A IA generativa (Genai) transformou inegavelmente a função de marketing, das interações automatizadas do cliente à criação de conteúdo. Mas, embora todos tenham se concentrado nos chatbots e na criação de novas postagens do blog, uma revolução silenciosa está se formando no Digital Asset Management (DAM). Tudo começou com os desafios de longa data relacionados à descoberta e reutilização de ativos, mas hoje estamos vendo vários casos de uso interessantes e de alto valor que nos levarão muito além da marcação de ativos e desbloquear o verdadeiro potencial criativo da sua solução de barragem.

Marcação de ativos e recuperação

Um dos principais inquilinos da barragem é a reutilização de ativos. Por que investir tempo, recurso e custo para reproduzir um ativo que já existe? E, no entanto, por décadas, isso permaneceu um objetivo ilusório e quase impossível de alcançar. A razão para isso é simples: imagens, vídeo, áudio e outros ativos de mídia ricos não são auto-descritos. Diferentemente dos objetos baseados em texto que podem ser facilmente, se não sempre precisamente pesquisados, os ativos digitais dependem de metadados para recuperação.

Até agora, os metadados mais significativos tinham que ser criados por seres humanos que olhassem para um ativo e depois inserissem manualmente os dados em campos prescritos, aplicando idealmente a taxonomia e ontologia padrão da organização. Ignorando o fato de que é muito difícil para uma pessoa, para não mencionar uma equipe, para inserir de forma consistente, com precisão e repetidamente esse tipo de informação, a maioria das organizações é forçada a fazer compensações sobre a completude da entrada de metadados.

Eles exigem que seus recursos criativos entrem em metadados, pois os ativos são ingeridos em uma solução de barragem – uma atividade que é quase uniformemente ressentida e muitas vezes mal executada – ou emprega uma bibliotecária ou equipe de bibliotecários para atribuir adequadamente ativos depois de terem sido ingeridos na solução de barragem. Devido à relutância ou custo do usuário, a maioria das organizações achou que ainda é muito difícil criar metadados suficientes para permitir a recuperação de ativos do Pin Point e reutilizar efetivamente os ativos.

Genai resolve esse problema de duas maneiras muito significativas. Primeiro, com as organizações de Genai não dependem mais dos seres humanos para “marcar” adequadamente ou aplicar metadados aos ativos. A visão computacional é um aspecto específico da inteligência artificial (AI) que permite que os computadores interpretem imagens, vídeo e outros ativos de mídia rica.

Utilizando a visão computacional e, particularmente, os modelos de linguagem da visão (VLMs), agora podemos gerar automaticamente texto para descrever imagens e vídeos. Também podemos converter facilmente o áudio – arquivos de áudio ou faixas de áudio para vídeo – em texto. Como resultado, temos um recurso praticamente ilimitado, inesgotável e barato para marcar ativos digitais. Esses modelos podem ser aumentados ou ajustados para fornecer metadados específicos exclusivos para sua organização ou propriedade intelectual-pense, por exemplo, sobre códigos de cores, IDs de produtos ou versões de caracteres. E eles podem ser restringidos pela taxonomia e ontologia exclusivas da sua organização.

Além disso, a Genai também pode ser tremendamente eficaz para a recuperação de ativos, permitindo que os usuários empregem linguagem natural para restringir rapidamente os conjuntos de resultados de pesquisa para uma recuperação de ativos altamente precisa e eficiente.

O resultado: agora podemos resolver o problema de reutilização de ativos, garantindo que os usuários da DAM possa encontrar de maneira rápida, fácil e de maneira abrangente os ativos existentes.

Além da marcação: simplificar a criação de ativos

Essa é uma visão geral bastante extensa de como a Genai pode abordar a descoberta e a reutilização dos ativos. E, como você encontrará, muitas plataformas de barragens começaram a incorporar funcionalidade movida a Genai para marcar ativos de maneira inteligente e permitir pesquisas em linguagem natural. Mas o que estamos começando a ver é um novo conjunto de casos de uso – além de marcação e recuperação – que otimizará e acelerará a criação de novos ativos e o processo de revisão de ativos.

Ideação de ativos

Um dos casos de uso mais poderosos que estamos vendo agora é a ideação de ativos. Com a ideação de ativos, os criativos podem fazer upload de um conjunto de ativos de amostra ou propriedade intelectual e, em seguida, usando um paradigma simples e de linguagem natural – fornecer um conjunto de parâmetros para a nova ideação de ativos. Essas informações são então alimentadas a um modelo de visão computacional que pode gerar rapidamente uma ampla variedade de conceitos de ativos. Em seguida, novamente usando uma interface do tipo bate-papo, os usuários podem refinar ainda mais seus resultados, de maneira rápida e fácil de identificar para identificar conceitos que funcionam.

A propósito, estamos enfatizando a palavra “conceitos” aqui e que Genai é ideal para a ideação, não a criação de ativos. O que descobrimos é que, embora os modelos de visão computacional possam criar rapidamente qualquer número de novos ativos visuais, a maioria dos consumidores pode identificar prontamente ativos gerados pela IA e não têm a autenticidade de fotos e imagens reais.

Portanto, o objetivo é usar o Genai para o que é bom: gerar rapidamente uma variedade de conceitos para ajudar os usuários criativos a conceituar ativos de notícias para uma campanha, sessão de fotos etc. e, em seguida, aproveitar sua equipe criativa para produzir seus ativos finais. Genai não se trata de eliminar a necessidade de recursos criativos, mas de fornecer ferramentas para serem mais eficazes e eficientes.

Localização de ativos

Tendemos a pensar em localização de ativos simplesmente como tradução. No entanto, é muito mais do que isso. Para empresas globais, os ativos visuais geralmente precisam estar localizados para se alinhar com preferências regionais, nuances culturais e até mesmo as necessidades funcionais de certos segmentos ou geografias. Para o texto, sim, isso pode envolver a tradução para o idioma local, mas também pode envolver a localização de moedas e unidades de medição, por exemplo. Para imagens e vídeo, pode ser necessário ajustar esquemas de cores ou incorporar roupas e configurações locais nos ativos.

Genai pode ajudar na localização de ativos de duas maneiras distintas. Em primeiro lugar, pode aplicar políticas e diretrizes de localização a ativos existentes e problemas de sinalização, ou pode até identificar países, regiões ou mesmo dados demográficos específicos nos quais um ativo deve ou não ser usado – informações adicionais que podem ser adicionadas aos metadados para enriquecer ainda mais o ativo. Segundo, semelhante ao caso de uso acima, o Genai também pode ser usado para criar conceitos localizados e ajudar os usuários a identificar novas versões de ativos que refletem suas políticas e diretrizes para localização.

Conformidade com a marca

Outro caso de uso valioso para a Genai que também pode otimizar o processo de revisão e aprovação criativo é avaliar ativos para a conformidade com a marca. Neste caso de uso, à medida que novos ativos são criados e enviados para a solução de barragem, um modelo Genai pode ser usado para aplicar políticas e diretrizes da marca e avaliar se o ativo está ou não em total conformidade. No caso de o ativo não ser compatível, o modelo pode identificar os motivos da não conformidade e até fazer recomendações sobre como mitigar esses problemas.

O principal aqui é que, como os ativos são posteriormente roteados para revisão e aprovação, os aprovadores podem ter certeza de que o ativo é totalmente compatível com a compatível com um tempo valioso em revisão e aprovação.

Propriedade intelectual

Para organizações que utilizam propriedade intelectual de terceiros (IP) em seus ativos e desenhos, é missionária entender o que o IP está sendo utilizado em quais ativos. Também é crucial entender quando a organização tem ou tem o direito de utilizar esse IP. Essa é outra função de valor que a Genai pode executar, identificando quando um ativo contém IP de terceiros e, em seguida, validando que a organização tem um direito contratual de usar esse IP.

Novamente, esses são metadados valiosos que podem ser gerados e aplicados a um ativo em uma solução de barragem. Esta também é uma tarefa automatizada que pode ser executada iterativamente em ativos existentes ou pode ser invocada à medida que novos ativos são adicionados à solução DAM para garantir que os direitos de IP nunca sejam comprometidos.

Isso não é plug e play

Como pensamento final, e algo que explorarei ainda mais em artigos futuros, os modelos Genai são tão bons quanto o que foram treinados. Nos primeiros dias da IA, pensamos que isso significava que tínhamos que treinar modelos de IA personalizados para marcar com precisão os ativos ou avaliar a conformidade com a marca. Mais recentemente, com métodos como a geração de recuperação (RAG), somos capazes de aproveitar modelos comerciais disponíveis ao público para todos os casos de uso acima, embora alguns ainda possam exigir ajustes finos para otimizar a precisão e as saídas do modelo.

Mas o crítico a entender é que, para obter resultados precisos e significativos com o Genai-mesmo para a marcação de ativos-, você precisa pensar nas entradas do seu modelo e no ajuste fino, e isso realmente não é a funcionalidade de barragem fora da caixa. Portanto, embora não seja tão simples quanto ativar um novo recurso, há um valor tremendo para as organizações que acertam isso e a Genai pode realmente desbloquear o potencial da sua solução de barragem.

Saiba mais sobre o aprimoramento das soluções de barragens com IA generativa neste white paper de cortesia da CMSWIRE e da Vertesia.