Assegnare un valore preciso in dollari alle sfide affrontate dai team creativi assistiti dall’IA è difficile, ma ognuna rappresenta un potenziale ostacolo che minaccia il loro successo. Un sondaggio di Gartner risalente a ottobre su 400 marketer globali ha rilevato che il 58% utilizza l’IA generativa per la produzione di contenuti. Molti inserzionisti mirano a sviluppare sistemi semi-automatici come quelli di Unilever, anche se la costruzione di una tale linea di produzione guidata dall’IA può richiedere oltre un anno. Craig Elimeliah, direttore creativo di Code & Theory, paragona la produzione con l’IA a “costruire la propria casa invece di affittarne una altrui. ” Questo “costruire casa” coinvolge consulenze legali, la selezione di modelli di linguaggio di grandi dimensioni (LLM) appropriati per un brand e la compilazione meticolosa di linee guida e contenuti passati in brief comprensibili all’IA generativa. Richiede anche un’ampia fase di sperimentazione e correzione per garantire che il sistema gestisca con affidabilità materiali sensibili al brand. Questa configurazione richiede un investimento di tempo significativo, ironicamente in un momento in cui l’81% dei marketer misura il successo in base al tempo risparmiato grazie all’IA, secondo lo studio di Gartner. Dave Rolfe, responsabile globale della produzione di Hogarth di WPP, aggiunge che l’elemento più costoso è l’adattamento a questo nuovo processo. Inoltre, reclutare personale qualificato per progettare, implementare e gestire tali sistemi di IA è una sfida, dato il forte interesse delle aziende tecnologiche e degli inserzionisti per il talento AI. James Thoams, CTO globale di Dentsu Creative, sottolinea che “il talento per l’IA è difficile da trovare. ” L’IA generativa si può spesso accedere tramite abbonamenti, ma alcune aziende, tra cui OpenAI, limitano l’uso e vendono crediti in un modello pay-as-you-go, il che può rendere costoso testare intensamente modelli premium. Ómar Thor Ómarsson, CEO di Optise — fornitore di strumenti AI B2B che migliora le performance nelle ricerche organiche — avverte che le aziende che generano grandi volumi di contenuti su richiesta affrontano costi crescenti. Sebbene i prompt singoli costino solo frazioni di centesimo, campagne con decine di migliaia di prompt — come l’annuncio natalizio di Coca Cola che ne ha usati 70. 000 — fanno lievitare le spese rapidamente. Ómarsson osserva che “testare senza disciplina con grandi prompt e modelli premium può accumulare silenziosamente costi. ” Le preoccupazioni legali persistono anche a causa di contenziosi in corso tra aziende di IA e autori, che fanno sì che alcuni clienti esitino su quale LLM scegliere di usare. Le grandi agenzie affrontano questa questione offrendo indennizzi. Ad esempio, WPP ha integrato controlli di conformità nella sua piattaforma WPP Open già dall’inizio dello scorso anno. Le aziende di marca che lavorano internamente generalmente non dispongono di tale protezione, facendo della conformità un elemento cruciale.

Rolfe sottolinea la necessità di sistemi contenuti, collegati a standard di conformità. Oltre alla tecnologia, i flussi di lavoro umani tradizionali causano ritardi. Le procedure di approvazione dentro agenzie e organizzazioni clienti spesso richiedono più tempo della creazione di contenuti guidata dall’IA stessa. Elimeliah spiega che “il vero costo non è generare asset, ma generare i tuoi asset, ” in quanto qualcuno deve revisionare, giudicare e perfezionare le molteplici opzioni che un singolo prompt AI produce, trasformando un lavoro decisionale precedentemente invisibile in compiti espliciti. Ciò rende le “approvazioni del cliente” un collo di bottiglia, poiché l’IA può produrre contenuti in pochi minuti, ma i clienti impiegano settimane o mesi per approvarli. Elimeliah evidenzia che questa differenza di tempo è “la parte più costosa della pipeline. ” Per rispondere a ciò, alcune organizzazioni hanno rivisto i loro processi di briefing e utilizzano l’IA generativa con modelli di template specializzati per elevare le briefing creativi iniziali. Nicole Greene, analista di Gartner, osserva che molti clienti ora usano l’IA generativa all’inizio per sviluppare input creativi strategici di qualità superiore per le loro agenzie. Rolfe a Hogarth descrive un cambio di filosofia nella produzione: l’uso dell’IA ha permesso all’azienda di ridurre da sette a due settimane i tempi di produzione per i materiali di una campagna promozionale di un cliente del settore telco. Tuttavia, ottenere tali efficienze richiede l’adozione di una “mentalità a componenti, ” dando priorità ai flussi di lavoro post-produzione rispetto alla semplice cattura rapida di contenuti di massa. Altre aziende stanno utilizzando sistemi automatizzati di controllo qualità che applicano checklist di pre-flight per valutare aspetti come rapporto d’aspetto, coerenza dell’illuminazione, tempistiche del logo e benchmark di performance. Nonostante tali automazioni, i marketer restano cauti riguardo a processi IA completamente autonomi. Ómarsson osserva: “Il contenuto generato dall’IA può essere fantastico o terribile. Stiamo tutti imparando a fidarci…di ciò che proviene dai LLM. ” In sintesi, mentre l’IA generativa offre grandi opportunità per l’efficienza e il miglioramento della qualità dei contenuti, la sua implementazione efficace richiede tempo, investimenti, talenti, salvaguardie legali e adattamenti ai flussi di lavoro umani — ciascuno dei quali rappresenta un potenziale rischio che i team creativi devono affrontare con attenzione.