Se l’AI generativa incontra il marketing

Ci sono più domande che risposte sul tema del momento, la generative AI. Siamo in grado di gestire la qualità dell’informazione generata o saremo travolti da errori e manipolazioni? Come possiamo proteggere i diritti dei cittadini e degli autori dall’uso improprio delle informazioni? Perderemo il controllo sulle nuove tecnologie? A porre queste domande sono alcuni tra gli scienziati che meglio conoscono l’argomento, a partire da Yoshua Bengio e Geoffrey Hinton. Consci che molti di questi interrogativi più generali devono essere affrontati in modo proattivo, trovando soluzioni, e collaborativo (perché ci va di mezzo il futuro di tutti noi), proponiamo qui alcune evidenze e riflessioni che possono essere utili, in questa fase, ai manager e in particolare a chi si occupa di marketing.

Secondo un recente report di McKinsey, il livello di adozione dell’intelligenza artificiale nelle imprese è più che raddoppiato negli ultimi cinque anni. La cosiddetta «AI generativa», basata sui Large Language Models (LLM) e sulla loro capacità di generare contenuti, conversazioni, immagini e software in modo quasi indistinguibile da un umano, sta accelerando questo trend. Come ci ricorda anche un recente lavoro di Thomas Davenport del MIT, però, non sempre l’intelligenza artificiale funziona. E nel caso dell’AI generativa è utile considerare ciò che Luciano Floridi, il filosofo della tecnologia, ha recentemente sottolineato, e cioè che quando i Large Language Models sbagliano lo fanno in modo rovinoso, proprio per come funzionano.

«They do not think, reason or understand; (…) they can do statistically – that is, working on the formal structure, and not on the meaning of the texts – what we do semantically, even if in ways (ours) that neuroscience has only begun to explore.» 

I sistemi di intelligenza artificiale hanno già dato prova di poter essere utilizzati nel marketing per identificare spazi per nuove offerte ed esperienze attraverso l’ascolto costante dei consumatori nei social media o nelle interazioni di customer service, ma anche tramite i report generati automaticamente da focus group o dati di vendita. Lo ha dimostrato Adidas, che ha sfruttato l’AI generativa per disegnare un nuovo modello di scarpa basato sui feedback dei clienti e sulle tendenze di mercato. 

L’AI può assistere anche nel creare modelli 3D e altre visualizzazioni, eventualmente ottimizzando l’output finale, valutando i costi, la manufacturability e naturalmente le preferenze dei consumatori. Ogni concept può naturalmente essere personalizzato per singoli clienti o personas, anche nel pricing. Non solo: l’AI sta modificando profondamente anche lo sviluppo di creatività e pianificazione per campagne pubblicitarie. WPP ha recentemente annunciato una partnership con Nvidia per l’utilizzo di sistemi intelligenti al servizio dei suoi clienti pubblicitari. L’AI generativa aggiunge facilità di personalizzazione ed efficienza nella produzione di creatività ma anche di scala nella fase di ottimizzazione delle campagne, nella quale una moltitudine di versioni diverse di creatività viene testata per concorrere al meglio all’obiettivo assegnato dal brand. Stephan Pretorius, chief technology officer di WPP, ha dichiarato: «We are able to (…) customise [advertising] to every environment in the world: you can create 10,000 versions within a couple of minutes». Per garantire la protezione del diritto d’autore sulle immagini usate come input in questi processi, WPP ha connesso la sua piattaforma ai sistemi Getty Images. 

Un tema ancora poco esplorato riguarda l’impatto dell’AI generativa quando sia utilizzata dai consumatori. Recentemente, Coca Cola ha fatto sviluppare ai suoi fan la creatività per la campagna «Create Real Magic» mettendo loro a disposizione strumenti di AI generativa. Expedia ha annunciato che potenzierà la sua app mobile di servizi turistici con un plugin basato su ChatGPT che permetterà al cliente di interrogare il chatbot sviluppato da OpenAI facendosi assistere nella scelta delle destinazioni, dei resort e delle attività. Combinando le capacità di search, le raccomandazioni personalizzate e la creazione di shopping list commentate, l’intelligenza artificiale può diventare anche un potente shopping assistant.

Se ormai da anni gli user-generated content hanno rivoluzionato il marketing, possiamo aspettarci che l’AI generativa in mano non solo ai creator ma a tutti i prospect di un brand, fan o detrattori, potrà ulteriormente accelerare l’impatto di questi processi di decentralizzazione nella produzione di contenuti messi in rete, con tutti i benefici ma anche i rischi legati a fake news e manipolazione che possiamo facilmente prevedere. È auspicabile che, per questa nuova ondata di innovazioni, le istituzioni e gli attori economici non si facciano trovare nuovamente impreparate nell’affrontare e controllare la questione. Del resto, lo stesso CEO di Google (che compete con il suo sistema BARD), pur riconoscendo le sfide a cui l’AI ci sta mettendo di fronte, si dichiara ottimista proprio perché, stavolta, «ci stiamo accorgendo dei possibili problemi da subito». 

Tra le diverse soluzioni proposte per gestire il problema delle cosiddette allucinazioni (errori) negli output AI, oggi si fanno notare sia l’approccio cosiddetto neuro-simbolico (integrazione tra AI generativa e sistemi più tradizionali rule-based) sia il focus sulla qualità delle interazioni (prompt) e del training di questi sistemi. Quest’ultima soluzione diventa meno costosa e più efficace tanto più questi LLM sono sviluppati su ambiti locali e verticali di conoscenze e contenuti.

Tra i limiti dei sistemi attuali, c’è anche la rigidità delle modalità espressive utilizzate nelle interfacce. Come abbiamo accennato usiamo già sistemi che creano immagini, soprattutto applicati alla creatività pubblicitaria, ma sono ancora poco sfruttate le potenzialità del multi-modality integrato. Possiamo immaginare le potenzialità di un’AI generativa che integri i testi con l’audio, le immagini, i video o la virtual reality (su questo sta lavorando META), non solo come output, ma anche come input. Amazon, che ha sviluppato da tempo i suoi LLM proprietari, ha già annunciato che Alexa potrà in un prossimo futuro accettare comandi in voce simili a quelli di ChatGPT e generare l’output sui diversi device (tra cui le TV) dotati di queste funzionalità. E non è lontano, nei piani di Amazon, nemmeno il momento in cui i robot di casa (quello di Amazon si chiama ASTRO), con le loro capacità di servizio e manipolazione degli oggetti fisici, saranno integrati con potenzialità generative. Anche le interazioni tra umani e avatar (in tempo reale e non predefinite), nelle realtà immersive e ibride delle varie opzioni di metaverso, potranno beneficiare dei vantaggi di queste nuove capacità conversazionali e creative.

A quale conclusione, pur provvisoria, possiamo quindi arrivare da persone di marketing oggi? Per le imprese la sperimentazione proattiva e lo spirito collaborativo divengono essenziali in questa fase di scoperta, di rischi ma anche di grandi opportunità. La capacità di integrare verticalmente e localmente le conoscenze e applicazioni disponibili con le potenzialità generative della nuova AI sembra offrire un terreno particolarmente fruttuoso e solido per queste sperimentazioni. Sullo sfondo degli investimenti e delle guerre di annunci, si ridisegnano anche le future dominanze di mercato, il cui esito può non essere scontato, perché deve fare i conti sia con il delivery consolidato delle promesse di valore di queste tecnologie, sia con le aperture e restrizioni che emergeranno dall’arena pubblica e di policy anche internazionale. 

E per il consumatore? Si aprono aree di altrettanta opportunità e assistenza, che avranno gradi di libertà e valore diversi a seconda di come verranno affrontati i temi critici della qualità dell’informazione e delle decisioni generate, della protezione dei dati e dei contenuti privati ma anche della trasparenza e neutralità delle selezioni e raccomandazioni emergenti (chi decide su quali dati e training il sistema lavora? Chi assegna gli obiettivi di allineamento dei modelli? Quale concorrenza ci sarà sui diversi sistemi di gatekeeping informativo e decisionale?). Questi sono esiti non di ricerca tecnologica ma (soprattutto) di processi economici, sociali e politici. Il futuro dell’AI è un futuro che possiamo e dobbiamo decidere noi.