ساخت یا خرید ابزارهای هوش مصنوعی در بازاریابی: راهنمای تصمیم‌گیری استراتژیک

مهم‌ترین کاری که امروز در بازاریابی می‌توانید انجام دهید، صرف زمان برای فکر کردن پیش از شروع ساخت هرگونه اتوماسیون با هوش مصنوعی است. هوش مصنوعی کار بازاریابی را حذف نمی‌کند، بلکه آن را جابجا می‌کند و هزینه‌های پنهان آن اغلب از بخش‌هایی تأمین می‌شود که کمتر قابل ردیابی هستند. کارهایی مانند نوشتن پرامپت، بررسی، ویرایش، اصلاح و نگهداری، همگی ساعات کاری واقعی هستند که باید از جایی تأمین شوند.

پرسش اصلی این است که چه باید کرد؟ تمام کارهایی که تیم بازاریابی شما با هوش مصنوعی انجام می‌دهد از سه منبع سرچشمه می‌گیرد: نرم‌افزارها و ابزارهای مبتنی بر هوش مصنوعی از یک شرکت فروشنده، سفارشی‌سازی و پیاده‌سازی تخصصی توسط یک مشاور، یا صرف زمان تیم شما برای ساخت آن در داخل سازمان.

یک الگوی رایج و اشتباه در تیم‌ها این است که بدون دسته‌بندی و تحلیل نیازهای خود، مستقیماً به سراغ ساخت ابزارهای داخلی می‌روند. ساخت ابزار داخلی می‌تواند هوشمندانه باشد، اما نادیده گرفتن مرحله تحلیل اولیه، یک اشتباه گران‌قیمت است.

بسیاری از وظایف بازاریابی مانند ردیابی رتبه، نظارت بر منشن‌های برند، تشخیص مشکلات خزش (Crawl) و امتیازدهی به محتوا، مشکلات منحصر به فرد کسب‌وکار شما نیستند. با وجود سرمایه‌گذاری ۳۰ تا ۴۰ میلیارد دلاری شرکت‌ها در هوش مصنوعی مولد، بررسی پروژه‌های هوش مصنوعی سازمانی توسط دانشگاه ام‌آی‌تی (MIT) نشان می‌دهد که ۹۵ درصد سازمان‌ها هیچ بازگشتی از این سرمایه‌گذاری‌ها دریافت نمی‌کنند.

در این گزارش آمده است:

مشارکت‌های استراتژیک به نسبت بسیار بالاتری از تلاش‌های توسعه داخلی به استقرار موفقیت‌آمیز دست یافتند... با وجود اینکه سازمان‌های بیشتری توسعه داخلی را امتحان می‌کردند، نرخ موفقیت در مشارکت‌های خارجی بالاتر بود.

— گزارش MIT

دلیل اصلی شکست پروژه‌ها این است که ابزارها با نحوه کار واقعی افراد سازگار نیستند. تطبیق یک ابزار با فرآیندهای کاری یکی از پرهزینه‌ترین بخش‌های کار است و یک فروشنده نرم‌افزار که این کار را قبلاً برای هزاران مشتری انجام داده، کاری را به سرانجام رسانده که شما واقعاً نیازی به تکرار آن ندارید.

وقتی بین ساخت یا خرید تصمیم‌گیری می‌کنید، در واقع هزینه لایسنس نرم‌افزار را با هزینه واقعی هر ساعت از زمان تیم خود (ضرب در ساعات ساخت و نگهداری) مقایسه می‌کنید. برای مشکلات رایج، خرید ابزار آماده منطقی‌تر است، زیرا فروشنده مسئولیت نگهداری و رفع اشکالات نرم‌افزار را بر عهده می‌گیرد.

برخی گردش‌های کاری واقعاً منحصر به شما هستند، مانند ساختار داده‌ها، زمان‌بندی گزارش‌دهی یا نحوه دریافت ورودی از متخصصان موضوعی (SME). در این موارد، تیم‌ها ممکن است ساعات زیادی را تلف کنند، زیرا تصور می‌کنند «هیچ‌کس دیگری نمی‌تواند این را بسازد». اما حتی در این شرایط نیز، استخدام یک متخصص یا مشاور که ده‌ها پروژه مشابه را اجرا کرده، بسیار کارآمدتر است. چنین فردی نقاط شکست احتمالی را می‌شناسد و می‌داند کدام مراحل ارزش اتوماسیون دارند.

یک آزمون ساده وجود دارد: اگر ساعاتی که قرار است صرف کنید، دانشی را تولید می‌کند که به صورت هفتگی به آن نیاز نخواهید داشت، به جای تولید آن دانش، آن را از بیرون تأمین کنید. این کار می‌تواند به شکل استفاده از یک الگوی آماده، استخدام یک پیمانکار برای چند هفته یا یک ساعت مشاوره باشد.

تنها ۱۳ درصد از بازاریابان به طور کامل به خروجی هوش مصنوعی بدون بررسی انسانی اعتماد دارند. این یک نیاز اساسی در زمینه نیروی انسانی است، نه یک مشکل در بلوغ مدل‌های هوش مصنوعی. گزارش «وضعیت داده‌های CRM در سال ۲۰۲۶» این موضوع را تأیید می‌کند:

نزدیک به ۷۸٪ از مدیران ارشد و ۹۲٪ از معاونان ارشد می‌گویند بر اساس توصیه‌ای از هوش مصنوعی عمل کرده‌اند که بعداً به دلیل داده‌های زیربنایی ضعیف، به نادرست بودن آن شک کرده‌اند، در حالی که این رقم برای کارمندان عادی ۴۱٪ است.

— گزارش وضعیت داده‌های CRM

بنابراین، اگر اکثر ورودی‌ها و خروجی‌ها نیاز به بازبینی دارند، ابزار هوش مصنوعی مهارت لازم برای انجام کار را حذف نکرده است. قضاوت در مورد کیفیت کار، بخش دشوارتر و غیرقابل تکرار وظایف است. از این تجربیات یک قانون استخراج می‌شود: هرگز برای کاری که هیچ‌کس در تیم شما نمی‌تواند صحت آن را به صورت دستی بررسی کند، ابزاری نخرید یا نسازید. شما نمی‌توانید زمان شکست آن را تشخیص دهید (و قطعاً با اطمینان کامل شکست خواهد خورد).

وقتی تصمیم به ساخت می‌گیرید، از کارهای کوچک شروع کنید. یک اشتباه رایج این است که تیمی یک فرآیند کند ۱۵ مرحله‌ای را انتخاب کرده و سعی می‌کند کل آن را اتوماتیک کند. نتیجه، یک نرم‌افزار داخلی بدون مستندات و با وابستگی به یک نفر برای نگهداری است. به جای آن، فرآیند را به مراحل کوچک تقسیم کنید. مرحله‌ای که می‌خواهید اتوماتیک کنید باید کند، تکراری، با ورودی و خروجی مشخص و قابل بررسی در چند ثانیه باشد.

معمولاً یک مرحله قابل اتوماسیون شبیه یک «تبدیل کوچک» است: تبدیل داده خام به یک جدول فرمت‌بندی شده، تبدیل یک فایل صوتی به نقل‌قول‌های برچسب‌گذاری شده، یا ایجاد لینک‌های داخلی بین محتواهای مرتبط.

برای رد صلاحیت یک پروژه ساخت داخلی، از این دستورالعمل‌ها استفاده کنید:

هیچ‌کس در تیم نمی‌تواند کار را «به صورت دستی» انجام دهد، بنابراین کسی نمی‌تواند خروجی را ارزیابی کند.

بررسی خروجی بیشتر از انجام خود کار زمان می‌برد.

ورودی اغلب تغییر می‌کند و نگهداری گردش کار را دشوار می‌سازد.

این فرآیند به سیستمی که کنترل آن را ندارید، وابسته است.

مشکلات رایج خود را به یک فروشنده بسپارید. مشکلات منحصر به فردتان را به کسی که قبلاً مشابه آن را ساخته است. آنچه باقی می‌ماند، همان جایی است که تیم شما باید برای آزمایش و نوآوری در گردش‌های کاری هوش مصنوعی تمرکز کند. در غیر این صورت، شما تیم بازاریابی خود را به یک تیم توسعه نرم‌افزار تبدیل کرده‌اید.