Yapay Zeka destekli yaratıcı ekiplerin karşılaştığı zorluklara kesin bir dolar değeri atamak zor olsa da, her biri başarılarını tehdit eden olası bir engeli temsil ediyor. Ekim ayında yapılan Gartner anketi, dünya genelinde 400 pazarlamacının %58’inin içerik üretimi için üretici yapay zekayı kullandığını ortaya koydu. Birçok reklamveren, Unilever gibi yarı otomatik sistemler geliştirmeyi hedefliyor, ancak böyle bir AI sürücülü üretim hattı inşa etmek bir yıldan fazla sürebilir. Code & Theory’nin baş yaratıcı sorumlusu Craig Elimeliah, yapay zeka üretimini “başkasının evini kiralamak yerine kendi evinizi inşa etmek” olarak benzetiyor. Bu “ev inşası”, yasal danışmanlık almayı, bir marka için uygun büyük dil modelleri (LLM’ler) seçmeyi ve dikkatlice marka yönergeleri ile geçmiş içerikleri, üretici yapay zekanın anlayabileceği özetlere dönüştürmeyi içeriyor. Ayrıca, sistemin marka ile ilgili hassas materyalleri güvenilir şekilde işlemesini sağlamak için yoğun deneme-yanılma gerektiriyor. Bu kurulum, ironiyle zaman açısından büyük bir yatırım gerektiriyor, Gartner çalışmasına göre, pazarlamacıların %81’i başarıyı AI sayesinde tasarruf edilen zamana göre ölçüyor. WPP’nin Hogarth global üretim yöneticisi Dave Rolfe, en maliyetli unsurun bu yeni sürece uyum sağlamak olduğunu ekliyor. Ayrıca, bu tür AI sistemlerini tasarlamak, uygulamak ve işletmek için yetenekli personel işe almak, teknoloji devleri ve reklamverenler arasındaki rekabet nedeniyle zor oluyor. Dentsu Creative’ın küresel CTO’su James Thoams, “AI yeteneği bulmak zor” diyor. Üretici yapay zekaya genellikle abonelikler üzerinden erişiliyor, ancak bazı şirketler, OpenAI dahil, kullanımı sınırlandırıp kredi satıyor ve kullanım başına ödeme modeliyle, premium modellerle yoğun testleri pahalı hale getiriyor. Optise CEO’su Ómar Thor Ómarsson, organik arama performansını geliştiren B2B AI araç sağlayıcısı olarak, talep üzerine büyük hacimli içerik üreten şirketlerin maliyetlerinin yükseldiğine dikkat çekiyor. Bireysel promptlar sadece birkaç kuruş iken, Coca Cola’nın 70. 000 kullanmış olduğu Noel reklamı gibi çok sayıda içeriğin söz konusu olduğu kampanyalar, maliyetlerin hızla artmasına neden oluyor. Ómarsson, “disiplinli olmayan büyük prompts ve premium modellerle testler sessizce maliyetleri artırabilir” uyarısında bulunuyor. Yasal endişeler de devam ediyor; AI firmaları ile yazarlar arasındaki telif hakkı anlaşmazlıkları nedeniyle bazı müşteriler, hangi LLM’yi kullanacaklarına karar vermekte tereddüt ediyor. Büyük ajanslar bunu tazminat sağlayarak aşmaya çalışıyor. Örneğin, WPP, geçen yılın başından itibaren uyum kontrollerini WPP Open platformuna entegre etti.

Kurum içi çalışan markalar genellikle böyle bir korumadan yoksun olduğu için uyum önemli bir mesele hale geliyor. Rolfe, uyum standartlarına bağlı, sınırlı sistemlere ihtiyaç olduğunu vurguluyor. Teknolojinin ötesinde, geleneksel insan iş akışları da gecikmelere yol açıyor. Ajanslar ve müşteri organizasyonları içindeki onay prosedürleri, genellikle yapay zekayla içerik üretiminden daha fazla zaman alıyor. Elimeliah, “asıl maliyet içerik üretmek değil, içerik üretmek, ” diyerek, bir yapay zeka promptunun ürettiği çok sayıda seçeneğin gözden geçirilip değerlendirilmesi ve iyileştirilmesi gerektiğini belirtiyor. Bu durum, “müşteri onayları”nı tıkanıklara dönüştürüyor; AI dakikalar içinde içerik üretirken, müşterilerin onay vermesi haftalar veya aylar alabiliyor. Elimeliah, bu zaman farkını “en pahalı bölüm” olarak tanımlıyor. Bunun karşısında, bazı kuruluşlar, başlangıçta yaratıcı ögeleri yükseltmek için özel şablonlarla yapay zeka kullanan brifing süreçlerini yeniledi. Gartner analisti Nicole Greene, birçok müşterinin artık yapay zekayı erken aşamada yüksek kaliteli stratejik yaratıcı girdiler geliştirmek için kullandığını söylüyor. Hogarth’taki Rolfe, üretim felsefesinde bir dönüşüm olduğunu anlatıyor: Yapay zeka kullanımı, bir telekomünikasyon müşterisinin promosyon kampanyası malzemelerinin üretim süresini yedi haftadan ikiye indirmeye olanak sağladı. Ancak böyle verimlilik sağlamak, geleneksel hızlı toplu içerik çekimi yerine, “bileşen odaklı düşünce”yi benimsemeyi gerektiriyor; bu da post-prodüksiyon iş akışlarını önceliklendirmeyi içeriyor. Diğer firmalar, aspect oranı, aydınlatma tutarlılığı, logo zamanlaması ve performans kıstasları gibi faktörleri değerlendiren ön uç kontrol listeleri uygulayan otomatik kalite kontrol sistemleri kullanıyor. Bu otomasyona rağmen, pazarlamacılar tamamen otomatik AI süreçlerine temkinli yaklaşıyorlar. Ómarsson, “AI içeriği harika olabileceği gibi korkutucu da olabilir. Hepimiz, LLM’lerden çıkanlara güvenmeyi öğreniyoruz. . . ” diyor. Özetle, üretici yapay zeka içerik üretiminde büyük fırsatlar sunarken, etkin bir şekilde uygulanması önemli zaman, yatırım, yetenek, yasal güvenlikler ve insan iş akışlarına uyum gerektiriyor; her biri, yaratıcı ekiplerin dikkatle aşması gereken potansiyel riskler barındırıyor.