MarTechBot 커튼 뒤에 무엇이 있습니까?

우리 모두는 지난 6개월 동안 AI가 주도하는 변화의 전례 없는 속도를 경험했습니다. 그 변화의 촉매제는 '접근성'이었습니다.

AI의 변곡점은 OpenAI가 ChatGPT에 대한 제한 없는 무료 액세스를 제공하기로 한 결정이었습니다. 그 결과 두 달도 안 되어 1억 명의 사용자가 사용되었습니다.

마테크 및 마케팅 운영 리더로서 이 오픈 액세스는 축복이자 도전입니다. 그것은 우리의 2023년 계획과 우선순위를 극적으로 바꾸었습니다.

약 2주 전에 MarTechBot이 등장한 곳입니다. MarTechBot의 막 뒤에서 MarTechBot이 어떻게 훈련되고 있는지, 기본 기술 및 실시간 학습에 대한 내부자 액세스를 제공할 수 있도록 해 준 Marc Sirkin과 MarTech 팀에 감사드립니다.

Sirkin과 나는 그가 게시한 상황별 "MMM" 프롬프트의 의미에 대해 논의했습니다. 이 실험은 이 사이트의 콘텐츠로 MarTechBot을 교육하면 마케터를 위한 맞춤형 답변을 얻을 수 있음을 보여주었습니다. 결과는 예상했지만 그럼에도 불구하고 인상적이었습니다. 그리고 더 많은 반성으로 이어졌습니다. 다음은 내가 가지고 간 통찰력 중 일부입니다.

• 지금 시작하세요. 회사별 언어 모델을 사용하여 AI 봇을 교육하는 방법을 배우는 것이 2023년 할 일 목록의 맨 위에 있어야 합니다. 대중에게 공개되지 않을 수도 있지만 잠재적인 이점을 위해 우리 모두는 지금 가시적인 조치를 취하기 시작해야 합니다.
• 에코 챔버 효과 . MarTechBot이 마케팅의 거품 속에서 반응하는 것을 지켜보는 것은 굉장했습니다. 마치 2주 된 아기가 이미 "엄마"와 "아빠"라고 말하는 방법을 알고 있는 것처럼 말이죠! 그러나 그 의미는 심각합니다. 편향도 마찬가지로 빠르게 들어올 수 있습니다. 마케팅 기술의 세계에서 MarTechBot은 각 마케팅 문제에 대한 유일한 해결책은 스택에 새로운 도구를 추가하는 것이라고 곧 결론을 내릴까요? 🙂
• 새로운 마케팅 운영 역할. 우리는 봇 교육에 모든 종류의 새로운 가드레일이 따른다는 사실을 발견했습니다. 한 가지 예는 GPT 토큰 한도 운영입니다. 단어 수는 대략적인 은유이지만 대규모 언어 모델(LLM)의 기반이 되는 예측 피드백 루프를 고려할 때 정확한 등가물은 아닙니다. 또 다른 예로는 오디오/비디오 텍스트 전사를 편집하는 새로운 콘텐츠 운영 역할이 있습니다. 이전에는 실시간 폐쇄 자막으로 생성된 약간의 부정확성을 간과했을 것입니다. 이러한 부정확성은 텍스트가 학습 봇 모델에 입력될 때 결과적으로 발생합니다.
• 피벗. 봇을 너무 빨리 훈련시켜 목소리 톤을 낼 수 있다면 즉시 재훈련할 수 있을까요? 브랜드가 새로운 제품 방향이나 브랜드 변경으로 인해 이제는 구식이 된 메시징 및 어조에 대해 봇을 교육했다면 어떻게 될까요?

하지만 더 있습니다! 다음은 MarTechBot이 제안한 새로운 MarTech 및 MOps 과제(예: 답이 없는 질문!)에 관한 빙산의 일각에 불과합니다.

• 사용법 가이드가 없는 새 스택. 제너레이티브 AI 시스템을 만드는 사람들은 그들이 때때로 하는 방식으로 반응하는 이유와 방법을 정확히 이해하지 못한다는 것을 인정합니다. 마케팅 운영 전문가는 어떻게 설명합니까? 고객, 경영진, 주주 등에게?
• 속도와 책임의 균형. 혁신을 향한 경쟁은 까다로운 법적, 저작권 및 윤리적 문제를 밝혀낼 것입니다. #train_on_this(또는 #do_NOT_train_on_this)와 같은 새로운 콘텐츠 태그가 적용되나요?
• 마케팅-IT "내분"의 잠재적 재연. 지난 10년 동안 우리는 마케팅과 IT 간의 역할/책임 분담에 대한 몇 가지 규범을 확립했습니다. 그러나 AI 도구는 기업 전체에서 사용될 것입니다. 마케팅 담당자는 IT와의 교차 기능적 파트너십을 갱신해야 합니까, 아니면 IT가 기업을 위해 항상 제어해야 하는 중요한 데이터 세트에 대한 액세스 권한을 잃을 위험이 있습니까?
• 마케팅 자동화에 빠르게 주입. 제가 3월에 쓰고 이야기한 것처럼 이러한 기능은 또한 핵심 CRM 및 마케팅 자동화 플랫폼에 대한 재투자를 마테크 스택의 기반으로 합니다. 6월에 시리즈의 2부에서 데이터 관리에 미치는 영향을 다룰 것입니다. 지금과 그때 사이에 얼마나 다시 변경되거나 도입됩니까? (이미 아웃라인을 3번 수정했습니다!)

과거에는 일반적으로 공급업체 및/또는 컨설턴트가 스택에서 잘못된 부분을 식별하는 데 도움을 줄 수 있었습니다. 향후 6-12개월 동안 AI 봇 스택에서는 그렇지 않을 것입니다. 커튼 뒤의 오퍼레이터가 되어야 합니다. 오늘 시작하세요.

마테크를 잡아라! 일일. 무료. 받은편지함에서

비즈니스 이메일 주소

구독하다 처리 중...

용어를 참조하십시오.