Ontgrendel jij de kracht van AI in DAM of wacht je tot het stof optrekt?

AI als facilitator in plaats van bedreiging

Hoewel we de mogelijkheden en impact van AI in digital asset management nog maar net beginnen te zien, is het interessant om te ontdekken hoe anderen omgaan met de complexiteit ervan. Tijdens een recent webinar, georganiseerd ter ere van de lancering van het onderzoeksrapport, werd de deelnemers gevraagd hoe zeker ze waren over het gebruik van AI bij het maken van marketingteksten en afbeeldingen. Meer dan 3 op de 10 deelnemers (33%) gaf aan dat ze er enigszins vertrouwen in hadden, 27% was neutraal en 10% had er geen vertrouwen in.

Een gezonde mix van angst en positiviteit, in lijn met de uitkomst van het onderzoek, waarin 66% van de deelnemers aangaf zich positief te voelen over AI en hoopvol te zijn dat het hun werk gemakkelijker zal maken. Meer dan de helft (52%) van de merken en organisaties zegt dat ze al experimenteren met AI, dus we kunnen gerust zeggen dat de meerderheid van de DAM-professionals AI ziet als een facilitator in plaats van een bedreiging! Maar in welke AI-mogelijkheden zijn ze geïnteresseerd, en welke zijn ze zelfs aan het testen? Zijn ze klaar en in staat om AI te integreren in hun digital asset management, net zoals andere DAM-integraties al door veel bedrijven zijn geïmplementeerd?

Top 3 meest gebruikte/ geteste AI in DAM-functies

Het zal geen verrassing zijn dat geautomatiseerde datatagging bovenaan de lijst van 16 AI-functies in het onderzoek staat, gevolgd door contentgeneratie en contentaanbevelingen. Interessant genoeg zijn AI-functies voor het genereren van content (ChatGPT, Midjourney, enz.) functies die veel DAM-gebruikers actief testen en waarmee ze experimenteren voor het creëren van content. We zien deze functies echter nog niet zo vaak geïntegreerd in onze DAM-oplossingen. Dit zou kunnen komen doordat de meesten hun DAM-platform gebruiken om content te beheren en andere tools om content te creëren en te produceren.

Wat houdt bedrijven tegen om te experimenteren met AI in DAM?

Springen op de AI-bandwagon lijkt de sleutel tot concurrentievermogen te zijn: degenen die vroeg zijn begonnen, blinken nu al uit ten opzichte van degenen die achterlopen. Maar wat maakt het zo moeilijk om te stoppen met praten over AI en er daadwerkelijk iets mee te gaan doen? De uitdagingen en risico's. Nieuwsflits: die kunnen worden bestreden!

1. Datakwaliteit en nauwkeurigheid van door AI gegenereerde metadata
   Wat betreft de kwaliteit en nauwkeurigheid van AI-output ligt het antwoord in het trainen van je AI-tools (met de hulp van consultants of andere specialisten) en het inzetten van mensen om AI-gegenereerde content te modereren, beoordelen en valideren.
   
   
2. Hoe gaan we om met de schaarste aan in-house AI-expertise om te voldoen aan de behoefte aan deskundig menselijk toezicht, moderatie en middelen om AI te trainen?
   Hoewel AI veel tastbare voordelen kan opleveren, hebben we nog steeds mensen nodig om de goede werking ervan te garanderen. We beginnen nog maar net in te zien wat AI (voor ons) kan doen, dus echte AI-experts zijn nog steeds een zeldzaamheid. Hoe kun je zorgen voor voldoende deskundig menselijk toezicht?
   
   Door veilige omgevingen te creëren die aanzetten tot leren en nieuwsgierigheid opwekken. De impact van AI op individuen onderzoeken en aanpakken. Zorg voor training en opleiding en leer mensen werken met AI-assistenten. Hierbij kan het gaan om het aanleren van nieuwe vaardigheden die nodig zijn om effectief samen te werken met AI-gestuurde assistenten of tools en deze te gebruiken. En ten slotte, een netwerk van AI-voorvechters ontwikkelen om anderen te inspireren en te ondersteunen.
   
   
3. Ethische overwegingen en zorgen over afwijkingen in AI
   Het aanpakken van deze uitdaging begint met het creëren van bewustzijn over wat de risico's zijn – en die risico's zijn reëel, kijk maar naar het dagelijkse nieuws. De tweede stap is het opstellen van duidelijke richtlijnen over hoe je AI in je DAM toepast, gevolgd door het uitgebreid testen en trainen van je AI-tool.
   
   
   Fig 2: uit de onderzoeksresultaten blijkt dat 11% van de deelnemers niet op de hoogte is van AI-gerelateerde risico's
   
   
4. Onzekerheid over de kosten van AI-investeringen
   De meeste AI-experimenten worden uitgevoerd met gratis of trialversies van beschikbare tools. Als je een AI-investering plant om een uitdaging voor je bedrijf op te lossen, houd dan rekening met deze elementen:
   
   • Maandelijkse AI-licenties of volumekosten
   • Implementatie- en onderhoudskosten
   • Integratiekosten
   • Personeelskosten
   • Kosten voor het trainen van je AI-tool

De uitdaging omarmen

Terwijl we door het steeds veranderende landschap van AI in DAM navigeren, zijn de mogelijkheden even enorm als transformerend. Nieuwe technologieën gaan natuurlijk gepaard met onzekerheid en angst, maar het echte potentieel ligt in onze bereidheid om ze uit te proberen. Door die eerste stap te zetten, kunnen we ons begrip van wat AI voor ons kan betekenen vergroten en de weg vrijmaken voor op AI-gebaseerde innovatie en groei.

Omdat AI in DAM nog steeds voornamelijk onbekend terrein is, heeft iedereen de kans om een AI-expert te worden. Het begint met het begrijpen van het probleem: waarom heb je AI nodig en hoe gaat het je helpen? Leer vervolgens zoveel mogelijk en zoek de tools die voor jou werken. En vooral: wacht niet tot het stof is neergedaald, maar begin nu aan de AI-reis. Het is OK om fouten te maken en het is belangrijk om realistisch te zijn: je hoeft niet meteen vanaf de eerste dag significante resultaten en voordelen te genereren.

Wil je met AI aan de slag in jouw organisatie, maar weet je niet goed waar je moet beginnen? Doe dan je voordeel met WoodWing Scienta's AI Governance handboek, wat je de handvatten biedt om AI op een verantwoordelijke manier in jouw organisatie te gebruiken.