Generative AI (GenAI) đã không thể phủ nhận là đã chuyển đổi chức năng tiếp thị, từ tương tác khách hàng tự động sang tạo nội dung. Nhưng trong khi mọi người tập trung vào chatbot và tạo bài đăng blog mới, một cuộc cách mạng thầm lặng đã diễn ra trong Quản lý tài sản kỹ thuật số (DAM). Nó bắt đầu bằng việc giải quyết những thách thức lâu dài liên quan đến khả năng tìm kiếm và tái sử dụng tài sản nhưng ngày nay chúng ta đang thấy một số trường hợp sử dụng mới, có giá trị cao thú vị sẽ đưa chúng ta vượt xa việc gắn thẻ tài sản và mở khóa tiềm năng sáng tạo thực sự của giải pháp DAM của bạn.
Gắn thẻ và truy xuất tài sản
Một trong những nguyên tắc cốt lõi của DAM là tái sử dụng tài sản. Tại sao phải đầu tư thời gian, nguồn lực và chi phí để tái tạo một tài sản đã tồn tại? Tuy nhiên, trong nhiều thập kỷ, đây vẫn là một mục tiêu khó nắm bắt và gần như không thể đạt được. Lý do cho điều này rất đơn giản: hình ảnh, video, âm thanh và các tài sản đa phương tiện phong phú khác không tự mô tả được. Không giống như các đối tượng dựa trên văn bản có thể dễ dàng, nếu không phải luôn chính xác, tìm kiếm, các tài sản kỹ thuật số phụ thuộc vào siêu dữ liệu để truy xuất.Cho đến nay, hầu hết các siêu dữ liệu có ý nghĩa đều phải được tạo ra bởi con người, những người sẽ xem xét một tài sản và sau đó nhập dữ liệu thủ công vào các trường được chỉ định, lý tưởng nhất là áp dụng phân loại và thuật ngữ học tiêu chuẩn của tổ chức. Bỏ qua thực tế là rất khó để một người, chưa kể đến một nhóm, nhập loại thông tin này một cách nhất quán, chính xác và lặp đi lặp lại, hầu hết các tổ chức buộc phải đánh đổi về tính đầy đủ của mục nhập siêu dữ liệu.
Hoặc họ yêu cầu các nguồn lực sáng tạo của mình để nhập siêu dữ liệu khi các tài sản được đưa vào giải pháp DAM — một hoạt động gần như luôn bị phản đối và thường được thực hiện kém — hoặc họ thuê một thủ thư hoặc một nhóm thủ thư để ghi nhận đúng các tài sản sau khi chúng đã được đưa vào giải pháp DAM. Do sự miễn cưỡng của người dùng hoặc chi phí, hầu hết các tổ chức thấy rằng vẫn rất khó để tạo đủ siêu dữ liệu để cho phép truy xuất tài sản chính xác và tái sử dụng tài sản hiệu quả.
GenAI giải quyết vấn đề này theo hai cách rất có ý nghĩa. Đầu tiên, với GenAI, các tổ chức không còn phụ thuộc vào con người để "gắn thẻ" hoặc áp dụng siêu dữ liệu đúng cách cho tài sản. Thị giác máy tính là một khía cạnh cụ thể của trí tuệ nhân tạo (AI) cho phép máy tính diễn giải hình ảnh, video và các tài sản đa phương tiện phong phú khác.
Bằng cách sử dụng Thị giác máy tính và đặc biệt là Mô hình ngôn ngữ thị giác (VLM), giờ đây chúng ta có thể tự động tạo văn bản để mô tả hình ảnh và video. Chúng ta cũng có thể dễ dàng chuyển đổi âm thanh - tệp âm thanh hoặc bản âm thanh cho video - thành văn bản. Do đó, chúng ta có một nguồn tài nguyên hầu như vô hạn, vô tận và không tốn kém để gắn thẻ tài sản kỹ thuật số. Các mô hình này có thể được tăng cường hoặc tinh chỉnh để cung cấp siêu dữ liệu cụ thể, độc đáo cho tổ chức hoặc sở hữu trí tuệ của bạn - ví dụ, hãy nghĩ về mã màu, ID sản phẩm hoặc phiên bản ký tự. Và chúng có thể bị hạn chế bởi phân loại và thuật ngữ học độc đáo của tổ chức bạn.
Ngoài ra, GenAI cũng có thể cực kỳ hiệu quả trong việc truy xuất tài sản, cho phép người dùng sử dụng ngôn ngữ tự nhiên để nhanh chóng thu hẹp các tập kết quả tìm kiếm nhằm truy xuất tài sản có độ chính xác và hiệu quả cao.
Kết quả: giờ đây chúng ta có thể giải quyết vấn đề tái sử dụng tài sản, đảm bảo rằng người dùng DAM có thể nhanh chóng, dễ dàng và toàn diện tìm thấy các tài sản hiện có.
Ngoài gắn thẻ: Hợp lý hóa việc tạo tài sản
Đó là tổng quan khá toàn diện về cách GenAI có thể giải quyết khả năng tìm kiếm và tái sử dụng tài sản. Và, như bạn sẽ thấy, nhiều nền tảng DAM đã bắt đầu kết hợp chức năng do GenAI cung cấp để gắn thẻ tài sản một cách thông minh và cho phép tìm kiếm bằng ngôn ngữ tự nhiên. Nhưng những gì chúng ta bắt đầu thấy là một tập hợp hoàn toàn mới các trường hợp sử dụng — ngoài gắn thẻ và truy xuất — sẽ hợp lý hóa và đẩy nhanh quá trình tạo tài sản mới và quy trình đánh giá tài sản.Ý tưởng về tài sản
Một trong những trường hợp sử dụng mạnh mẽ hơn mà chúng ta đang thấy hiện nay là ý tưởng về tài sản. Với ý tưởng về tài sản, những người sáng tạo có thể tải lên một tập hợp các tài sản mẫu hoặc sở hữu trí tuệ và sau đó — sử dụng một mô hình ngôn ngữ tự nhiên đơn giản — cung cấp một tập hợp các tham số để ý tưởng về tài sản mới. Sau đó, thông tin này được đưa vào mô hình Thị giác máy tính có thể nhanh chóng tạo ra một loạt các khái niệm về tài sản. Sau đó, một lần nữa sử dụng giao diện giống như trò chuyện, người dùng có thể tinh chỉnh kết quả của mình hơn nữa, nhanh chóng và dễ dàng đưa ra ý tưởng để xác định các khái niệm khả thi.
Nhân tiện, chúng tôi đang nhấn mạnh từ "khái niệm" ở đây và GenAI lý tưởng cho việc hình thành ý tưởng, không phải tạo ra tài sản. Chúng tôi nhận thấy rằng, trong khi các mô hình Thị giác máy tính có thể nhanh chóng tạo ra bất kỳ số lượng tài sản trực quan mới nào, thì hầu hết người tiêu dùng có thể dễ dàng xác định các tài sản do AI tạo ra và chúng không có tính xác thực của ảnh và hình ảnh thực.
Vì vậy, vấn đề là sử dụng GenAI cho mục đích tốt của nó: nhanh chóng tạo ra một loạt các khái niệm để giúp người dùng sáng tạo khái niệm hóa các tài sản tin tức cho một chiến dịch, buổi chụp ảnh, v.v., sau đó tận dụng nhóm sáng tạo của bạn để tạo ra các tài sản cuối cùng của bạn. GenAI không phải là về việc loại bỏ nhu cầu về các nguồn lực sáng tạo, mà là về việc cung cấp cho chúng các công cụ để trở nên hiệu quả và hiệu suất hơn.
Bản địa hóa tài sản
Chúng ta có xu hướng nghĩ về bản địa hóa tài sản đơn giản là bản dịch. Tuy nhiên, nó còn hơn thế nữa. Đối với các công ty toàn cầu, các tài sản trực quan thường cần được bản địa hóa để phù hợp với sở thích của khu vực, sắc thái văn hóa và thậm chí là nhu cầu chức năng của một số phân khúc hoặc khu vực địa lý nhất định. Đối với văn bản, đúng vậy, điều này có thể liên quan đến bản dịch sang ngôn ngữ địa phương, nhưng nó cũng có thể liên quan đến bản địa hóa các loại tiền tệ và đơn vị đo lường, chẳng hạn. Đối với hình ảnh và video, bạn có thể cần điều chỉnh lược đồ màu hoặc kết hợp trang phục và bối cảnh địa phương vào tài sản.
GenAI có thể hỗ trợ bản địa hóa tài sản theo hai cách riêng biệt. Trước hết, nó có thể áp dụng các chính sách và hướng dẫn bản địa hóa cho các tài sản hiện có và đánh dấu các vấn đề hoặc thậm chí có thể xác định các quốc gia, khu vực hoặc thậm chí là thông tin nhân khẩu học cụ thể mà tài sản nên hoặc không nên được sử dụng - thông tin bổ sung có thể được thêm vào siêu dữ liệu để làm phong phú thêm tài sản. Thứ hai, tương tự như trường hợp sử dụng ở trên, GenAI cũng có thể được sử dụng để tạo các khái niệm bản địa hóa và giúp người dùng hình thành ý tưởng về các phiên bản mới của tài sản phản ánh chính sách và hướng dẫn của bạn về bản địa hóa.
Tuân thủ thương hiệu
Một trường hợp sử dụng có giá trị khác của GenAI cũng có thể hợp lý hóa quy trình đánh giá và phê duyệt sáng tạo là đánh giá tài sản để tuân thủ thương hiệu. Trong trường hợp sử dụng này, khi các tài sản mới được tạo và tải lên giải pháp DAM, mô hình GenAI có thể được sử dụng để áp dụng các chính sách và hướng dẫn về thương hiệu và đánh giá xem tài sản có tuân thủ đầy đủ hay không. Trong trường hợp tài sản không tuân thủ, mô hình có thể xác định lý do không tuân thủ và thậm chí đưa ra khuyến nghị về cách giảm thiểu những vấn đề này.
Điều quan trọng ở đây là khi tài sản sau đó được chuyển đến để xem xét và phê duyệt, người phê duyệt có thể yên tâm rằng tài sản hoàn toàn tuân thủ thương hiệu, tiết kiệm được thời gian quý báu trong quá trình xem xét và phê duyệt.
Sở hữu trí tuệ
Đối với các tổ chức sử dụng tài sản trí tuệ (IP) của bên thứ ba trong tài sản và thiết kế của mình, việc hiểu rõ IP nào đang được sử dụng trong tài sản nào là vô cùng quan trọng. Điều quan trọng nữa là phải hiểu khi nào tổ chức có hoặc có quyền sử dụng IP đó. Đây là một chức năng giá trị khác mà GenAI có thể thực hiện, xác định khi nào một tài sản chứa IP của bên thứ ba và sau đó xác thực rằng tổ chức có quyền theo hợp đồng để sử dụng IP đó.
Một lần nữa, đây là siêu dữ liệu có giá trị có thể được tạo và áp dụng cho một tài sản trong giải pháp DAM. Đây cũng là một tác vụ tự động có thể chạy lặp đi lặp lại trên các tài sản hiện có hoặc có thể được gọi khi các tài sản mới được thêm vào giải pháp DAM để đảm bảo rằng các quyền IP không bao giờ bị xâm phạm.
Đây không phải là cắm và chạy
Cuối cùng, và là điều tôi sẽ khám phá thêm trong các bài viết trong tương lai, các mô hình GenAI chỉ tốt như những gì chúng đã được đào tạo. Trong những ngày đầu của AI, chúng tôi nghĩ rằng điều này có nghĩa là chúng tôi phải đào tạo các mô hình AI tùy chỉnh để gắn thẻ chính xác các tài sản hoặc đánh giá sự tuân thủ của thương hiệu. Gần đây hơn, với các phương pháp như Retrieval-Augmented Generation (RAG), chúng ta có thể tận dụng các mô hình thương mại có sẵn công khai cho tất cả các trường hợp sử dụng trên, mặc dù một số vẫn có thể cần phải tinh chỉnh để tối ưu hóa độ chính xác và đầu ra của mô hình.Nhưng điều quan trọng cần hiểu là để có được kết quả chính xác, có ý nghĩa với GenAI – ngay cả đối với gắn thẻ tài sản – bạn phải suy nghĩ về dữ liệu đầu vào của mô hình và tinh chỉnh, và đây thực sự không phải là chức năng DAM có sẵn. Vì vậy, mặc dù không đơn giản như bật một tính năng mới, nhưng có giá trị to lớn đối với các tổ chức thực hiện đúng điều này và GenAI thực sự có thể khai thác tiềm năng của giải pháp DAM của bạn.
Tìm hiểu thêm về việc nâng cao các giải pháp DAM bằng AI tạo sinh trong sách trắng miễn phí này từ CMSWire và Vertesia.
