Najważniejsze wnioski
- Strategia wykorzystania sztucznej inteligencji w mediach zaczyna się od własności danych. Jeśli firma nie dysponuje użytecznymi danymi kontekstowymi, sztuczna inteligencja nie zapewni jej trwałej przewagi.
- Nie należy zlecać na zewnątrz kreatywności i myślenia strategicznego. Sztuczna inteligencja powinna wspierać prace o wyższej wartości, a nie zastępować myślenie, które wyróżnia firmę na tle konkurencji.
- Należy nadać priorytet przypadkom użycia o mierzalnym wpływie finansowym. Prognozowanie, ustalanie cen, optymalizacja zysków oraz wsparcie decyzyjne zapewniają wyraźniejszy zwrot z inwestycji niż ogólna automatyzacja.
- Wdrożenie nie oznacza wartości. Korzystania z narzędzi nie należy mylić z wynikami biznesowymi, zwłaszcza gdy rosną ukryte koszty operacyjne.
- Zarządzanie powinno umożliwiać eksperymentowanie. Najlepsze zarządzanie sztuczną inteligencją chroni etykę, bezpieczeństwo i zgodność z przepisami, nie hamując jednocześnie innowacji.
- Opracuj uzasadnienie biznesowe tak, jak w przypadku inwestycji kapitałowej. Przed zakupem narzędzia określ punkt odniesienia, zależności i oczekiwane zmiany operacyjne.
Pytanie stanowiące sedno tej dyskusji panelowej – czy w erze sztucznej inteligencji firmy medialne muszą stać się firmami technologicznymi – nie ma już charakteru czysto teoretycznego. Dla wydawców, agencji i grup medialnych sztuczna inteligencja już teraz zmienia sposób docierania do odbiorców, obsługę reklam, prognozowanie, procesy twórcze oraz zarządzanie. Prawdziwym problemem nie jest to, czy wdrożyć sztuczną inteligencję, ale które kompetencje muszą pozostać w firmie, jeśli chce ona chronić marżę, zachować strategiczną kontrolę i pozostać istotnym partnerem dla klientów.
Podczas panelu dyskusyjnego prowadzonego przez Adama Gacę goście – Dane Buchanan, globalny dyrektor ds. danych i analityki w M+C Saatchi Performance, Miryem Salah, dyrektor ds. danych cyfrowych i transformacji oraz dyrektor zarządzający centrami IT w VodafoneThree, oraz Tim Lum, globalny dyrektor ds. analiz w VML – argumentowali, że odpowiedź zaczyna się od danych, ale na nich się nie kończy.
Ich wiarygodność wynika z bezpośredniej pracy w obszarach mediów, analityki, transformacji marketingowej i operacji wydajnościowych, gdzie sztuczna inteligencja nie jest abstrakcyjnym trendem, ale ograniczeniem operacyjnym.
Rozmowa ta wykracza poza marketingowy szum: sztuczna inteligencja może generować wymierną wartość, ale tylko wtedy, gdy liderzy branży medialnej najpierw zdefiniują problem biznesowy, zbudują odpowiednią architekturę danych i świadomie zdecydują, co należy utrzymać we własnym zakresie, co zautomatyzować, a czego nigdy nie należy zlecać na zewnątrz.
Wykorzystanie sztucznej inteligencji w strategii medialnej zaczyna się od własności danych i dogłębnego zrozumienia kontekstu
Z tej rozmowy jasno wynika jedno: sztuczna inteligencja jest tak przydatna, jak środowisko danych, na którym się opiera. Dla firm medialnych oznacza to, że pierwszym pytaniem strategicznym nie jest „Jakiego modelu powinniśmy użyć?”, ale „Czy dysponujemy wystarczającą częścią naszego zbioru danych, aby model miał sens?”.
Dane Buchanan ujął to dosadnie: „Sztuczna inteligencja niekoniecznie sprawdzi się bez danych, więc trzeba zadbać o to, by albo posiadać własny zbiór danych, albo nawiązać współpracę z podmiotem, który go posiada, aby mieć wystarczającą ilość danych do wyszkolenia modelu”. To stwierdzenie oddaje główne ryzyko dla firm z branży mediów i reklamy. Ogólne narzędzia sztucznej inteligencji mogą generować wyniki, ale bez własnych danych i kontekstu nie są w stanie zapewnić trwałej przewagi – stają się po prostu oprogramowaniem, które można łatwo zastąpić innym.
Ma to znaczenie, ponieważ firmy medialne działają w środowiskach, w których kontekst determinuje wartość: sygnały od odbiorców, historia kampanii, zachowania cenowe, wzorce zasobów reklamowych, wyniki treści oraz specyficzne dla klienta procesy robocze. Jeśli te dane wejściowe są rozproszone po różnych systemach lub kontrolowane przez strony trzecie, sztuczna inteligencja nie zapewni przewagi strategicznej – po prostu przyspieszy przeciętne procesy.
Silniejszym argumentem w tej dyskusji jest to, że własność danych nie jest jedynie kwestią techniczną, ale także handlową. Firma medialna, która nie potrafi powiązać swoich danych z procesem podejmowania decyzji, naraża się na wyparcie z rynku przez platformy, dostawców lub lepiej przygotowanych konkurentów.
Dowiedz się więcej o sztucznej inteligencji w mediach:
- 5 kluczowych wyzwań związanych ze sztuczną inteligencją stojących przed brytyjską branżą medialną
- Praktyczne zastosowania generatywnej sztucznej inteligencji w mediach: jak korzystać z AI bez nadmiernego szumu
- Era efektywności technologicznej w mediach: dlaczego dyscyplina kosztowa jest nową strategią innowacyjną
Dlaczego „posiadanie danych” to nie to samo, co gromadzenie większej ilości danych?
Pojęcie „własności” w tym kontekście oznacza coś więcej niż tylko zachowanie. Obejmuje ono:
- dostęp do odpowiednich sygnałów historycznych i w czasie rzeczywistym,
- przejrzystą architekturę,
- wystarczającą ilość metadanych kontekstowych do szkolenia lub kierowania modelami,
- oraz model zarządzania, który sprawia, że dane są użyteczne, a nie tylko archiwizowane.
To rozróżnienie wyjaśnia, dlaczego kilku prelegentów ostrzegało przed traktowaniem sztucznej inteligencji jako dodatku. Jeśli warstwa danych jest słaba, sztuczna inteligencja opiera się na szumie. Jeśli warstwa danych jest silna, sztuczna inteligencja może wspierać prognozowanie, planowanie i podejmowanie decyzji w sposób, który z czasem zwiększa wartość.
Poznaj zalecenia dotyczące tego, jak wykorzystać sztuczną inteligencję w Twojej organizacji.
Odkryj możliwości oparte na danych, które pozwolą Ci uzyskać przewagę konkurencyjną.
Firmy medialne nie powinny zlecać na zewnątrz zadań związanych z kreatywnością i myśleniem strategicznym
Drugim ważnym tematem poruszonym podczas panelu dyskusyjnego jest to, że firmy medialne powinny opierać się pokusie zlecania na zewnątrz tych elementów pracy, które definiują ich tożsamość. Technologia może przyspieszyć produkcję i zautomatyzować powtarzalne zadania, jednak uczestnicy panelu wielokrotnie powracali do jednej kwestii: jeśli firma zrezygnuje z kreatywności, straci tym samym swój wyróżnik.
Dane Buchanan stwierdził, że nie należy zlecać na zewnątrz „w miarę możliwości tego elementu kreatywności”. Kreatywność przejawia się na wiele różnych sposobów. Objawia się w tworzeniu treści, ale także w sposobie myślenia, w podejściu do pytania: „co mam z tym zrobić?” Ta spostrzeżenie jest szczególnie ważne dla firm z branży medialnej, które znajdują się pod presją, by wdrożyć sztuczną inteligencję wszędzie i od razu.
Logika jest prosta: jeśli sztuczna inteligencja jest wykorzystywana wyłącznie do szybszego tworzenia większej ilości treści, wynikiem jest często większa ilość, a nie większa wartość. Jeśli jednak służy ona wspieraniu lepszych decyzji redakcyjnych, dokładniejszej segmentacji odbiorców lub szybszego prototypowania pomysłów, staje się czynnikiem umożliwiającym pracę na wyższym poziomie. Skłania zespoły do zadawania lepszych pytań:
- Jaki problem rozwiązujemy?
- Jaki wynik chcemy poprawić?
- Która część tego procesu naprawdę zyskuje na automatyzacji?
Miryem Salah i Tim Lum podkreślili tę kwestię, zwracając uwagę na potrzebę zachowania strategicznej kontroli nad systemami, które kształtują wartość dla klienta. Zwłaszcza w przypadku mediów opartych na wynikach działania reklamowe i analityka nie są zwykłymi funkcjami, jeśli wiążą się z mierzalnymi spostrzeżeniami i utrzymaniem klientów. Firma musi zachować warstwę pomiarową i doradczą, ponieważ to właśnie na nich opiera się zaufanie i marża.
„Jeśli tego nie masz – a chodzi tu o to, co stanowi podstawę twojej działalności w organizacji – i nie dysponujesz odpowiednimi danymi, to sztuczna inteligencja jest po prostu kolejnym programem”.
To zdanie oddaje strategiczne zagrożenie związane z powierzchownym wdrażaniem sztucznej inteligencji. Firma medialna może nabyć narzędzie i mimo to stracić na znaczeniu, jeśli narzędzie to nie wzmocni jej charakterystycznego modelu działania.
Ukryte koszty komercyjne koncepcji „sztucznej inteligencji wszędzie”
Panel ostrzegł również, że wdrażanie narzędzi może wywołać fałszywe poczucie postępu. Gdy sztuczna inteligencja jest wdrażana w całej organizacji bez jasnego modelu operacyjnego, może to skutkować:
- powielaniem procesów roboczych,
- rosnącymi kosztami,
- rozdrobnionym zarządzaniem,
- oraz zespoły korzystające z narzędzi w sposób niezrozumiały dla kierownictwa.
To nie jest transformacja, lecz odchylenie operacyjne.
Przykłady zastosowań sztucznej inteligencji w mediach: gdzie zwrot z inwestycji jest rzeczywisty, a gdzie jest zawyżony
Prelegenci wykazali się znacznym pragmatyzmem w kwestii zwrotu z inwestycji (ROI) – nie twierdzili, że każdy przypadek zastosowania sztucznej inteligencji przynosi taki sam efekt, ani że samo wdrożenie jest miarą sukcesu. Tim Lum podważył wręcz obsesję na punkcie wskaźników wdrożenia, zauważając, że samo korzystanie z technologii nie oznacza jeszcze wartości.
Najbardziej przekonujące przykłady poruszone podczas dyskusji dotyczyły prognozowania, ustalania cen, optymalizacji rentowności oraz wsparcia w podejmowaniu decyzji. Dane Buchanan odniósł się do przypadku zastosowania prognozowania opartego na uczeniu maszynowym, który poprawił prognozy dotyczące zapasów o około 20%. Opisał również bardziej spektakularny przykład ze swojej wcześniejszej pracy, w którym sztuczna inteligencja pomogła poprawić rentowność na jednej trasie lotniczej o około 40% poprzez identyfikację anomalii, które analitycy mogliby przeoczyć.
Ten przykład ma znaczenie dla liderów branży medialnej, ponieważ pokazuje, w jaki sposób sztuczna inteligencja tworzy wartość w środowiskach wymagających podejmowania wielu decyzji. Gdy ludzie muszą analizować tysiące decyzji lub sygnałów, model nie zastępuje wiedzy eksperckiej; zawęża on pole działania do działań o najwyższej wartości. Jak wyjaśnił Buchanan, efektem było ograniczenie ogromnego nakładu pracy do „dwudziestu najważniejszych kwestii, którym naprawdę trzeba się przyjrzeć” oraz skupienie się na kosztach alternatywnych i możliwościach uzyskania przychodów.
Dla firm medialnych przekłada się to na kilka praktycznych zastosowań:
- optymalizację cen i rentowności,
- prognozowanie kampanii,
- planowanie zasobów reklamowych,
- wykrywanie anomalii,
- oraz ustalanie priorytetów działań związanych z klientami lub treściami.
Uczestnicy panelu nie twierdzili, że każdy proces powinien zostać zautomatyzowany. Uznali raczej, że firma powinna skupić się na wykorzystaniu sztucznej inteligencji tam, gdzie decyzje mają charakter powtarzalny, opierają się na bogatych zasobach danych i mają istotne znaczenie finansowe – właśnie tam efektywność staje się realna i mierzalna.
Ponad 1 mld funtów przychodów z reklam dla największego niezależnego nadawcy w Wielkiej Brytanii dzięki nowej platformie do zarządzania reklamami
Dlaczego projekty biznesowe związane ze sztuczną inteligencją wymagają analizy na poziomie dyrektora finansowego
Panel zwrócił również uwagę na kluczowe wyzwanie wewnętrzne: projekty związane ze sztuczną inteligencją często kończą się niepowodzeniem nie dlatego, że model jest słaby, ale dlatego, że uzasadnienie biznesowe jest słabe lub jego zakres nie został w pełni określony. Jeden z prelegentów opisał sytuację, w której przedstawił projekt zakładający „dwudziestokrotny zwrot z inwestycji”, ale spotkał się ze sceptycyzmem, ponieważ organizacja nie zbudowała jeszcze zaufania ani nie stworzyła ram pozwalających uwierzyć, że takie zyski są realistyczne.
To cenne przypomnienie dla każdego menedżera z branży medialnej – inwestycje w sztuczną inteligencję należy oceniać tak samo jak każdą inną strategiczną alokację kapitału:
- Jaki mierzalny problem ma zostać rozwiązany?
- Od jakiego poziomu bazowego dążymy do poprawy?
- Jakie zależności operacyjne występują?
- Jakie zmiany w architekturze danych są wymagane?
- Jakie ukryte koszty pojawią się później?
Bez odpowiedzi na te pytania sztuczna inteligencja staje się jedynie zadaniem zakupowym, a nie strategią biznesową.
Zarządzanie w erze sztucznej inteligencji powinno sprzyjać innowacjom, a nie je hamować
Najbardziej złożoną częścią dyskusji była kwestia zarządzania sztuczną inteligencją – uczestnicy panelu nie opowiadali się za słabymi mechanizmami kontroli. Opowiadali się raczej za umożliwianiem zarządzania zamiast nadzoru prowadzonego wyłącznie w celu sprawowania kontroli. To rozróżnienie ma znaczenie w mediach, gdzie eksperymentowanie jest niezbędne, ale równie ważne są bezpieczeństwo marki, etyczne wykorzystanie technologii oraz niezawodność operacyjna.
Tim Lum opisał zarządzanie jako coś, co musi obejmować cały ekosystem: dostęp do danych, wdrażanie, to, kto może korzystać z systemu, co sztuczna inteligencja ma prawo widzieć oraz jak kształtują się procesy decyzyjne. Innymi słowy, zarządzanie to nie kłódka na drzwiach. To projekt samego pomieszczenia.
„Zwykle mówię, że najlepsze zarządzanie to takie, które raczej stwarza warunki do działania, niż to, które samo w sobie coś robi”.
Takie podejście ma szczególne znaczenie w branży medialnej, ponieważ profil ryzyka jest bardzo szeroki:
- modele decyzyjne typu „czarna skrzynka”,
- kwestie zgodności z przepisami,
- nierównomierny poziom dojrzałości w poszczególnych regionach,
- niekontrolowane eksperymenty,
- oraz zespoły tworzące alternatywne rozwiązania AI poza centralnym nadzorem.
Panel zauważył, że poziom dojrzałości zarządzania różni się w zależności od regionu i stopnia zaawansowania transformacji cyfrowej. Na rynkach bardziej zaawansowanych cyfrowo zespoły są przyzwyczajone do modeli operacyjnych opartych na testowaniu i uczeniu się oraz potrafią powiązać eksperymenty z zwrotem z inwestycji (ROI). W mniej dojrzałych środowiskach samym wskaźnikiem może stać się „wdrożenie”, co jest błędem. Korzystanie bez wartości nie jest zarządzaniem; to tylko szum.
Dla liderów przesłanie jest jasne: zarządzanie musi chronić biznes, jednocześnie pozwalając zespołom na tworzenie rozwiązań. Celem nie jest tłumienie kreatywności, ale utrzymanie eksperymentów w bezpiecznych i spójnych pod względem biznesowym ramach.
Wnioski
Głównym przesłaniem tej dyskusji nie jest to, że firmy medialne muszą stać się firmami programistycznymi w dosłownym tego słowa znaczeniu. Chodzi raczej o to, że muszą świadomie decydować o tym, co pozostaje w ich posiadaniu, co poddają automatyzacji, a w jakich obszarach pozwalają na pośrednictwo podmiotów zewnętrznych. W erze sztucznej inteligencji przewaga konkurencyjna nie będzie wynikać z samego tylko szybszego wdrażania narzędzi niż inni. Będzie ona wynikać z połączenia własnych danych, solidnego projektu operacyjnego oraz jasnego rozeznania, w jakich obszarach ludzka ocena nadal ma największe znaczenie.
Dla liderów branży medialnej oznacza to, że prawdziwą strategią przetrwania jest selektywna transformacja: zachowanie kontroli nad warstwami, które kształtują wgląd w sytuację, wartość dla klienta i kontrolę strategiczną; zdyscyplinowana automatyzacja pozostałych procesów; oraz stworzenie systemu zarządzania, który pozwoli firmie działać bez utraty tożsamości. Firmy, które dobrze to realizują, nie będą po prostu korzystać ze sztucznej inteligencji. Wykorzystają ją do ochrony marży, usprawnienia procesów decyzyjnych oraz utrzymania strukturalnej pozycji na rynku, na którym oprogramowanie staje się podstawowym wymogiem.
