不过，虽然想法层出不穷，但如何实现仍然是一个挑战。在现阶段，营销人员如何才能切实地将生成式人工智能纳入日常工作流程？在最新一期的五十五期《数据突破》（Data Break）播客中，我与品牌技术集团（The Brandtech Group）的数据和技术整合主管雨果-洛里奥特（Hugo Loriot）聊了聊，探讨 GenAI 如何塑造未来的商业。
以下是我们的讨论预告，内容涉及生成式人工智能如何改变我们所熟知的商业，以及品牌如何更好地为下一步做好准备。
最先开发的 GenAI 用例都是围绕内容生产展开的，因为使用 LLM 来优化文本的搜索引擎优化或撰写电子邮件是最合乎逻辑的做法。然而，尽管内容生成仍然是营销人员唯一可用于生产的应用，但一些营销人员正在将注意力转移到战略、媒体和分析上。
另一个值得注意的转变是品牌选择将注意力集中在内部。为了在瞬息万变的环境中保持领先地位，他们会尽早拉拢新的利益相关者，对新技术进行评估，并确定在何处集成 GenAI 以及优先顺序。这意味着跨部门的高度合作，尤其是法律和隐私团队之间的合作。任何正在考虑的人工智能应用都必须符合新兴法规，如《欧洲人工智能法案》。
在投资新的 GenAI 工具之前，企业必须在数据所有权、透明度和治理方面下功夫。为此，品牌必须采取自上而下的方法，负责任地进行人工智能驱动的业务转型，由主要利益相关者制定企业政策，明确如何安全地使用人工智能来提高竞争优势。
强有力的人工智能治理必须触及三个关键点：
不能让包含公司信息的提示为模特培训提供信息，也不能让第三方检索到这些信息。因此，品牌需要与模特提供商商定具体的条款和条件，或确保只允许特定的互动。
无论提示语是用于生成图像、文本、视频还是其他任何内容，所生成的内容并不一定为提示语作者所 "拥有"。这种地位不仅取决于模式提供商，还取决于当地立法。如今，在美国，人工智能生成的图像是否归提示模型的人所有仍不明确。
上文提到的模糊性正是人为监督至关重要的部分原因，这不仅是为了给模型提供警戒线，也是为了对输出结果进行更个性化的编辑，从而加强所有权。
除了高质量的投入和强大的数据基础，品牌还应特别注意以下几点
随着第三方 cookie 逐渐被淘汰，他们的数据收集和管理也从第三方 cookie 转向了第一方数据。随着对数据收集和管理采取更加谨慎的方法，远离早期互联网的 "狂野西部 "时代，向 GenAI 增强型流程的过渡将更加自上而下、有条不紊和易于管理。
在选择优先使用哪个用例时，我们也建议采用同样的方法。我们的客户通过专注于致力于质量优化、节省时间和提高效率的 "更安全 "的内部用例取得了巨大成功。通过专注于这些更安全的用例，企业可以建立正确的治理、安全、控制、人工参与和测试水平，为未来风险更大的 GenAI 应用铺平道路。
在不久的将来，传统人工智能（以预测为导向）和生成人工智能（以创造为导向）似乎极有可能实现融合，为品牌带来无数可能性。此外，检索-增强生成（RAG）等技术可以通过从外部来源（包括市场调研）获取数据来增强 GenAI 模型，从而对特定主题进行更深入的挖掘--这对于获取第一方数据有限的公司来说是一个潜在的游戏规则改变者，而许多传统行业（如 CPG）就是这种情况。
收听本期节目全文，了解更多相关信息：
发现最新资讯、深度文章、网络研讨会视频，以及55数据的各项活动。
%20(1).png)
.svg)
.jpg)
