ظهور هوش مصنوعی در حال از بین بردن مرزهای سنتی میان «استراتژی فناوری» و «استراتژی محصول» در سازمان‌ها است. در شرایطی که ارائه‌دهندگان ابزارهای فناوری بازاریابی (Martech) به سرعت در حال ادغام قابلیت‌های عمومی هوش مصنوعی در پلتفرم‌های خود هستند، مدیران ارشد بازاریابی (CMOs) با تصمیم استراتژیک جدیدی روبه‌رو شده‌اند: کدام قابلیت‌ها باید در داخل سازمان توسعه یافته و مالکیت آن‌ها حفظ شود و کدام بخش‌ها باید به ابزارهای آماده واگذار گردند؟ در گذشته، استراتژی فناوری عمدتاً به فرآیند خرید، ارزیابی نرم‌افزارها، مذاکره بر سر قراردادها و یکپارچه‌سازی پلتفرم‌ها محدود می‌شد. اما امروزه هوش مصنوعی این پویایی را تغییر داده و مدیران بازاریابی را ناگزیر ساخته است تا علاوه بر تصمیم‌گیری برای خرید، مانند یک مدیر محصول درباره توسعه زیرساخت‌های اختصاصی تصمیم بگیرند.

همگرایی ارائه‌دهندگان مارتک و کاهش ارزش تمایزهای عمومی

این تغییر رویکرد با تمرکز غول‌های بزرگ فناوری بازاریابی بر قابلیت‌های مشابه هوش مصنوعی، اهمیت دوچندانی یافته است. شرکت Salesforce اکنون از عامل‌های هوشمندی (Agents) رونمایی می‌کند که قادر به نگارش پیش‌نویس طرح‌های توجیهی، مدیریت سرنخ‌های فروش (Leads) و خودکارسازی فعالیت‌های کمپین هستند. شرکت Adobe همکاران مجازی مبتنی بر هوش مصنوعی را معرفی کرده که در جریان‌های کاری تجربه مشتری (CX) ادغام شده‌اند. هم‌زمان، Oracle عامل‌های نقش‌محور خود را در برنامه‌های کاربردی سازمانی گسترده‌تر به نمایش گذاشته است. اگرچه این دموها و ارائه‌ها بسیار چشمگیر هستند، اما قابلیت‌های پایه‌ای آن‌ها به مرور زمان شبیه به یکدیگر می‌شود. در این فضا، پرسش کلیدی این نیست که کدام پلتفرم انتخاب شود، بلکه این است که یک سازمان در چه زمینه‌هایی با رقبا تفاوت دارد و کدام‌یک از این تفاوت‌ها ارزش سرمایه‌گذاری برای توسعه اختصاصی را دارند.

بسیاری از ارائه‌دهندگان بزرگ مارتک به سرعت در حال جذب وظایف افقی و عمومی هستند که در اکثر سازمان‌ها به شکلی مشابه انجام می‌شوند. بخش‌بندی مخاطبان، خلاصه‌سازی کمپین‌ها، نگارش محتوای اولیه، هماهنگ‌سازی جریان کار، هدایت سرنخ‌های فروش و مدیریت داده‌ها همگی در حال تبدیل شدن به قابلیت‌های استاندارد پلتفرم‌ها هستند. شرکت‌های توسعه‌دهنده نرم‌افزار در این حوزه‌ها مزیت بزرگی دارند، زیرا می‌توانند هزینه‌های کلان تحقیق و توسعه خود را میان هزاران مشتری تقسیم کنند. بنابراین، بازسازی فرآیندهایی که این شرکت‌ها میلیاردها دلار برای توسعه آن‌ها هزینه می‌کنند، ارزش استراتژیک ناچیزی برای یک برند خواهد داشت.

مزیت رقابتی در جزئیات و استثناهای سازمانی نهفته است

بسیاری از رهبران بازاریابی به خوبی می‌دانند که تمایز واقعی سازمان آن‌ها در فرآیندهای عمومی مانند خلق مخاطب یا خودکارسازی جریان کار نیست؛ بلکه این تمایز در جزئیات عملیاتی، استثناها، وابستگی‌های کاری و دانش سازمانی انباشته‌شده در طول زمان نهفته است. الزامات رگولاتوری ویژه یک صنعت، فرآیندهای تاییدیه داخلی که بر اساس تاریخچه سازمان شکل گرفته‌اند، یا تجربه‌های مشتری که طی سال‌ها یادگیری بهینه‌سازی شده‌اند، نمونه‌هایی از این تمایزها هستند. این تفاوت‌ها شاید در مقایسه با وعده‌های بزرگ ارائه‌دهندگان پلتفرم‌های آماده کوچک به نظر برسند، اما دقیقاً همان جایی هستند که مزیت رقابتی واقعی در آن شکل می‌گیرد.

به عنوان مثال، پس از بررسی دموهای تجاری، تیم‌های فنی و بازاریابی معمولاً با چالش‌های خاصی مواجه می‌شوند: تیم وب ممکن است فرآیندی سفارشی برای سنجش محتوا با استانداردهای سئو (SEO) داخلی ایجاد کند، زیرا ابزارهای تجاری موجود در بازار تنها قوانین عمومی را درک می‌کنند. تیم تولید محتوا ممکن است با مشکلات دسترسی‌پذیری در قالب‌های تاییدشده دست‌وپنجه نرم کند. یا تیم عملیات کمپین ناگزیر باشد همپوشانی مخاطبان را به صورت دستی بررسی کند، چرا که هیچ پلتفرم آماده‌ای نمی‌تواند پیچیدگی‌های تعامل هم‌زمان چندین تیم با حساب‌های کاربری یکسان را مدیریت کند. این چالش‌های خاص و بومی هرگز در نقشه راه (Roadmap) توسعه‌دهندگان بزرگ مارتک قرار نخواهند گرفت.

مسیر انتقال از آزمایش‌های پراکنده به زیرساخت عملیاتی

در پاسخ به این نیازهای خاص، بسیاری از سازمان‌ها اقدام به توسعه عامل‌ها و جریان‌های کاری سفارشی می‌کنند. این راه‌حل‌ها معمولاً به صورت ارگانیک شکل می‌گیرند؛ تیمی وظیفه‌ای تکراری را شناسایی کرده، ابزاری هدفمند برای آن می‌سازد و به سرعت ارزش عملیاتی آن را اثبات می‌کند. با این حال، پس از اثبات کارایی یک عامل هوشمند، پرسش بزرگ‌تری مطرح می‌شود: آیا این ابزار باید به مدل عملیاتی اصلی سازمان منتقل شود؟

در حال حاضر، بسیاری از سازمان‌های بازاریابی با چالشی مشابه روبرو هستند؛ سرعت توسعه قابلیت‌های هوش مصنوعی توسط تیم‌ها بسیار فراتر از سرعت ایجاد ساختارهای مدیریتی و نظارتی برای آن‌ها است. یک عامل هوشمند اختصاصی که به عنوان یک پروژه آزمایشی کوچک آغاز شده، به مرور زمان بر تصمیمات عملیاتی بخش‌های مختلف اثر می‌گذارد. اکثر شرکت‌های بزرگ فرآیندهای حاکمیتی مشخصی برای خرید نرم‌افزار و ادغام پلتفرم‌ها دارند، اما تعداد کمی از آن‌ها فرآیند مشابهی را برای مدیریت ابزارهای هوش مصنوعی توسعه‌یافته در داخل سازمان تعریف کرده‌اند. برای حل این مسئله، ایجاد یک مسیر ارتقای مشخص برای انتقال ابزارهای موفق از مرحله آزمایش به زیرساخت عملیاتی ضروری است:

  • مرحله اول: اثبات ارزش تجاری؛ عامل هوشمند باید نشان دهد که مسئله‌ای واقعی را حل کرده و نتایج قابل اندازه‌گیری ارائه می‌دهد.
  • مرحله دوم: اعتبارسنجی؛ ارزیابی پایداری، عملکرد و میزان پذیرش ابزار در طول زمان.
  • مرحله سوم: بررسی حاکمیتی؛ تعیین مالکیت داده‌ها، الزامات امنیتی، تعهدات انطباق با قوانین و ساختارهای پاسخگویی.

حاکمیت داده؛ شتاب‌دهنده نوآوری به جای مانع تراشی

اگرچه حاکمیت (Governance) اغلب به عنوان عاملی بازدارنده و کندکننده نوآوری تلقی می‌شود، اما در عمل خلاف این موضوع در حال اثبات است. سازمان‌هایی که فرآیندهای نظارتی را زودتر مستقر می‌کنند، در بلندمدت با سرعت بیشتری حرکت خواهند کرد؛ زیرا مسیرهای مشخصی برای معرفی قابلیت‌های جدید دارند، استانداردهای داده‌ای شفاف‌تری تعریف می‌کنند و بررسی‌های امنیتی برای آن‌ها به فرآیندی تکرارپذیر و فعال تبدیل می‌شود.

مهم‌ترین تصمیم استراتژیک مدیران بازاریابی در این فصل، فراتر از ارزیابی پلتفرم‌های آماده است. این تصمیم در جلسات مشترک میان بخش‌های بازاریابی، عملیات، فناوری اطلاعات (IT)، امنیت و مالی برای هماهنگی روی چارچوب تصمیم‌گیری «خرید در برابر ساخت» اتخاذ می‌شود. مدیرانی در این مسیر موفق خواهند شد که درک کنند ارزش بلندمدت هوش مصنوعی نه با تعداد عامل‌های ساخته‌شده، بلکه با میزان اثربخشی ادغام این قابلیت‌ها در سیستم‌ها و ساختارهای حاکمیتی حاکم بر کسب‌وکار سنجیده می‌شود.