l'IA generativa sta trasformando il business come lo conosciamo e su come i marchi possono prepararsi meglio a ciò che verrà.
I primi casi d'uso di GenAI ad essere sviluppati erano incentrati sulla produzione di contenuti, in quanto l'utilizzo di un LLM per ottimizzare un testo per la SEO o per scrivere email sembrava il corso d'azione più logico. Tuttavia, mentre la generazione di contenuti rimane l'unica applicazione pronta per la produzione per i marketer, alcuni stanno spostando la loro attenzione su strategia, media e analisi.
Un altro cambiamento degno di nota è il punto in cui i marchi scelgono di concentrare la loro attenzione internamente. Per rimanere all'avanguardia in un ambiente in rapida evoluzione, stanno coinvolgendo per tempo nuovi stakeholder per valutare le nuove tecnologie e determinare dove integrare la GenAI e in quale ordine di priorità. Ciò implica un'elevata collaborazione tra i vari dipartimenti, in particolare tra i team legali e della privacy. Qualsiasi applicazione di IA presa in considerazione deve essere conforme alle normative emergenti, come la legge europea sull'IA.
Prima di investire in nuovi strumenti GenAI, le aziende devono lavorare sulla proprietà, la trasparenza e la governance dei dati. A tal fine, i marchi devono adottare un approccio top-down alla trasformazione aziendale responsabile alimentata dall'IA, con i principali stakeholder che definiscono le politiche aziendali per chiarire come utilizzare in modo sicuro l'IA per un vantaggio competitivo.
Una solida governance dell'IA deve toccare tre punti chiave:
Un prompt contenente informazioni sull'azienda non può alimentare la formazione del modello o essere recuperato da terzi. Pertanto, i marchi devono concordare termini e condizioni specifici con il fornitore del modello o assicurarsi che siano consentite solo interazioni specifiche.
Se un prompt viene utilizzato per generare un'immagine, un testo, un video o qualsiasi altra cosa, il contenuto creato non è necessariamente "di proprietà" dell'autore del prompt. Questo status dipende non solo dal fornitore del modello, ma anche dalla legislazione locale. Oggi, negli Stati Uniti, non è ancora chiaro se un'immagine generata dall'intelligenza artificiale sia o meno di proprietà della persona che ha richiesto il modello.
L'ambiguità di cui sopra è parte del motivo per cui la supervisione umana è vitale, non solo per fornire un controllo al modello, ma anche per modificare l'output con un tocco più personale, rafforzando così la proprietà.
Oltre a input di qualità e a una solida base di dati, i marchi dovrebbero prestare particolare attenzione a
il passaggio dai cookie di terze parti ai dati di prima parte, in quanto i primi vengono gradualmente eliminati. Con un approccio più attento alla raccolta e alla governance dei dati, lontano dal "selvaggio west" dei primi tempi di Internet, la transizione verso i processi potenziati dalla GenAI sarà molto più controllata, organizzata e gestibile.
La stessa attenzione è raccomandata quando si sceglie quale caso d'uso privilegiare. I nostri clienti hanno riscontrato un grande successo concentrandosi su casi d'uso interni "più sicuri", dedicati all'ottimizzazione della qualità, al risparmio di tempo e all'efficienza. Concentrandosi su questi casi d'uso più sicuri, le aziende possono costruire il giusto livello di governance, sicurezza, controllo, coinvolgimento umano e test per aprire la strada a future applicazioni GenAI più rischiose.
Nel prossimo futuro, la convergenza tra l'IA tradizionale (orientata alla previsione) e l'IA generativa (orientata alla creazione) sembra molto probabile, aprendo innumerevoli possibilità per i marchi. Inoltre, tecniche come la Retrieval-Augmented Generation (RAG) possono aumentare i modelli di IA generativa recuperando dati da fonti esterne, comprese le ricerche di mercato, per consentire approfondimenti su argomenti specifici - un potenziale cambiamento per le aziende che hanno un accesso limitato ai dati di prima parte, come nel caso di molti settori tradizionali come il CPG.
Ascoltate l'episodio completo per ulteriori approfondimenti su:
Scoprite tutte le ultime notizie, articoli, repliche di webinar e cinquantacinque eventi nella nostra newsletter mensile, Tea O'Clock.
%20(1).png)
.svg)
.jpg)
