Ang pagtatalaga ng eksaktong halagang dolyar sa mga hamong kinakaharap ng mga creative na team na gamit ang AI ay mahirap, ngunit bawat isa ay nagdadala ng posibleng balakid na nagsusubok sa kanilang tagumpay. Natuklasan sa isang surbey ng Gartner noong Oktubre na 58% ng 400 global na marketer ang gumagamit ng generative AI para sa produksyon ng nilalaman. Marami sa mga advertiser ang nagnanais na makabuo ng semi-awtomatikong mga sistema tulad ng kay Unilever, kahit na ang paggawa ng ganitong AI-driven production line ay maaaring umabot ng higit isang taon. Binanggit ni Craig Elimeliah, chief creative officer ng Code & Theory, na ang AI production ay parang “pagtatayo ng sarili mong bahay imbes na umarkila mula sa iba. ” Ang “pagbubuo ng bahay” na ito ay kinabibilangan ng legal na konsultasyon, pagpili ng angkop na large language models (LLMs) para sa isang brand, at masusing pag-aayos ng mga gabay sa brand at mga nakaraang nilalaman sa mga brief na mauunawaan ng generative AI. Kailangan din nito ng matinding pagsubok at pagkakamali upang masiguro na ang sistema ay maaasahang humahawak ng sensitibong materyal ng brand. Ang setup na ito ay nangangailangan ng malaking oras na puhunan, sa kabila ng panawagan na 81% ng mga marketer ay sinusukat ang tagumpay batay sa oras na nasasagap mula sa AI, ayon sa pag-aaral ng Gartner. Dagdag ni Dave Rolfe, global head ng production sa WPP’s Hogarth, ang pinaka-costly na bahagi ay ang pag-angkop sa bagong prosesong ito. Bukod dito, ang paghahanap ng may kasanayang tao na magdidisenyo, magpapatupad, at magpapatakbo ng ganitong mga sistema ng AI ay hamon sa gitna ng kompetisyon sa AI talent mula sa mga higanteng tech at mga advertiser. Binibigyang-diin ni James Thoams, global CTO ng Dentsu Creative, na “mahihirapan maghanap ng AI talent. ” Karaniwang naa-access ang generative AI sa pamamagitan ng mga subscription, ngunit may ilang kumpanya gaya ng OpenAI na naglilimita sa paggamit at nagbebenta ng credits sa pay-as-you-go na modelo, na maaaring magpataas ng gastos sa masinsinang pagsubok gamit ang mga premium na modelo. Nagbabala si Ómar Thor Ómarsson, CEO ng Optise—isang B2B AI tool provider na nagpapabuti sa organic search performance—na ang mga kumpanyang gumagawa ng malaking volume ng nilalaman on demand ay nakararanas ng patuloy na pagtaas ng gastos. Bagamat ang halaga ng bawat prompt ay maliit, ang mga kampanya na nangangailangan ng libu-libong prompts—tulad ng Christmas ad ng Coca Cola na gumamit ng 70, 000—ay mabilis na nagpapalaki ng gastos. Napuna ni Ómarsson na “ang hindi disiplina sa pagsubok gamit ang malalaking prompts at premium na modelo ay pwedeng pabulusok nang pabulusok ang gastos. ” May mga legal na alalahanin ring nananatili, dahil sa umiiral na mga dispute sa copyright sa pagitan ng mga AI firms at mga may-akda, kaya nagdudulot ito ng pag-aatubili sa pagpili kung anong LLM ang gagamitin. Maiiwasan ito ng mas malalaking ahensya sa pamamagitan ng pagbibigay ng indemnification. Halimbawa, sinama na ng WPP ang mga compliance check sa kanilang WPP Open platform noong nakaraang taon. Kadalasan, ang mga kumpanyang gumagawa ng sariling brand ay walang ganitong proteksyon, kaya't mahalaga ang pagsunod sa mga regulasyon.

Binibigyang-diin ni Rolfe ang pangangailangan ng mga nakokontrol na sistema na naka-ugnay sa mga pamantayan ng pagsunod. Higit pa sa teknolohiya, nagdudulot din ng pagkaantala ang tradisyong mga human workflows. Madalas na mas matagal ang proseso ng pag-apruba sa loob ng mga ahensya at organisasyon ng kliyente kaysa sa mismong AI-driven na paggawa ng nilalaman. Ipinaliwanag ni Elimeliah na ang “totoong gastos ay hindi yung paggawa ng assets, kundi yung paggawa ng iyong assets, ” dahil kailangang suriin, timbangin, at pagandahin ng isang tao ang maraming opsyon na nilikha ng isang AI prompt, na nagiging halatang gawain na dati ay di nakikita. Nagreresulta ito sa “client approvals” na nagiging bottleneck, dahil kahit na sa ilang minuto lang ginagawa ng AI ang nilalaman, ang pag-apruba nito ng mga kliyente ay maaaring tumagal ng linggo o buwan. Binanggit ni Elimeliah na ang agwat sa oras na ito ay “pinakamahal na bahagi ng pipeline. ” Bilang tugon, ang ilang organisasyon ay nagbago na ng kanilang proseso ng briefing at gumagamit ng generative AI kasama ang mga espesyal na template upang mapataas ang kalidad ng pangunahing creative briefs. Napapansin ni Nicole Greene, isang analyst ng Gartner, na marami nang kliyente ang nagsisimula nang gumamit ng generative AI sa simula pa lang upang makabuo ng mas mataas na kalidad na mga pangstrategiyang creative inputs para sa kanilang mga ahensya. Inilarawan ni Rolfe sa Hogarth ang pagbabago sa pananaw sa produksyon: ang paggamit ng AI ay nagbigay-daan sa kanilang mabawasan ang oras ng produksyon para sa isang telco client’s promotional campaign mula pitong linggo tungo sa dalawa. Ngunit, ang pagkamit ng ganitong kahusayan ay nangangailangan ng pagtanggap sa “component mindset, ” na nagbibigay-diin sa mga post-production workflows kaysa sa tradisyunal na mabilis na pangkalahatang pagkuha ng nilalaman. May ilang kumpanya rin na nag-eempleyo ng awtomatikong sistema ng quality control na nagsusuri sa mga bagay tulad ng aspect ratio, consistency sa ilaw, timing ng logo, at mga benchmark sa pagganap. Sa kabila nito, nananatiling maingat ang mga marketer sa ganap na pag-asa sa AI na proseso. Paliwanag ni Ómarsson, na “maaring kahanga-hanga o nakakasira ang AI content. Lahat tayo ay nagsusubok na magtiwala…sa lalabas mula sa mga LLMs. ” Sa kabuuan, bagamat nagbibigay ang generative AI ng malaking oportunidad para sa mas episyenteng paggawa at pagpapabuti ng kalidad ng nilalaman, ang epektibong pagpapatupad nito ay nangangailangan ng malaking oras, puhunan, talento, legal na proteksyon, at pagbabago sa mga human workflows—bawat isa ay nagdadala ng posibleng panganib na kailangang maingat na harapin ng mga creative team.