Generativ AI skaber indhold frem for kun at analysere
Forskellen på generativ AI og andre typer kunstig intelligens ligger især i opgaven. En AI-model kan eksempelvis vurdere, hvilke kunder der sandsynligvis vil købe igen. En generativ AI-model kan skrive forslag til den mail, virksomheden vil sende til dem.
Den første model laver en forudsigelse. Den anden skaber indhold. Generativ AI er altså en underkategori af kunstig intelligens, ikke et andet ord for al AI.
På engelsk hedder begrebet generative AI, ofte forkortet GenAI. Teknologien omfatter ikke kun tekst, men også billeder, video, lyd og kode. I marketing gør det den relevant i alt fra de første kampagneidéer til produktion af annoncevarianter og produktbeskrivelser.
Sådan fungerer generativ AI
En generativ AI-model trænes på store mængder data. Under træningen lærer den statistiske mønstre og relationer: Hvordan ord typisk følger hinanden, hvordan billeder er opbygget, eller hvordan kode er struktureret.
Når du giver modellen en instruktion, også kaldet en prompt, bruger den de lærte mønstre til at generere et svar. Prompten kan eksempelvis være: »Skriv tre forslag til en annonce for dette produkt med fokus på holdbarhed.«
Til tekst bruges ofte store sprogmodeller, også kaldet LLM’er efter det engelske large language models. De genererer tekst ved løbende at beregne sandsynlige fortsættelser ud fra instruktionen og den tilgængelige kontekst.
Det er ikke det samme som at slå et svar op i en faktadatabase. Nogle AI-værktøjer kan hente oplysninger fra internettet eller tilknyttede dokumenter, men selve genereringen er ingen garanti for, at svaret er korrekt.
En velformuleret tekst kan derfor indeholde fejl. Modellen kan eksempelvis tilføje en produktegenskab, der lyder sandsynlig, men som produktet ikke har. Det kaldes en hallucination, når AI finder på oplysninger og præsenterer dem som fakta.
Hvad bruges generativ AI til i marketing?
Generativ AI er især nyttig, når et team skal udvikle idéer, lave første udkast eller producere flere variationer af eksisterende indhold.
Typiske anvendelser er:
- Tekstproduktion: Udkast til produktbeskrivelser, blogindlæg, nyhedsbreve og opslag på sociale medier.
- Annoncevariationer: Forskellige overskrifter og budskaber, som kan indgå i A/B-tests.
- Visuelt indhold: Billedforslag, kampagnevisuals og video til skitser eller videre produktion.
- Tilpasning af indhold: Omskrivning af en længere artikel til en mail eller korte opslag samt oversættelse til andre sprog.
- Personalisering: Variationer af budskaber til forskellige målgrupper.
- Kundedialog: Generering af svar på kundespørgsmål i en chatbot.
Fordelen er ikke nødvendigvis, at AI leverer et færdigt resultat. Den kan også gøre vejen til et brugbart udkast kortere og mindske arbejdet med gentagelser.
Har du eksempelvis et godkendt kampagnebudskab, kan AI hjælpe med at tilpasse det til flere kanaler. Teamet skal stadig vurdere, om hver version passer til formatet, målgruppen og virksomhedens tone.
Sådan bruger du generativ AI i praksis
Et godt arbejdsforløb begynder med en afgrænset opgave og et pålideligt grundlag. Jo mere modellen selv skal udfylde, desto større er risikoen for generiske formuleringer eller udokumenterede detaljer.
Skal du skrive produktbeskrivelser, kan du arbejde sådan:
- Saml de godkendte produktoplysninger. Brug konkrete specifikationer frem for løse stikord.
- Beskriv opgaven. Angiv målgruppe, kanal, længde og ønsket tone.
- Sæt tydelige grænser. Bed modellen holde sig til materialet og markere manglende oplysninger frem for at gætte.
- Gennemgå resultatet. Kontrollér fakta, sprog, budskab og eventuelle påstande, før teksten bliver publiceret.
En prompt kan eksempelvis lyde:
Skriv en produktbeskrivelse på højst 100 ord ud fra oplysningerne nedenfor. Målgruppen er førstegangskøbere. Brug et enkelt sprog, og tilføj ikke egenskaber eller fordele, som materialet ikke dokumenterer. Markér, hvis du mangler oplysninger.
En præcis prompt hjælper med at styre resultatet, men fjerner ikke behovet for kontrol. Ved annonceproduktion skal varianterne desuden testes på målgruppen; AI’s forslag dokumenterer ikke, hvilket budskab der virker bedst.
Begrænsninger og hensyn før publicering
Generativ AI kan øge produktionshastigheden, men kvaliteten er ikke garanteret. Ud over faktuelle fejl bør du især være opmærksom på:
- Bias: Modellen kan videreføre skævheder og stereotyper fra træningsdata.
- Manglende aktualitet: Uden adgang til opdaterede oplysninger kan svar bygge på forældet viden.
- Varierende output: Den samme instruktion kan give forskellige resultater, hvilket kan gøre ensartet produktion vanskelig.
- Generisk indhold: Teksten kan lyde professionel uden at tilføre konkret viden eller afspejle virksomhedens særpræg.
Derudover kræver brugen omtanke omkring persondata, fortrolige oplysninger og ophavsret. Undersøg, hvordan værktøjet behandler input, før du indtaster kundedata eller internt materiale. AI-genereret indhold bør heller ikke automatisk betragtes som frit for rettighedsspørgsmål.
Vurder også behovet for gennemsigtighed, eksempelvis når kunder møder en AI-baseret chatbot eller ser syntetiske billeder.
Den praktiske målestok er derfor ikke kun, hvor hurtigt indholdet bliver genereret, men hvor meget arbejde der skal til, før det er korrekt og brugbart. Brug generativ AI til at lette produktionen, og placér ansvaret for godkendelse hos et menneske.