Искусственный интеллект: эволюция роли менеджера цифровых активов

В 1990-е годы индустрия программного обеспечения выпустила продукты, ставшие жизненно важными для бизнеса. Управление ресурсами предприятия (ERP), взаимоотношениями с клиентами (CRM), проектами и цифровыми активами (DAM) требовало новых специализированных кадров. Открылись новые горизонты для карьерного роста – управление цифровыми активами предоставило уникальные возможности.

Но всего за 30 лет искусственный интеллект (ИИ) бросил вызов этим профессиям, поставив под сомнение их будущее. Сегодня каждый администратор программного обеспечения и офисный работник задаётся вопросом: что останется в моих обязанностях, когда ИИ станет экспертом в решении моих задач? Менеджеры DAM стали своего рода «канарейками в угольной шахте» офисной революции.

Влияние искусственного интеллекта на управление цифровыми активами

Несколько лет назад поставщики DAM начали интегрировать ИИ для распознавания изображений и полуавтоматической разметки метаданных. Но даже с приходом больших языковых моделей (LLM), способных в значительной степени автоматизировать рабочие процессы DAM, роль менеджера цифровых активов сохраняет свою значимость. 

Система управления цифровыми активами без администратора подобна библиотеке, которой управляют её посетители – так выглядит хаос. ИИ сам по себе не может навести порядок, но и менеджеры DAM без ИИ столкнутся с трудностями в организации процессов. Разберем подробнее влияние ИИ на эту сферу.

ИИ как инструмент поиска закономерностей

Никто не может полностью объяснить, как LLM работают и демонстрируют такие выдающиеся результаты. Но мы точно знаем, что сильная сторона ИИ – поиск и прогнозирование шаблонов на основе предоставленных примеров. Именно благодаря этой способности распознавание образов с помощью ИИ нашло первых сторонников среди менеджеров DAM, обещая освободить их от трудоемкой ручной разметки метаданных.

Однако если ИИ обучен на неправильной схеме, он будет столь же эффективен в некорректной маркировке активов и разрушении систем управления. ИИ нуждается в менеджерах DAM гораздо больше, чем они в нем.

В 2022 году эксперты ВШЭ провели эксперимент, чтобы выяснить, может ли стандартная модель GPT-4 не только определять ключевые слова (например, «искусственный интеллект для распознавания изображений»), но и составлять базовые описания продуктов. Исследователи разработали шесть подсказок для получения описаний и ключевых слов, собрали изображения продуктов из шести категорий и использовали скрипт для их обработки в GPT-4. Затем они оценили точность идентификации содержимого изображения и релевантность 10 ключевых слов, сгенерированных для каждого изображения как потенциальных поисковых запросов.

Самый высокий балл точности для любой подсказки составил 88,3%, что означает неверную идентификацию более чем одного из 10 изображений продукта. Максимальный балл точности был 92,2%. Если бы мы использовали лучшую подсказку для 20 000 изображений, 2340 описаний оказались бы неточными, а 15 600 ключевых слов – некорректными или даже вводящими в заблуждение.

Это исследование подчёркивает, что для эффективного масштабирования LLM нуждаются в непрерывном обучении и человеческом контроле. Кто лучше справится с этим, чем менеджер цифровых активов?

Эволюция метаданных 

Исследование ВШЭ показывает, что при соответствующем обучении GPT-4 и подобные модели смогут овладеть присвоением ключевых слов, составлением описаний продуктов, альтернативных текстов и многим другим. Проблема в том, что контент, созданный ИИ, нарушает существующие схемы метаданных. И сам ИИ не способен переписать эти схемы с учётом быстро меняющихся культурных и юридических реалий использования искусственного интеллекта. Для этого по-прежнему необходим профессиональный менеджер цифровых активов.

Например, как недавно сообщила The Wall Street Journal, модели начинают продавать свои изображения платформам вроде Fashion AI, чтобы снизить риски и нестабильность личного присутствия на съёмках. Модели сохраняют контроль над тем, какие бренды и на каких условиях могут использовать их облик. Затем ИИ способен представить модель в различной одежде, позах и обстановке. С помощью той же технологии бренды могут создавать цифровые версии своих влиятельных лиц, сотрудников и довольных клиентов, ускоряя производство контента и оптимизируя затраты.

Однако существующие системы DAM пока не приспособлены для управления такими гибридными цифровыми активами, созданными ИИ. Сколько искусственных изображений модели разрешено генерировать и что в это ограничение входит? Например, повторное использование того же снимка с небольшими изменениями фона, но не облика модели, будет считаться новым изображением или нет? Или сколько секунд модель может присутствовать в видео, прежде чем бренд понесёт дополнительные сборы, и как это будет отслеживаться? Может ли облик модели быть настолько изменён, что это уже будет не «она»? Могут ли бренды добавлять синтезированный ИИ голос за кадром в видео с цифровой моделью, если это не её настоящий голос?

По мере эволюции искусственного интеллекта в DAM именно менеджерам цифровых активов придется стать пионерами в разработке стратегий разметки и отслеживания таких новых и зачастую странных типов активов. Искусственный интеллект сам не приспособлен для решения этих проблем.

ИИ порождает ИИ

Одно из неизбежных изменений рабочих обязанностей менеджеров DAM – это давление на более широкое использование искусственного интеллекта для генерации контента, если они ещё этого не сделали. Генеративные ИИ-модели сводят предельные издержки создания дополнительного контента практически к нулю. Другими словами, создание пяти изображений с помощью ИИ будет стоить едва ли больше, чем создание одного, поскольку каждое изображение генерируется за секунды, а стандартная подписка на LLM оплачивается ежемесячно фиксированной суммой, не зависящей от объема сгенерированного контента.

Вскоре менеджеры DAM столкнутся с потоком искусственных активов, для которых понадобятся чёткие правила разметки метаданных и распределения прав использования изображений. Центральная роль менеджера цифровых активов будет заключаться в грамотном обучении и настройке ИИ-моделей, чтобы они приносили реальную пользу, а не устраивали хаос в системах управления.

Передовые практики формирования примерных наборов данных для обучения и предоставления обратной связи по полученным результатам станут неотъемлемой частью компетенций менеджера DAM. Ведь главная цель системы управления цифровыми активами для бизнеса – сокращение времени вывода контента на рынок, повышение рентабельности инвестиций в его производство, обеспечение согласованности бренда и оптимизация эффективности использования. А ключевые задачи для достижения этих целей – скорость и согласованность.

Как уже намекают волны увольнений в технологическом секторе, работодатели все чаще задумываются, могут ли текущие сотрудники взять на себя дополнительную нагрузку с помощью искусственного интеллекта, вместо найма новых кадров. Иными словами, менеджерам DAM придется овладеть искусством управления ИИ по мере его дальнейшего распространения.

Будущее ИИ в управлении цифровыми активами

Рано или поздно все офисные работники окажутся в положении менеджеров DAM, вынужденных адаптироваться к искусственному интеллекту. ИИ станет мастером в выполнении задач, которые прежде отнимали у нас часы рабочего времени. Даже если качество работы ИИ окажется несколько ниже человеческого, повышение эффективности может компенсировать эти потери. Мы будем обучать и использовать ИИ для оптимизации скорости работы, а человеческую экспертизу применять для предотвращения ошибок или их масштабного распространения.

Надеемся, что карьера управляющего искусственным интеллектом окажется интересной. Менеджер цифровых активов движется в этом направлении, как и любая другая офисная профессия. И хотя искусственный интеллект бросает вызов традиционным ролям, он подчеркивает сохраняющуюся важность человеческого контроля в современных информационных системах.

Это сложное, но захватывающее время для офисного персонала. Ключевыми факторами успеха станут гибкость, готовность к постоянному обучению и способность принимать быстрые решения в условиях меняющейся рабочей среды, где искусственный интеллект будет все активнее участвовать в рабочих процессах. Те, кто сумеет овладеть этими навыками, смогут не только сохранить свою значимость, но и расширить влияние на развитие нового, высокотехнологичного рабочего ландшафта.