Tomasz Gadziński: AI nie zastąpi marketerów. Zastąpią ich marketerzy, którzy umieją z niej korzystać [WYWIAD]

Tomasz Gadziński, Business & AI Transformation Director w MediaPlus, opowiada o tym, co blokuje wdrażanie AI w marketingu, dlaczego same narzędzia nie wystarczą i gdzie człowiek nadal powinien mieć prawo weta.

NowyMarketing: Dlaczego skalowanie AI w marketingu jest dziś tak trudnym tematem?

Tomasz Gadziński: Czasy dla menedżerów marketingu na pewno bywały łatwiejsze. Gdy cofniemy się o dwie dekady, model pracy agencji był dużo prostszy: kupowało się media, zarabiało na prowizji, a obsługę klienta mogło prowadzić kilka osób. Potem przyszedł rozdrobniony digital, kolejne kanały, punkty styku i coraz węższe specjalizacje.

Dziś po stronie agencji mamy setki osób, po stronie klientów rozbudowane zespoły, a zaplanowanie pojedynczego elementu kampanii potrafi wymagać pracy wielu specjalistów. Łatwo wtedy stracić spojrzenie na całość marki. Do tego dochodzi presja na krótkoterminowe wyniki: kwartał, miesiąc, roczny plan. Budowanie marki w dłuższej perspektywie często przegrywa z zadaniami „na teraz”.

I w ten układ wchodzi AI, która nadaje wszystkiemu jeszcze większe tempo. Wszyscy czują, że trzeba z niej korzystać, ale nie każdy wie, jak robić to dobrze. Dlatego potrzebne są: konkretny plan, powód, cel i zastosowanie.

Problemem nie jest więc sama technologia, tylko sposób jej wdrożenia?

Tak. Z perspektywy podstawowej infrastruktury niewiele firm naprawdę rozwija AI. Robią to big techy. Większość organizacji bazuje na rozwiązaniach dostarczanych przez innych.

Firmy dzielą się dziś na te, które faktycznie wdrażają AI w procesy, i te, które robią to jeszcze głównie komunikacyjnie. Sama obecność AI w organizacji przestała być wyróżnikiem. Ważne nie jest to, czy firma ma AI, tylko do czego jej używa i czy potrafi przełożyć to na decyzje biznesowe.

W branży często wraca pytanie, czy AI zastąpi ludzi w marketingu. Jak ty na to patrzysz?

Bardzo dobrze oddaje to zasłyszane ostatnio zdanie:AI nie zastąpi marketerów, ale marketerzy korzystający z AI zastąpią tych, którzy z niej nie korzystają. Nie wiem, czy to autorska myśl Kamila Wiszowatego [przyp. red. Chief Business Officer i Managing Partner Group One]  czy on też kogoś parafrazował, ale lubię ten cytat.

Wdrożenie AI nie musi oznaczać prostego zastąpienia człowieka maszyną. Bardziej prawdopodobne jest to, że zmieni się zestaw kompetencji potrzebnych do pracy. Technologia odciąża i skraca część zadań, ale to nie znaczy, że docelowo potrzeba mniej ludzi.

Pytanie brzmi raczej: co organizacja zrobi z czasem, który technologia uwalnia? Można robić więcej tych samych rzeczy, można obsługiwać większą liczbę klientów, ale można też wejść poziom wyżej i poświęcić więcej czasu na pracę koncepcyjną, relację z klientem oraz lepszą interpretację danych.

Co odróżnia firmę, która tylko testuje AI, od tej, która realnie ją skaluje?

Testowanie AI często oznacza pojedyncze narzędzia: generator tekstu, narzędzie do analizy, automatyzację raportowania. To może być przydatne, ale samo w sobie nie zmienia organizacji. Skalowanie zaczyna się wtedy, gdy firma wie, jakie decyzje chce podejmować lepiej i szybciej dzięki technologii.

W biznesie i marketingu używamy AI po to, żeby podejmować lepsze decyzje biznesowe. Jeśli technologia pomaga analizować dane, skraca czas pracy i ułatwia wybór właściwego działania, to ma sens. Ale nie chodzi o wdrażanie wszystkiego, co jest modne. Chodzi o dobranie rozwiązań do momentu, w którym znajduje się firma, i do celów, które ma przed sobą.

Dlatego pojedyncze narzędzie rzadko wystarczy. Potrzebny jest system pracy, który pozwala zrozumieć, gdzie firma jest dziś, jakie ma dane, procesy, kompetencje i cele.

MediaPlus ma szerokie portfolio własnych narzędzi AI. Do czego je wykorzystujecie na co dzień? 

W Group One mamy już cały ekosystem narzędzi AI, które rozwijamy od wielu lat. Pierwsze powstało ok. 7 lat temu, zanim jeszcze ktokolwiek korzystał z AI w codziennej pracy. Dziś nasze narzędzia wspierają cały łańcuch wartości w marketingu: od analizy danych, przez tworzenie treści, po optymalizację kampanii. Ich celem jest szybsze i lepsze zarządzanie kampaniami, wyższa jakość decyzji oraz lepszy zwrot z inwestycji. Dzięki nim skracamy drogę od insightu do decyzji, obniżając ryzyko błędów i zwiększając przewidywalność wzrostu biznesu. 

Różnica polega na tym, że nie zaczynamy od narzędzia, tylko od diagnozy. Jeśli klient potrzebuje szybszej optymalizacji budżetu mediowego, samo narzędzie do optymalizacji nie wystarczy. Trzeba sprawdzić, jakie dane do niego trafiają, jak są opisane, czy są porównywalne i czy organizacja jest gotowa, aby na ich podstawie podejmować decyzje.

Czyli jednym z największych problemów są dane?

Bardzo często. Dane są podstawą, ale muszą być dobrej jakości. Jeśli są źle opisane, niespójne albo rozproszone w silosach, nawet dobre narzędzie nie da sensownej rekomendacji. W marketingu konsekwencją są złe decyzje o alokacji budżetu, nietrafione segmenty albo komunikacja, która nie odpowiada na realny problem.

Czasem klient chce pracować na zaawansowanym rozwiązaniu, ale najpierw trzeba uporządkować podstawy: dane, procesy i sposób mierzenia efektów. Model pracy powinien pokazywać nie tylko narzędzie, ale też rzeczy, które trzeba zrobić wcześniej.

Co najczęściej blokuje przejście od testów do skali: budżet, ludzie, procesy, dane czy decyzja zarządu?

Wszystko po trochu, ale zacząłbym od ludzi. Przy każdej zmianie są osoby, które bardzo szybko chcą próbować nowych rozwiązań. Większość podchodzi jednak ostrożniej. Pierwszym zadaniem organizacji jest przekonać ludzi, że narzędzia mają przynieść im realną korzyść, a nie tylko kolejne wymaganie od firmy.

Drugi temat to kompetencje. Można mieć bardzo dobre narzędzie, ale jeśli korzystają z niego dwie osoby, a reszta organizacji pracuje po staremu, to nie jest skalowanie. Dlatego w Group One weszliśmy w partnerstwo z Campus AI. Chodzi o to, żeby zbudować bazową wiedzę wśród wielu osób, nie tylko w wąskiej grupie specjalistów.

Trzecim kluczowym elementem jest budżet. Wdrożenie zaawansowanych automatyzacji oraz rozwiązań opartych na sztucznej inteligencji często wiąże się z kosztami. Aby zaoferować je klientom, musimy wyraźnie wykazać płynącą z nich wartość. Z naszego doświadczenia wynika jednak, że za rozwiązania, które przynoszą realne i wymierne efekty, klienci są gotowi zapłacić więcej.

Jak mierzyć zwrot z wdrożeń AI?

Najprościej mierzy się czas, ale to tylko jeden element. Jeśli coś robimy pięć razy szybciej, bo oszczędzamy 80 proc. czasu, łatwo pokazać konkretną różnicę. Pytanie, co dalej z tą oszczędnością robi firma.

Z perspektywy agencji automatyzacja bywa paradoksalna. Jeśli klient widzi, że coś można zrobić trzy razy szybciej albo mniejszym zespołem, może oczekiwać, że zapłaci trzy razy mniej. Dlatego trzeba patrzeć szerzej: czy dzięki AI poprawiliśmy jakość pracy, skróciliśmy drogę do decyzji, zwiększyliśmy skuteczność kampanii, obniżyliśmy koszt konwersji albo lepiej wykorzystaliśmy budżet.

Jest też pytanie o koszty samej technologii. Dziś część kosztów AI jest ukryta albo dumpingowana, żeby technologia szybciej się zakorzeniła. W pewnym momencie ceny się urealnią. Wtedy może się okazać, że nie każda automatyzacja jest opłacalna tylko dlatego, że jest możliwa.

Czy możesz podać przykład zastosowania AI, które nie kończy się na prostym użyciu narzędzia?

Dobrym przykładem jest praca nad optymalizacją kreacji. Potrzeba klienta może być prosta: lepsze wyniki biznesowe. Chcąc do nich dojść, trzeba jednak sprawdzić, jaka komunikacja działa lepiej na konkretne grupy. Do tego potrzeba wariantów kreacji, testów, analizy wyników i decyzji, co wdrażać szerzej.

Kiedyś taki proces trwał długo. Dzięki automatyzacji i AI ten cykl można znacząco skrócić. W niektórych procesach mówimy o około 80 proc. oszczędności czasu.

Drugi przykładem jest zrealizowana u nas w grupie kampania eSKY, znana jako „Koty z Dubaju”. Nie uczestniczyłem bezpośrednio w tym projekcie, ale to ciekawy przykład pracy z AI, nie jako z pojedynczym narzędziem, tylko jako elementem procesu.Ten Case pokazuje AI jako workflow od insightu do kampanii wideo, a nie narzędzie do produkcji.  Najpierw wykorzystano AI do analizy danych i znalezienia kierunku komunikacyjnego. Potem przygotowano scenariusze, materiały do akceptacji i finalną kreację. Cały proces od insightu do spotu zajął znacznie mniej czasu niż klasyczna produkcja.

W których decyzjach marketer nie powinien oddawać kontroli algorytmom?

Tam, gdzie ponosi odpowiedzialność. Jeśli za decyzję odpowiada marketer, agencja albo klient, to nie można jej oddać AI. Technologia może dostarczyć wiedzę, analizę i rekomendację, ale decyzję powinien podjąć człowiek. 

Człowiek powinien mieć też prawo weta. Czasem rekomendacja może wyglądać sensownie w ramach danego modelu, ale nie uwzględniać innych uwarunkowań. Myślę tu o sytuacji marki, relacji z klientem, ryzyku reputacyjnym, kontekście kulturowym albo biznesowym. Wtedy to jest ten moment, kiedy mówimy, że pomimo rekomendacji, my nie zadziałamy w ten sposób.Drugi powód to ograniczenia technologii. Modele mogą dawać odpowiedzi ogólne, oparte na błędnych wzorcach, albo zawierające halucynacje. Jeśli człowiek nie ma wiedzy, żeby to sprawdzić, ryzyko rośnie. Dlatego odpowiedzialność i weryfikacja zostają po stronie ludzi.

A czy z czasem nie będziemy coraz częściej ufać algorytmom bez sprawdzania każdej decyzji?

Już to robimy. W zakupie mediów kiedyś ręcznie analizowało się słowa kluczowe, stawki i budżety. Dziś często ustawiamy cel, na przykład koszt pozyskania, i system sam prowadzi kampanię w stronę tego celu.

Podobnie jest z nawigacją. Od lat korzystamy z algorytmów, które wyznaczają trasę. Zwykle im ufamy, ale mamy prawo weta, bo znamy drogę, widzimy kontekst, albo nie chcemy jechać bocznymi ulicami dla jednej minuty oszczędności.

W marketingu będzie podobnie. W niektórych obszarach poziom zaufania do algorytmów będzie rósł. Ale przy strategii marki, czyli decyzjach długofalowych i mocno odpowiedzialnych, trudno mi dziś wyobrazić sobie pełne oddanie sprawczości algorytmowi. Możemy zaufać algorytmowi i nie sprawdzać części rzeczy w trakcie, jednak na koniec analizujemy proces, wyciągamy wnioski i wdrażamy zmiany, gdy sytuacja tego wymaga.

Na końcu zostaje pytanie o przyszłość pracy. Czy AI raczej zabierze zadania, czy przepisze role?

Historia pokazuje, że takie momenty redefiniują role, ale nie usuwają człowieka z procesu. Tak było przy rewolucji przemysłowej, internecie i automatyzacji produkcji. Część zadań znika, pojawiają się nowe, zmieniają się kompetencje i nasza rola.

W marketingu też tak będzie. AI najmocniej uderza w czynności powtarzalne, techniczne i odtwórcze. Ale tam, gdzie trzeba podjąć decyzję, zinterpretować dane, zrozumieć markę, klienta i kontekst, człowiek  jest niezbędny. Nie jestem jasnowidzem. Możemy przewidywać kierunki, ale nie wiemy, gdzie dokładnie będziemy za dekadę. Na dziś jedno wydaje się pewne: AI nie kończy pracy marketera, ale mocno zmienia to, jaką wartość marketer musi wnosić do organizacji.