صنعت فناوری تبلیغات (Ad Tech) در حال گذار از ابزارهای ساده هوش مصنوعی به سمت یکپارچهسازی عمیق این فناوری در قالب «لایههای عملیاتی» (operational layers) است. نگاهی به بیانیههای مطبوعاتی شرکتهای فعال در این حوزه طی سال جاری میلادی، این تحول بزرگ را به وضوح نشان میدهد. به عنوان نمونه، شرکت Magnite در حال بازسازی پلتفرم SpringServe است تا کنترل لایه تصمیمگیری، مسیریابی تقاضا مبتنی بر هوش مصنوعی، قیمتگذاری و هماهنگی میان کارگزاران خریدار و فروشنده را در دست بگیرد. همزمان، شرکت Raptive با راهاندازی یک بخش اختصاصی هوش اطلاعاتی، انتصاب مدیر ارشد هوش مصنوعی و تصاحب کامل یک شرکت فعال در این حوزه، استراتژی خود را بازتعریف کرده است.
این تحولات نشان میدهد که هوش مصنوعی دیگر یک ابزار جانبی یا چتباکس ساده نیست، بلکه به زیرساخت حیاتی کسبوکارها تبدیل شده است. اگر شرکتی آمادگی صرف زمان طولانی برای توسعه چنین سیستمی را ندارد، اکنون زمان آن فرا رسیده است که پذیرش این لایه عملیاتی را به عنوان یک ضرورت استراتژیک در دستور کار قرار دهد.
تفاوت بنیادین ابزار جانبی با لایه عملیاتی هوش مصنوعی
بسیاری از سازمانها مفهوم بهکارگیری هوش مصنوعی را با خرید حسابهای کاربری گروهی برای ابزارهایی مانند ChatGPT یا افزودن یک چتباکس به مستندات داخلی خود اشتباه میگیرند. این ابزارها صرفاً در کنار جریان کار قرار میگیرند و نه در درون آن. در مقابل، یک سیستم عملیاتی واقعی هوش مصنوعی در تاروپود فرآیندها تنیده میشود؛ این سیستم به مستندات فنی، زیرساختهای درآمدزایی (monetization stack)، پایگاههای داده و ابزارهای مدیریت ارتباط با مشتری (CRM) متصل است تا بتواند به پرسشهای واقعی و پیچیده تیمها پاسخ دهد.
شکست یا ناامیدی ناشی از طرحهای آزمایشی (pilots) هوش مصنوعی در بسیاری از شرکتها دقیقاً از همین تفاوت ناشی میشود. زمانی که یک چتباکس ساده به سیستمهای اصلی متصل نباشد، نمیتواند به پرسشهایی مانند قیمت کف (floor price) یک مشتری خاص یا علت عدم تحقق کامل اهداف یک کمپین تبلیغاتی در هفته گذشته پاسخ دهد؛ در نتیجه، یا از پاسخ درمیماند یا به حدس و گمان متوسل میشود.
سه درس کلیدی در مسیر توسعه سیستمهای عملیاتی
تجربه شرکتهایی که اقدام به طراحی و پیادهسازی این سیستمهای بومی کردهاند، نشاندهنده سه چالش و درس کلیدی است:
- دشواری ساختاردهی به دادهها: ساختاردهی و یکپارچهسازی دادهها (context) بسیار دشوارتر از ساخت خود سیستم است. دانش عملیاتی یک شرکت معمولاً در چندین سیستم مختلف و با فرمتهای گوناگون پراکنده شده و بخش زیادی از آن اساساً مکتوب نیست. اتصال این منابع پراکنده، پروژه اصلی و واقعی است.
- نیاز به تخصصهای چندگانه: حضور همزمان دو گروه از متخصصان در یک اتاق ضروری است؛ مهندسانی که در حوزه مدلهای زبانی بزرگ (LLMs) تخصص دارند اما با سازوکارهای تبلیغات برنامهریزیشده (programmatic advertising) آشنا نیستند، و فعالان حوزه تبلیغات برنامهریزیشده که بهندرت توانایی ساخت سیستمهای هوش مصنوعی را دارند. غیبت هر یک از این دو گروه منجر به ساخت سیستمی میشود که یا از نظر زبانی روان اما از نظر فنی اشتباه است، یا از نظر علمی درست اما غیرقابل استفاده خواهد بود.
- چالش پذیرش سازمانی: پذیرش سیستم از سوی کارکنان (adoption) بزرگترین مانع است. اگر سیستم طراحیشده به زبان تخصصی تیم سخن نگوید و در کانالهای ارتباطی روزمره آنها ادغام نشود، به مرور زمان و در سکوت کنار گذاشته خواهد شد.
دوراهی استراتژیک: ساخت درونسازمانی یا خرید خدمات؟
شرکت TeqBlaze نمونه عینی این مسیر است. این مجموعه در ابتدا سیستم عملیاتی هوش مصنوعی خود را با نام TeqMate AI برای مصارف داخلی توسعه داد، اما پس از مواجهه با تقاضای مشتریانی که خواهان استفاده از این ابزار بودند، آن را به عنوان یک محصول تجاری عرضه کرد.
در سالهای پیش رو، صنعت فناوری تبلیغات به دو گروه متمایز تقسیم خواهد شد. گروه نخست، شرکتهایی هستند که به هوش مصنوعی عملیاتی به عنوان یک زیرساخت مینگرند؛ زیرساختی که یا در داخل شرکت ساخته شده یا از یک تامینکننده معتبر تهیه شده است، اما مالکیت آن در اختیار خودشان است، به کل سیستم متصل بوده و با هر پرسش و پاسخ، دانش سازمانی را انباشته میکند. گروه دوم، شرکتهایی خواهند بود که به اجاره ابزارهای پراکنده و مبتنی بر حساب کاربری (per-seat) بسنده میکنند؛ ابزارهایی که با خروج هر کارمند از شرکت، دانش و دادههای انباشتهشده در آنها نیز از دست میرود.
سرعت عملیاتی گروه نخست در هر فصل افزایش مییابد، در حالی که سرعت گروه دوم همواره محدود به ساعات کاری با تجربهترین نیروهای انسانی آنها باقی خواهد ماند. تصمیمگیری آگاهانه برای ساخت یا خرید این فناوری نیازمند ارزیابی دقیق هزینههای مهندسی برای اتصال سیستمها، هزینههای نگهداری مداوم و زمان لازم برای دریافت اولین پاسخ واقعاً کاربردی است.