AI-ஆதாரமாகும் படைப்பாக்க குழுவின் எதிர்கொள்ளும் சவால்களுக்கு துல்லியமான டொலர் மதிப்பை நிச்சயிப்பது கடினம், ஆனால் ஒவ்வொன்றும் அவர்களின் வெற்றியைக் கொல்லும் சாத்தியமுள்ள தடைப்படும். அக்டோபர் மாத கண்காணிப்பு மூலம் Gartner இன்று மத்திய ဒொலர் மதிப்பீடு செய்த 400 உலகளாவிய மார்க்கெட்டர்களில் 58% தங்களின் உள்ளடக்கம் உருவாக்குவதற்கு ஜெனரேட்டிவ் AIஐ பயன்படுத்துகிறார்கள் என்று கண்டுபிடித்தது. பல விளம்பரதாரர்கள் Unilever போன்ற அரைதான கூற்றை வளர்க்க நினைக்கின்றனர், அதாவது அதுவும் ஒரு AI-ஆதாரமுள்ள உற்பத்தி பகுதி கட்டிடத்திற்கு ஒரு ஆண்டுக்கு மேலாக பொறுக்க வேண்டும். Code & Theory நிறுவனத்தின் முதன்மை படைப்பார்த்தியாளரும் Craig Elimeliah, AI உற்பத்தியை “உங்கள் சொந்த வீட்டை கட்டுகிறதுபோல், மற்றொருவரின் வீட்டை வாடகைக்கு எடுத்துக் கொண்டுவிடுவது அப்படிப்பட்டது” என்று ஒப்பிடுகிறார். இந்த “வீடு கட்டுதல்” உரிமை ஆலோசனை, ஒரு பிராண்ட் க்கு உகந்த பெரிய மொழி மாதிரிகள் (LLMs) தேர்வு மற்றும் பிராண்டின் வழிகாட்டுதல்கள் மற்றும் கடந்த கால உள்ளடக்கங்களைத் துல்லியமாக சேர்க்கும் பணிகளுடன் கூடி இயல வேண்டும். இதற்கு உறுதிப்படுத்தவும், பயணங்களிலும் தவறுகளிலும் நம்முடைய முறையை நம்பிக்கை அளிக்கவும், பிராண்ட்-அந்த மரியாதை உள்ளடக்கங்களை இவை பிழையாக கையாளும் வகையில் அதிகமான சோதனை மற்றும் திருத்தம் தேவை. இந்த அமைப்பு பெரும்பான்மையாக அதிகமான நேரம் முதலீடு செய்ய வேண்டும்; அதே சமயம் Gartner கணக்கின் படி, மார்க்கெட்டர்களில் 81% தங்கள் வெற்றியை AI மூலமான சமயம் சேமிப்போடு பெற்று கொண்டுள்ளனர். WPP இன் Hogarth இன் உலகளாவிய உற்பத்தி தலைமை அதிகாரி Dave Rolfe, இந்த புதிய செயல்முறைக்கு தலையீடு செய்வதுதான் மிகச் சந்தோசமற்ற மற்றும் செலவழித்தல் மிகுந்த பகுதி என்று குறிப்பிடுகிறார். மேலும், இந்த வகை AI அமைப்புகளை வடிவமைத்தல், அமல்படுத்தல் மற்றும் இயக்குவதற்கான திறமையான பணியாளர்களை பணியமர்த்துவதைப் பெறுவது தொழில்நுட்ப பெரிய நிறுவனங்களும் விளம்பரதாரர்களும் AI திறமையைப் பற்றிப் போட்டியிடும் சூழலில் சவாலானது. Dentsu Creative நிறுவனத்தின் உலக CTO James Thoams, “AI திறமை பெற இது கடினம்” என்று வலியுறுத்துகிறார். ஜெனரேட்டிவ் AI பெரும்பாலும் சந்தையார்ப்புகளில் பெறப்படுகிறது, ஆனால் சில நிறுவனங்கள், OpenAI உட்பட, பயன்பாட்டை வரம்பிடித்து, ஒரு பணம் செலுத்தும் அட்டவணையில் கிரெடிடுகளை விற்கும் modéல் கொண்டுள்ளன. இது அதிக பயன் மாதிரிகளுடன் பரிசோதனை செய்யக்கூடிய சிக்கலை உயர்த்துகிறது. Optise ஓர் B2B AI கருவி வழங்கும் நிறுவனர் Ómar Thor Ómarsson, அதிக உள்ளடக்கம் உருவாக்கும் நிறுவனங்கள் செலவுகள் அதிகரிப்பில் இருக்கின்றன என்று எச்சரிக்கை அளிக்கிறார். தனிப்பட்ட பதில்கள் சில ਸெന്റ് மட்டுமே செலவாகும் போதும், Coca Cola இன் கிறிஸ்துமஸ் விளம்பரம் போன்று பத்து ஆயிரத்துக்கும் மேலான பூட்டிகளால் குழப்பமடையக்கூடியதா என்பதில் செலவுகள் விரைவாக கூடியே செல்கின்றன. Ómarsson, “பெரிய பதில்கள் மற்றும் உயர் ரேடான்கள் பயன்படுத்தும் சீரற்ற சோதனைகள் மைதானங்களை ஒளிவிட முயற்சிக்கலாம்” என விமர்சிக்கிறார். சட்டத் தேவைகள் தொடரும், AI நிறுவனங்களுக்கும் எழுத்தாளர்களுக்கும் நடக்கும் பகுதிகளுக்கு நிதான இடைஞ்சல்கள் தொடர்கின்றன, இதனால் சில கிளையன்ட்கள் எந்த LLMஐப் பயன்படுத்துவது என்பது பற்றிய தயங்குதலை காட்டுகிறார்கள். பெரிய நிறுவனங்கள் இதற்குப் பதிலாக காப்பீடு வழங்கும் வழிமுறைகளை முன்னெடுத்து வருகின்றன. உதாரணமாக, WPP, கடந்த வருடம் முதல், அதன் WPP Open பிளாட்பாரத்தில் ஒழுங்குமுறை சரிபார்க்கும் முறையை இணைத்துள்ளது.

நகலை நகல் படுத்தும் பணியாளர்களுடன் செயல்வேகில்கள் குறைவாக இருப்பதால், அவற்றைச் சட்டப்படி பின்பற்றி கூற வேண்டும் என்பதை மையமாகக் கொண்டது. Rolfe, “ஒழுங்குமுறை மற்றும் ஒத்துழைப்பு தரக்கூடிய அமைப்புகளை அவசியமாக கருதுகிறார்” என்று வலியுறுத்துகிறார். தொழில்நுட்பத்திற்கு முந்திய வழமைபோன்ற மனித வேலைப்பளு தாமதங்களை மேற்கொள்ளும். நிறுவனங்களும் கிளையன்ட்களும் ஒப்புதல்கள் பெறுவது அடிக்கடி AI மூலம் உருவாக்கப்படும் உள்ளடக்கத்தை விட அதிக நேரம் செலவிடுகின்றன. Elimeliah, “உண்மையான செலவு உற்பத்தி செய்வது அல்ல, உங்களுக்கு உற்பத்தி செய்யும். ஒரே AI பதிலில் பல விருப்பங்களை மதிப்பீடு, தீர்மானம் செய்வதற்கும் மேம்படுத்தவும் ஒருவராக வேண்டும்” என்று விளக்குகிறார். இதனால், “அடையாள ஒப்புதல்கள்” சிக்கலாய் மாறுகின்றன, ஏனெனில் AI சில நிமிடங்களில் உள்ளடக்கங்களை வழங்கும் போதும், கிளையன்ட்கள் அதை ஏற்றுக்கொள்வது வாரங்கள் அல்லது மாதங்கள் ஆகும். Elimeliah, “இதுவே பல வாடிக்கையாளர் படியான நேரம் அதிகம் செலவிடும் பகுதியாகும்” என்று குறிப்பிடுகிறார். இதற்கு பதிலாக, சில நிறுவனங்கள் தங்களது விளக்க போக்குகளை புதுப்பித்து, சிறப்பு முறைகள் மூலம் அடிப்படையான படைப்புத் திட்டங்களை மேம்படுத்தும் AIஐ பயன்படுத்துகின்றன. Gartner பகுப்பாய்வாளர் Nicole Greene, “இப்போது பல கிளையன்ட்கள் தங்களது உயர்தரமான திட்டங்களை உருவாக்க முதலில் ஜெனரேட்டிவ் AIஐ பயன்படுத்துகிறார்கள்” என்று கூறுகிறார். Hogarth இன் Rolfe, உற்பத்தி உத்தரவுப்போக்கு மாற்றத்தை விவரிக்கிறார்: AI பயன்படுத்துவது நிறுவனத்திற்கு கம்பியூட்டர் ஊடுதல் விளம்பரத் திட்டங்களை ஏழாம் வாரங்களிலிருந்து இரண்டாம் வாரத்திற்கு தள்ளிச்செல்லும் அளவுக்கு உதவியது. ஆனால், இத்தகைய சீரியத்துக்கு “கூடுதலோடு சிந்தனை” அவசியம், இது பாரம்பரிய விரைவு புழுதிக் காட்சிக்கும் மேலாக, பின்னர் உற்பத்தி பணி முன்வைக்க வேண்டும். மேலும், பல நிறுவனங்கள் முன்-விழிப்பதற்கான சோதனைகளும் உள்ளன, அவை படமாதிரிகள், வெளிச்ச சமநிலை, லோகோ நேரம் மற்றும் செயல்திறன் தரக் குறியீடுகளை மதிப்பிடும் சுயவிவரச் சரிபார்ப்பு பட்டியலைப் பயன்படுத்துகின்றன. இத்துவங்களுக்கு உள்ளடக்க மரியாதை ஏற்பட்டாலும், விளம்பரஞ்கள் முழுமையாக AI-க்கு ஒப்படைக்க மிகுந்த கவனமாக உள்ளனர். Ómarsson, “AI உள்ளடக்கம் அற்புதமாக இருக்கலாம், மிக மோசமாக இருக்கலாம். நாம் அனைவரும் நம்ப நம்பிக்கைகளில் கற்று வருகிறோம். . . LLM-களின் வெளியீடுகள் அவற்றை நம்ப முடியும்” என்று தெரிவிக்கிறார். முடிவாக, ஜெனரேட்டிவ் AI உள்ளடக்கற்பத்திக்கான வேகப்படுத்தல் மற்றும் தரத்தை மேம்படுத்தும் மிகப்பெரிய வாய்ப்புகள் வழங்கினாலும், அதன் பயனுள்ள அமலாக்கம், அதிகமான நேரம், முதலீடு, திறமை, சட்ட பாதுகாப்பு மற்றும் மனித வேலைப்பளு மாற்றங்கள் ஆகியவை முக்கியமான அவசியங்கள், மேலும் ஒவ்வொன்றும் படைப்பாக்க குழுவினருக்கு கவனமாக வழிவகுக்கும் தனித்துவமான அபாயங்களைக் கொண்டுள்ளது.