Tarkan arvoa arvioiminen tekoälyn avustamien luovien tiimien kohtaamille haasteille on vaikeaa, mutta jokainen niistä edustaa mahdollisena esteenä heidän menestykselleen. Gartnerin lokakuussa tekemän tutkimuksen mukaan 400 maailmanlaajuista markkinoijaa 58 % käyttää generatiivista tekoälyä sisällöntuotannossa. Monet mainostajat pyrkivät kehittämään puolautomatisoituja järjestelmiä, kuten Unileverin, vaikka tällaisen tekoälyohjatun tuotantolinjan rakentaminen voi kestää yli vuoden. Craig Elimeliah, Code & Theoryn luova johtaja, vertaa tekoälytuotantoa “oman talon rakentamiseen sen sijaan, että vuokraisi jonkun toisen”. Tämä “talonrakennus” sisältää oikeudellista neuvontaa, sopivien suurten kielimallien (LLM) valitsemista brändille sekä huolellista brändiohjeistusten ja aiemman sisällön kokoamista briefiksi, jonka generatiivinen tekoäly voi ymmärtää. Se edellyttää myös laajaa kokeilua ja virheitä, jotta järjestelmä käsittelee luotettavasti brändiherkkää materiaalia. Tämä järjestely vaatii merkittävää aikapanosta, mikä on ironista ottaen huomioon, että Gartnerin tutkimuksen mukaan 81 % markkinoijista mittaa menestystä ajansäästöllä, jonka tekoäly mahdollistaa. Dave Rolfe, WPP:n Hogarthin maailmanlaajuinen tuotantojohtaja, lisää, että kalleinta on sopeutua tähän uuteen prosessiin. Lisäksi pätevien henkilöiden rekrytointi tällaisen AI-järjestelmän suunnitteluun, toteutukseen ja ylläpitoon on haastavaa, sillä kilpailu tekoälyosaajista on kovaa suurten teknologiayritysten ja mainostajien keskuudessa. James Thoams, Dentsu Creativen CTO, korostaa, että “tekoälyosaajia on vaikea löytää. ” Generatiivista tekoälyä käytetään usein tilausperusteisesti, mutta osassa yrityksiä, kuten OpenAI:ssa, käyttörajat asetetaan ja luottokrediittejä myydään maksutta käytön mukaan, mikä voi tehdä kalliiksi intensiivisen testauksen premium-mallien kanssa. Ómar Thor Ómarsson, Optise-nimisen B2B-työkalujen tarjoajan, joka parantaa orgaanisen haun suorituskykyä, toimitusjohtaja, varoittaa, että suurten sisältömäärien tuottaminen tilauksesta aiheuttaa kasvavia kustannuksia. Vaikka yksittäiset komennot maksavat vain murto-osan sentistä, kymmenientuhansien, kuten Coca-Colan joulutrilogian, joka käytti 70 000:ta, kustannukset voivat nopeasti kasvaa. Ómarsson huomauttaa, että “epäkurinalainen testaaminen suurilla komentoilla ja premium-malleilla voi hiljalleen kumuloitua maltillisesti. ” Oikeudelliset huolet jatkuvat edelleen, sillä tekoälyyritysten ja kirjailijoiden väliset tekijänoikeuskiistat aiheuttavat joidenkin asiakkaiden epäröintiä siitä, minkä LLM:n he ottaisivat käyttöön. Suuremmat toimijat ratkaisevat tätä tarjoamalla vakuutuksia. Esimerkiksi WPP on integroitannut vaatimustenmukaisuustarkastukset WPP Open -alustalle jo alkuvuodesta.

Sisäisesti työskentelevillä brändeillä tällainen suoja puuttuu tyypillisesti, mikä tekee vaatimustenmukaisuudesta merkittävän huomioon otettavan seikan. Rolfe korostaa, että tarvitaan rajoitettuja järjestelmiä, jotka on sidottu vaatimustenmukaisuustestauksiin. Teknologian lisäksi perinteiset ihmisten työnkulut aiheuttavat viivästyksiä. Hyväksymismenettelyt toimistoissa ja asiakkaiden organisaatioissa vievät usein enemmän aikaa kuin itse tekoälyn avustama sisällöntuotanto. Elimeliah selittää, että “oikea kustannus ei ole sisällön generoiminen, vaan sisältöjen generointi”, sillä jonkun on tarkistettava, arvioitava ja hiottava yhden AI-komennon tuottamat useat vaihtoehdot, mikä muuttaa aiemmin näkymättömän päätöksentekotyön näkyväksi tehtäväksi. Tämä tekee “asiakaslupauksista” pullonkauloja, sillä AI tuottaa sisällöt minuuteissa, mutta asiakkaiden hyväksyntä voi kestää viikkoja tai kuukausia. Elimeliah korostaa tätä aikaeroa “piilokalliimmaksi osaksi putkea”. Jotkut organisaatiot ovatkin uudistaneet briefausprosessejaan ja käyttävät generatiivista tekoälyä erikoistuneiden mallipohjien avulla parantaakseen alkuperäistä luovaa beetoria. Gartnerin analyytikko Nicole Greene huomauttaa, että monet asiakkaat käyttävät nyt generatiivista tekoälyä varhaisessa vaiheessa luodakseen korkealaatuisempia strategisia luovia sisäänottoja toimistolleen. Rolfe Hogarthista kuvaa tuotantofilosofian muutosta: tekoälyn käyttö mahdollisti yrityksen lyhentää telekommunikaatioyrityksen promo- ja kampanjemateriaalien tuotantoaikaa seitsemästä viikosta kahteen. Tämänkaltaisten tehokkuuksien saavuttaminen vaatii kuitenkin “ komponenttimielikuvan” omaksumista, jolloin painopiste on jälkituotantoprosesseissa eikä perinteisessä nopeassa massasisällönkeruussa. Muualla yritykset käyttävät automatisoituja laadunvarmistusjärjestelmiä, jotka soveltavat ennakkotarkistuslistoja, arvioiden esimerkiksi kuvasuhdetta, valaistuksen tasaisuutta, logon ajoitusta ja suorituskykymittareita. Vaikka tällainen automaatio lisää tehokkuutta, markkinoijat pysyttelevät varovaisina täysin käsivetoisten tekoälyprosessien suhteen. Ómarsson muistuttaa, että “tekoälyn sisällöt voivat olla mahtavia tai kauheita. Me kaikki opimme luottamaan…siihen, mitä LLM:istä tulee ulos. ” Yhteenvetona, vaikka generatiivisella tekoälyllä on suuret mahdollisuudet sisällön tuotannon tehokkuuden ja laadun parantamiseen, sen tehokas toteutus vaatii merkittäviä aika-, investointi-, osaamis- ja oikeudellisia turvatoimia sekä sopeutuksia ihmisten työnkulkuun – jokainen näistä sisältää potentiaalisia riskejä, joita luovien tiimien on seurattava tarkasti.