Autori: Vanja Šebek, Mario Frančešević, Sanja Rodinis i Kristijan Gregorić

5.1. Uvod

U sljedećem poglavlju bavit ćemo se primjenom alata genAI u marketingu, ali uz jedan kratak osvrt na primjenu i integraciju tih alata u ostalim oblicima koji nezadrživo mijenjaju različite industrije, a direktno ili posredično i marketing. U članku How artificial intelligence will change the future of marketing Davenport i suradnici analiziraju razine primjene UI-ja te njihov sadašnji i budući utjecaj na marketing.

Autonomna vozila već neko vrijeme uspješno voze po Kaliforniji i jedan su od najvećih disruptora u sektorima prijevoza ljudi i roba, ali posljedično i u industriji osiguranja, mijenjajući modele i cijene usluga osiguravateljskih kuća uslijed značajnog smanjenja broja nesreća. Tvrtke poput Affectiva analiziraju podatke vozača, primjerice ekspresije lica, kako bi utvrdile vozačevo emocionalno i kognitivno stanje. U maloprodaji UI će omogućiti kvalitetniju predikciju ponašanja korisnika (kakvu već koristi Birchbox), te se očekuje odmak od modela “shopping-then-shipping” i sve veću implementaciju modela “shipping-then-shopping”. Modni brendovi intenzivirali su upotrebu UI-ja u sve više dodirnih točaka s krajnjim korisnicima. Stich Fix implementira UI u modnog stilista koji kombinira numeričke i vizualne elemente prilikom preporuke odjevnih predmeta za potrošače.

UI može komunicirati s potrošačima i prije i nakon kupnje, zbog čega je porasla zastupljenost UI botova koji odgovaraju na pitanja korisnika, pomažu im u formiranju pitanja i koraka za rješavanje problema. UI bot koji koristi 1-800-Flowers podržava i prodaju i korisničku podršku, dok Conversica AI bot radi na unapređenju transakcija kupaca duž marketinškog procesa. Osim 24-satne dostupnosti, Ui botovi rade manje pogrešaka u rutinskim i manje zahtjevnim zadacima te su skalabilni ovisno o potražnji. Gartnerov izvještaj procjenjuje da će 2025. godine 95% interakcija korisnika biti podržano UI-jem.

A botovi su doživjeli i fizičku manifestaciju kroz različite oblike robota koji se koriste u zaštitarske svrhe, robota barista, ali i kao roboti tješitelji koji prave društvo i smanjuju usamljenost (Harmony from Realbotix) ili daju blagoslove (BlessU-2). 

5.2. Utjecaji generativne umjetne inteligencije u marketingu na strateškoj razini

UI alati danas podržavaju svaki aspekt marketinga – od istraživanja i razvoja ideja do oblikovanja svih elemenata marketinškog miksa. Mijenjaju se pravila igre, gdje su potrošači sve češće izloženi dodirnim točkama s brendom koje kontrolira tehnologija. Implementacija genAI alata u poslovne procese i svakodnevni rad mijenja načine kako pristupamo različitim aktivnostima na svim razinama marketinga. U ovom poglavlju djelomično ćemo pokriti ulogu ovih alata u procesima na strateškoj razini.

5.2.1. Istraživanje tržišta

LLM alati našli su svoju primjenu u svakom aspektu istraživanja tržišta. Dodavanjem mogućnosti za naprednu statističku analizu, alati su postali primjenjivi ne samo u obradi tekstualnih podataka već i numeričkih. LLM alati koriste se u analizi nestrukturiranih, kvalitativnih podataka poput analize komentara na društvenim medijima, recenzija proizvoda i usluga ili analize otvorenih odgovora u istraživanju korisnika. U L’Orealu su koristili UI alate za analizu milijuna online komentara i velike količine multimedijalnog sadržaja kako bi detektirali potrebe korisnika i potencijalne prilike za inovacije i razvoj novih proizvoda.

Uz analizu nestrukturiranih podataka, LLM alati imaju sposobnost obrade numeričkih podataka i koriste se u pripremi i kodiranju podataka, statističkoj analizi i interpretaciji podataka. Zahvaljujući ovim alatima pojavio se trend upotrebe sintetičkih podataka i ispitanika u istraživanju tržišta. Naime LLM alati koriste se za generiranje odgovara virtualnih, sintetičkih ispitanika. 

Cillo i Rubera ističu nekoliko istraživanja o upotrebi LLM alata u istraživanju tržišta. U jednom eksperimentu, GPT-4 je uspio replicirati perceptivne mape, pa čak i reproducirati razlike u percepciji potrošača među demografskim segmentima i tijekom vremena, odražavajući ono što su otkrila tradicionalna istraživanja. Druga je studija otkrila da ChatGPT-4 može biti jednako dobar kao i ljudski stručnjaci u klasifikaciji sadržaja društvenih medija o elementima marketinškog miksa, označavanju tweetova o proizvodu, cijeni, promociji i mjestu s visokim slaganjem s procjenama stručnjaka (i nadmašujući anotatore iz crowdsourcinga). Dakle, istraživanja sugeriraju da generativna umjetna inteligencija u nekim slučajevima može zamijeniti ljudske ispitanike i stručnjake iz domene istraživanja tržišta, što znatno olakšava proces i smanjuje potrebne resurse.

No, važno je naglasiti da generativna umjetna inteligencija ne zamjenjuje istraživače, ali im može značajno pomoći u mnogim segmentima rada. Istraživačke agencije već je koriste za bržu obradu velikih količina podataka i učinkovitiju analizu.

Također, genAI omogućuje komunikaciju s personama koje predstavljaju ciljne skupine u panelima – riječ je o tzv. sintetičkim personama koje generira umjetna inteligencija. Marketinški i istraživački timovi mogu s njima „razgovarati“ u stvarnom vremenu, gotovo kao da komuniciraju s pravim ljudima. Ova tehnologija ne zamjenjuje tradicionalne ljudske panele, već ih nadopunjuje – osobito u ranim fazama razvoja, za brza testiranja i simulacije. Ljudski paneli i dalje ostaju nezamjenjivi zbog emocionalne autentičnosti i dubinskog kvalitativnog uvida koji pružaju.

Za tvrtke koje posluju na više tržišta i jezika, uključujući i “manje” jezike naše regije, posebno su korisni poliglotski AI alati. Oni omogućuju analizu sadržaja na jednom jeziku i automatski ju preslikavaju na druge jezike bez potrebe za dodatnim treniranjem modela. Time se osigurava dosljednost rezultata i znatno štedi vrijeme.

5.3. Utjecaj umjetne inteligencije na marketing na taktičkoj razini

5.3.1. Uloga genAI u komunikacijskim kanalima

GenAI alati na razini komunikacijskih kanala koriste se primarno za izradu i prilagodbu kreativnih rješenja. Učinak kreativnih rješenja teško je testirati u kontroliranim uvjetima. Boergershausen i suradnici naglašavaju kako u stvarnosti algoritmi za ciljanje korisnika na online komunikacijskim kanalima koriste devet algoritama za ciljanje koji određuju pozicije oglasa, frekvencije prikaza i publiku. Zbog toga se učinkovitost kreative procjenjuje na osnovi kombiniranog učinka kreativnih elemenata i algoritama za ciljanje.

Neke platforme, poput Google Adsa, uključuju genAI kao alat prilikom izrade slikovnih i tekstualnih oglasa: alat će sugerirati tekstualne elemente oglasa, a prilikom izrade multimedijalnih oglasa mogu se odabrati slike generirane umjetnom inteligencijom. Također, sve više je primjera korištenja genAI alata u optimizaciji kreativnih elemenata u stvarnom vremenu. Na osnovi različitih parametara dostupnih oglašivaču (atributa korisnika, sentimenta sadržaja na ciljanim internetskim stranicama, karakteristika proizvoda i usluga i sl.) genAI alati koriste se za izradu elemenata tekstualnih i vizualnih oglasa. 

Exner i suradnici testirali su efikasnost multimedijalnog sadržaja u oglašavanju. Njihovo istraživanje pokazalo je da slike generirane genAI alatima nadmašuju slike koje je stvorio čovjek, ali samo ako potrošači te slike doživljavaju kao slike koje je stvorio čovjek. U slučaju razotkrivanja autorstva genAI alata, stopa klikanja (CTR) na slike značajno se smanjuje. Potrošači povezuju visoku zasićenost bojama, naglašeniji kontrast i oštrinu sa slikama generiranim umjetnom inteligencijom, dok naglašena estetika i veća lica osoba na slikama pomažu da potrošači doživljavaju slike kao da ih je stvorio čovjek.  Testirani učinak na konverzije nije pokazao značajne razlike, što je u skladu s drugim provedenim istraživanjima koja su pokazala veći utjecaj u gornjem dijelu kupovnog lijevka.

Istraživanja su pokazala da veću korist od oglasa generiranih genAI alatima imaju mali oglašivači, čime genAI alati doprinose smanjenju razlika između velikih i malih oglašivača na tržištu. Također, oglašivači specijalizirani za arbitražu (poslovni model u kojem koriste oglase za generiranje posjeta na stranice sa sadržajem na koje prikazuju profitabilnije oglase korisnicima) imaju manje koristi od korištenja oglasa generiranih umjetnom inteligencijom u svojim kampanjama, vjerojatno zbog specifičnog optimizacijskog procesa. 

Mnogi marketinški stručnjaci oslanjaju se na UI kako bi unaprijedili svoje strategije pružajući duboke uvide u ponašanje kupaca, konkurentsko okruženje i tržišne trendove, omogućujući kreiranje inovativnih, personaliziranih i prilagodljivih strategija usklađenih s poslovnim ciljevima. Implementacija UI-ja u strategije personalizacije može dovesti do povećanja prihoda od 10–15%, prema izvješću Boston Consulting Group (BCG).

Dodatno, prediktivna analitika UI-ja može s velikom točnošću predvidjeti buduće trendove, ponašanje potrošača i uspješnost kampanja. Marketinški stručnjaci koriste modele strojnog učenja kako bi identificirali koje će akcije najvjerojatnije potaknuti angažman ili prodaju, čime se povećava učinkovitost marketinških aktivnosti. Korištenjem prediktivnog modeliranja, brendovi mogu proaktivno prilagoditi strategije kako bi iskoristili nove prilike ili umanjili potencijalne rizike. 

Optimizacije u stvarnom vremenu koje UI omogućuje pomažu marketinškim stručnjacima da prilagode strategije usred kampanje, maksimizirajući dosege i učinak. Na temelju podataka, prediktivni alati omogućuju bolje planiranje, a prema istraživanju čak 67% marketinških timova izvještava o većoj preciznosti svojih prognoza zahvaljujući ovom pristupu (Gartner, 2023).

5.3.2. GenAI i kreativnost

U svojoj knjizi Čin stvaranja, Koestler definira kreativnost kao “sposobnost povezivanja i integriranja dva prethodno nepovezana područja znanja ili iskustava na nov i iznenađujući način.” Ovaj proces naziva „bisocijacija“. GenAI alati pokazali su se učinkoviti upravo u ovom procesu, spajajući naizgled udaljene informacije iz velike količine podataka. Ovo se ugrađuje i u kreativni proces, npr. prilikom kombiniranja različitih umjetničkih stilova. Štoviše, znanstvenici su testirali učinkovitost genAI alata u procesu trisocijacije, spajanja tri različita koncepta u novu kreativnu ideju, koji dodatno povećava kreativni potencijal dajući veći broj kombinacija i povećavajući “novost” kreiranih ideja. Strateška trisocijacija omogućuje fleksibilnost stvaranja ideja, s različitim metodama:

• Trisocijacija otvorenog tipa: Nasumične kombinacije koncepata koje proizvode vrlo originalne, iako potencijalno manje izvedive ideje.
• Fokusirana trisocijacija: Uključivanje jednog ili dva fiksna koncepta, strateški odabir dodatnih koncepata za uravnoteženje kreativnosti s praktičnom relevantnošću.

Primjena kreativnih procesa i teorijskih postavki kreativnosti u procesu promptanja genAI alata pokazala je znatnu učinkovitost i uspješne poslovne primjene, poput kombiniranja nepovezanih koncepata za potrebe izrade novih poslovnih modela, inovacija na proizvodima i uslugama kroz kombinacije praktičnih i apstraktnih koncepata, oglašavanja i influencer marketinga i sl.

Zhou i Lee svojim su istraživanjem pokazali da korištenje genAI alata u kreativnom procesu povećava kreativnu produktivnost za 25%, dok podjednak učinak ima na kreativnu vrijednost.  S druge strane, upotreba alata u periodu od nekoliko mjeseci pokazuje utjecaj na smanjenje novosti kreiranog sadržaja (engl. content novelty).

No genAI alati imaju i svoja ograničenja. Ako se prompting proces ne prilagodi kreativnom procesu i alatu, ideje generirane umjetnom inteligencijom pokazuju manju raznolikost u  usporedbi s onima koje su proizveli ljudi. Zato je potrebno poticanje kroz različite vrste promptinga poput chain of thought promptinga, u kojem se modelu eksplicitno nalaže da “razloži” zadatak brainstorminga na zasebne, inkrementalne korake. Meincke i suradnici pokazali su povećanje generiranih ideja s oko 3700 na gotovo 4700 ideja, a uz to manje preklapanje između skupova ideja, što sugerira veću učinkovitost prilikom kombiniranja različitih vrsta promptinga.

Dakle, u kreativnom procesu genAI alati imat će sve značajniji učinak, posebno u vremenu hiperprodukcije oglasnih poruka. S druge strane, postavlja se pitanje vidljivosti kreativnog sadržaja u zasićenim komunikacijskim kanalima.

5.4.  Tekstualni genAI alati

Razvoj tehnologije usmjeren oko umjetne inteligencije omogućio je nove načine stvaranja sadržaja uz pomoć alata za napredno generiranje teksta. Takvi sustavi koriste obradu jezika (NLP), strojno učenje i velike skupove podataka kako bi automatizirali sve od marketinških poruka do tehničkih dokumentacija. 

ChatGPT, Jasper ili CopyAI samo su neki od alata ovoga tipa i omogućavaju brzu izradu sadržaja, iako treba naglasiti da je potrebno pažljivo nadgledanje generiranog teksta kako bi se osigurala točnost dobivenih rezultata. Odabir najboljeg alata ovisi o individualnim potrebama i ciljevima. Iznad navedeni često se smatraju trima najboljima alatima zbog svoje svestranosti, jednostavnosti korištenja i sposobnosti isporuke kvalitetnog sadržaja. 

• ChatGPT (OpenAI) koristi se za pisanje, prevođenje jezika, odgovaranje na pitanja, sažimanje teksta, generiranje sadržaja za chatbotove, generiranje automatiziranih izvještaja i e-pošte, pa čak i pisanje koda. 
• Jasper (prethodno poznat kao Jarvis) je alat koji se temelji na naprednim tehnikama dubokog učenja i omogućuje generiranje raznovrsnog marketinškog sadržaja.
  Jasper analizira početne riječi koje mu korisnik pruži i na temelju njih stvara fraze, odlomke ili čitave dokumente. Alat može proizvesti članak od 1.500 riječi u sekundi, što ga čini iznimno učinkovitim za stvaranje opsežne tehničke dokumentacije.
• CopyAI specijaliziran je za generiranje različitih formata oglasnog teksta i može proizvesti brojne varijacije teksta za testiranje i optimizaciju marketinških poruka.
• Rytr je alat dizajniran za generiranje sadržaja, uključujući priče, članke i marketinški tekst. Njegove glavne značajke čine ga korisnim za pisce i kreativce koji žele ubrzati svoj proces pisanja i poboljšati kvalitetu svog sadržaja.
• DeepSeek je kineski open-source UI model koji je koristan za generiranje teksta i druge kreativne zadatke. DeepSeek je otvorenog koda, što omogućava bilo kome da ga koristi i prilagodi specifičnim potrebama. Može generirati tekst, zvuk, slike i videozapise, što ga čini sveobuhvatnim alatom za različite kreativne potrebe.

Za optimalno korištenje alata važno je voditi računa o njihovim ograničenjima te o dobrim praksama korištenja. Neke od smjernica koje valja imati na umu objasnit ćemo u nastavku.

5.4.1. Proizvodnja sadržaja za potrebe marketinške komunikacije

Umjetna inteligencija transformirala je način na koji marketinški stručnjaci pristupaju kreiranju i distribuciji sadržaja, omogućujući veću učinkovitost, personalizaciju i automatizaciju brojnih procesa. Marketinški timovi sve više koriste različite UI alate za generiranje tekstova, slika i videozapisa, za optimizaciju oglašivačkih kampanja te za analizu podataka o ciljnim publikama. Više detalja o proizvodnji sadržaja može se pronaći u poglavlju 6. Kako napisati dobar prompt?.

5.4.2. Pisanje tehničke dokumentacije

Korištenje umjetne inteligencije za izradu tehničke dokumentacije ne samo da ubrzava proces dokumentiranja već može pomoći u standardizaciji terminologije, osiguravanju dosljednosti kroz različite dokumente te pojednostavljivanju složenih tehničkih koncepata.

Početak rada s alatima poput ChatGPT-ja relativno je jednostavan – potrebno je registrirati se za pristup usluzi putem web adrese ili instalirati odgovarajuću aplikaciju. Nakon registracije, korisnici mogu konfigurirati postavke prema svojim specifičnim potrebama i započeti s korištenjem alata. 

Prilikom pisanja tehničke dokumentacije pomoću UI alata, važno je obratiti pažnju na stil i duljinu sadržaja. Za tehničku dokumentaciju to znači jasno definiranje ciljane publike, razine tehničke složenosti i formata dokumentacije prije nego što se krene s generiranjem sadržaja. Precizno definirani parametri pomoći će UI alatu da proizvede sadržaj koji bolje odgovara specifičnim zahtjevima tehničke dokumentacije.

5.4.3. Kreativno pisanje

Za postizanje najboljih rezultata, važno je pružiti UI alatu jasne i specifične upute. Ovo uključuje definiranje žanra, tona, perspektive, likova i drugih relevantnih elemenata kreativnog projekta. Što su upute specifičnije, to će generirani sadržaj biti relevantniji i korisniji.

Primjerice, umjesto jednostavnog upita "napiši priču", možemo specificirati "napiši kratku priču u stilu magičnog realizma o usamljenom svjetioničaru koji otkriva misteriozni predmet na plaži, ispričanu iz perspektive trećeg lica".

UI alati također mogu biti iznimno korisni za razvoj likova i dijaloga. Mogu generirati biografije likova, razraditi njihove osobnosti ili stvoriti dijaloge koji odražavaju njihove jedinstvene glasove. Ovakav pristup može pomoći u stvaranju vjerodostojnih i trodimenzionalnih likova koji rezoniraju s čitateljima.

5.4.4. Točnost podataka

UI modeli temelje se na podacima na kojima su trenirani. Ako su ti podaci netočni, zastarjeli ili pristrani, rezultati će također biti netočni ili nepotpuni. Na primjer, ChatGPT je treniran na velikim količinama internetskog teksta, što znači da može sadržavati informacije koje nisu aktualne ili koje su bile netočne u vrijeme treniranja.

5.4.5. Halucinacije

U kontekstu generiranja teksta halucinacije označavaju stvaranje informacija koje nisu prisutne u izvornim podacima ili koje nisu temeljene na stvarnim činjenicama. Ovo se može dogoditi kada UI model pokušava popuniti praznine u informacijama ili kada se oslanja na svoja predviđanja umjesto na stvarne podatke. Pročitaj više u odlomku o fenomenu halucinacije.

5.4.6. Autorska prava i plagijati

UI alati mogu proizvesti tekst koji je sličan ili identičan postojećim radovima, što može uzrokovati probleme s originalnošću i autorskim pravima. Provjera plagijata postaje nužna prije objave sadržaja generiranog umjetnom inteligencijom. Provjeru plagijata kod teksta generiranog UI alatom može se napraviti alatima za provjeru plagijata i uređivanja. Korištenje alata kao što su Simplified, Copyleaks i CudekAI može pomoći u ovom procesu, ali ručna provjera i uređivanje neophodni su za postizanje najboljih rezultata.

Tekstualni UI alati predstavljaju koristan dodatak uobičajenim praksama pisanja teksta i stvaranja sadržaja. Najveća prednost im je velika učinkovitost pri generiranju teksta, dok je najveća mana (ne)prepoznavanje osnova komunikacije. 

Njihovo optimalno korištenje može se podijeliti u nekoliko kategorija:

• Automatizacija ponavljajućih zadataka pisanja.
• Pomoć i inspiracija pri stvaranju ideja (potpomaganje ljudske kreativnosti).
• Omogućavanje hiperpersonalizacije na velikim količinama podataka/teksta.

Međutim, korištenje ovakvih alata zahtijeva kontrolu kvalitete sadržaja, nadgledanje i svjesnost o etičkim elementima generiranog teksta kako bi se spriječilo širenje dezinformacija.

5.5. Vizualni i audio genAI alati

Multimedija je područje koje je je, uz tekstualni sadržaj i programiranje, doživjelo tektonske poremećaje uslijed pojave LLM alata. Dostupnost, jednostavnost korištenja i brzina glavni su aduti zbog koji su ovi alati brzo pronašli svoje mjesto u različitim industrijama. Dok većina LLM alata široke namjene, poput ChatGPT-ja ili Geminija, imaju mogućnost kreiranja slikovnog sadržaja, u ovom poglavlju izdvojit ćemo one koji su specijalizirani u ovome području. 

5.5.1. Vizualni alati

Vizualni LLM alati i UI (vLLM alati) alati su sustavi koji omogućavaju procesuiranje, generiranje i interpretiranje vizualnog sadržaja u obliku slika i videa. U vrlo kratko vrijeme ovi alati uvukli su se u radne procese kreativaca i danas malo tko može zamisliti život bez njih. Glupi, dosadni i zamorni svakodnevni poslovi postali su stvar prošlosti, povećala se efikasnost u radu, a neki su zadaci postali laki, čak i zabavni. Na primjer, platforme poput LTX Studija pojednostavljuju ideaciju u fazi pretprodukcije i generiraju varijacije videooglasa u nekoliko minuta, dok Arcads koristi UI za pretvaranje teksta u govor kako bi lokalizirao kampanje na 35 jezika s prilagodljivim avatarima. Ovakvi alati postali su dostupni i unutar oglašivačkih platformi, poput Google Adsa. 

vLLM alati omogućuju korisnicima jednostavnu interakciju karakterističnu za LLM alate: vizualni sadržaj generiran je na temelju tekstualnih promptova. Uz to, vLLM alati imaju UI sučelje karakteristično za alate za izradu i obradu vizualnog sadržaja te nude neke naprednije mogućnosti kombiniranom interakcijom putem sučelja i prompta. Također, sve više alata integrira različite LLM modele kako bi unaprijedio način rada i rezultate.

Modeli poput Midjourneyja, DALL·E-ja i Stable Diffusiona koriste duboke neuronske mreže, posebice difuzijske modele i generativne adversarijalne mreže (GANs), za sintetiziranje realističnih i stilistički usklađenih vizualnih sadržaja. Ovi sustavi oslanjaju se na ogromne baze podataka slika i tekstualnih opisa kako bi prepoznali obrasce i generirali nove vizuale prema korisničkim unosima.

U tablici 1 dostupan je pregled najkorištenijih vizualnih alata svrstanih u kategorije prema načinu interakcije i rada s alatom.

Jedan od najpopularnijih alata među kreativcima je Midjourney. Osim osnovnih funkcionalnosti (generiranje i obrada vizuala kroz tekstualne promptove), Midjourney omogućava niz naprednih funkcionalnosti koje su mu donijele popularnost. Osim relativno velike rezolucije generiranih vizuala, ovaj alat omogućava definiranje niza dinamičkih parametara,  batch procesuiranje, personalizaciju, privatnu opciju rada (stealth mode) i sl. Najveća zapreka korištenju bila je korištenje alata kroz popularni chat Discord, no sada je dostupan i u obliku tipičnog SAAS. 

OpenArt ima razvijeno sučelje koje omogućava interakciju bez promptova, ali i relativno naprednu reverse prompting opciju. Zbog lakoće korištenja i naprednih opcija obrade ima sve više korisnika.

5.5.2. Audioalati

Audio LLM alati i UI (aLLM) alati omogućuju procesuiranje, generiranje i manipulaciju audiosadržaja, uključujući govor, glazbu i zvučne efekte. Dok je situacija s hrvatskim jezikom još uvijek više nego idealna (transkripcija govora, generiranje glasa i sl.), marketingaši su već prigrlili ove alate, kao i kombinaciju audiovizualnih alata, u različitim područjima: od istraživanja tržišta do izrade oglašivačkih kampanja i kreative.  Također, različiti su oblici audiomogućnosti ugrađeni i u tekstualne audioalate, od primanja glasovnih naredbi do sinteze audiosadržaja, kao u Notebook LM-u, na osnovu tekstualnih materijala. Jedna stvar vodi sljedećoj i procesuiranje zvuka postaje sve važniji način korištenja LLM-ova.

Modeli kao što su OpenAI-jev Whisper, Meta SeamlessM4T i Google DeepMind Voicebox koriste duboke neuronske mreže za obradu i generiranje audiosadržaja. Ovi sustavi koriste velike baze podataka audiosnimaka i tekstualnih transkripcija kako bi reproducirali prirodni zvuk iz korisničkih unosa. Naprednije opcije obrade glasa i zvuka još su uvijek relativno skupe i dostupne uglavnom preko API-ja velikih platformi, što zahtijeva i neka znanja u području programiranja. Audioalati pogonjeni UI-jem sastavni dio su osobnih asistenata poput Alexe i Google Homea, a omogućuju glasovnu interakciju s asistentom i obavljanje različitih aktivnosti za krajnjeg korisnika.

U tablici 2 dostupan je pregled najkorištenijih audioalata svrstanih u kategorije prema načinu interakcije i rada s alatom.

Audiovizualni sadržaj generiran umjetnom inteligencijom podložan je pristranostima prisutnima u podacima na kojima su modeli trenirani, često odražavajući neravnoteže u prikazivanju spola, etničke pripadnosti i kulturnih normi. Istraživanja su pokazala da generativni modeli mogu nenamjerno ojačati stereotipe, što dovodi do etičkih izazova u marketinškoj komunikaciji. Zato uvijek budite na oprezu, a više o tome pročitajte u poglavlju 4. Etika i umjetna inteligencija. 

Slično kao i kod etičkih normi, vrući je krumpir pravni status generiranog sadržaja i dalje je predmet rasprave zato što postojeći zakonski okviri ne prepoznaju univerzalno neljudske stvaratelje. Pitanja se javljaju u vezi s vlasništvom nad generiranim slikama te potencijalnim kršenjem autorskih prava zbog korištenja zaštićenih materijala u treniranju modela. Ovo je pitanje koje se neće tako skoro riješiti. Manje-više sve kompanije koje su izradile i trenirale UI modele trenutno se nalaze u nekom sudskom procesu vezanom uz korištenje autorskih prava uz vizualne i tekstualne podatke.

Sve veća upotreba umjetne inteligencije u marketingu izaziva zabrinutost u vezi s otkrivanjem generiranih vizuala. Istraživanja su pokazala da potrošači često ne mogu razlikovati sadržaj koji su stvorili ljudi i onaj koji je generirao stroj. Važno je voditi računa o pravilima razotkrivanja uporabe ovakvih alata u kreiranju sadržaja i njihovom plasmanu prema potrošačima. Uvijek provjerite smjernice i pravila koja daju komunikacijske platforme. Na ovaj način možemo očuvati povjerenje javnosti u dobu u kojem tek počinjemo biti preplavljeni ovakvim sadržajem.

5.5.3. Zaključno

Uglavnom, spektakl. Kada pogledamo alate koje danas imamo na raspolaganju i vratimo se samo koju godinu unazad kada su mikroorganizmi potresali marketinšku budućnost, nismo mogli ni zamisliti što nas očekuje. Suludi razmjeri ulaganja u UI koji se trenutno događaju mogli bi dovesti do još većeg napretka. S druge strane, ako se vratite u prvo poglavlje, “overpromise” i “overinvestment” donijeli su i velike zime.

5.6. Automatizacija procesa

Shvativši u kojoj mjeri ovi alati mogu ubrzati i automatizirati rutinske radnje, zauzeli su svoje mjesto u svakodnevnim procesima unutar agencija i marketinških timova kompanija, omogućujući na taj način povećanje efikasnosti i snižavanje troškova rada. Nedavno je svaki drugi menadžer u SAD-u izjavio da bi radije angažirao genAI alat nego zaposlio pripadnika generacije Z, što je u visoko definiranim poslovima već donijelo znatne pomake u zapošljavanju i strukturiranju timova.

Stvaranje i obrada teksta i multimedijalnog sadržaja već je odavno donijela velike promjene u načinu kako radimo, no pojavom novih, visokospecijaliziranih alata, utjecaj se širi i na druge poslove i aktivnosti kao što su analiza, izvještavanje, izrada sažetaka velike količine podataka (industrijskih izvještaja), izrada planova, pa čak i na kreativne procese poput “brainstorminga” i izrade krative.

Kvaliteta rezultata koji daju rezultati ovisi o zahtjevnosti i varijabilnosti procesa, razini poznavanja mogućnosti alata i dostupnosti naprednijih, često i skupljih, verzija alata i stručnosti u području u kojem se alat koristi. Alati daju bolje rezultate u radu sa strukturiranim podacima (poput analize izvještaja, analize podataka, programiranja), a rezultati uvelike ovise o individualnoj vještini promptanja. Kompanije postaju svjesne ove činjenice i sve se više ulaže u osposobljavanje zaposlenika za korištenje genAI alata, a pojavila su se i nova zvučna zanimanja kao što je “prompt engineer.”

Osim u radu i procesima, genAI alati već se koriste i u interakciji s kupcima kroz različite implementacije u online touchpointima. Chat botovi su već, čini se davno, pronašli svoje mjesto u asistenciji korisnicima prilikom online kupnje ili u procesima korisničke podrške, gdje znatno smanjuju potrebe za uloženim radom, a uz to omogućuju interakciju kompanije s potrošačima u trenucima koji prije nisu bili mogući.

Izvori:

Exner, Y., Hartmann, J., Netzer, O. & Zhang, S., 2025. AI in disguise – How AI-generated ads' visual cues shape consumer perception and performance. Technical University of Munich, Columbia Business School, Harvard Business School. 

Cillo, P. and Rubera, G. (2024) 'Generative AI in innovation and marketing processes: A roadmap of research opportunities', Journal of the Academy of Marketing Science, 52(5), pp. 1003–1024. doi:10.1007/s11747-024-01044-7

Meincke, L., Mollick, E. & Terwiesch, C., 2024. Prompting Diverse Ideas: Increasing AI Idea Variance. The Wharton School, University of Pennsylvania.

Boegershausen J, Cornil Y, Yi S, Hardisty DJ (2025) On the persistent mischaracterization of Google and Facebook A/B tests: How to conduct and report online platform studies. International Journal of Research in Marketing ISSN 01678116, URL http://dx.doi.org/10.1016/ j.ijresmar.2024.12.004.

Miller EJ, Steward BA, Witkower Z, Sutherland CAM, Krumhuber EG, Dawel A (2023) AI Hyperrealism: Why AI Faces Are Perceived as More Real Than Human Ones. Psychological Science 34(12):1390–1403, URL http://dx.doi.org/10.1177/09567976231207095.

Meincke, L., Mollick, E. & Terwiesch, C., 2024. Prompting Diverse Ideas: Increasing AI Idea Variance. The Wharton School, University of Pennsylvania. Available at SSRN: https://ssrn.com/abstract=4708466 (Accessed: 5 May 2025).

Eapen, T. T., Finkenstadt, D. J. & Folk, J., 2024. Trisociation with AI for Creative Idea Generation. Center for Creative Foresight, Wolf Stake Consulting, StratRocket. Available at SSRN: https://ssrn.com/abstract=5108876 (Accessed: 5 May 2025).

Eric Zhou, Dokyun Lee, Generative artificial intelligence, human creativity, and art, PNAS Nexus, Volume 3, Issue 3, March 2024, pgae052, https://doi.org/10.1093/pnasnexus/pgae052