Искусственный интеллект в маркетинге. Как использовать ИИ и быть на шаг впереди - страница 7

Если оставить в стороне вопрос о фундаментальной принадлежности PR к сфере новостного бизнеса, то существуют готовые технологии выпуска новостей на основе ИИ, которые уже меняют способ создания и распространения «новостей». Если вы считаете, что отношения со СМИ по-прежнему являются важной частью консалтинга по PR, то я соглашусь с этим, и поэтому нам необходимо полностью понять, как наша реклама, релизы, заявления и образы вписываются в эту новую систему.

Мониторинг СМИ и составление отчетов уже изменяются, и, хотя их можно считать услугами «низкой стоимости», для многих агентств они не являются незначительным источником дохода. Отношения со СМИ также будут быстро эволюционировать, чтобы приспособиться к новым новостным технологиям, изменяя все, начиная от создания горячих новостей, обзоров продуктов и получения комментариев. И конечно же, управление влиянием (анализ идентификации, вовлечения и воздействия) созрело для внедрения ИИ.

На рынке существуют сотни, если не тысячи, инструментов, но мое внимание привлек продукт лаборатории мобильных инноваций The Guardian под названием Smarticle, где истории разбиты на ключевые компоненты или блоки. К ним относятся основные сведения, небольшой контекст, встроенное видео и социальные сети. И из этих блоков при каждом повторном посещении генерируется новое, более подробное содержимое на основе сигналов, отправленных читателем. Например, сколько времени они провели на первом блоке, или прошедшее время, или области первоначального интереса. Такой подход уничтожит пресс-релизы в том виде, котором мы их знаем, и, возможно, появится совершенно новая эра консалтинга в сфере PR.

ИИ хорошо проявляет себя в определенных аспектах, особенно в областях, где присутствуют большие объемы данных подходящего вида, с которыми можно применять эти методы, но возможности ИИ все равно остаются достаточно ограниченными. Это пятая большая революция в ИИ, и каждый раз они говорят нам, что «мы разобрались с проблемой». Но каждый раз оказывается, что нет. В настоящее время разработки ИИ сосредоточены на машинном обучении. До этого была статистическая классификация, в 70-х и 80-х годах это были экспертные системы, в 50-х и 60-х годах это называлось поиском, как, например, в ранних программах по игре в шахматы.

Что ИИ не может делать сейчас и, вероятно, не сможет делать еще 30–50 лет, так это оценивать намерения. ИИ не сможет определить, говорите ли вы искренне, – в этом вопросе преимущество за взрослым человеком. Мы все учимся оценивать высказывания и определять, говорят ли люди правду или нет. Конечно, мы можем ошибаться, но у нас представление об этом гораздо лучше, чем у машин. Методы, используемые в машинном обучении и глубоком обучении, являются наблюдательными и синтаксическими. Поэтому машина будет наблюдать за поведением людей и слушать их высказывания и рассуждения на основе этих данных, не зная, что творится у них в голове. Критика методов машинного обучения заключается в том, что они ищут на поверхности, не углубляясь в суть.