My IBM Accedi Iscriviti

Home

Think

Argomenti

L'AI generativa nel marketing

L'AI generativa nel marketing

L'AI generativa nel marketing

Esplora la soluzione di AI generativa di IBM per il marketing Iscriviti alla newsletter Think
Illustrazione di una mano che sposta pedine degli scacchi e sullo sfondo l'icona della nuvola

Data di pubblicazione: 23 agosto 2024

Autori: Molly Hayes, Amanda Downie

Cos'è l'AI generativa nel marketing?

Cos'è l'AI generativa nel marketing?

L'AI generativa (gen AI) nel marketing si riferisce all'uso di tecnologie di intelligenza artificiale (AI), in particolare quelle in grado di creare nuovi contenuti, insight e soluzioni, per migliorare le attività di marketing. Questi strumenti di AI generativa utilizzano modelli avanzati di machine learning per analizzare set di dati di grandi dimensioni e generare output che imitano il ragionamento e il processo decisionale degli esseri umani. 

Questa funzionalità consente agli esperti di marketing di automatizzare, personalizzare e innovare le loro strategie di marketing in vari modi. Ad esempio, possono creare contenuti personalizzati per i singoli consumatori o fornire consigli ai reparti di marketing sulla base di vaste quantità di dati sui clienti.

Nell'ultimo decennio, le società di e-commerce e altre organizzazioni hanno implementato l'AI per varie applicazioni di marketing, tra cui test A/B, pubblicità e automazione di elementi fondamentali delle campagne di marketing come le e-mail blast. Ma con l'emergente sofisticazione degli strumenti di AI generativa come ChatGPT, le nuove tecnologie sono pronte a sconvolgere il marketing digitale. Questi progressi hanno prodotto innovazioni significative nell'AI marketing in pochissimo tempo.

Recentemente, l'azienda automobilistica Carvana ha creato 1,3 milioni di video unici generati con l'AI1 su misura per i percorsi dei singoli clienti. Spotify ha sperimentato la traduzione automatica dei podcast, raggiungendo potenzialmente nuovi mercati e destinatari.2

Per i dipartimenti di marketing, l'AI generativa può automatizzare attività ripetitive come scrivere descrizioni dei prodotti o riepilogare il feedback dei clienti, in modo che i lavoratori umani abbiano più tempo per attività più critiche e preziose. Man mano che i modelli AI capaci di deep learning acquisiscono maggiore familiarità con la voce, le offerte di prodotti e i clienti di un marchio, i loro risultati migliorano e le prestazioni complessive aumentano.

Innovazioni come queste hanno notevolmente aumentato l'interesse per l'uso dell'AI generativa nel marketing negli ultimi anni. Secondo una survey di IBM in collaborazione con Momentive.ai, il 67% dei CMO ha riferito di aver pianificato di implementare l'AI generativa nei successivi 12 mesi. Ben l'86% prevede di farlo entro 24 mesi. Tuttavia, per molte aziende, le attuali iniziative di AI generativa rimangono incentrate sull'uso della tecnologia per l'efficienza e la riduzione dei costi piuttosto che sull'innovazione e la crescita.3

Scopri come l'AI generativa sta trasformando il marketing
AI generativa + Apprendimento automatico (ML) per le imprese

Scopri come le organizzazioni possono incorporare in tutta sicurezza l’AI generativa, i foundation model e il machine learning nelle loro operazioni aziendali.

Contenuti correlati Registrati ora: i 5 pilastri della personalizzazione su larga scala
Come funziona l'AI generativa nel marketing?

Come funziona l'AI generativa nel marketing?

I modelli di AI generativa utilizzano tecniche di machine learning per generare testo, immagini, audio e video. Questi modelli vengono addestrati su grandi set di dati, modelli di apprendimento e strutture all'interno dei dati per produrre output che imitano il processo decisionale umano. 

Nelle applicazioni di marketing, l'AI generativa viene spesso utilizzata in tandem con l'AI tradizionale per aumentare l'efficienza. Per fare un semplice esempio, l'AI generativa può essere utilizzata per creare testi e immagini pubblicitarie, mentre il machine learning può determinare quali clienti riceveranno un determinato contenuto creativo.

Sebbene GPT-4 e Dall-E di OpenAI rimangano alcuni dei modelli più riconosciuti pubblicamente, organizzazioni sempre più all'avanguardia stanno creando soluzioni di AI generativa personalizzate o semi-customizzate addestrate su set di dati specifici per un marchio o un'attività. Ad esempio, la libreria granite di foundation model di IBM è addestrata su dati aziendali provenienti dai settori legale, accademico e finanziario per adattarsi al meglio alle applicazioni aziendali.

Utilizzando modelli orientati al settore aziendale come questi, un'organizzazione può sovrapporre i propri dati, ad esempio le informazioni storiche sulle interazioni con i clienti, su un foundation model. Questo processo crea una serie di strumenti di AI più specifici ed efficaci. Man mano che queste tecnologie "apprendono" nel corso del tempo, i modelli AI appositamente formati per completare attività specifiche possono migliorare continuamente e sviluppare una maggiore capacità per attività specifiche.

I dipartimenti di marketing sono ben posizionati per sfruttare questa tecnologia, poiché la comunicazione con i clienti e la pubblicità generano enormi quantità di dati. L'AI generativa è particolarmente abile nell'analisi di dati non strutturati, come post sui social media o comunicazioni via chat.

Le organizzazioni potrebbero scegliere di integrare questi strumenti in vari modi, con diversi gradi di interazione umana e impatto a livello aziendale. Mentre negli ultimi anni le soluzioni di AI generativa predefinite sono diventate quasi onnipresenti nei dipartimenti marketing di piccole e grandi dimensioni, le organizzazioni stanno adottando sempre più modelli personalizzati e trasformazioni digitali su larga scala guidate dall'AI. Secondo un recente report dell'IBM® Institute for Business Value, più della metà dei CMO afferma di voler creare foundation model basati sui dati proprietari della propria azienda.

In generale, il grado in cui un'azienda adotta l'AI può essere suddiviso in tre categorie:

Modelli predefiniti di AI generativa

Sempre più spesso, i singoli creatori di contenuti e i professionisti del marketing utilizzano modelli predefiniti come ChatGPT per generare idee e creare le prime bozze delle comunicazioni con i clienti. Allo stesso modo, strumenti di marketing di AI generativa pronti all'uso come Generative Fill di Adobe consentono alle persone di modificare rapidamente gli asset creativi utilizzando prompt in linguaggio naturale. Queste soluzioni di AI, create all'insegna della versatilità e rivolte a un vasto pubblico, aumentano l'efficienza quotidiana riducendo il tempo che i dipendenti dedicano alle attività di routine. 

Modelli di AI generativa personalizzati

Alcune organizzazioni scelgono di personalizzare leggermente i foundation model, addestrandoli su informazioni proprietarie specifiche del marchio per casi d'uso specifici. Ciò potrebbe includere la generazione di risorse creative, la raccomandazione di parole chiave per l'ottimizzazione dei motori di ricerca (SEO) o l'analisi dei dati per prevedere il comportamento futuro dei clienti. Utilizzando questi modelli, gli utenti umani ricevono i contenuti da una tecnologia AI generativa e approvano o sfruttano i suoi input.

Trasformazione AI su larga scala

Una trasformazione AI su larga scala combina diverse tecnologie di AI, comprese soluzioni di AI generativa personalizzate, per modificare i processi di marketing principali di un'organizzazione. Oltre a utilizzare modelli addestrati su dati proprietari per aumentare l'efficienza e incorporare le automazioni chiave, questo tipo di pratica trasformativa di AI potrebbe generare modi di fare marketing completamente nuovi. Ad esempio, utilizzando l'AI generativa per analizzare il sentiment dei consumatori e sviluppare nuovi prodotti o fornire una guida autonoma ai clienti durante gli acquisti.

Casi d'uso dell'AI generativa nel marketing

Casi d'uso dell'AI generativa nel marketing

L'AI generativa utilizza una combinazione di tecnologie avanzate per creare, personalizzare e ottimizzare i contenuti e le interazioni con i clienti. Alcuni casi d'uso comuni includono: 

Chatbot ed esperienza del cliente

L'AI generativa migliora l'interazione con i clienti, fornendo risposte e assistenza istantanee e intelligenti attraverso vari punti di contatto, come ad esempio un chatbot AI che gestisce le richieste dei potenziali clienti, fornisce informazioni sui prodotti e accompagna i consumatori attraverso la vendita, il tutto utilizzando un linguaggio naturale e intuitivo. Gli assistenti virtuali guidano gli utenti attraverso i siti web, consigliano gli acquisti e migliorano l'esperienza complessiva dell'utente.

Ad esempio, gli strumenti di interazione con i clienti basati sull'AI generativa potrebbero rispondere automaticamente alle recensioni e ai reclami dei clienti con la voce di un brand, riassumendo gli eventuali problemi per il team di assistenza clienti di un'organizzazione. L'AI generativa potrebbe persino automatizzare futuri sconti o sostituzioni di prodotti.

I chatbot e gli agenti virtuali formati sui dati proprietari di un'organizzazione forniscono assistenza 24 ore su 24 e una copertura globale in tutti i fusi orari. In combinazione con la Robotic Process Automation (RPA), possono attivare azioni specifiche, come una procedura di vendita o reso, senza intervento umano. Poiché questi strumenti di AI generativa "ricordano" le interazioni con i clienti, possono curare i lead per lunghi periodi, mantenendo una relazione coesa con un singolo consumatore. Queste esperienze altamente personalizzate generano fidelizzazione e aumentano i tassi di conversione.

I chatbot di AI generativa raccolgono anche informazioni cruciali per i venditori sulle preferenze e sul comportamento dei consumatori. Possono analizzare questo vasto e prezioso set di dati per formulare raccomandazioni e migliorare le operazioni in tutta l'azienda. 

Generazione di testo e immagini

L'AI generativa rivoluziona totalmente la supply chain dei contenuti, automatizzando e ottimizzando la creazione, la distribuzione e la gestione dei contenuti di marketing. Le applicazioni dell'AI nel content marketing includono la creazione automatizzata di contenuti. Attraverso questi processi, gli strumenti di AI generano post di blog di alta qualità, aggiornamenti sui social media e testi pubblicitari basati su parole chiave, argomenti e stili specifici.

L'AI generativa è anche in grado di creare immagini e video personalizzati su misura per l'estetica del brand e le esigenze delle campagne, migliorando i contenuti visivi senza la necessità di ampie risorse di progettazione.

Questi modelli accelerano anche il processo di produzione creativa, consentendo ai professionisti del marketing di creare e testare rapidamente varie risorse creative, creando vere e proprie campagne in poche ore o giorni. 

Personalizzazione e segmentazione

Mentre l'AI tradizionale aiutava i professionisti del marketing a segmentare il pubblico in ampi gruppi in base allo storico degli acquisti o ai gusti, l'AI generativa ha inaugurato un'era di micro-segmentazione, che consente alle aziende di rivolgersi a specifici individui quasi in tempo reale. Questo tipo di personalizzazione è un punto di forza dell'IA generativa, che consente ai marketer di offrire ai consumatori esperienze altamente mirate e pertinenti su tutti i canali.

Ad esempio, l'AI generativa può creare ricette personalizzate e idee per pianificare i pasti in base agli ordini di generi alimentari dei clienti o interpretare il feedback di una persona per generare consigli sui prodotti.

L'AI generativa migliora anche i contenuti adattivi, in cui i siti web, le e-mail e le applicazioni mobili adattano le loro visualizzazioni in tempo reale in base alle interazioni e ai dati individuali degli utenti, creando l'esperienza più pertinente possibile per i consumatori. Uno strumento di AI addestrato sul messaggio specifico di un brand può creare risorse creative individuali per piccoli segmenti di pubblico, contribuendo a garantire che le comunicazioni di marketing siano il più possibile in linea con diversi gruppi di clienti. 

Analisi dei dati e analytics predittiva

L'AI generativa eccelle nell'analisi di grandi quantità di dati per scoprire informazioni sui clienti e prevedere le tendenze future, consentendo un processo decisionale basato sui dati. Ciò può includere l'analisi delle ricerche di mercato, un processo attraverso il quale gli algoritmi di AI interpretano i dati di mercato o i prezzi della concorrenza per identificare il comportamento futuro dei consumatori e le dinamiche di settore in senso più ampio.

Altri strumenti di AI generativa possono utilizzare i dati dei clienti per individuare e raggiungere un pubblico particolarmente rilevante. Utilizzando la tecnologia, le organizzazioni possono identificare in modo rapido ed efficiente i migliori lead possibili e prevedere le tendenze future, aiutando i marketer a pianificare campagne proattive e a ottimizzare le proprie risorse. 

Automazione dei processi

L'AI generativa semplifica i processi di marketing utilizzando l'automazione. Automatizzando le attività ripetitive e che richiedono molto tempo, le organizzazioni possono aumentare l'efficienza e la produttività. Alcuni strumenti basati sull'AI possono automatizzare vari flussi di lavoro di marketing come la pubblicazione sui social media o il sequenziamento delle email, in modo che le risorse umane possano dedicarsi a iniziative più strategiche. Alcuni strumenti vengono utilizzati per gestire specifiche campagne di marketing, monitorare i dati delle campagne e ottimizzare l'erogazione di annunci pubblicitari o comunicazioni in base alle prestazioni.

L'AI generativa viene utilizzata anche per tradurre i contenuti da una lingua all'altra o per convertire i file in diversi formati, snellendo le operazioni quotidiane dei reparti marketing e aumentando il reach di un brand.

La tecnologia può anche ottimizzare il processo di produzione creativa. Utilizzando l'AI generativa, i dipartimenti di marketing possono generare rapidamente decine di versioni di un contenuto e poi effettuare test A/B per determinare automaticamente la variante più efficace di un annuncio.

Generazione di idee

L'AI generativa può stimolare la creatività e l'innovazione, generando nuove idee e variazioni di contenuto. I dipartimenti di marketing potrebbero utilizzare l'AI generativa per suggerire titoli o argomenti per l'ottimizzazione per i motori di ricerca (SEO) in base alle tendenze attuali e agli interessi del pubblico.

Ad esempio, secondo la società di consulenza McKinsey, Kellogg's utilizza tecnologie di AI per scansionare ricette virali che incorporano cereali per la colazione. L'AI generativa utilizza poi questi dati per creare risorse creative e post sui social media.4 Durante il processo di ideazione, l'AI generativa può essere utilizzata anche per suggerire opzioni per loghi o pubblicità, fornendo una vasta gamma di idee tra cui scegliere e perfezionare per i reparti di marketing. 

Vantaggi dell'AI generativa nel marketing

Vantaggi dell'AI generativa nel marketing

L'AI generativa offre vari modi per ottimizzare i processi aziendali e aumentare il coinvolgimento dei clienti, trasformando la scala con cui i reparti di marketing comunicano e imparano dai consumatori. Alcuni vantaggi chiave dell'utilizzo dell'AI generativa nel marketing includono:

Efficienza aumentata attraverso l'automazione

L'AI generativa automatizza la creazione di contenuti come post sui social media e testi degli annunci, riducendo notevolmente il tempo e l'impegno richiesto ai team di marketing. Gli agenti virtuali o i chatbot basati sull'AI che comunicano in linguaggio naturale forniscono anche un'assistenza clienti costante 24 ore su 24, con un intervento umano minimo. 

Marketing iper-personalizzato

L'AI generativa fornisce messaggi, raccomandazioni e offerte personalizzate in base ai dati e al comportamento dei singoli clienti. Ciò migliora la pertinenza e l'impatto delle iniziative di marketing e aumenta la notorietà del brand. 

Scalabilità

L'AI generativa gestisce facilmente grandi volumi di interazioni con i clienti o esigenze elevate di creazione di contenuti, adattandosi a un pubblico in crescita. Inoltre, converte rapidamente i contenuti in più lingue o formati, aiutando le organizzazioni a raggiungere e coinvolgere i consumatori su scala globale. 

Convenienza

Se utilizzata nei reparti marketing, l'AI generativa ottimizza le risorse, lasciando ai lavoratori umani il tempo per occuparsi di attività preziose e creative. Inoltre, riduce i costi della sperimentazione e dell'innovazione, generando rapidamente molteplici varianti di contenuti come annunci o post di blog che aiutano a identificare le strategie più efficaci. 

Processo decisionale basato sui dati

I modelli AI interpretano, analizzano e riassumono grandi quantità di dati per scoprire insight sul comportamento dei clienti, sulle tendenze del mercato e sulle prestazioni delle campagne. Inoltre prevedono le tendenze future e le esigenze dei clienti, aiutando gli esperti di marketing ad anticipare e rispondere in modo proattivo. 

Miglioramento dell’esperienza del cliente

Gli strumenti di marketing che utilizzano l'AI aiutano a generare contenuti, a creare esperienze più coinvolgenti per i clienti e ad aumentare i tassi di conversione. L'AI generativa su più piattaforme crea anche una messaggistica del brand coerente, ma unica, su più canali e punti di contatto. 

Adattamento in tempo reale

L'AI generativa consente alle organizzazioni di rispondere rapidamente al feedback e alle interazioni dei clienti, perfezionando le campagne per ottenere risultati migliori. 

Fasi per l'implementazione dell'AI generativa nel marketing

Fasi per l'implementazione dell'AI generativa nel marketing

Sebbene ogni implementazione dell'AI generativa dipenda dalla capacità e dagli obiettivi di un'organizzazione, alcuni passaggi comuni per implementarla nel marketing includono: 

  1. Definire degli obiettivi di esperienza del cliente
  2. Raccolta e analisi dei dati
  3. Scegliere gli strumenti di AI generativa
  4. Integrare e implementare l'AI generativa 
  5. Monitorare e migliorare l'AI generativa 

1. Definire gli obiettivi dell'esperienza del cliente

In genere, i responsabili delle decisioni dedicano molto tempo a delineare gli obiettivi della loro organizzazione prima di progettare un'implementazione dell'AI. Questo potrebbe includere l'audit dei processi esistenti che potrebbero beneficiare di un miglioramento, l'identificazione dei workflow che potrebbero trarre vantaggio dall'AI generativa e la definizione dell'esperienza del cliente desiderata.

2. Raccolta e analisi dei dati

Durante questa fase, un'organizzazione in genere raccoglie dati da vari punti di contatto con i clienti per comprenderne le preferenze, il comportamento e i punti dati. Le aziende anche raccogliere e ripulire i dati proprietari interni, o coinvolgere dati di terze parti affidabili per creare un set di dati coeso su cui addestrare un'AI.

3. La scelta degli strumenti di AI generativa

A seconda dell'ambito di implementazione dell'AI, un'organizzazione potrebbe decidere di utilizzare uno strumento predefinito o identificare il tipo di modello da utilizzare per addestrare un'AI personalizzata durante questa fase. Indipendentemente dal grado di personalizzazione della soluzione finale, le organizzazioni solitamente valutano attentamente le opzioni prima di prendere una decisione.

4. Integrazione e distribuzione dell'AI generativa

Le integrazioni potrebbero richiedere solo poche settimane o un anno. Le trasformazioni dell’AI su larga scala potrebbero richiedere infrastrutture e talenti aggiuntivi, mentre i modelli predefiniti potrebbero semplicemente richiedere ai dipartimenti di marketing di immettere set di dati precedentemente identificati. Durante il periodo di addestramento e ottimizzazione, lo strumento di AI apprende da dati interni e di terze parti per funzionare in modo più efficace. 

5. Monitorare e migliorare l'AI generativa

In genere, un'organizzazione rivede costantemente i suoi strumenti di AI generativa per identificare le aree di miglioramento e fornisce continuamente nuovi dati per migliorarne la precisione. 

Best practice per l'implementazione dell'AI generativa nel marketing

Best practice per l'implementazione dell'AI generativa nel marketing

Sebbene l'uso dell'intelligenza artificiale generativa offra numerosi vantaggi per i reparti di marketing, presenta anche alcune sfide che le organizzazioni devono affrontare per implementare e beneficiare efficacemente della tecnologia. Alcune di queste sfide e le relative soluzioni includono:

Qualità e disponibilità dei dati

I modelli di AI generativa richiedono un'enorme quantità di dati di alta qualità per funzionare in modo efficace. Dati imprecisi o che presentano bias possono portare a prestazioni scadenti e output inaffidabili. Inoltre, la raccolta e la gestione dei dati necessari può richiedere molto tempo ed essere molto costosa, soprattutto per le piccole imprese con risorse limitate. Le organizzazioni che intraprendono un progetto di AI generativa potrebbero assumere altri data scientist e data engineer per contribuire a garantire la qualità e la coerenza di un corpus di formazione o coinvolgere una terza parte affidabile con pratiche controllate sui dati.

Privacy dei dati e fiducia degli utenti

L'utilizzo dei dati dei clienti per la personalizzazione e la creazione di contenuti basate sull'AI richiede in genere che le organizzazioni tengano d'occhio le norme e i regolamenti sulla privacy dei dati. Poiché una gestione errata dei dati può portare a problemi di conformità e alla perdita di fiducia da parte dei consumatori, un'organizzazione deve investire in un'infrastruttura di sicurezza avanzata. Le soluzioni di AI generativa di successo sono in genere trasparenti e spiegabili, il che significa che l'azienda che progetta l'AI dispone di una documentazione chiara su come è stata addestrata e messa a punto. Inoltre, un'organizzazione che utilizza dati proprietari o degli utenti deve progettare con cura gli strumenti di AI pensando al livello di comfort del cliente, per garantire che le soluzioni per l'esperienza del cliente non appaiano invasive. 

Controllo di qualità e coerenza tra i modelli e gli output di AI

Garantire che i contenuti generati dall'AI rispettino gli standard del marchio e mantengano una voce coerente può essere una sfida. La scelta del modello giusto e un audit approfondito dei dati di formazione possono richiedere molto tempo. Nella fase di pianificazione iniziale, un'organizzazione in genere ricerca in modo ampio foundation model specifici, assicurando che la base delle sue soluzioni di AI sia la più appropriata da implementare per un caso d'uso specifico. Per garantire la coerenza a lungo termine, le organizzazioni solitamente monitorano i modelli in modo costante per rilevare e correggere gli errori. Potrebbero anche fornire a un modello più dati per assicurarsi che sia aggiornato. 

Prodotti e soluzioni correlati

Prodotti e soluzioni correlati

watsonx Assistant per le vendite e il marketing

IBM watsonx Assistant ti consente di creare chatbot conversazionali basati sull'AI che rivoluzionano i tuoi sforzi di generazione di lead e ampliano il coinvolgimento del cliente. Utilizza al meglio la potente analytics per creare esperienze coinvolgenti per i clienti.

Scopri watsonx Assistant

watsonx.ai™

IBM watsonx.ai è uno studio aziendale di nuova generazione che consente ai builder AI di addestrare, convalidare, adattare e implementare modelli AI. Utilizza i nostri strumenti per creare soluzioni di AI generativa per la tua azienda, siano esse basate sulla nostra libreria di foundation model o personalizzate. 

Esplora watsonx.ai

Servizi di consulenza per il marketing

Sfruttando la nostra piattaforma watsonx, IBM Consulting ti aiuta a trasformare le operazioni di marketing con una soluzione end-to-end per la creazione di una supply chain di contenuti intelligente. Con una profonda esperienza di mercato, una partnership di ecosistema di livello mondiale e un approccio incentrato sull'uomo, aiutiamo la tua azienda a liberare la sua creatività nel marketing. 

Esplora i servizi di consulenza per il marketing
Risorse

Risorse

È il momento in cui il marketing deve scegliere se affondare o nuotare.

Molte organizzazioni nel ramo del marketing utilizzano la gen AI basata su LLM pubblici per la creazione di contenuti, ma poche hanno sfruttato la capacità rivoluzionaria dei modelli personalizzati. Ecco tre cose che ogni CMO deve sapere su questi strumenti trasformativi.

Sito demo di IBM watsonx Assistant

Guarda watsonx Assistant in azione sul sito web fittizio di Lendyr Bank provando una serie di tour guidati.

La rivoluzionaria supply chain dei contenuti

Le organizzazioni devono riprogettare la creazione e la distribuzione dei contenuti. Scopri come l’AI generativa potenzia la creatività e la produttività nella supply chain dei contenuti con questa survey.

I dati sono essenziali: creare un'efficace strategia di marketing con l'AI generativa

L’AI generativa sta alimentando un nuovo mondo di comunicazioni creative e personalizzate per il marketing. Scopri come le organizzazioni di successo possono creare una strategia di marketing basata sull’AI generativa e guidata dai dati.

Come i chatbot basati sull'AI stanno trasformando le operazioni di marketing e vendita

Esplora i casi d’uso del marketing per IBM watsonx Assistant, una piattaforma di AI conversazionale aziendale progettata per creare chatbot intelligenti o agenti virtuali.

T-Mobile migliora l'efficienza nel marketing con Adobe Workfront

Scopri come il principale operatore di telecomunicazioni ha creato un sistema di gestione del lavoro più semplice per supportare la sua supply chain dei contenuti, creando pratiche sui dati pronte per l’AI

Fai il passo successivo

Crea una strategia di AI per la tua azienda su un'unica piattaforma di dati e AI collaborativa: IBM watsonx. Addestra, convalida, adatta e distribuisci modelli AI per scalare e accelerare l'impatto dell'AI con dati affidabili in tutta l'azienda.

Scopri watsonx Prenota una demo live
Note a piè di pagina

1 Carvana Creates 1.3M+ Unique AI-Generated Videos for Customers (link esterno a ibm.com), Carvana, 9 maggio 2023.

2 Introducing Voice Translation for Podcasters (link esterno a ibm.com), Spotify, 25 settembre 2023.

3 Now decides next: Insights from the leading edge of generative AI adoption (link esterno a ibm.com), Deloitte, gennaio 2024.

4 How generative AI can boost consumer marketing (link esterno a ibm.com), McKinsey, 5 dicembre 2023.