Przedstawiamy pierwszą część tegorocznej edycji cyklu #opiniejuroraeffie, projektu współautorstwa Stowarzyszenia Komunikacji Marketingowej SAR oraz TVN Media – Sponsora Strategicznego konkursu i gali Effie Awards Poland. Spytaliśmy jurorów Effie Awards o opinię na temat potencjału zastosowania technologii AI na poszczególnych etapach budowania strategii komunikacji marek.
Blisko 60% jurorów Effie Awards wskazało analitykę danych jako etap budowania strategii komunikacji marki, w którym technologia AI może mieć największe zastosowanie i wpływ na efektywność. Drugim najczęściej wskazywanym obszarem była kreacja (29% jurorów). Najmniejsze zastosowanie AI jurorzy widzą w poszukiwaniu insightu konsumenckiego (jedynie 2% głosów jurorskich).
Temat IA pojawia się w publikacjach od dobrych paru lat, lecz wciąż z dystansem podchodzi się do przewidywań co do najlepszego zastosowania sztucznej inteligencji. I mimo wyraźnego ożywienia tematyką (do czego przyczyniły się różnego rodzaju „chaty” czy wzrosty na giełdach firm stawiających na AI), to jednocześnie wzmaga się dyskusja co do opłacalności wdrożeń AI, potencjału prawdziwie twórczego czy etyki.
Badanie zajęło się przede wszystkim aspektem efektywności – dotyka więc zagadnienia równania „effort” vs „effect”. Nie dziwi mnie więc pozycja analityki danych – przejęcie przez AI tej wysoce pracochłonnej części zadań to sposób na mniejszy „effort” a podobny, a może lepszy „effect”.
Bardziej interesujące jawi się miejsce drugie. Respondenci zakładają wykorzystanie AI do kreacji. Wspaniale… Ale na co liczymy tak naprawdę? Jeśli na lepszy efekt, to pamiętajmy, że AI tworzy na podstawie tego, co już gdzieś widziało… A powtarzalność w reklamie i komunikacji bywa w kontrze do celów biznesowych jak wyróżnialność czy unikalność. Powiedziałbym więc „tak” dla kreacji AI, ale jednocześnie zakładał wciąż duże zaangażowanie kreatywnych mózgów do tworzenia przełomowych kampanii.
I na koniec – badanie zapytało o efektywność, lecz mogłoby pogłębić temat samego wdrażania AI, aby tą efektywność uzyskiwać. Bo trzeba pamiętać, że budowanie własnych modeli AI (czyli tych, które miałyby możliwość tworzenia czegoś bardziej unikalnego) to koszty i czas. Co oznacza, że oczekiwany wpływ na efektywność może nadchodzić wolniej i wymagać większych nakładów początkowych, niż chciałby tego nasz dynamiczny i będący pod presją kosztową biznes.