Новая парадигма для креативщиков и лидеров маркетинговых технологий: DAM + генеративный ИИ

Генеративный ИИ (GenAI), несомненно, преобразил маркетинговую функцию, от автоматизированного взаимодействия с клиентами до создания контента. Но пока все были сосредоточены на чат-ботах и создании новых сообщений в блогах, в управлении цифровыми активами (DAM - Digital Assets Management) назревала тихая революция. Она началась с решения давних проблем, связанных с возможностью поиска и повторным использованием активов, но сегодня мы видим ряд новых захватывающих, высокоценных вариантов использования, которые выведут нас далеко за рамки маркировки активов и раскроют настоящий творческий потенциал вашего решения DAM.

Маркировка и извлечение активов

Одним из основных принципов DAM является повторное использование активов. Зачем вкладывать время, ресурсы и деньги в воспроизведение актива, который уже существует? И все же на протяжении десятилетий это оставалось труднодостижимой и почти недостижимой целью. Причина этого проста: изображения, видео, аудио и другие мультимедийные активы не являются самоописываемыми. В отличие от текстовых объектов, которые можно легко, хотя и не всегда точно, искать, цифровые активы зависят от метаданных для извлечения.

До сих пор большинство значимых метаданных приходилось создавать людям, которые смотрели на актив, а затем вручную вводили данные в предписанные поля, в идеале применяя стандартную таксономию и онтологию организации. Игнорируя тот факт, что одному человеку, не говоря уже о команде, очень сложно последовательно, точно и многократно вводить этот тип информации, большинство организаций вынуждены идти на компромиссы относительно полноты ввода метаданных.

Либо им требуются их творческие ресурсы для ввода метаданных, поскольку активы загружаются в решение DAM — деятельность, которая почти единогласно отвергается и часто выполняется плохо, — либо они нанимают библиотекаря или команду библиотекарей для правильной атрибутировки активов после того, как они были загружены в решение DAM. Из-за нежелания пользователей или стоимости большинство организаций обнаруживают, что все еще очень сложно создать достаточно метаданных для обеспечения точного поиска активов и эффективного повторного использования активов.

GenAI решает эту проблему двумя очень значимыми способами. Во-первых, с GenAI организации больше не зависят от людей, которые должным образом «тегируют» или применяют метаданные к активам. Компьютерное зрение — это особый аспект искусственного интеллекта, который позволяет компьютерам интерпретировать изображения, видео и другие мультимедийные активы.

Используя компьютерное зрение и, в частности, модели языка зрения (VLM), мы теперь можем автоматически генерировать текст для описания изображений и видео. Мы также можем легко преобразовывать аудио — как аудиофайлы, так и аудиодорожки для видео — в текст. В результате у нас есть практически безграничный, неисчерпаемый и недорогой ресурс для маркировки цифровых активов. Эти модели можно дополнять или настраивать для предоставления определенных метаданных, которые являются уникальными для вашей организации или интеллектуальной собственности — например, подумайте о цветовых кодах, идентификаторах продуктов или версиях символов. И они могут быть ограничены уникальной таксономией и онтологией вашей организации.

Кроме того, GenAI может быть чрезвычайно эффективным для поиска активов, позволяя пользователям использовать естественный язык для быстрого сужения результатов поиска для высокоточного и эффективного поиска активов.

Результат: теперь мы можем решить проблему повторного использования активов, гарантируя, что пользователи DAM смогут быстро, легко и комплексно находить существующие активы.

Помимо тегирования: оптимизация создания активов

Это довольно обширный обзор того, как GenAI может решать вопросы находимости и повторного использования активов. И, как вы увидите, многие платформы DAM начали внедрять функционал на базе GenAI для интеллектуальной маркировки активов и обеспечения поиска на естественном языке. Но то, что мы начинаем видеть, — это целый новый набор вариантов использования — помимо маркировки и извлечения — которые упростят и ускорят создание новых активов и процесс проверки активов.

Cоздание идей активов

Один из наиболее мощных вариантов использования, который мы сейчас видим, — это создание идей активов. С помощью создания идей активов креативщики могут загрузить набор образцов активов или интеллектуальной собственности, а затем — используя простую парадигму естественного языка — предоставить набор параметров для создания новых идей активов. Затем эта информация подается в модель компьютерного зрения, которая может быстро генерировать широкий спектр концепций активов. Затем, снова используя интерфейс, похожий на чат, пользователи могут дополнительно уточнить свои результаты, быстро и легко создавая идеи для определения работающих концепций.

Кстати, мы подчеркиваем здесь слово «концепции» и то, что GenAI идеально подходит для идей, а не для создания активов. Мы обнаружили, что, хотя модели Computer Vision могут быстро создавать любое количество новых визуальных активов, большинство потребителей могут легко идентифицировать активы, созданные AI, и им не хватает подлинности настоящих фотографий и изображений.

Итак, суть в том, чтобы использовать GenAI для того, для чего он хорош: быстро генерировать массив концепций, чтобы помочь творческим пользователям концептуализировать новостные ресурсы для кампании, фотосессии и т. д., а затем использовать вашу креативную команду для создания ваших финальных активов. GenAI не устраняет необходимость в творческих ресурсах, а предоставляет им инструменты, чтобы быть более эффективными и действенными.

Локализация активов

Мы склонны думать о локализации активов просто как о переводе. Однако это гораздо больше. Для глобальных компаний визуальные активы часто необходимо локализовать, чтобы они соответствовали региональным предпочтениям, культурным нюансам и даже функциональным потребностям определенных сегментов или географических регионов. Для текста, да, это может включать перевод на местный язык, но это может также включать локализацию валют и единиц измерения, например. Для изображений и видео вам может потребоваться настроить цветовые схемы или включить местную одежду и настройки в активы.

GenAI может помочь с локализацией цифровых активов двумя различными способами. Прежде всего, он может применять политики и руководства по локализации к существующим активам и отмечать проблемы, или он может даже определять страны, регионы или даже конкретные демографические группы, в которых актив должен или не должен использоваться — дополнительная информация, которая может быть добавлена в метаданные для дальнейшего обогащения актива. Во-вторых, подобно варианту использования выше, GenAI также может использоваться для создания локализованных концепций и помогать пользователям придумывать новые версии активов, которые отражают ваши политики и руководства по локализации.

Соответствие бренда

Другим ценным вариантом использования GenAI, который также может оптимизировать процесс творческого обзора и утверждения, является оценка активов на предмет соответствия бренду. В этом варианте использования, по мере создания и загрузки новых активов в решение DAM, модель GenAI может использоваться для применения политик и руководств бренда и оценки того, полностью ли соответствует актив. В случае, если актив не соответствует, модель может определить причины несоответствия и даже дать рекомендации по смягчению этих проблем.

Главное здесь то, что поскольку активы впоследствии направляются на рассмотрение и утверждение, утверждающие лица могут быть уверены в том, что актив полностью соответствует бренду, что экономит драгоценное время на рассмотрение и утверждение.

Интеллектуальная собственность

Для организаций, которые используют стороннюю интеллектуальную собственность (ИС) в своих активах и проектах, критически важно понимать, какая ИС используется в каких активах. Также важно понимать, когда организация имеет или имеет право использовать эту ИС. Это еще одна функция ценности, которую может выполнять GenAI, определяя, когда актив содержит стороннюю ИС, а затем подтверждая, что организация имеет договорное право использовать эту ИС.

Опять же, это ценные метаданные, которые можно сгенерировать и применить к активу в решении DAM. Это также автоматизированная задача, которую можно запускать итеративно на существующих активах или вызывать по мере добавления новых активов в решение DAM, чтобы гарантировать, что права интеллектуальной собственности никогда не будут скомпрометированы.

Это не plug and play

В качестве заключительной мысли, и это то, что я рассмотрю подробнее в будущих статьях, модели GenAI хороши ровно настолько, насколько хороши те, на чем они были обучены. На заре развития ИИ мы думали, что это означает, что нам нужно обучать пользовательские модели ИИ для точной маркировки активов или оценки соответствия бренда. Совсем недавно, с такими методами, как Retrieval-Augmented Generation (RAG), мы смогли использовать общедоступные коммерческие модели для всех вышеперечисленных вариантов использования, хотя некоторые из них все еще могут требовать тонкой настройки для оптимизации точности и выходных данных модели.

Но важно понимать, что для получения точных, значимых результатов с помощью GenAI — даже для маркировки активов — вам нужно подумать о входных данных модели и тонкой настройке, и это на самом деле не стандартная функциональность DAM. Поэтому, хотя это не так просто, как включение новой функции, для организаций, которые сделают это правильно, есть огромная ценность, и GenAI может по-настоящему раскрыть потенциал вашего решения DAM.