El 63% de los líderes de marketing tienen la intención de invertir en IA generativa (Gen AI) en los próximos dos años. Pero, si bien la tecnología promete ser transformadora, incorporarla presenta desafíos. Aquí hay cinco preguntas que todo líder de marketing debe hacerse antes de implementar Gen AI para que la tecnología sea efectiva.
¿Qué tan buenos son los datos actuales de su organización?
Las herramientas de IA de generación que se basan en sus datos solo serán tan buenas como sus datos. Por ejemplo, si planea entregar contenido personalizado, entonces la herramienta Gen AI debe basarse en la información de sus clientes existentes y esos datos deberán ser, entre otras cosas, precisos y completos. ¿Hay información antigua y desactualizada en su repositorio de datos de clientes? Entonces los datos son inexactos. Sus datos también estarán incompletos si falta información importante, como detalles demográficos de algunos de sus clientes. Estas imprecisiones y falta de exhaustividad obstaculizarán gravemente la capacidad de su herramienta Gen AI para ofrecer material de marketing personalizado. Sus equipos de datos deben realizar una auditoría exhaustiva de los datos de marketing y prepararlos para su inversión en Gen AI.
¿Se integrará la herramienta Gen AI con su tecnología de marketing?
Obtener una herramienta sofisticada que no se integre a su tecnología actual comprometerá sus objetivos. Una integración adecuada garantizará, por ejemplo, que los datos fluyan sin problemas entre múltiples sistemas, lo que permitirá un buen análisis y personalización del contenido. Para tener éxito, debe evaluar la compatibilidad de la herramienta con sus sistemas actuales, especialmente con respecto a las API y los formatos de datos. Incluya a su homólogo de tecnología, así como a líderes en ciencia de datos, en la evaluación de los requisitos técnicos. Trabaje con ellos para crear una hoja de ruta de integración, que incluya un cronograma de integración por fases, lo que permitirá realizar pruebas sin interrumpir sus esfuerzos de marketing actuales.
¿Qué medidas de privacidad y seguridad necesita implementar?
Algunas herramientas Gen AI, como ChatGPT, aprenden de los datos que ingresas en sus modelos. En consecuencia, debe implementarlos con cuidado para evitar perder información confidencial de la empresa o cualquier información de identificación personal del cliente. Las empresas deberían entrenar estas herramientas con datos de terceros, que son datos que los clientes comparten de forma proactiva, y datos de origen, que las empresas recopilan directamente. Trabaje con sus equipos legal, de cumplimiento y de IT para realizar una revisión detallada de las políticas de seguridad y privacidad de datos de la herramienta que está considerando. La posible herramienta debe cumplir con los estándares gubernamentales y de la industria (por ejemplo, CCPA, GDPR) y, como mínimo, ofrecer almacenamiento y transmisión seguros de datos junto con políticas transparentes sobre el uso de datos. Involucrar a sus homólogos legales y de cumplimiento desde el principio le ayudará a afrontar bien estos complejos problemas.
¿Cómo percibirán sus clientes el contenido creado por Gen AI?
Muchas empresas utilizan la IA para potenciar su atención al cliente, especialmente los chatbots. Las reacciones de los consumidores ante este tipo de chatbots son un poco variadas y eso plantea la pregunta: ¿cómo percibirán los clientes el contenido personalizado creado por Gen AI? La IA de generación probablemente será invisible en algún contexto o casos de uso. Lo que importa es cómo un modelo capacitado ayuda a los clientes. Pero para superar cualquier recelo de los clientes asociado con la IA, debe ser transparente con ellos sobre el uso de Gen AI. Debe educar a los clientes sobre cómo utilizar Gen AI y su potencial para transformar su experiencia. Los clientes serán más receptivos si entienden que Gen AI mejora su experiencia.
¿En qué consideraciones éticas debería pensar y cómo podría abordarlas?
Los modelos Gen AI sufren del sesgo inherente presente en los conjuntos de datos en los que se entrenan. Por tanto, los resultados producidos por estos modelos podrían perpetuar la discriminación y los estereotipos. El resultado también puede ser inexacto o engañoso. Por ejemplo, en un estudio de imágenes producidas por un modelo, más del 80% de las imágenes generadas para la palabra “recluso” eran de personas con un color de piel más oscuro; esto a pesar de que los datos de la Oficina Federal de Prisiones muestran que las personas de color representan menos del 50% de la población carcelaria de Estados Unidos. En este contexto, es fundamental desarrollar un estándar interno de precisión y equidad, e invertir en la supervisión humana del contenido generado por IA antes de que se publique.
