Marketing > Global | (AD AGE) - INTELIGENCIA ARTIFICIAL PARA MARKETERS
Ad Age |
Las indicaciones se han convertido en una habilidad importante a medida que la IA generativa pasa a desempeñar un papel más importante en el proceso de creación de anuncios.
(Ad Age) - Imagine que un ser súper capaz llega a su lugar de trabajo, pero la barrera del idioma le impide acceder a todo su potencial.
Este escenario no es muy diferente del surgimiento de la IA en el mundo de la publicidad, que requiere que los marketers aprendan una nueva habilidad para aprovechar las capacidades de la tecnología: impulsar o elaborar una entrada para asignar una plataforma de IA generativa. El año pasado, el 70% de los CMOs brindaron capacitación sobre el uso eficaz de la IA y muchos de ellos continuarán con estos esfuerzos en 2024, según datos de una encuesta de Accenture.
Pero mejorar las habilidades para dar indicaciones puede resultar complicado. Un modelo de IA no sólo se parece a alguien que no habla su idioma, sino que su pura regurgitación de datos de entrenamiento refleja el proceso de aprendizaje de un niño, dijo Dave Harris, principal de IA generativa en la empresa de desarrollo laboral Pluralsight. Por lo tanto, los marketers están utilizando fórmulas para condensar la información inmediata y reservar más tareas técnicas para personal especializado, dijeron los expertos a Ad Age.
El requisito de nuevas habilidades relacionadas con la IA surge a medida que la tecnología pasa a desempeñar un papel más importante en el proceso de creación de anuncios. Las agencias ahora utilizan la IA generativa para ayudar a los clientes a crear trabajos comerciales, y las plataformas de redes sociales brindan las herramientas para permitir publicaciones promocionadas en sus sitios Web.
Los marketers que prestan atención a estos llamados están aprendiendo a responder de muchas maneras. Pero, según Harris, el enfoque más común es mediante pura prueba y error con las propias plataformas. "Siempre partimos con la idea de que la IA tiene la respuesta y sólo tenemos que proporcionar la información correcta", dijo.
Al experimentar, Harris sugirió que un marketer hiciera muchas preguntas a la plataforma y perfeccionara las indicaciones para ver cómo diferentes entradas generan diferentes resultados. Y aunque es muy posible que la plataforma contenga información útil, se debe tratar con una fuerte dosis de escepticismo en cada respuesta y se requiere una revisión interna, dijo Harris.
Un número cada vez mayor de agencias y plataformas tecnológicas ofrecen entornos de pruebas de IA, que permiten una experimentación rápida, así como mezclar datos patentados con modelos de IA, de una manera segura, contra cualquier posibilidad de violación de datos. Los clientes empresariales que no pagan por plataformas de inteligencia artificial como ChatGPT y, por lo tanto, tienen acceso solo a las aplicaciones públicas, corren el riesgo de entregar cualquier dato de entrada al modelo subyacente, que se entrena con todo lo que entra en contacto.
Otros recursos que los marketers pueden encontrar útiles son las galerías rápidas, que los proveedores de IA suelen publicar en sus sitios Web, dijo Paul Roetzer, fundador y director ejecutivo del Marketing Artificial Intelligence Institute. Estas bibliotecas ofrecen una serie de indicaciones estructuradas y sus resultados correspondientes, lo que brinda a los usuarios una idea de qué entradas funcionan bien y pueden ayudarlos a mejorar las suyas.
"Si Anthropic y OpenAI le dicen cómo escribir estas indicaciones, entonces utilice esa información", dijo.
"El contexto es el rey"
Según Harris, la clave para una orientación eficaz tiene menos que ver con comprender la IA que con comprender el problema en cuestión. Cuanto más sepa uno sobre lo que está buscando, más información podrá ingresar en el sistema y mejor será el resultado.
"El contexto es el rey", dijo Harris.
Este enfoque también se beneficia del uso multiplataforma. Si bien cierto grado de habilidades de estimulación se transmitirá entre diferentes robots, dijo Harris, los matices entre cómo se entrenan los modelos darán como resultado diferentes respuestas, incluso si la entrada es la misma. El método ideal es poder proporcionar suficiente información independientemente de estas discrepancias.
Usar una fórmula puede ser una forma eficaz de compartimentar la información en una indicación. Un líder creativo de una agencia de publicidad, que habló bajo condición de anonimato, sugirió tres pasos. La primera es limitar el enfoque de la IA invocando un área de especialización. Por ejemplo, pedirle a un bot que "finja que eres un consumidor de la Generación Z" lo preparará inmediatamente para el tipo de preguntas que un marketer podría querer hacer sobre el grupo demográfico.
El segundo paso es proporcionar todo el contexto relevante. El mismo marketer ingresaría cualquier especificidad de fondo, incluida su marca y el tipo de productos que vende, así como los objetivos de su campaña, sus preferencias estilísticas y los sentimientos a los que quieren apelar. El tercer paso es solicitar el resultado real, como "generar 10 tweets para la campaña dirigida a los consumidores de la Generación Z".
Roetzer utiliza su propio modelo al explicar cómo dar indicaciones, que tomó prestado del profesor Ethan Mollick de la Wharton School de la Universidad de Pensilvania. Después de limitar el enfoque del modelo, el enfoque articula instrucciones paso a paso para el resultado previsto, instrucciones de seguimiento, limitaciones sobre lo que no se debe hacer y un recordatorio para personalizar la información.
Como resultado de su aplicabilidad a una variedad de temas, la plantilla ha ayudado a Roetzer a enseñar indicaciones a muchas audiencias diferentes, incluidos propietarios de campos de golf y decanos de escuelas. Otra lección que aprendió es la importancia de reducir la intimidación que puede surgir al comunicarse con IA.
“Simplemente háblele como si fuera un pasante o un compañero realmente inteligente”, dijo.
¿Todos necesitan saber cómo avisar?
Una pregunta que cualquier organización de marketing deberá plantearse es si todos los empleados deberán aprender habilidades de activación de IA, y en qué medida. ¿Está fomentando un conjunto de habilidades especializadas, como la codificación, o es una nueva expectativa en juego, resumida en la popular y un tanto amenazante broma “La IA no te quitará el trabajo, pero alguien que sepa cómo usarla sí lo hará?”
Ha surgido el término “ingeniero rápido”, pero los expertos trazan una distinción que puede calmar a los marketers preocupados. Si bien se debe alentar a los empleados a aprender habilidades generales de orientación, los requisitos técnicos de un ingeniero puntual van más allá de lo que se espera de cualquier redactor, según Michael Cohen, director global de datos y análisis del holding de agencias Network Plus Company.
Los ingenieros puntuales, dijo Cohen, se entienden mejor como ingenieros de sistemas porque hacen mucho más que simplemente indicar. Aprovechan los modelos para generar resultados y luego los encadenan a otros modelos para establecer un flujo de trabajo. Por ejemplo, podrían modificar una plataforma para presentar claramente los datos de la audiencia, que luego se introducen en otra plataforma que puede diseñar una campaña en torno a esos datos, antes de conectarse a una tercera plataforma centrada en optimizar las campañas.
Plus ha desarrollado un equipo de usuarios líderes voluntarios para encabezar experimentos con IA, cultivar soluciones y compartir estos hallazgos con otro personal. La información precisa que se difunde depende de la agencia, pero una vez en sus manos, estas soluciones equivalen a herramientas clásicas de paquetes de software.
"Esperaría que todos los empleados los usaran", dijo Cohen.