Het toekennen van een precieze dollarkoers aan de uitdagingen waarmee creativiteitsteams die AI-assistentie gebruiken geconfronteerd worden, is moeilijk, maar elk vormt een potentieel obstakel dat hun succes bedreigt. Uit een Gartner-enquête uit oktober onder 400 wereldwijde marketeers bleek dat 58% generatieve AI gebruikt voor contentproductie. Veel adverteerders streven ernaar semi-geautomatiseerde systemen te ontwikkelen zoals die van Unilever, hoewel het opbouwen van zo'n AI-gestuurde productielijn meer dan een jaar kan duren. Craig Elimeliah, chief creative officer bij Code & Theory, vergelijkt AI-productie met “je eigen huis bouwen in plaats van het huren van iemands anders huis. ” Dit “huis bouwen” omvat juridisch advies inwinnen, passende grote taalmodellen (LLM's) kiezen voor een merk, en zorgvuldig merkrichtlijnen en eerdere content samenstellen tot briefingdocumenten die generatieve AI kan begrijpen. Daarnaast is uitgebreide trial-and-error nodig om te zorgen dat het systeem betrouwbaar omgaat met merkgevoelig materiaal. Deze opzet vereist aanzienlijke tijdsinvestering, juist op een moment waarop 81% van de marketeers succes meet aan de hand van de tijdswinst door AI, volgens de Gartner-studie. Dave Rolfe, wereldwijd hoofd productie bij WPP’s Hogarth, voegt toe dat het duurste element de aanpassing aan dit nieuwe proces is. Bovendien is het moeilijk om gekwalificeerd personeel te vinden dat dergelijke AI-systemen kan ontwerpen, implementeren en bedienen, vooral nu er concurrentie is van techgiganten en adverteerders om AI-talent. James Thoams, global CTO bij Dentsu Creative, benadrukt dat “AI-talent moeilijk te vinden is. ” Generatieve AI wordt vaak via abonnementen benaderd, maar sommige bedrijven, waaronder OpenAI, beperken het gebruik en verkopen credits op basis van pay-as-you-go, waardoor intensieve testen met premium modellen duur kunnen worden. Ómar Thor Ómarsson, CEO van Optise—een B2B AI-toolprovider die organische zoekprestaties verbetert—waarschuwt dat bedrijven die grote hoeveelheden content op aanvraag genereren, stijgende kosten kunnen verwachten. Hoewel individuele prompts slechts een fractie van een cent kosten, kunnen campagnes met tienduizenden prompts—zoals Coca Cola’s kerstreclame die 70. 000 prompts gebruikte—de kosten snel laten oplopen. Ómarsson merkt op dat “ongecontroleerd testen met grote prompts en premium modellen stilletjes kan oplopen. ” Juridische kwesties blijven bestaan, vooral door voortdurende copyrightgeschillen tussen AI-bedrijven en auteurs, waardoor sommige klanten terughoudend zijn over welke LLM ze moeten inzetten. Grotere bureaus bieden meestal schadeloosstellingen aan om dit te verlichten. Zo integreerde WPP begin vorig jaar compliancecontroles in haar WPP Open-platform.

Merken die intern werken, hebben doorgaans geen dergelijke bescherming, waardoor naleving een belangrijke overweging wordt. Rolfe benadrukt de noodzaak van gesloten systemen gekoppeld aan compliance-standaarden. Naast technologie brengen traditionele menselijke workflows vertragingen met zich mee. Goedkeuringsprocedures binnen bureaus en bij klanten duren vaak langer dan de AI-gestuurde contentcreatie zelf. Elimeliah legt uit dat “de echte kost niet het genereren van assets is, maar het genereren van je assets, ” omdat iemand de meerdere opties die door één AI-prompt worden geproduceerd, moet beoordelen, beoordelen en verfijnen. Hierdoor wordt “klantgoedkeuring” een knelpunt: AI produceert content in minuten, maar klanten doen er weken of maanden over om het goed te keuren. Elimeliah wijst op deze tijdsverschil als “het duurste onderdeel van de keten. ” Om die reden herzien sommige organisaties hun briefingprocessen en gebruiken ze generatieve AI met gespecialiseerde sjablonen om de eerste creatieve briefing te verbeteren. Gartner-analist Nicole Greene merkt op dat veel klanten nu al in een vroeg stadium generatieve AI inzetten om strategische creatieve input van hogere kwaliteit voor hun bureaus te ontwikkelen. Rolfe bij Hogarth beschrijft een verandering in productiefilosofie: door AI te gebruiken, kon het bedrijf de productietijd voor een promotionele campagne van een telecomklant terugbrengen van zeven weken naar twee. Maar het verkrijgen van zulke efficiënties vereist een “onderdelenmentaliteit, ” waarbij postproductieworkflows prioriteit krijgen boven traditionele snelle massale contentproductie. Andere bedrijven maken gebruik van geautomatiseerde kwaliteitscontrolesystemen die pre-flight checklists toepassen voor factoren zoals beeldverhouding, lichtconsistentie, logo-timing en prestatiebenchmarks. Ondanks dergelijke automatisering blijven marketeers voorzichtig met volledig hands-off AI-processen. Ómarsson merkt op dat “AI-content geweldig kan zijn, maar ook verschrikkelijk. We leren allemaal vertrouwen te krijgen in wat er uit de LLMs komt. ” Kortom, terwijl generatieve AI grote kansen biedt voor efficiëntie en kwaliteitsverbetering van contentcreatie, vereist een effectieve implementatie aanzienlijke tijd, investeringen, talent, juridische waarborgen en aanpassingen in menselijke workflows—elk met potentiële risico’s die creatieve teams zorgvuldig moeten navigeren.