A szakember szerint a generatív AI-nak olyan ismétlődő feladatokat érdemes átadni, amelyekhez tudunk mintát is adni. Úgy kell bánnunk vele, mintha csapatunk fiatal, kevés tapasztalattal rendelkező munkatársa lenne: ha jó briefet rakunk össze, képes lesz elvégezni, amit rábíztak. Szepes Zsolt, a GenAI marketingszakértője "Hogyan vált ki a generatív AI akár teljes munkafolyamatokat a marketing csapatban?" címmel tartott előadást a Digital Marketing Forumon.
Mit csinál egy generatív AI mentor? Szepes Zsolt tanácsadással és képzéssel támogatja marketinges csapatok hatékony munkavégzését az AI integrálásával a folyamatokba. Ahogy az előadáson fogalmazott, ez a harmadik karrierútja, elsőként a politikai kommunikációban dolgozott, majd a marketing és a kommunikáció területén teljesedett ki. Az elmúlt évet a Munch Ételmentő startupnál töltötte a nemzetközi marketing operációt vezetve. Itt kezdett el folyamatok építésével és hatékonyabbá tételével foglalkozni, a generatív AI témájában három éve merült el.
Mire jó az AI?
Általában nagyon sarkos véleményeket szoktam hallani a munkám során az AI-ról. Van, aki azt mondja, hogy mindent így kéne csinálni, mások szerint semmire sem jó, és ez a szélsőséges hozzáállás különösen igaz a kreatív gyártás, a tartalomgyártás területén. Ezen a területen azt gondolják, hogy a generatív AI nem kreatív, nem jó döntéshozó és alapvetően nem művész. Én azt tudom erre válaszolni, hogy ez mind teljes mértékben igaz, viszont nagyon jól támogatja ezeket a feladatokat az AI
– vezette be a témát Szepes Zsolt.
Munkánkat azzal képes támogatni, hogy
- megkérdőjelez koncepciókat;
- kutatási anyagokat állít elő;
- gyorsan készíthetünk vele insightokat;
- döntéstámogató eszközként használható, mivel nagyon gyorsan tud nagy mennyiségű szöveget vagy adatot feldolgozni, és azokkal kapcsolatban kérdéseket tehetünk fel neki;
- felgyorsítja az információkeresést, a kutatást, a hipotézisvizsgálatot vagy akár a tartalomgyártást.
Középszerű eredmény helyett szakértelem
A generatív világnak két szintje van. Az első miatt lett nagyon népszerű: gyorsan, olcsón, releváns szakértelem nélkül lehet létrehozni vele a semmiből valamit. Ez viszont jellemzően középszerű eredményt hoz, és nem érdemes arra, hogy publikáljuk. A második szintje, amikor valakinek van szakértelme – ebben az esetben a munkáját ugyanazon a színvonalon képes AI-jal sokkal gyorsabban, olcsóbban, hatékonyabban elvégezni
– magyarázta Szepes Zsolt.
Ehhez a szakember szerint háromféle hozzáállás elsajátítására van szükség. Az első a promptírás képessége, ami a briefeléshez hasonlít.
Nagyjából hét éve jöttem rá, hogy egy fiatal kolléga esetében sokkal fontosabb a minőség szempontjából az, hogy hogyan adom ki a feladatot, mint az ő képességei. Nem mindig, de általában így van. Ha valaki jól tud briefelni, akkor nagyon könnyen és gyorsan meg fog tudni tanulni promptot is írni
– mondta el Szepes Zsolt.
A második a domain knowledge, a releváns szakértelem. Vagyis a szakértelmet az ember adja az AI-hoz.
Úgy gondoljatok a generatív AI-ra, mintha egy olyan junior lenne, aki két év tapasztalattal rendelkezik, és a mai napon kezdett a csapatban. Tud már ezt-azt csinálni, vannak képességei, van tapasztalata, de fogalma sincs arról, hogyan építitek fel a folyamatokat, mik az elvárásaitok, milyen templatekben dolgoztok, milyen szabályrendszer szerint. Ezt mind el kell neki mondani. Arra kell számítani, hogy ha ti valamit egy 10-es skálán 8-as szinten tudtok elvégezni, akkor egy jó prompttal a generatív AI hetes szinten fogja tudni megoldani, de hihetetlen gyorsasággal
– magyarázta a szakember.
A harmadik fontos szempont a kritikai gondolkodás képessége. Erre egyrészt azért van szükség, mert gyakran kell folyamatokban gondolkodni, problémamegoldásként megközelíteni a generatív AI projekteket, de még lényegesebb, hogy rendre meg kell kérdőjeleznünk az AI válaszait. A szakember szerint sokan azt mondják, hogy aki ezeket a rendszereket használja, éppen a kritikai gondolkodását veszíti el, ez azonban megelőzhető, amennyiben folyamatokban dolgozunk.
Ezt szokták úgy megfogalmazni: human in the loop. Vagyis az ember aktívan részt vesz az automatikus vagy mesterséges intelligencián alapuló rendszer működésében, általában döntéshozó, ellenőrző, korrigáló szerepben.
Ha van releváns szakértelmetek, jól promptoltok, illetve minőségbiztosítóként ott tudtok lenni minden egyes szakaszban, akkor kaptok egy olyan eredményt, egy hetes szintű tartalmat, amit fel lehet hozni iterációval vagy akár normális munkával nyolcasra
– összegezte Szepes Zsolt.
Ebbe energiát és időt kell fektetni, tehát az AI-t elsősorban ismétlődő rutinfeladatokra érdemes alkalmazni.
Mikor ne használjuk az AI-t?
Nem minden feladatot lehet vagy érdemes az AI-ra bízni. A kommunikációs szakember szerint egy kétperces feladat esetében, amit nem kell naponta 10-15-ször elvégezni, teljesen felesleges az AI-jal vesződni.
Ha van egy 15-20 perces feladatotok, amit jó szívvel, szeretettel csináltok, azt se adjátok oda az AI-nak. Én a LinkedIn-posztjaimat a mai napig magam írom, mert szeretek írni, és mert azt gondolom, hogy így lesz személyes az eredmény
– tanácsolta Szepes Zsolt.
12 órából egy óra
A szakember felidézte az első esetet, amikor felfedezte, milyen nagy segítség lehet a generatív AI. Egy pályázaton indultak, amihez a csapat összes tagjáról le kellett adni egy önéletrajzot, de nem a megszokott struktúrákban, hanem egy két bekezdésből álló, storytelling-jellegű karrierutat kellett felvázolni mindenkiről. Nekiállt a pályázatíró kolléga, és az elsőt 1-1,5 óra alatt rakta össze, majd kiszámolta, hogy ezzel nem fog végezni a másnapi leadási határidőig, így végül segítséget kért.
Én akkor már olvastam arról, hogy a generatív AI a mintakövetésben a legjobb. Leültem a ChatGPT elé, és azt mondtam neki, hogy nézd, ebből a CV-ből ez a két bekezdés lett. Itt egy újabb CV, csinálj nekem ugyanígy két bekezdést belőle. Nem lett jó, de nagyjából 10-15 perc alatt fel tudtam pofozni a megfelelő szintre, és ezt követően már két mintám volt, amiket már jól tudott követni. 10 perc múlva kész voltam azzal, amit a kollégám nagyjából 12 óra alatt tudott volna megcsinálni
– számolt be az eredményről a szakember. Ekkor érzett rá, hogy ezzel érdemes foglalkozni.
Piackutatás gyorsabban
Szepes Zsolt sok olyan csapattal dolgozik, akik több stratégiai projektet vállalhatnának, ha a kutatást fel tudnák gyorsítani, tehát nagyobb profitot érhetnének el. Kutatást korábban általában úgy végeztek, hogy beírták a Google-be a kérdésüket, majd az első 10-15 találat tartalmát lényegében véve szintetizálták. Most a Perplexity ugyanezt teszi, amivel egy 1-2 órás munkafolyamatot felgyorsít 3-5 percre.
Piackutatásra például olyan promptot használok, ami húsz perc alatt fut le. Ehhez a Deep Research funkciót használom, ami a Perplexity mellett a ChatGPT-ben és a Geminiben is megtalálható, és szinte minden héten változik, melyik a jobb. Összerak egy kutatási tervet, és lépésről lépésre végigmegy rajta. Ez bonyolultabb feladat, például a Google AI-rendszere a kutatási tervet is megmutatja és jóváhagyatja. Olyan desktop research folyamatokat, amiket korábban 3-5 nap alatt végeztünk el a gép előtt ülve, nagyjából 20 perc alatt megcsinál az AI. A prompt megírásával és az ellenőrzéssel együtt egy óra alatt el lehet ezeket végezni ugyanazon a szinten, mint korábban
– szolgált jó hírekkel Szepes Zsolt.
Avatarral egy egész hetet is meg lehet spórolni
Az utolsó példa, amit a szakember felhozott, már egy egészen komoly és összetett munkafolyamatra vonatkozott, amelyben többféle AI megoldás többféle szinten is szerepet játszik. Trénerként számos videós tartalmat gyárt, de nem szeret a kamera előtt szerepelni, illetve sem ideje, sem erőforrása nincs arra, hogy annyi videós tartalmat leforgasson professzionális szinten, mint amennyire szüksége lenne. Így aztán létrehozott egy AI avatart a Synthesia-ban, amihez csak egy egyperces videót kellett feltöltenie magáról.
A legjobban sikerült videómon édesanyám sem vette észre, hogy nem én beszélek, hanem egy avatar. A feleségem volt az egyetlen, aki kiszúrta, és ő is csak nagyon apró arcmimikai mozgásokból. Pontosan tudtam, hogy mit szeretnék ezekben a videókban látni, milyen szempontrendszer szerint, mik az üzeneteim, és ezen belül hova szeretném a hangsúlyokat tenni. Elsőként ezt megosztottam a Perplexity-vel, azt kérve, rakjon össze egy háttéranyagot. A közepesnél egy kicsivel jobb választ adott, de egy egykörös iterációval 10 perc alatt előállt a jó szöveg. Ha ezt hagyományos munkával csináltam volna, olyan 3-4 óra lett volna
– magyarázta Szepes Zsolt.
A következő lépésben fogta ezt a háttéranyagot, és átvitte a ChatGPT 4-be, amely tapasztalata szerint egészen jó videós scriptek írásában. Adott neki mintákat, megmutatta az öt legjobban teljesítő videója scriptjét, és azt kérte tőle, hogy a négy részből álló, Perplexity által összerakott háttéranyag alapján hozzon létre négy videót. A túlbiztosítás érdekében kikötötte, hogy milyen szempontrendszer alapján és milyen üzenetek mentén szeretné ezeket a scripteket megalkotni, megadta a hosszukat, a strukturájukat, a stílust, a hangvételt.
A ChatGPT 4 ezeket nagyjából öt perc alatt állította elő, majd a szakember a Canvast is használta. Ez egy kollaboratív munkafelület, amely integrálható a ChatGPT-vel, és grafikus, vizuális módon segíti a gondolkodást, a tervezést és a promptolást. Itt még inkább együtt lehet dolgozni az AI-jal, mint egy kreatív asszisztenssel, bele lehet nyúlni a folyamatba, szövegrészekkel kapcsolatos módosításokat kérni.
Ezzel nagyjából 10 perc alatt hozta fel az első scriptet arra a szintre, ahogy azt ő maga is meg tudta volna írni. Utána megkérte, hogy a másik hármat ennek a mintájára dolgozza át, és utána még 10 percet töltött javítással. 25 perc alatt kész is voltak a videós scriptek, ami egy hagyományos ügynökségi modellben 2-3 nap lett volna. Ezután a szövegeket átvitte a Synthesia-ba, hogy létrehozza a videókat az avatarral.
Itt kizárólag azért volt szükség iterációra, mert a magyar nyelv még döcög az eszközön belül, ezért egyes szavak kiejtésével kellett egy kicsit játszanom. Egy videó generálása 12-13 perc, de futhat párhuzamosan több is, tehát 20 perc alatt végeztem a négy videóval. Ugyanazokat a videó scripteket pedig bevittem a ChatGPT-be, hogy LinkedIn-posztokat írjon hozzájuk, ehhez megmutattam neki négy korábbi LinkedIn-videómat és az azokhoz tartozó posztokat. Ezek már elsőre is jó minőségben sikerültek, a Canvában kellett egy kicsit finomhangolni őket. 70 perc alatt létrehoztam egy négyrészes videósorozatot a LinkedIn-re a posztokkal és videókkal együtt. Ez legalább négy munkahét egy ügynökségben
– összegezte tapasztalatait a szakember.
Hozzáfűzte, hogy mindez még gyorsabb lett volna, ha elfogadja az első háttéranyagot, illetve ha nem ad az AI-nak mintákat és nem javítja az eredményeket. Figyelmeztett, hogy bár sokan csinálnak ilyet, ő ezt nem javasolja, hiszen a cél az, hogy gyorsabban és jobb eredménnyel dolgozzunk.