آژانسهای رسانهای که از هوش مصنوعی برای سرعت بخشیدن به فرآیندهای برنامهریزی و خرید رسانه استفاده میکنند، به این نتیجه رسیدهاند که این فناوری بدون نظارت مستمر، صرفهجویی مالی به همراه نخواهد داشت. با افزایش ابزارهای مبتنی بر عاملهای هوشمند (Agentic tools) که برای هدفگیری مخاطبان، راهاندازی کمپینها یا اجرای تبلیغات طراحی شدهاند، برخی آژانسها اقدام به توسعه ابزارهای ردیابی و حسابرسی کردهاند. هدف از این اقدام، اطمینان از عدم بروز توهم (Hallucination) در هوش مصنوعی و جلوگیری از هدررفت بیرویه توکنها (Tokens) توسط این ابزارها است.
چالش هزینهها و فقدان سیاستهای نظارتی در حوزه هوش مصنوعی
بر اساس نظرسنجی موسسه پژوهشی Gartner در آوریل گذشته از ۱۳۰۰ بازاریاب ارشد، ۵۶ درصد از شرکتها همچنان بدون داشتن سیاستهای شفاف استفاده، ابزارهای هوش مصنوعی را پیادهسازی میکنند. علاوه بر این، مدیران بازاریابی تمایل کمتری به اعمال کنترلهای مالی بر نحوه استفاده تیمهای خود از هوش مصنوعی دارند. موسسه Gartner پیشبینی میکند که ۶۰ درصد از سازمانهای استفادهکننده از هوش مصنوعی، به دلیل عدم ردیابی میزان مصرف، با افزایش هزینههای پیشبینینشده مواجه خواهند شد.
نیکول گرین (Nicole Greene)، تحلیلگر Gartner، در این باره میگوید: «بخش زیادی از افزایش هزینههای مصرف توکن به این دلیل است که افراد مدل مناسبی را برای نیازهای فعالیت خود انتخاب نمیکنند.» جاناتان وایتساید (Jonathan Whiteside)، معاون ارشد فناوری در آژانس بینالمللی Dept نیز هشدار میدهد: «این وضعیت میتواند خیلی سریع از کنترل خارج شود.»
ثبت دقیق اقدامات؛ تجربه آژانس Rise و پلتفرم PubMatic
آژانس رسانهای عملکردی Rise، که بخشی از گروه Quad است، از ماه ژوئن گذشته در حال آزمایش عاملهای هوش مصنوعی برای خرید رسانه برای یک مشتری سوپرمارکتی بوده است. کلودیا اسمیکوفسکا (Klaudia Smykowska)، مدیر گروه در این آژانس، بدون فاش کردن نام این خردهفروش، اعلام کرد که آنها از قابلیت ثبت حسابرسی (Audit log) توسعهیافته توسط PubMatic استفاده میکنند. PubMatic یک ارائهدهنده پلتفرم سمت عرضه (SSP) است که با چندین آژانس تبلیغاتی دیگر از جمله Butler/Till و Abovo Maxlead در هلند برای آزمایش ابزارهای خرید رسانه مبتنی بر هوش مصنوعی همکاری کرده است.
این ابزار نظارتی مشخص میکند که چه زمانی عاملهای هوشمند از پارامترهای تعیینشده خارج میشوند. هری تانگ (Harry Tong)، مدیر مهندسی فروش در PubMatic، توضیح میدهد: «هر تغییری که عامل هوشمند در هر محیطی ایجاد کند، با برچسب زمانی و جزئیات کامل ذخیره میشود؛ حتی نحوه اعمال تغییر، مثلاً اینکه در رابط کاربری (UI) انجام شده یا خیر، ثبت میگردد.»
جورج فورج (George Forge)، معاون ارشد فناوری مشتری و توسعه محصول در Rise، اشاره میکند که در حال حاضر سنجش دقیق هزینهها فرمول پیچیدهای دارد و کارکنان با بررسی هزینههای لایسنس، مصرف توکن، زمان صرفشده توسط کارکنان و نسبت بودجه کمپین که به رسانه فعال اختصاص یافته، هزینهها را تخمین میزنند.
رویکردهای انقباضی و مدیریت متمرکز توکنها در آژانسها
برخی آژانسها برای جلوگیری از هدررفت منابع، رویکرد سختگیرانهتری اتخاذ کردهاند. آژانس Dept از یک «دروازه هوش مصنوعی» (AI gateway) استفاده میکند که دسترسی مستقیم کارکنان برای انتخاب مدلهای هوش مصنوعی را قطع میکند. وایتساید توضیح میدهد: «ما مواردی داشتیم که برخی افراد در یک روز ۱.۵ میلیون توکن مصرف کردند.» اکنون درخواستها به صورت متمرکز بررسی شده و مدل مناسب بر اساس ملاحظات تجاری یا حقوقی انتخاب میشود.
آژانس Brainlabs نیز توسعه و استفاده از عاملهای هوش مصنوعی را ردیابی میکند. دانیل گیلبرت (Daniel Gilbert)، بنیانگذار و مدیرعامل Brainlabs، با اشاره به اینکه نظارت بر این ابزارها یک امر حیاتی و بقامحور (Existential) است، میگوید این آژانس از سیستم چندسطحی برای تخصیص توکن استفاده میکند و در صورت نیاز، سهمیه کارکنان پس از بررسی افزایش مییابد.
همچنین آژانس PMG ابزاری به نام Alli For You توسعه داده که سقف مصرف روزانه برای توکنها تعیین میکند. دیلون لاربرگ (Dillon Larberg)، مدیر مشاوره و استراتژی در PMG، میگوید این سقف مصرف فرصتی برای تعامل انسانی و بازنگری در نحوه استفاده از مدلها فراهم میکند. لاربرگ برای توصیف اهمیت انتخاب مدل مناسب میگوید: «من برای رفتن به محل کار از یک کامیون هجدهچرخ استفاده نمیکنم، و برای سفر بینشهری هم سوار یک خودروی هیبریدی کوچک نمیشوم.» این آژانس همچنین از قابلیت Skills در ChatGPT یا Claude برای محدود کردن مسیرهای تصمیمگیری عاملهای هوشمند استفاده میکند.