مرز میان ایجنت‌های هوش مصنوعی و تصمیم‌گیری انسانی در تبلیغات کجاست؟

ابزارهای هوش مصنوعی در حوزه تبلیغات طی چند سال گذشته تقریباً روند ثابتی داشته‌اند. آن‌ها داده‌های کمپین را تحلیل می‌کنند، بخش‌های با عملکرد ضعیف را مشخص کرده و راهکارهایی برای بهبود آن‌ها پیشنهاد می‌دهند. با این حال، کارهای عملی مانند ورود به پلتفرم، یافتن کمپین و اعمال تغییرات همچنان بر عهده شخص تبلیغ‌دهنده بوده است.

اما این روند با روی کار آمدن پلتفرم‌های پیشرفته‌ای که به ایجنت‌های هوش مصنوعی اجازه می‌دهند تغییرات کمپین را مستقیماً اعمال کنند، در حال تغییر است. اکنون می‌توانید به یک ایجنت دستور دهید که تمام کمپین‌های پوش‌نوتیفیکیشن با نرخ کلیک (CTR) زیر ۰٫۳ درصد را متوقف کرده و قیمت پیشنهادی را برای سه کمپین برتر ۱۵ درصد افزایش دهد، و او دقیقاً همین کار را انجام خواهد داد. دیگر نیازی به داشبوردها و مراحل دستی نیست. ایجنت به جای شما عمل می‌کند که این امر باعث صرفه‌جویی چشمگیری در زمان می‌شود و به تبلیغ‌دهندگان اجازه می‌دهد تمرکز خود را روی استراتژی، آزمایش و توسعه معطوف کنند.

شرکت‌های پیشرو در حوزه فناوری تبلیغات (AdTech) در حال ارتقای ابزارهای هوش مصنوعی خود هستند. آن‌ها با بهره‌گیری از ایجنت‌ها یا دستیاران هوشمند، به جای درگیر کردن کاربران با فرم‌های متعدد راه‌اندازی در داشبوردها، امکان ایجاد، ویرایش، هدف‌گذاری، بودجه‌بندی، زمان‌بندی، مدیریت محتوا و گزارش‌گیری از کمپین‌ها را تنها از طریق یک مکالمه ساده فراهم می‌کنند.

با این وجود، ایجنت‌های هوش مصنوعی تنها زمانی به بهترین شکل عمل می‌کنند که تبلیغ‌دهندگان بهترین داده‌ها، زمینه و استراتژی را برای یادگیری و اقدام در اختیار آن‌ها قرار دهند. بدون نظرات کلیدی و نظارت انسان، احتمال بروز پیچیدگی‌های غیرمنتظره وجود دارد و استفاده از هوش مصنوعی ممکن است نتیجه عکس داده و پیامدهای جدی برای این صنعت به همراه داشته باشد.

بنابراین، تبلیغ‌دهندگان چگونه می‌توانند به‌طور موثر با هوش مصنوعی کار کنند؟ و مرز بین ایجنت‌های هوش مصنوعی و قضاوت انسانی کجاست؟

تغییرات ناشی از عملکرد مستقل هوش مصنوعی

تفاوت بین هوش مصنوعی پیشنهاددهنده و هوش مصنوعی اجراکننده، در مسئله پاسخگویی و مسئولیت‌پذیری نهفته است.

به‌عنوان مثال، زمانی که یک انسان توصیه‌ای را بررسی کرده و تغییری ایجاد می‌کند، تصمیم با اوست و در صورت بروز خطا، می‌توان دلیل آن را پیگیری کرد. اما زمانی که یک ایجنت به‌طور مستقل عمل می‌کند، این زنجیره پیگیری و شفافیت کم‌رنگ‌تر می‌شود.

افزایش خودکار و گسترده قیمت‌های پیشنهادی ممکن است بر اساس داده‌ها منطقی به نظر برسد، اما داده‌ها از اطلاعیه صبح همان روز رقیب، تغییر اولویت‌های کمپین در یک جلسه داخلی یا مشکلات برندینگ که در پس‌زمینه در حال رخ دادن است، بی‌خبرند. یک انسان متوجه تمامی این موارد می‌شود، در حالی که ایجنتی که بر اساس داده‌های شب گذشته کار می‌کند، از درک آن‌ها عاجز است.

این مسئله دلیلی برای اجتناب از هوش مصنوعی در سطح اجرا نیست، بلکه دلیلی است تا مشخص شود استفاده از آن در کجا مناسب است و در کجا مناسب نیست.

کاربردهای منطقی و مناسب

دسته‌بندی مشخصی از وظایف کمپین وجود دارد که برای اجرای مستقل بسیار مناسب هستند؛ مانند متوقف کردن کمپین‌هایی که به سقف بودجه خود رسیده‌اند یا تولید خلاصه‌های عملکرد. این‌ها وظایف عملیاتی هستند. تصمیم استراتژیک از قبل گرفته شده و ایجنت اکنون تنها در حال اجرای آن است.

داده‌ها همچنین نشان می‌دهند که این ابزارها زمانی که زمینه مناسبی در اختیارشان قرار گیرد، عملکرد بسیار بهتری دارند. بررسی‌ها در تنظیمات مبتنی‌بر ایجنت نشان داده است تبلیغ‌دهندگانی که اطلاعات دقیقی درباره اهداف، ساختار قیف فروش و هزینه به ازای اقدام (CPA) هدف خود به اشتراک می‌گذارند، نتایج به‌مراتب بهتری نسبت به کسانی که دستورالعمل‌های حداقلی می‌دهند، به دست می‌آورند؛ در برخی موارد این تفاوت در عملکرد تبدیل به بیش از ۱۰۰ درصد می‌رسد.

هرچه ایجنت درک بهتری از اهداف واقعی شما داشته باشد، عملکرد بهتری از خود نشان می‌دهد.

مسئله دسترسی‌ها

در کنار اینکه ایجنت‌ها چه کارهایی باید انجام دهند، این سوال مطرح می‌شود که آن‌ها در وهله اول چگونه به سیستم دسترسی پیدا می‌کنند.

صنعت در حال حرکت به سمت یکپارچه‌سازی‌های مبتنی‌بر MCP است؛ پروتکلی که به ایجنت‌های خارجی هوش مصنوعی اجازه می‌دهد مستقیماً به API پلتفرم‌های تبلیغاتی متصل شوند. در این روش، به جای ورود به رابط کاربری خود پلتفرم، تبلیغ‌دهنده در هر محیط هوش مصنوعی که قبلاً استفاده می‌کرده کار می‌کند و پلتفرم به ابزاری تبدیل می‌شود که ایجنت در زمان نیاز برای انجام کارها آن را فراخوانی می‌کند.

دسترسی در این ساختارها معمولاً از طریق توکن‌های API به جای اعتبارنامه‌های حساب کاربری انجام می‌شود. این توکن جدا از اطلاعات ورود تبلیغ‌دهنده است، می‌تواند به مجوزهای خاصی محدود شود و در صورت نیاز بلافاصله قابل لغو است. این یک مدل منطقی است، اما به این معناست که هر کسی توکن را در اختیار داشته باشد، به تمام دسترسی‌های تعریف‌شده در آن توکن مسلط خواهد بود.

پیش از اینکه این دسترسی در میان اعضای تیم به اشتراک گذاشته شود یا به یک شخص ثالث واگذار گردد، باید دامنه توکن با دقت بررسی شود.

حرکت گسترده‌تر به سمت قابلیت همکاری احتمالاً مسیر درستی است. اما بین ایجنتی که می‌تواند داده‌های کمپین شما را بخواند و ایجنتی که می‌تواند آن‌ها را تغییر دهد، تفاوت زیادی وجود دارد. دسترسی در سطح اجرا باید با احتیاط بیشتری نسبت به نظارت بر دسترسی‌های گزارش‌گیری انجام شود، زیرا ریسک از «آنچه ایجنت می‌تواند ببیند» به «آنچه ایجنت می‌تواند انجام دهد» منتقل شده است.

جایگاه ضروری نظارت انسانی

پاسخ صادقانه به این که مرز بین اجرای مستقل و نظارت انسانی کجاست، به این بستگی دارد که استراتژیِ فراتر از اتوماسیون چقدر واضح تعریف شده باشد. در حال حاضر، بیشتر ساختارهای کمپین‌ها برای پر کردن خلأها به حضور انسان متکی هستند.

این موضوع می‌تواند شامل تشخیص زمانی باشد که یک آستانه دیگر با اهداف واقعی کمپین همخوانی ندارد یا زمانی که اتفاقی خارج از پلتفرم باید روند داخل پلتفرم را تغییر دهد. با حذف انسان از این چرخه، این خلأها به خطا تبدیل می‌شوند.

پیش از سپردن اجرا به یک ایجنت، ارزش آن را دارد که برای پاسخ به چند سوال اساسی وقت بگذارید: کدام رویدادهای تبدیل واقعاً برای کسب‌وکار مهم هستند (نه فقط آن‌هایی که پیگیری‌شان ساده‌تر است)؟ تفاوت یک اصلاح معمول با تصمیمی که نیاز به تایید انسان دارد چیست؟ چه زمانی ایجنت باید به جای اقدام مستقیم، یک مسئله را صرفاً گزارش دهد؟

این‌ها سوالات پیچیده‌ای نیستند، اما بیشتر ساختارهای کمپین‌ها هرگز نیازی به پاسخ صریح به آن‌ها نداشته‌اند، زیرا همیشه انسانی برای قضاوت در لحظه حضور داشته است. ایجنت‌های هوش مصنوعی این قضاوت‌های ضمنی را به قوانین صریح و روشن تبدیل می‌کنند و اصلاح این قوانین پیش از اجرای اتوماسیون، بسیار ساده‌تر از رفع خطاهای پس از آن است.

مرحله بعدی در تبلیغات مبتنی‌بر هوش مصنوعی

همگی می‌دانیم که ایجنت‌های هوش مصنوعی توانایی اقدام و اجرا را دارند. سوال دشوارتر این است که آیا تبلیغ‌دهندگان، پلتفرم‌ها و شرکا برای تعیین حد و مرز این اقدامات آماده هستند یا خیر. هوش مصنوعی در سطح اجرا می‌تواند مدیریت کمپین‌ها را سریع‌تر و از حالت دستی خارج کند، اما این تنها در صورتی کارآمد خواهد بود که قوانین حاکم بر آن از همان ابتدا مشخص باشند.

این یعنی تعیین محدودیت‌ها، ارائه زمینه کافی به ایجنت‌ها و حفظ قضاوت انسانی در تصمیماتی که هنوز به آن نیاز دارند. هدف، واگذاری کنترل صرفاً برای واگذاری آن نیست؛ بلکه هدف این است که در مورد اینکه اتوماسیون واقعاً در کجا کمک‌کننده است و در کجا همچنان یک انسان باید تصمیم نهایی را بگیرد، بسیار سنجیده‌تر عمل کنیم.