Sådan fungerer AI
AI er forkortelsen for det engelske artificial intelligence. Begrebet dækker flere teknologier, ikke ét bestemt værktøj. En løsning, der anbefaler produkter i en webshop, og et værktøj, der skriver annonceudkast, bruger begge AI, men løser forskellige opgaver.
Mange AI-systemer bygger på modeller, der er trænet på data. Under træningen finder modellen mønstre, som den efterfølgende kan bruge til at behandle nye input. Det kan være at vurdere en kundes sandsynlighed for at købe eller at skabe en tekst ud fra en instruktion.
I marketing kan sammenhængen eksempelvis være:
- Input: Historiske oplysninger om kunders køb og adfærd.
- Bearbejdning: Modellen finder mønstre, der hænger sammen med køb.
- Output: Systemet vurderer, hvilke kunder der sandsynligvis vil reagere på et tilbud.
Outputtet er en vurdering baseret på mønstre – ikke sikker viden om, hvad den enkelte kunde vil gøre. Tilsvarende er en AI-genereret tekst ikke nødvendigvis korrekt, bare fordi den er velformuleret.
Forskellen på AI, machine learning og generativ AI
AI bliver ofte brugt som synonym for værktøjer, der skriver tekst eller laver billeder. Men generativ AI er kun en del af området. De centrale begreber beskriver forskellige teknikker og anvendelser, som godt kan overlappe:
Machine learning er en tilgang til AI, hvor modeller lærer mønstre fra data frem for at få hver enkelt regel programmeret på forhånd. I marketing kan det blandt andet bruges til at gruppere kunder eller understøtte kampagneoptimering.
Generativ AI skaber nyt indhold ud fra lærte mønstre og brugerens input. Det kan være tekst, billeder eller variationer af eksisterende materiale. En instruktion til værktøjet kaldes ofte en prompt.
Predictive AI, eller forudsigende AI, bruges til at vurdere sandsynlige fremtidige handlinger og resultater. Det kan eksempelvis være sandsynligheden for et køb, eller for at en kunde stopper med at handle hos virksomheden.
Natural language processing (NLP) betyder naturlig sprogbehandling og handler om at bearbejde menneskeligt sprog. Det bruges blandt andet til at analysere kundehenvendelser og håndtere spørgsmål i chatbots.
Forskellen har praktisk betydning: Skal du producere tekstudkast, er generativ AI relevant. Skal du vurdere, hvilke kunder der er ved at falde fra, er opgaven først og fremmest forudsigende.
Hvad bruges AI til i marketing og produktion?
AI kan understøtte både analyse, planlægning og udførelse. Typiske anvendelser er:
- Målgruppeanalyse og segmentering: At finde mønstre i kundedata og gruppere kunder efter eksempelvis adfærd eller købshistorik.
- Personalisering: At tilpasse produktanbefalinger, indhold eller tilbud til den enkelte bruger.
- Annoncering: At optimere bud eller målretning ud fra kampagners resultater.
- Indholdsproduktion: At foreslå emner, skrive udkast og skabe tekst- eller billedvariationer.
- Kundeservice: At besvare standardspørgsmål gennem en chatbot.
Fordelen er især, at AI kan behandle store datamængder og udføre gentagne opgaver hurtigt. Et marketingteam kan eksempelvis få flere annonceudkast at arbejde videre med eller opdage mønstre i kundeadfærd, som ville tage lang tid at finde manuelt.
AI er dog ikke en marketingstrategi i sig selv. Virksomheden skal stadig beslutte, hvem den vil nå, hvad den vil kommunikere, og hvilke resultater der tæller.
Et eksempel på AI i praksis
En webshop vil gøre sine produktmails mere relevante. Den bruger kundernes købshistorik og adfærd til at finde produkter, som den enkelte kunde sandsynligvis vil være interesseret i.
Her kan AI løse to forskellige opgaver. En model foreslår relevante produkter, mens generativ AI laver udkast til emnelinjer og produkttekster.
Marketingteamet kontrollerer derefter, at teksterne beskriver produkterne korrekt og passer til virksomhedens tone. Når mailene er sendt, vurderer teamet resultaterne i forhold til den hidtidige indsats.
Eksemplet viser, hvordan AI kan indgå i en eksisterende arbejdsgang: Teknologien hjælper med analyse og produktion, mens mennesker fastlægger målet og vurderer kvaliteten.
Begrænsninger og behovet for kontrol
AI’s resultater afhænger blandt andet af de data, modellen er trænet på, og de input, den får i brug. Mangelfulde kundedata kan give misvisende anbefalinger. En uklar instruktion kan give et tekstudkast, der rammer ved siden af opgaven.
Generativ AI kan også producere faktuelle fejl og fejlfortolke kontekst. Derfor bør tekster, billeder og anbefalinger kontrolleres, før de bliver brugt over for kunder. Det gælder især produktpåstande, virksomhedens kommunikation og indhold, der skal overholde bestemte krav.
AI giver mest mening, når opgaven er tydelig, datagrundlaget er relevant, og resultatet kan vurderes. Tidsbesparelsen skal derfor ses sammen med kvaliteten: Hurtigere produktion er kun en fordel, hvis materialet faktisk kan bruges.