احساس می کنید با هوش مصنوعی مولد گیر کرده اید؟
در اینجا راهی برای گیر نکردن وجود دارد.
من می خواهم از شما بخواهم که در مورد دو سوال فکر کنید.
اول، آیا فیلم جدید Ghostbusters: Frozen Empire را دیدید؟ اگر این کار را نکردید، فقط به آخرین فیلمی که دیدید فکر کنید (برای من، این بازسازی Road House بود – اوه). خوشت آمد؟
من به Ghostbusters فقط به این دلیل اشاره می کنم که در بین منتقدان (44٪ در Rotten Tomatoes) در مقابل تماشاگران (84٪) امتیاز ضعیفی کسب کرد. علاوه بر این، Ghostbusters در باکس آفیس امتیاز خوبی کسب کرد و در اولین هفته های اکران خود به درآمد 45 میلیون دلاری دست یافت.
اما نکته اینجاست: چه فکر میکردید فیلم فوقالعاده بود یا افتضاح – درست میگویید و اشتباه میکنید. حتی داده ها هم نمی توانند به شما بگویند که درست می گویید یا خیر. اگر فیلم اخیر اکشن جاسوسی Argylle را دوست داشتید، دادهها – باکس آفیس، منتقدان و نظرات مخاطبان – میگویند اشتباه میکنید. اما اگر با «اما هنری کاویل» پاسخ دهید، اشتباه نمیکنید.
اکنون، سوال دوم: اگر در حال آزمایش هوش مصنوعی مولد برای ایجاد محتوای بازاریابی خود هستید، آیا معتقدید که به طور مداوم نتایج ارزشمند، نتایج مناسب اما نه عالی یا نتایج ضعیف دریافت میکنید؟
من اخیراً این سؤال را از تعداد کمی از مخاطبان پرسیده ام، و اکثر مردم میانه را انتخاب می کنند – به طور مداوم مناسب اما نه عالی. با این حال، مستقل از پاسخ شما، من یک چیز را می دانم. همه شما اشتباه می کنید. و شما خوب هستید.
همه چیز مربوط به دیدگاه است. تمام محتوای بازاریابی مانند یک فیلم است. آنچه شما را به حرکت در می آورد ممکن است من را تکان ندهد. داده ها ممکن است نشان دهند که محتوای شما موفق است، اما اینکه آیا یک فرد برای آن ارزش قائل است یا از آن انگیزه می گیرد ذهنی است.
بین عدم قطعیت و شک با هوش مصنوعی مولد گیر کرده اید
گفتگوی اخیر شامل مکالمهای در مورد بانکی بود که به یک شرکت هوش مصنوعی با 500 مورد استفاده نزدیک شد که میخواست مدلهای زبان بزرگ را در آن اعمال کند.
بله، آنها گیر کرده اند.
من این روند را فراگیر می دانم. شرکتها در هر اندازه به دنبال کاربردهای درست هوش مصنوعی مولد هستند. رهبری فشار شدیدی را بر تیمهای خود وارد میکند تا «کارآمدی» و «مفید بودن» را از هوش مصنوعی مولد پیدا کنند. این بسیار جدید و بسیار نوآورانه است. باید کاری باشد که بتوانید با آن انجام دهید.
هر تند کشیدن از فید رسانه های اجتماعی، قسمت پادکست، وبینار، یا رویداد صنعتی، استفاده از هوش مصنوعی مولد را نشان می دهد. همگام شدن با همه احتمالات سخت است، زیرا هر روز یک نفر با کاری روبرو می شود که شما انجام نمی دهید.
اما آیا هوش مصنوعی مولد در خدمت بازاریابان است؟
این نیست. به همین دلیل است که احساس می کنید گیر کرده اید. این یک پارادوکس کلاسیک انتخاب است. شما فکر می کنید داشتن موارد استفاده زیاد برای انتخاب، استفاده از هوش مصنوعی مولد را در محتوا و بازاریابی شما آسان تر می کند. اما واقعاً تصمیم گیری برای استفاده از کدام برنامه ها را دشوارتر می کند.
موذیانه ترین قسمت؟ شما نمی توانید بدانید که آیا محتوای تولید شده توسط هوش مصنوعی بهتر است تا زمانی که به یکی از آنها متعهد شوید.
منظورم اینجاست.
پاسخ هوش مصنوعی مولد به یک درخواست غیرقابل پیش بینی طراحی شده است. اگر از ابزار بخواهید چیزی را بازنویسی، ویرایش یا ایجاد کند، هرگز دوبار به یک شکل پاسخ نمیدهد. اگر فشار دهید و بپرسید که آیا این بهترین کاری است که میتواند انجام دهد، معمولاً با تغییر دیگری پاسخ میدهد. تا زمانی که فرآیند را متوقف نکنید، بازنویسی متوقف نمی شود. هرگز نخواهد گفت: “خوب، تکرار سوم بهترین نسخه بود، پس از سوال ، خودداری کنید.”
هوش مصنوعی مولد همیشه به شما این امکان را نمی دهد درست محتوا را به شما نمی دهد بهترین محتوا. این به سادگی محتمل ترین محتوا را ارائه می دهد. اگر فکر می کنید به اندازه کافی خوب است، حق با شماست. و شما اشتباه می کنید.
جدید بودن و کارآمدی دیدگاه لازم را به همراه دارد
من شروع به کمک به مشتریان کردهام که با اتخاذ رویکردی ساختاریافتهتر برای مونتاژ موارد استفادهشان، گیر کنند. در بازاریابی، دو طیف را می توان برای هوش مصنوعی مولد اعمال کرد. اولی شامل یک قابلیت جدید یا موجود است. آیا مورد استفاده کاری در حال انجام است که هوش مصنوعی مولد می تواند آن را با ارزش تر کند؟ یا چیزی است که ممکن نبود یا آنقدر دشوار است که ارزش تلاش انسان را نداشت؟
ترجمه بلادرنگ تماسهای خدمات مشتری نمونهای از قابلیت موجود است که با هوش مصنوعی آسانتر شده است. بازنویسی یک مقاله تحقیقاتی به نسخه های دوستانه تر برای شخصیت های مختلف با استفاده از هوش مصنوعی نمونه ای از یک قابلیت جدید است.
طیف دوم حول محور کارایی است. آیا این استفاده از هوش مصنوعی مولد شما را کارآمدتر می کند؟ آیا در زمان و منابع صرفه جویی خواهد کرد؟ یا کارایی کمتری دارد؟ آیا به زمان و منابع بیشتری نیاز دارد؟
استفاده از ابزار هوش مصنوعی مولد برای تولید کلمات کلیدی سئو یا اصلاح گرامر نمونه ای از کارآمد بودن است. یک ابزار هوش مصنوعی که دادههای CRM شما و همچنین لینکدین را برای جمعآوری گزارش شکاف محتوا اسکن میکند، نمونهای از کارآمدی کمتر است. شما می توانید این کار را به لیست کارهای یک نفر اضافه کنید زیرا نتیجه استفاده جدید و ارزشمندی از زمان آنها را نشان می دهد.
با در نظر گرفتن این طیف ها، می توانید یک نمودار چهار ربعی برای ارزیابی کاربردهای مولد هوش مصنوعی جمع آوری کنید. خط عمودی از قابلیت جدید در بالا به قابلیت موجود در پایین می رود. از وسط توسط خط بازده قطع می شود و از سمت چپ کارآمدتر به سمت راست کارآمدتر می شود.
![یک نمودار چهار ربعی برای ارزیابی کاربردهای مولد هوش مصنوعی.](https://contentmarketinginstitute.com/wp-content/uploads/2024/04/four-quadrant-chart-categories-generative-ai-600x336.png)
چهار ربع در این دسته قرار می گیرند:
- بهبود – قابلیت جدیدی که شما را کارآمدتر می کند. برای مثال، یک ابزار هوش مصنوعی مولد دستورالعملهای برند، لحن و اصطلاحات ویراستاری شما (قابلیت جدید) را یاد میگیرد. به طور خودکار به این ایرادات اشاره می کند (بازدهی بیشتر) تا به شما کمک کند محتوایی با مارک خوب ایجاد کنید.
- پالایش – یک قابلیت موجود که شما را کارآمدتر می کند. به عنوان مثال، یک ابزار هوش مصنوعی مولد می تواند یک ترجمه بلادرنگ (کارآمدتر) از محتوا برای درخواست های خدمات مشتری (قابلیت موجود) تولید کند.
- مکمل – یک قابلیت موجود که کمتر کارآمد اما ارزشمندتر خواهد بود. یک مثال عالی تحقیق رقابتی است. با افزودن کمی زمان و منابع بیشتر به آن با استفاده از هوش مصنوعی، می توانید تجزیه و تحلیل رقابتی جامع را به صورت مداوم انجام دهید.
- مکمل — قابلیت جدیدی که کارایی شما را کم می کند. این کاربردها نوآوری واقعی هستند. به عنوان مثال، شما یک ربات چت جدید با استفاده از یک مدل یادگیری سفارشی می سازید که تمام اسناد آموزشی را اسکن می کند تا یک برنامه کمکی تعاملی برای مشتریان ارائه کند. تجربه شگفت انگیز جدید نیاز به توجه بیشتر به کیفیت و ساختار کتابچه های آموزشی شما دارد.
این دسته بندی ها ممکن است احساس باطنی کنند. همانطور که اشاره کردم، موارد ممکن است در یک طیف قرار گیرند، بنابراین یک استفاده ممکن است در بالای ربع سمت راست باشد (قابلیت بسیار جدید و بسیار کارآمد)، در حالی که دیگری ممکن است به نقطه مرکزی نمودار در آن ربع نزدیکتر باشد (تا حدودی جدید). قابلیت و به طور کلی کارآمد).
با این حال، این نمودار دسته بندی عملی است.
دستهبندیهای مورد استفاده شما را گیر میدهد
یکی از بزرگترین تنشها در برنامهریزی هوش مصنوعی مولد زمانی به وجود میآید که موارد استفاده با آنچه شما بهعنوان اولویتها و آنچه که رهبران ارشد مهم میدانند، مطابقت نداشته باشند.
بگذار توضیح بدهم.
من بیش از 230 مورد استفاده برای هوش مصنوعی در محتوا و بازاریابی جمع آوری کرده ام. در اینجا نحوه تقسیم آنها به چهار دسته آمده است:
- افزایش (قابلیت جدید، کارآمدتر): 6%
- پالایش (قابلیت موجود، کارآمدتر): 31%
- مکمل (قابلیت موجود، کارایی کمتر): 45%
- مکمل (قابلیت جدید، کارایی کمتر): 18%
![موارد استفاده برای هوش مصنوعی مولد به چهار دسته تقسیم می شوند: بهبود 6٪، پالایش 31٪، مکمل 45٪ و مکمل 18٪.](https://contentmarketinginstitute.com/wp-content/uploads/2024/04/four-quadrant-chart-categories-generative-ai-use-cases-600x338.png)
یک سوم موارد استفاده در مواردی قرار میگیرند که ممکن است به عنوان رایجترین آنها توصیف کنید – کارهای انجام شده در کارهای روزمره کارآمدتر شدهاند. اما جالب است که اینطور است فقط یک سوم.
تا کنون محبوب ترین موارد استفاده (45٪) مشاغلی هستند که زمانی از اولویت برخوردار نبودند زیرا تلاش زیادی می کردند و اکنون به دلیل هوش مصنوعی مولد ارزش انجام دادن دارند. آنها در واقع اضافه ، نیاز به منابع بیشتر این یافته با شواهد حکایتی اولیه ای که من در کار با مشتریان جمع آوری کردم مطابقت دارد. بیشتر ادغامهای مولد هوش مصنوعی در بازاریابی، نیازمندیهای جدیدی را برای بودجه و منابع اضافه میکنند و قابلیتهای موجود را تکمیل میکنند.
همچنین، تعجب آور نیست، اما دیدن این است که تعداد کمی از موارد استفاده در دسته بهبود قرار می گیرند – کارهایی که قبلاً نمی توانستید انجام دهید و همچنین باعث کارآمدتر شدن شما می شوند. این را به صورت “ما آنچه را که نمی دانیم نمی دانیم” در نظر بگیرید. این ماجراجویی مولد هوش مصنوعی هنوز در روزهای اولیه خود است و قابلیت های جدید تازه در حال کشف شدن هستند.
با این حال، مهمترین نکته در مورد ایجاد تعادل در موارد استفاده در کار شما نیست. در عوض، درک این موضوع است که کجا باید اولویت بندی کنید تا با انتظارات رهبری هماهنگ شوید. اگر استفاده از هوش مصنوعی مولد را در دسته مکمل ها در اولویت قرار دهید، اما مدیریت انتظار دارد که هوش مصنوعی یک کاربرد اصلاحی ارائه دهد، برای مثال، درگیری ها و تنش ها به وجود می آیند.
وقتی استفاده از هوش مصنوعی مولد را به درستی مطرح نکنید، خود را برای شکست آماده می کنید. من می دانم که یک شرکت اخیراً یک راه حل جدید هوش مصنوعی مولد را برای ایجاد مجموعه ای از محتوا پیشنهاد کرده است که به طور خودکار محتوای هدفمند/شخصی شده را در وب سایت خود ایجاد می کند. این یک مورد استفاده از بهبود واقعی بود، اما آنها آن را به عنوان یک مورد اصلاحی مطرح کردند – راهی برای صرفه جویی در هزینه. البته این دو چیز با هم هماهنگ نبودند و زمین آنها شکست خورد.
فقط شما می توانید بگویید چه چیزی خوب است
همانطور که تیم های خود را جمع آوری می کنید و موارد استفاده برای هوش مصنوعی مولد را در برنامه بازاریابی و محتوای خود توسعه می دهید، به یاد داشته باشید که واقعاً درک کنید که آنها چه ارزشی ارائه می دهند.
همه آنها فوق العاده به نظر می رسند و نتایج خوبی خواهند داشت. همچنین همه آنها افتضاح به نظر می رسند، مانند پول های بزرگ و چاله های زمان. فقط شما و تیم می توانید تعیین کنید کدام کدام است. اما اگر روی چالشی که هر کدام حل میکند هماهنگ کنید، حداقل میدانید چه چیزی مهمتر است – امتیاز منتقد، امتیاز مخاطب یا گیشه.
این داستان شماست خوب بگو
مطالب مرتبط دستچین شده:
تصویر روی جلد توسط جوزف کالینوفسکی/موسسه بازاریابی محتوا
منبع: https://contentmarketinginstitute.com/articles/unstuck-generative-ai-content-marketing/