Attributtere en præcis dollarværdi til de udfordringer, AI-assisterede kreative teams står overfor, er svært, men hver repræsenterer en potentiel forhindring, der kan true deres succes. En Gartner-undersøgelse fra oktober med 400 globale marketingfolk fandt, at 58% bruger generativ AI til indholdsproduktion. Mange annoncører sigter mod at udvikle semi-automatiserede systemer som Unilevers, selvom det kan tage over et år at opbygge en sådan AI-drevet produktionslinje. Craig Elimeliah, chief creative officer hos Code & Theory, sammenligner AI-produktion med “at bygge sit eget hus i stedet for at leje andres. ” Denne “husbygning” involverer juridisk rådgivning, udvælgelse af passende store sprogmodeller (LLMs) til et brand, samt omhyggeligt at samle brandretningslinjer og tidligere indhold i briefs, som generativ AI kan forstå. Det kræver også omfattende afprøvning og fejl for at sikre, at systemet pålideligt kan håndtere brandfølsomt materiale. Denne opsætning kræver en betydelig tidsinvestering, ironisk nok på et tidspunkt, hvor 81% af marketingfolk måler succes ud fra den tid, der spares gennem AI, ifølge Gartner-undersøgelsen. Dave Rolfe, global chef for produktion hos WPP’s Hogarth, tilføjer, at den dyreste del er tilpasningen til denne nye proces. Derudover er rekruttering af dygtige medarbejdere til at designe, implementere og drive sådanne AI-systemer udfordrende midt i konkurrence om AI-ekspertise fra teknologigiganter og annoncører. James Thoams, global CTO hos Dentsu Creative, understreger, at “AI-ekspertise er svær at få fat i. ” Generativ AI tilgås ofte via abonnementer, men nogle virksomheder, herunder OpenAI, har grænser for brugen og sælger credits i en pay-as-you-go-model, hvilket kan gøre intensiv test med premium modeller dyrt. Ómar Thor Ómarsson, CEO for Optise—en B2B AI-værktøjudbyder, der forbedrer organisk søgning—advarer om, at virksomheder, der genererer store mængder indhold på efterspørgsel, står over for stigende omkostninger. Selve prompts koster kun brøkdele af en cent, men kampagner med titusinder af prompts—som Coca Colas juleannonce, der brugte 70. 000—får udgifterne til at løbe hurtigt op. Ómarsson bemærker, at “udisciplineret testning med store prompts og premium modeller stille og roligt kan blive dyrt. ” Juridiske bekymringer vedvarer også i forbindelse med løbende copyright-konflikter mellem AI-virksomheder og forfattere, hvilket får nogle kunder til at tøve med at vælge, hvilken LLM der skal bruges. Større bureauer håndterer dette ved at tilbyde skadesløshed. For eksempel integrerede WPP i begyndelsen af sidste år compliance-kontrol i deres WPP Open-platform. Virksomheder, der arbejder internt, mangler ofte denne beskyttelse, hvilket gør overholdelse til en væsentlig faktor.

Rolfe understreger behovet for aflukkede systemer, der er knyttet til compliance-standards. Ud over teknologien udgør traditionelle menneskelige arbejdsgange forsinkelser. Godkendelsesprocedurer inden for bureauer og hos kunder bruger ofte mere tid end selve AI-drevet indholdsskabelse. Elimeliah forklarer, at “den reelle omkostning er ikke at generere assets, men at generere dine assets, ” da nogen skal gennemgå, vurdere og forfine de flere muligheder, en enkelt AI-prompt kan generere, hvilket gør tidligere usynlige beslutningsarbejder til eksplicitte opgaver. Dette får “kundegodkendelser” til at blive flaskehalse, da AI kan producere indhold på få minutter, men kunder bruger uger eller måneder på at godkende det. Elimeliah fremhæver dette tids interval som “den mest kostbare del af pipeline. ” Som svar har nogle organisationer frisket deres briefing-processer op og bruger generativ AI med specialiserede skabeloner til at forbedre de indledende kreative briefs. Gartner-analytiker Nicole Greene bemærker, at mange kunder nu bruger generativ AI tidligt til at udvikle mere kvalitetsfulde strategiske kreative input til deres bureauer. Rolfe hos Hogarth beskriver en ændring i produktionsfilosofi: brug af AI gjorde det muligt for virksomheden at skære produktionstiden for en telekommunikationskunders kampagnematerialer fra syv uger til to. Men at opnå sådanne effektiviseringer kræver en “ komponent-mentalitet, ” hvor man prioriterer efterproduktionsarbejde over den traditionelle hurtige masseindholdfangst. Andre virksomheder benytter automatiserede kvalitetssikringssystemer, der anvender tjeklister før flyvning, som vurderer faktorer som billedformat, lysøjeblik, logo-timing og ydeevnebenchmarks. På trods af sådan automatisering er marketingfolk stadig forsigtige med fuldstændig fravær af manuel indgriben i AI-processerne. Ómarsson bemærker, at “AI-indhold kan være fantastisk, og det kan være frygteligt. Vi lærer alle at stole på…det, der kommer ud af LLM’erne. ” Sammenfattende tilbyder generativ AI store muligheder for effektivitet og kvalitetsforbedring i indholdsproduktion, men dens effektive anvendelse kræver betydelig tidsinvestering, ressourcer, talent, juridisk beskyttelse og justeringer i de menneskelige arbejdsprocesser—hvert element med potentiale til at udgøre risici, som kreative teams skal håndtere omhyggeligt.