5 wniosków z webinaru „AI i e-mail marketing, idealny duet w 2024 roku” + wideotranskrypcja

Pierwszy webinar w polskiej wersji MailerLite za nami. Dziękujemy wszystkim, którzy dołączyli do wydarzenia na temat „AI i e-mail marketing, idealny duet w 2024 roku”. Wspólnie odkryliśmy, jak sztuczna inteligencja zmienia zasady gry w e-mail marketingu, pomagając tworzyć bardziej spersonalizowane, efektywne i angażujące kampanie. 

Jeśli tym razem Ciebie zabrakło, nic straconego. W tym artykule znajdziesz transkrypcję naszego webinaru, podzieloną na trzy części. Na początek, mamy 5 kluczowych wniosków z webinaru dla tych, którzy chcą zapoznać się z głównymi zagadnieniami między kawą a spotkaniem z szefem. Potem, pełną transkrypcję prezentacji naszych ekspertów – mnóstwo praktycznych wskazówek i inspiracji dla wszystkich, którzy pragną wgryźć się głębiej w temat. Na koniec, odpowiemy na najczęściej zadawane pytania, które pojawiły się podczas sesji Q&A.

Wierzymy, że te treści będą dla Was przydatne i pokażą, jak wykorzystać AI w e-mail marketingu, żeby osiągnąć jeszcze lepsze wyniki w 2024 roku. Miłej lektury! 🚀🤖

[00:00:00.24] Kinga

Witam bardzo serdecznie na webinarze MailerLite „E-mail marketing, czyli idealny duet 2024 roku”. Jest to pierwszy webinar MailerLite w języku polskim. Bardzo się cieszymy, że tutaj z nami jesteście. Ja nazywam się Kinga Król i poprowadzę dzisiejsze spotkanie, którego struktura jest następująca. Najpierw nasi prelegenci wprowadzą nas w fascynujący świat AI. Podzielą się z nami swoją wiedzą dotyczącą historii oraz przyszłości sztucznej inteligencji. Potem przejdziemy do demonstracji funkcji w aplikacji MailerLite, a spotkanie zakończymy dyskusją oraz Q&A. Webinar potrwa około godziny. Jest dzisiaj z nami: Piotr Sucharski (Senior Software Engineer w MailerLite), Franciszek Ruszkowski (specjalista AI z Vercom) oraz dr Artur Pajkert  (Head of Marketing w CyberFolks). Bardzo Wam dziękujemy, że jesteście tutaj z nami. Piotr, Franciszek oraz Artur to osoby, które posiadają niesamowicie szeroką wiedzę w temacie sztucznej inteligencji i pomogą nam dziś lepiej zrozumieć potencjał AI, szczególnie właśnie w kontekście e-mail marketingu. Także nie przedłużając oddam głos Arturowi, który opowie nam więcej właśnie o historii AI.

[00:02:32.01] - Artur

Dzięki za wprowadzenie Kinga. Wam wszystkim dzięki za przybycie na nasze małe wydarzenie. Kto z Was bawił się sztuczną inteligencją np. testując czat GPT i próbując wykorzystać go w marketingu? Czy ktoś z Was już bawił się tym rozwiązaniem? Myślę, że domyślam się jaka może być odpowiedź, ale jeżeli tak to napiszcie śmiało na czacie.

Czyli wiecie już, co to jest to GPT. To teraz pytanie drugie. W sumie pytanie jest łatwe, ale odpowiedź niekoniecznie. Kto z Was wie, jaka jest angielska definicja hiperboli? I dlaczego nam się to przyda i dlaczego warto wiedzieć takie rzeczy? Jeżeli ktoś wie, to niech się pochwali. Natomiast ja chciałbym Wam opowiedzieć o tym, jak to wszystko się zaczęło i co nas doprowadziło nas ludzi do tego, że dzisiaj właśnie prawie każdy z Was może bawić się GPT czy jakimikolwiek innymi narzędziami z obszaru sztucznej inteligencji. Zabieram Was w małą podróż.

Ta historia dla Was zaczęła się pewnie w większości wypadków kilka lat temu, bo to jest świeża historia. Ale my jako ludzkość zaczęliśmy tę przygodę jakieś trzy tysiące lat temu w starożytnej Grecji. Postać, którą widzicie, to pewna wizualizacja mitu o losie. To jest mit pochodzący konkretnie z Krety. I w tym micie pojawia się postać, która nie jest ani człowiekiem, ani bogiem, jak miało to często miejsce w mitologii, ale jest automatem, robotem wykutym z brązu z jednym konkretnym celem. Otóż Talos miał za zadanie obchodzić wyspę Kretę dookoła i wypatrywać wrogich okrętów. W razie wykrycia najeźdźcy miał ciskać w niego kamieniami i po prostu bronić wyspę przed atakiem. Zwróćmy uwagę, że tego typu działanie z pewnością inteligencji wymaga. Dziś powiedzielibyśmy, że jest to militarne urządzenie napędzane sztuczną inteligencją, bo przecież trzeba odróżnić, czy to, co widzimy na powierzchni morza, to jest jakaś kłoda drewna czy statek, a jeżeli statek, to czy swój, czy obcy, podjąć decyzję o tym, w jaki sposób go zaatakować itd.

Oczywiście postać Talos jest postacią mityczną, natomiast udowadnia jedno. Udowadnia, że my, ludzie od zarania dziejów marzyliśmy o tym, żeby maszyny nie tylko wyręczały nas w prostych, mechanicznych, powtarzalnych czynnościach, ale marzyliśmy o tym, żeby maszyny mogły za nas myśleć i podejmować decyzje. Jednak droga do realizacji tego marzenia była bardzo długa. Potrzebowaliśmy wynaleźć komputery, więc mamy tutaj pierwszy komputer, lata 40. w Stanach Zjednoczonych. Pomieszczenie pełne lamp, bo oczywiście jeszcze nie było tranzystorów, komputery były lampowe, natomiast oprócz sprzętu potrzebowaliśmy też podstaw teoretycznych. Poznajcie Alana Turinga, genialnego brytyjskiego matematyka. Możecie go kojarzyć m.in. z prac nad rozszyfrowaniem Enigmy. Natomiast ja chciałbym Wam powiedzieć o bardzo ciekawej koncepcji logicznego testu zaproponowanego właśnie przez tego naukowca. Otóż w jego koncepcji sędzia człowiek jednocześnie prowadzi rozmowę, swobodną rozmowę naturalnym języku z drugim człowiekiem i z maszyną. Tylko że nie widzi swojego rozmówcy. I w momencie, kiedy na podstawie samej tylko rozmowy, nie patrząc na rozmówcę, nie umie powiedzieć, czy rozmawiał z człowiekiem, czy z maszyną, to właśnie to jest ten moment, kiedy maszyna zdaje test, czyli test Turinga.

To test, który nam mówi o tym, czy my, ludzie potrafimy odróżnić, czy po drugiej stronie mamy do czynienia z drugim żywym człowiekiem, czy może już z maszyną. Turing zresztą przewidywał, że około roku 2000 możemy się spodziewać automatów, które ten test zaczną przechodzić. I patrząc na te lata nie pomylił się w tej prognozie aż tak wielce. A jak to działa? Tak naprawdę to sieci neuronowe czy GPT, Jersey opisał wszystko to, co nas teraz tak bardzo kręci, jeśli chodzi o sztuczną inteligencję. Głównym nurtem sztucznej inteligencji, który dzisiaj rozwija się najbardziej dynamicznie, są sieci neuronowe. Chciałbym Wam powiedzieć o tym, jak te sieci powstały. Na czym one polegają, żeby każdy z Was mógł lepiej zrozumieć to zagadnienie. Tutaj na ilustracji ludzki mózg i być może pamiętacie z lekcji biologii uproszczony schemat neuronu. Ma on krótsze wypustki, którymi przyjmuje informację od innych neuronów, a tą długą wypustką zwaną aksonem, która wypuszcza nam około 100 miliardów takich komórek w naszym mózgu. Ten biologiczny neuron został odzwierciedlony już w latach 40.

Ech, te szalone lata 40. XX wieku ;) Neurony zostały opisane przez Marka Locke'a i Picassa w postaci teoretycznego modelu. To jest można powiedzieć podstawa do dzisiaj. Jak dzisiaj działa cała sztuczna inteligencja? To wszystko, co my nazywamy potocznie sztuczną inteligencją, właśnie opiera się o takie neurony, w tym neuron. On cyfrowo odzwierciedla to, jak działa nasza biologiczna komórka nerwowa, czyli ma po lewej stronie wejścia x1, x2, xn, które wpuszczają pewną informację. W świecie cyfrowym jest to po prostu liczba, jakaś wartość jakiegoś pobudzenia nerwowego. W środku przetwarza te informacje, przepuszcza ją przez tzw. funkcję aktywacji. Tutaj mamy właśnie taniec hiperboli, z którego sobie tak trochę żartowałem. Różne mogą być te funkcje. Nie trzeba oczywiście ich znać na pamięć, żeby się cieszyć działaniem sieci neuronowych. Natomiast warto wiedzieć, że to jest pewna funkcja, która przekształci to wszystko, co weszło w pewien sygnał wyjściowy. I teraz to, co Weszło, ma takie wagi. Zobaczcie w żółtych kółkach. Ja wam oznaczyłem 122N jak mamy nasz mózg.

To przecież ten sam sygnał nerwowy ze stopy i z klatki piersiowej. Wcale nie muszą być tak samo ważne. Nawet jeśli mają to samo natężenie, to nasz mózg je może interpretować inaczej. I stąd się to nazywa wagi. Te parametry się nazywa wagami albo parametrami w sieci neuronowej i to co z tego neuronu wyjdzie w ogromnym stopniu zależy od tego, jak my te wagi dobieramy. Jeden neuron może niewiele, ale kiedy zestawimy wiele neuronów razem, wtedy możemy osiągnąć bardzo dużo. I Wy też już z tego korzystacie na każdym kroku, w różnych opcjach w telefonie, w GPS czy w wielu innych narzędziach związanych ze sztuczną inteligencją. A żeby jeszcze lepiej zrozumieć, dlaczego dopiero dzisiaj jest to możliwe i dlaczego. Dlaczego dopiero dzisiaj każdy z nas może korzystać z takich fajnych bajerów? Pokażę Wam mały eksperyment. Mamy tutaj 2 ekrany 8 na 8 pikseli. Po lewej stronie jest plus, a po prawej stronie minus. Założę się, że jako ludzie nie macie żadnego problemu z rozpoznawaniem, który kwadrat przedstawia plus, a który minus. No ale dla komputera wcale nie jest to takie proste, bo zobaczcie, że plus i minus nie są wcale idealne.

Tu brakuje piksela, tam piksel jest taki trochę zapalony. No cóż, świat nie jest idealny, Życie nie jest idealne. Dlatego tak wygląda nasza codzienność. Tak wygląda rzeczywistość. I my jako istoty żywe musimy sobie z tym radzić. Komputery od początku projektowane jako urządzenia zero jedynkowe, co do filozofii, nie były od początku przystosowane do radzenia sobie z takimi sygnałami, sygnałami niepewnymi, uszkodzonymi, nie starannym. A jednak chat GPT radzi sobie doskonale. Jeżeli zrobisz literówkę w prompcie, to on i tak zrozumie, o co chodzi. No to jak to jest możliwe? Jak to działa? Więc mamy 8 na 8 pikseli i gdybyśmy chcieli, żeby komputer umiał powiedzieć, czy dany obrazek jest plusem czy minusem, to 8 na 8 potrzebujemy 64 neuronów, to mamy 64 neurony po lewej stronie, a po prawej stronie mamy takie dwa duże neurony plus i minus. One się powinny zapalić, aktywować kiedy ta cała sieć uzna, że coś jest plusem, albo że dany obrazek jest minusem. I teraz macie tutaj gęstą, gęstą sieć połączeń, to policzyłem 552 połączenia i na każdym z tych połączeń są te wagi U1, U2.

Trenowanie sieci neuronowej polega na tym, że tak długo dobieramy te wagi pokazując setki, tysiące plusów i minusów, aż ona będzie miała tak dobrane te wagi, że na końcu prawidłowo nam zapali te neurony na końcu oznaczające plus i minus. Trenowanie tej sieci wymaga ogromnych nakładów obliczeniowych, ale to jest tylko 500 parametrów. Mamy proste zadanie rozróżnić plus od minusa. A gdybyśmy sobie teraz wyobrazili tą całą sieć jako jeden piksel na ekranie, na który patrzysz, bo oglądasz teraz webinar na telefonie, na laptopie, na jakimś innym urządzeniu, więc masz przed sobą ekran na ekranie złożony z pikseli. To sobie wyobraź, że cały ten model, który teraz pokazałem, rozpoznający plusy i minusy zawiera zawierałby się tak fizycznie tylko w jeden piksel Twojego ekranu. To żeby odzwierciedlić złożoność czata GPT w wersji trzeciej, tej, której on się spopularyzował na świecie jakieś dwa lata temu, to potrzebowałbyś albo potrzebowałbyś ekranu wielkości Stadionu Narodowego. Tak dużą by musiał mieć ten ekran powierzchnię, żeby te piksele odzwierciedlały złożoność tego modelu. A jeśli korzystasz z tych rozwiązań dzisiaj, to Twój ekran, żeby odzwierciedlić tą złożoność, musiałby mieć powierzchnię dzielnicy dużego miasta.

Tak ogromne są te modele. I właśnie dlatego my jako ludzkość potrzebowaliśmy tych trzech tysięcy lat, ponieważ nie są to rzeczy proste i wymagają gigantycznych mocy obliczeniowych po to, żebyśmy dzisiaj mogli z tego korzystać, żeby to było proste dla nas, ale dla inżynierów to było szalone, szalone wyzwanie. To są te 100 bilionów parametrów, niewyobrażalna liczba. Ale to prowadzi nas do świata bardzo bogatego w różnego rodzaju technologie oparte o sztuczną inteligencję, w którym żyjemy. Dzisiaj, przekształcające swobodnie tekst na obraz, obraz na tekst, tekst na audio możemy dokończyć niedokończoną symfonię Franza Schuberta. Tak jak na mit, studenci dokończą ją przy użyciu sztucznej inteligencji, wytrenowane na wszystkich poprzednich dziełach kompozytora. Więc nawet mimo że kompozytor umarł i nie dokończył tego dzieła, to sztuczna inteligencja jest w stanie z wysokim prawdopodobieństwem oszacować, jak by się mogła ta symfonia zakończyć. Rozwiązania klasy tekstu i tak dalej. Ale przedmiotem tego webinaru jest to, co sztuczna inteligencja może Tobie pomóc w marketingu, a w szczególności marketingu internetowym, marketingu mailowym. I o tym właśnie za chwilę opowiedzą moi koledzy, więc oddaję głos Franciszkowi.

[00:14:50.10] - Franciszek

Dzień dobry, nazywam się Franciszek Ruszkowski i na co dzień zajmuję się implementacją sztucznej inteligencji w Grupie Bergson. Dzisiaj opowiem o przyszłości firmy marketingu. Pierwsza część będzie o przyszłościowych narzędziach, które mogłyby polepszyć skuteczność kampanii e-mailowych, a druga część skupi się bardziej na bezpieczeństwu. Pierwszym takim narzędziem jest analityka produkcyjna. Byłby to model, który koncentruje się na wykorzystywaniu danych historycznych i algorytmów machine learningu do przewidywania wyników przyszłych kampanii oraz sugerowania optymalizacji dla ich poprawy. Przewidywanie wyników kampanii, czyli przewidywania wskaźników otwarcia, kliknięć czy konwersji też by w to wchodziła. Obserwacja trendów konsumenckich, czyli identyfikacja wzorców i trendów, które mogą wskazywać na zmianę w preferencjach i zachowaniach konsumentów oraz rekomendacje optymalizacyjne, czyli podpowiadanie przez model zmian w kampanii, które mogą zwiększyć jej efektywności, takie jak zmiana układu maila, treści czy ilości zdjęć. Tutaj przedstawiłem graficznie jak taka analityka predykcji mogłaby wyglądać. Model jest wytrenowany na wielu, wielu, wielu udanych kampaniach, ale też na nieudanych kampaniach i poprzez używanie wielu zmiennych typu ilość tekstu, rodzaje obrazów albo np. pojawienie się jakichś słów kluczowych czy nawet rozmiar czcionki.

Taki model byłby w stanie przewidzieć przewidywaną skuteczność takiej kampanii e-mailowej. I podać rekomendacje połączone z tym modelem. Polegałaby na tym, że mając np. jakiś temat kampanii (np. promocja webinaru) taki model byłby w stanie podpowiedzieć, że duża ilość tekstu najprawdopodobniej zwiększa skuteczność tej kampanii. Przy czym duża ilość obrazów promocji webinaru może nie do końca pomóc. Ale ta sytuacja się odwraca. Podczas kampanii, która jest na temat wyprzedaży mebli, gdzie duża ilość obrazów znacznie może pomóc, a duża ilość tekstu niekoniecznie. Następnie takim narzędziem, o którym chciałem porozmawiać, jest zaawansowana segmentacja i personalizacja. Zaawansowana segmentacja, czyli za pomocą wyników analityki produkcyjnej model tworzyłyby dynamiczne segmenty konsumentów. Segmentacja może być oparta na takich kryteriach jak wiek, płeć, geografia, demografia czy zainteresowania. Dzięki temu różne wersje kampanii mogą być dostosowane do różnych grup odbiorców. Automatyczna personalizacja, czyli na podstawie segmentacji eBay mógłby automatycznie dostosować treść maila tak, aby pasowała ona do indywidualnych preferencji użytkowników. No czyli ostatecznie dążymy do tego, aby model personalizować, kampanie tak, by lepiej rezygnowały z określonymi segmentami odbiorców, np. na podstawie analityki produkcyjnej.

Model może wykryć, że młodsi odbiorcy bardziej reagują na kampanie z elementami wideo. Następnie zaawansowana segmentacja może podzielić odbiorców na grupy, a automatyczna personalizacja dostosuje treść maila tak, aby zawierały więcej multimediów dla jednej grupy, a mniej dla innej, w zależności od preferencji. Model AI może określić, którzy odbiorcy bardziej pozytywnie reagują na wiadomości zawierające humorystyczne elementy. Następnie system AI może automatycznie dostosować ton i styl wiadomości do preferencji odbiorców. I to się może tyczyć wielu czynników. Niektórzy odbiorcy wolą krótsze, bardziej treściwe maile. Inni mogą reagować znacznie lepiej na kampanię z małą ilością zdjęć. I taki model AI może automatycznie takie zależności wykryć i ponadto też może dla nas tworzyć nieoczywiste segmenty, których byśmy sami nie wykryli. Ale też te segmenty moglibyśmy ustawiać ręcznie, które później byłyby zautomatyzowane. Następnym takim narzędziem, o którym dzisiaj chciałbym porozmawiać, są dynamiczne generatory kampanii. Polegają one na wykorzystywaniu zaawansowanej technologii AI do automatyzacji tworzenia kampanii. Umożliwia to marketerom szybkie generowanie i testowanie różnych wersji. W takim generatorze kampanii chodziłoby o to, że osoba tworząca maila może rzucić pulę zdjęć, opisać temat, wybrać kolory, napisać jaki jest cel kampanii oraz kilka innych zmiennych, a AI, by generowało kilka propozycji treści mailowych.

I dzięki temu, że ten model jest wytrenowany na wielu danych kampaniach, tworzył by treści jak najbardziej prawdopodobne do wywołania zaangażowania. I tutaj wchodzi dynamiczna optymalizacja, czyli generator kampanii, tak jakby tworzył wiele różnych wersji tych kampanii. To byłby też system, który monitoruje pierwsze wysyłki tych wysłanych wersji. Nazwijmy to testem ABC i na tej podstawie dokonuje optymalizację w czasie rzeczywistym, wybierając najbardziej skuteczną kampanię. Najlepiej działające wersje są następnie wysyłane do większej liczby odbiorców, podczas gdy nieskuteczne są wycofywane albo modyfikowane i najlepsza wersja też mogłaby być później spersonalizowana dla odpowiednich segmentów odbiorców. Czyli widzimy, że z połączenia tych wszystkich narzędzi tworzy się taki cały mały ekosystem, który tworzy taką bardzo pełną automatyzację. I teraz przejdziemy do drugiej części, czyli tematu bezpieczeństwa. Zaawansowane wykrywanie spamu polegałoby na tym, że model AI analizuje treści, częstotliwości wysyłki oraz inne czynniki, aby precyzyjnie zidentyfikować i filtrować wiadomości, które mogą być traktowane jako spam. To obejmuje wykrywanie phishingu, malware i innych form ataku, które mogą zagrażać bezpieczeństwu odbiorców. Przed wysłaniem kampanii marketer może otrzymać powiadomienie na przykład, że określone użycie określonego słowa albo inne cele kampanii mogą być oferowane jako spam.

Czyli ten model działałby w dwie strony. Ten model zwiększyłby bezpieczeństwo dla odbiorców, ale również zmniejszyłoby wskaźnik skarg na spam. I teraz przejdźmy do kwestii etycznych. Bardzo istotne jest zapewnienie przejrzystego i etycznego wykorzystywania AI z uwzględnieniem prywatności danych i bezpieczeństwa, a także przestrzeganie międzynarodowych norm i przepisów, takich jak RODO. Niezbędny jest monitoring i ciągła ocena modeli AI w celu identyfikacji i eliminacji wszelkich uprzedzeń, które mogłyby wpływać na decyzje marketingowe oraz prowadzić do nierówności. I to jest wszystko z mojej strony. Oddaję głos Piotrowi.

[00:21:34.04] - Piotr

Chłopaki przede mną mówili o historii, a ja o tym, do czego w przyszłości będzie można wykorzystać takie modele i pewne funkcje zbudowane w różnych systemach, w różnych aplikacjach. Natomiast ja po prostu chciałbym Wam powiedzieć, do czego już udało się wykorzystać sztuczną inteligencję, do czego już udało się wykorzystać modele w takim systemie jak MailerLite. Na ten moment w aplikacji MailerLite mamy 3 funkcje, które są wspierane przez model sztucznej inteligencji. Dwie funkcje są dość podobne i działają w podobny sposób, natomiast jest to generator tematów, wiadomości i tzw. sugestie. Ja teraz będę pokazywał jak to, jak to wygląda. Natomiast trzecia, trzecia funkcja wykorzystywana, wykorzystująca modele sztucznej inteligencji w miarę lajcie to tzw. inteligentna wysyłka. Mam taki prosty, prosty krótki filmik, na którym będzie dość dobrze widać o co mniej więcej mniej więcej chodzi. Mamy w pierwszej kolejności generator tematów wiadomości.

Możemy kliknąć wygeneruj. Możemy dodać prompt, który nas interesuje i dokładając do tego dane na początku takie jak styl, czy wydźwięk tego maila lub całego tematu, czy on ma być w formie profesjonalnej, w formie luźnej, troszkę żartobliwej czy formalne. Następnie możemy sobie określić czy ma być to forma promocyjna, czy forma np. ogłoszenia, forma informacji jakiejś forma newsletterowa, właśnie na podstawie pewnego promptu, który sobie dodamy. Sztuczna inteligencja generuje nam cały zestaw różnych różnych przykładowych tematów, z których możemy skorzystać. Ma to sporo fajnych plusów. Jeśli nam nie pasują te tematy to możemy oczywiście wygenerować jeszcze raz i próbować kilka razy zmieniając konstrukcję naszego promptu. I teraz największymi plusami takiego rozwiązania jest po pierwsze oszczędność czasu. Nie musimy za bardzo główkować nad tym, jaki chcemy temat. Możemy praktycznie na tacy dostać kilka gotowych wygenerowanych tematów na podstawie naszej prostej zajawki i wybrać sobie po prostu ten, który nam najbardziej pasuje.

Wykorzystanie takiej funkcji zwiększa rezultaty danej kampanii, bo taki model jest trenowany tak, żeby generować tematy wiadomości, więc stara się unikać pewnych słów, które byłyby np. wspomagane, które byłyby źle oceniane przez filtry antyspamowe, co powoduje, że zwiększamy w ten sposób dostarczanie takich wiadomości, a co za tym idzie jest większa szansa na zwiększenie rezultatu kampanii, czyli na większą liczbę otwarć, większą liczbę kliknięć i zaangażowania, które ta kampania nam na samym końcu generuje. 

No i tutaj mamy dość podobny feature. Natomiast ta funkcja działa już bezpośrednio na etapie tworzenia danej treści. Możemy sobie wybrać pewne miejsce w newsletterze, akapit z tekstem, który którego nie musimy sami generować możemy. Możemy się wspomóc sztuczną inteligencją. Piszemy prompt, tak jak tutaj, gdzie chcemy. Na przykład chcemy mieć krótki opis tego, jak Alan Turing złamał kod Enigmy. 

Więc chat GPT i inne narzędzia sztucznej inteligencji potrafią sobie z czymś takim poradzić. Tak samo tutaj możemy sobie wybrać, czy chcemy, aby był wygenerowany krótki tytuł, krótki akapit, długi akapit, forma tekstu, czy też bardziej naturalny tekst, bardziej profesjonalny, bardziej formalny, tak żeby żeby on był zgodny z naszym sposobem komunikacji z klientem. I tu mamy podobną sytuację. Oszczędzamy. Oszczędzamy czas i staramy się. Staramy się zwiększyć konwersję. Mamy fajnie wygenerowane teksty, teksty, które mogą być chwytliwe, teksty, które mogą być fajnie czytane przez naszych odbiorców z wykorzystaniem sztucznej inteligencji. Z wykorzystaniem modeli wiąże wiążą się też pewne minusy i są też pewne konsekwencje. Jeśli taki prompt, czyli tekst, który wprowadzamy, na podstawie którego sztuczna inteligencja ma nam wygenerować tekst, czy wynegocjować temat wiadomości, czy czy temat jakiegoś akapitu będzie zbyt ogólny, będzie tam zbyt mało informacji, to może się okazać, że te teksty, te tematy będą niezgodne z naszymi oczekiwaniami. On będzie bardzo, bardzo ogólny, a my będziemy chcieli, żeby tam była zawarta, nie wiem, kawałek historii, czy call to action na samym końcu np. do cennika czy do czegokolwiek.

Jeśli nie napiszemy tego wprost, to bardzo duża szansa jest, że taki model sztucznej inteligencji wygeneruje coś, co nie do końca dla nas będzie satysfakcjonujące. Tu jest prosty, krótki przykład jak może wyglądać coś, co jest takim produktem w miarę trafnym, za pomocą którego sztuczna inteligencja jest w stanie wygenerować dość długi tekst, który będzie trafny. Czyli Przedstaw najważniejsze produkty marki MailerLite napisz to w roli eksperta, który zna się na tych produktach. Tekst powinien na końcu mieć CTA do strony z cennikiem. Natomiast jeśli byśmy chcieli bardziej w drugą stronę pójść i napiszemy coś, co będzie bardzo ogólne, czyli Napisz krótki tekst o programie WIT, albo Napisz tekst zachęcający do kupna produktów, to są to tak ogólne produkty, że ciężko będzie oczekiwać, żeby sztuczna inteligencja dała nam coś, co będzie super tekstem. Bardzo możliwe, że tam będą fajne wyrażenia. W tym tekście będzie coś co nas będzie interesować. Natomiast ten tekst pewnie będziemy musieli zmienić tak, żeby trafiał w nasze gusta i żeby tam były te informacje, które chcemy. To są pewne niebezpieczeństwa generowania tekstu. 

Ostatnią funkcją architektury, która jest wspierana za pomocą modeli sztucznej inteligencji jest tzw. Inteligentna wysyłka. Jest to moduł, który można uruchomić podczas tworzenia kampanii. Polega on na tym, że na podstawie behawioralnych zachowań naszych subskrybentów, historycznych zachowań tych subskrybentów jesteśmy w stanie określić, kiedy dany dany subskrybent (lub dana grupa subskrybentów) będzie aktywna w ciągu dnia i ta Inteligentna wysyłka dostarcza maila wtedy, kiedy jest prawdopodobieństwo zaangażowania, prawdopodobieństwo otwarcia tego maila kliknięcia jest największe. Może być tak, że mamy pewnych odbiorców, którzy np. ze względu na sposób swojej pracy, styl swojej pracy nie mogą w ciągu dnia czytać wiadomości, więc robią to po pracy i wtedy taki model wie, że ta pula klientów np. to robi o godzinie 17/18. Są tacy, którzy pewnie siadają wieczorem i sobie przeglądają skrzynkę o godzinie 21, a są tacy, którzy robią to w miarę w miarę na bieżąco. Więc ta funkcja ma za zadanie zwiększyć dostarczanalność do odbiorców, zwiększyć finalnie rezultaty kampanii, czyli zwiększyć otwieranie i klikalność danych kampanii. Z mojej strony to tyle.

1. Czy AI może naprawdę dostarczyć bardziej spersonalizowane doświadczenia dla odbiorców? Czy treści wygenerowane przez AI mogą sprawić, że komunikacja będzie mniej ludzka i mniej kreatywna, a odbiorcy poczują się przez to niekomfortowo?

[00:31:19.18] - Artur

I to jest super pytanie. Moim zdaniem bardzo ważna kwestia. Bo jeżeli przyjmiemy, że sztuczna inteligencja jest trenowana, jak pokazywałem na początku te sieci neuronowe i ogromną liczbę parametrów, które trzeba dobrać. Więc jak to się odbywa? Także trzeba bardzo dużo tych plusów i minusów pokazać, a w tych bardziej złożonych modelach, np. modelach językowych, trzeba bardzo dużo tekstów pokazać tej sztucznej inteligencji. Ale to, że jest ich dużo powoduje, że w pewnym momencie trenujemy tą sztuczną inteligencję na wszystkim, na wszystkim co istnieje, na wiedzy w wielu językach, w wielu kulturach, na tekstach czy szerzej patrząc treściach tworzonych przez osoby o różnej wrażliwości, estetyce, guście itd. A to powoduje, że tak sama z siebie ta sztuczna inteligencja będzie nam zwracała wyniki. Nie będą one takie spersonalizowane, bo one są pewną wypadkową całej wiedzy i całej tej różnorodności, którą my jako ludzkość reprezentujemy, a przynajmniej ta część ludzkości, której dzieła były wykorzystane, żeby trenować sztuczną inteligencję.

I dlatego musimy bardzo dokładnie precyzować. To, czego my oczekujemy. I super o tym Piotrek powiedział, bo pokazał właśnie, że prompt ogólny da wynik bezwartościowy. Jeżeli my w dialogu z tą sztuczną inteligencją zawrzemy, co tak naprawdę ma być tym elementem personalnym, co, tak naprawdę ma się znaleźć, czy to będą jakieś elementy takie merytoryczne, związane z treścią, czy bardziej emocjonalne, związane np. ze stylem narracji, formułowania zdań używanymi słowami itd. To im więcej wysiłku włożymy, to przygotowanie tego zapytania do sztucznej inteligencji ukierunkuje jego odpowiedź mówiąc, że np. ma być żartobliwa albo poważna, albo w tonie naukowym, albo w tonie budzącym jakieś żywe emocje itd. To, im bardziej my zarządzamy sprofilowane odpowiedzi, tym tą odpowiedź dostaniemy bliższą naszym oczekiwaniom. I to jest ta droga do personalizacji. Tylko pamiętajmy, że sztuczna inteligencja po prostu nie siedzi bezpośrednio w naszym umyśle. Ona sama się nie domyśli czego my oczekujemy. Jest jak nowy pracownik w firmie, on się wszystkiego dowiaduje dopiero jak ta firma działa. Przychodzi załóżmy osoba, która ma pracować w recepcji i załóżmy parzyć kawę w czasie spotkań, to na początku nie wie, kto pije kawę. Po jakimś czasie np. wie, że są jacyś stali uczestnicy. Tamten zawsze słodzi, a ten nigdy nie słodzi, ale na początku tego nie wie. Dlatego trzeba te rzeczy powiedzieć. Tak samo jest ze sztuczną inteligencją, więc po prostu musimy włożyć odpowiedni wysiłek w przygotowanie zapytań.

[00:34:31.11] - Piotr

Ja bym tu dodał jeszcze jedną kwestię, bo te wszystkie modele, które z tekstu generują nam trochę inny tekst, też powodują to, że możemy w bardzo prosty sposób ten tekst zmienić. Wydźwięk tego tekstu np. z jakiejś luźnej wypowiedzi na profesjonalny tekst, na zabarwienie neutralne itd. I to nam daje pewną fajną moc, czyli testowanie tych rzeczy. Jesteśmy w stanie w bardzo prosty i bardzo szybki sposób praktycznie w przeciągu kilku sekund zmienić tekst, który jest bardzo profesjonalny, czy tekst napisany luźniejszy językiem. Natomiast trzeba też mieć świadomość tego, że nasi klienci często oczekują od nas pewnego poziomu komunikacji. Jeśli ja bym np. korzystał z jakiegoś serwisu, gdzie mam podpiętą kartę kredytową, gdzie to jest serwis finansowy i oni zawsze się komunikowali ze mną w bardzo profesjonalnym stylu, to bym był mocno zdziwiony, gdybym dostał jakiegoś luźnego maila w stylu: hej, podepnij kartę w piątek, mamy super fajne promocje, kliknij, może skorzystasz z naszych promocji w weekend. Eksperymenty super, trzeba je robić od czasu do czasu. Pewnie można też zrobić pivot tego jak wygląda styl naszej komunikacji.

Natomiast to też są pewne zagrożenia, że z jednej strony to jest coś, co pozwala nam wygenerować te teksty bardzo łatwo, szybko, tylko żebyśmy nie popadli w taką obsesję, że za każdym razem przetestujemy coś innego, bo może to powodować w niektórych odbiorcach pewien pewną konsternację. Wiadomo, każdy z nas jest inny i każdy inaczej będzie na to reagował, ale na pewno trzeba na to uważać.

2. Czy AI zabierze pracę człowiekowi?

[00:36.22.11] - Artur

Z przerażeniem stwierdzam, że grono odbiorców nie jest świadoma potęgi i fajnie się śmiać z wesołych filmików stworzonych przez AI, ale gorzej kiedy wytrenowane AI może zastąpić 5 etatów, w tym tych śmiejących się. To jest prawda. AI na pewno wpływa i są już gotowe badania na ten temat. Wpływa na rynek pracy m.in. na obniżania stawek dla freelancerów oraz zmniejsza zapotrzebowanie na tego typu usługi. Niestety postęp naukowo-techniczny jest jakby od zarania dziejów czymś, co zagraża pewnym grupom społecznym. Zobaczcie. Kiedyś był taki zawód jak zecer. Być może część z Was w ogóle nie słyszała nigdy tego słowa. To był człowiek, który układał mechaniczną czcionkę. Układał przecież, jak się drukowało książki. Ale to był zawód, który był potrzebny tylko przez jakiś czas. Ale co w ogóle wcześniej było? Wcześniej się pisało gęsim piórem, ktoś przepisywał skryba, mnisi, oni przepisywali książki ręcznie. I można powiedzieć, że stracili pracę w wyniku wynalazku Gutenberga, który wynalazł czcionkę, maszynę drukarską, ale zyskał pracę.

Pojawiły się osoby, nowe zawody. A potem zecer już stracił pracę. Jak się pojawił komputerowy skład pisma? Bo nikt już mechanicznie tych czcionek przecież nie układał. I teraz popatrzcie, jak wygląda postępu naukowo techniczny w wielu dziedzinach życia to ma miejsce. Można przyjąć, że tutaj faktycznie moje przekonanie jest takie, że część osób, które żyły z takich zwłaszcza prostych wytworów, np. copywriterzy piszący takie prostsze, mniej specjalistyczne teksty, albo graficy robiący mniej skomplikowane projekty. Oni rzeczywiście mają szansę być zastąpieni, albo np. fotograf w pewnych obszarach może być zastąpiony sztuczną inteligencją, bo się okazuje, że np. ktoś nie będzie chciał zlecić zdjęcia reklamowego jakiegoś popularnego produktu typu kosz z owocami, bo dużo ładniej i szybciej i taniej dostanie generator modeli sztucznej inteligencji takiej satysfakcjonujący obraz. Więc tak rzeczywiście może być, ale trzeba też rozumieć, że w ślad za tym idzie radykalne zwiększenie produktywności w różnych obszarach. Powstają też pewne nowe zawody, jest większe zapotrzebowanie na pracę w IT w obszarach sztucznej inteligencji. Więc myślę, że to nieźle napędził popyt na tego rodzaju usługi.

Więc nie jest to do końca jednoznaczne, ale tak z całą pewnością, podobnie jak było w rewolucji przemysłowej, te prostsze zajęcia zostały wyparte pracą maszyn i u nas będzie tak samo ze sztuczną inteligencją. Tak patrząc globalnie na ludzkość to brzmi jak zagrożenie dla wielu grup zawodowych, ale może też być to szansą dla innych obszarów. Weźmy medycynę. Jeżeli sztuczna inteligencja nauczona np. na milionach obrazów biologicznych, jest w stanie równie dobrze, a nawet lepiej niż niż przeciętny radiolog oceniać np. obraz jakiegoś jakiejś tomografii komputerowej albo nawet zdjęcia rentgenowskiego, to to jest ogromną szansą dla rozwoju medycyny w krajach trzeciego Świata, gdzie nie ma możliwości, żeby było wystarczająco dużo radiologów i żeby ludzie naprawdę te zdjęcia oceniali. Także są plusy i minusy. Nie jest to jednoznaczne.

3. Jakie są najczęstsze błędy przy korzystaniu z AI?

[00:40:28.18] - Piotr

To [zbyt płytkie projektowanie] jest najprostszy i najbardziej chyba spotykany błąd, który można wykonać. Mamy bardzo prostego prompt, który nie ma odpowiedniej ilości informacji do tego, żeby model wygenerował nam wartościową treść. I potem sami się denerwujemy. OK. To jest bezużyteczne na tym etapie. Inni wykorzystują, a ja nie potrafię. Czy coś jest nie tak? Trzeba każdego narzędzia trzeba nauczyć. Tak jak trzeba nauczyć narzędzia do email marketingu, żeby wysyłać maile. Tak samo jak trzeba się nauczyć jeździć samochodem, jeśli ktoś ma taką potrzebę. Trzeba się nauczyć pisać jak ktoś był dzieckiem itd itd. Tak samo trzeba się nauczyć korzystać z narzędzi sztucznej inteligencji. I myślę, że z każdym kolejnym wygenerowanym tekstem, wygenerowanym filmem czy grafiką za pomocą takich narzędzi mamy większy, większą umiejętność generowania zapytań, które dla modelu sztucznej inteligencji będą, będą wartościowe i potem ten model będzie dla nas wypluwał wartościowe treści, wartościowe grafiki, wartościowe filmy.

[00:41:32.22] - Artur

Dokładnie tak. A ja bym dodał, że kolejnym błędem jest takie bezkrytyczne przyjmowanie, że to, co wychodzi z tej sztucznej inteligencji, to jest prawda, bo o tym nie wspomnieliśmy chyba żaden z nas. Ale sztuczna inteligencja nie jest nieomylna. Ona to sieci neuronowe, zwłaszcza w obszarach tekstu. Ale nie tylko. Grafiki również potrafią się po prostu mylić. Tylko że one nie wiedzą tego, że odpowiedzi są błędne. Mówi się o stanie halucynacji AI. To naukowy termin w odniesieniu do sztucznej inteligencji, gdzie wydaje się, że ten model jest święcie przekonany, że to jest prawda, a tak wcale nie jest. I tak było, że obrazki generowane przez np. mleczarnie miały sześć palców w dłoniach i wszystko wyglądało foto realistycznie, tylko nagle był szósty palec. I tak samo jest z treściami. Że zwłaszcza twarde dane albo cytaty mogą się tam pojawiać i trzeba po prostu podchodzić do tego z dużą dozą ostrożności. Co do tego, czy te dane są na pewno wiarygodne i czy dana osoba wskazana jako autor cytatu powiedziała ten cytat, Czy ta wielkość wskazana w jakimś zestawieniu numerycznym jest taka a nie inna?

[00:42:47.23] - Artur

Sprawdziłem te informacje u źródeł dlatego, że po prostu trudno mieć dzisiaj pewność z jakich dokładnie źródeł ta sztuczna inteligencja skorzystała i jak te dane przetworzyć. I zdarza się, że po prostu te informacje są zwyczajnie nieprecyzyjne, wprowadzające w błąd. Także myślę, że to jest taki błąd numer dwa bezkrytyczna wiara, że tak ma być, skoro sztuczna inteligencja tak powiedziała.

[00:43:10.24] - Piotr

Ja mogę tutaj podać prosty przykład, bo nawet przygotowując się do tego webinaru, bardzo podobne projekty podawałem w innych ogólnodostępnych narzędziach. I jedno z narzędzi odnośnie Alana Turinga, który złamał kod Enigmy w czasie drugiej wojny światowej. Wypluło mi tekst, w którym twierdziło, że Alan Turing jest współtwórcą Enigmy. Gdzie? Oczywiście jest to kłamstwo. Oczywiście reszta tego tekstu była poprawna, gdzie Alan Turing stworzył inną maszynę, tak zwaną bombę, która potem potrafiła odszyfrować w bardzo szybkim tempie te depesze. Natomiast to jest dokładnie to, co mówisz, że ten model dał ewidentnie zły output, nie wiedząc o tym, bo był święcie przekonany o tym, że te informacje są poprawne, więc bardzo bezkrytycznie nie możemy podchodzić do tego, co ta sztuczna inteligencja nam daje.

4. Jakie są główne obawy dotyczące prywatności danych i etyki związane z wykorzystaniem AI w email marketingu?

[00:45:01.21] - Artur

No cóż, słuchajcie, to jest zagadnienie ciekawe, bo trudno powiedzieć. Ja myślę, że akurat sami nie przeprowadziliśmy takiego badania, żeby powołać się na jakieś wykresy i powiedzieć, że to jest np. główna czy nie główna obawa. Ale na pewno istnieją takie obawy, jak. Kiedy korzystam z systemu jakiegokolwiek związanego ze sztuczną inteligencją i umieszczam w nim jakieś dane, zwłaszcza dane poufne, dane osobowe, np. numery kart kredytowych, nazwiska, maile i tego typu rzeczy to albo nawet nawet niekoniecznie tak poufne dane, np. umieszczam swoje dzieło, załóżmy jestem grafikiem, umieszczam swój obrazek, swoje albo swoje zdjęcia jako fotografie. To rodzi się pytanie a co się z tym dzieje dalej? A czy ktoś będzie używał tego w procesach uczenia maszynowego? Czy ktoś na moim dziele na moim wytworzy będzie trenował tą sieć neuronową i ona w pewnym momencie komuś wyrzuci kawałek mojego dzieła, a wyrzuci kawałek mojego numeru karty kredytowej. Na samym początku GPT niestety były tego typu luki, gdzie można było odpowiednio zadając pytania pozyskać numery kart kredytowych, które właśnie sztuczna inteligencja w procesie trenowania pozyskała odczytując wiedzę z całego internetu.

Także były takie sytuacje. Więc ja myślę, że tutaj bardzo ważne jest przy korzystaniu z tego typu modeli, żeby faktycznie wiedzieć, jakiego rodzaju dane wysyłamy, dokąd je wysyłamy i w wielu wypadkach powstrzymać się przed używaniem takich realnych danych osobowych. Czyli np. można sobie zastąpić je jakimś fikcyjnym nazwiskiem. Jak się wysyła taki prompt, gdzie to nazwisko powinno wystąpić. I potem w odpowiedzi sobie po prostu odwrócić prawdziwe nazwisko. To jest jeden ze sposobów, jak sobie radzić z prywatnością. Rzeczywiście trzeba przyznać, że to jest duże wyzwanie związane zarówno z promowaniem modeli, jak i w ogóle z takim przetwarzaniem, legalnym przetwarzaniem danych osobowych. No bo popatrzcie, że zwłaszcza my, Europejczycy musimy dbać o RODO i o to, gdzie dane są przetwarzane, gdzie są one wysyłane, co się z nimi dzieje. Dlatego ważne jest, żeby po prostu zawsze w sposób świadomy wrzucać te informacje. Ale to nie tylko Europa. 

To sztuczna inteligencja dzisiaj pozwala również programistom pisać mniej klepiąc w klawiaturę i niektóre fragmenty kodu można pozyskać z tej sztucznej inteligencji. Nie trzeba ich manualnie wklepywać. No i się okazało, że niechcący ujawnili jakieś tam poufne informacje, jakieś tajemnice firmowe. Przez to, że właśnie taki KOD w ten sposób przekazali na zewnątrz. Więc trzeba po prostu zachować ostrożność i wiedzieć, czy dane informacje mogą w ogóle w tym projekcie się znaleźć.

5. Jakie zadania można zautomatyzować za pomocą AI w ramach strategii email marketingu? Czy inteligentne maszyny mogą nas prześcignąć, czy też pewne elementy ludzkiego osądu są niezbędne przy podejmowaniu decyzji w firmach? Już trochę zahaczyliśmy o ten temat, ale może macie jeszcze jakieś przemyślenia?

[00:48:05.18] - Franciszek

Czyli inteligentne maszyny mogą nas prześcignąć? Ogólnie to inteligentne maszyny mogą procesować ogromną ilość danych znacznie szybciej, niż ludzie. Szczególnie, że to może zobaczyć powiązania w wielowymiarowej przestrzeni. Tak jak my możemy zobaczyć graf, gdzie np. coś rośnie, to tych zmiennych może mieć setki. Więc pod tym względem na pewno maszyny są o wiele mocniejsze, niż człowiek. Ale ogólnie elementy ludzkiego osądu pozostają niezbędne, ponieważ należy monitorować te modele. AI też. Chodzi o kontekst, który jest z nich wprowadzany i o to, jak interpretujemy, ponieważ modele mogą stawać się stronnicze. Więc taki element ludzkiego osądu na po życia jest niezbędny do podejmowania decyzji biznesowych. I tu nie wiem czy ktoś chce coś dodać to pierwsza część pytania była o strategiach.

6. Uważacie, że warto mieć zespole dedykowaną osobę, która będzie zajmować się tematami związanymi z AI?

[00:49:34.19] - Artur

No to ja bym powiedział, że to zależy trochę jaki masz zespół, bo to jest taka sytuacja, gdzie trzeba przyznać, że jest to dziedzina, która rozwija się bardzo dynamicznie i nieustannie. Trzeba być ze wszystkim na bieżąco. Ale oczywiście taka osoba nie jest też zazwyczaj tania, bo musi mieć specjalistyczną wiedzę technologiczną. I wydaje mi się, że nie w każdym zespole jest uzasadnienie na to, żeby taka dedykowana osoba się znajdowała. Natomiast jeżeli Twoja organizacja ma już pewną skalę, to jest to trochę podobne pytanie o to, czy warto mieć osobę, która jest oficerem bezpieczeństwa w firmie. Jeżeli masz 3 osobową firmę, to pewnie nie jesteś w stanie zatrudnić osoby tylko do tego, ale jeżeli masz już dużą organizację i przetwarzasz bardzo dużo danych to prawdopodobnie dojdziesz szybko, że musowo potrzebujesz takiej osoby, która będzie spinać te wszystkie sprawy związane z bezpieczeństwem. I tutaj podobnie ma się rzecz z AI. To w dużym stopniu zależy od organizacji, od jej profilu, od tego, czym organizacja się zajmuje. Myślę, że w pewnych branżach na dzisiaj to wydaje się ważniejsze niż w innych.

Uważam, że ważniejsze jest wtedy, kiedy mówimy o organizacjach o charakterze usługowym, z dominującym przetwarzaniem informacji, czyli wszystkich tych branżach, gdzie gdzie przetwarza się dużą ilość informacji i danych. To mogą być takie branże jak np. prawnicza. Sztuczna inteligencja przeczyta miliony pozwów i się na tym nauczy pisać pozwy. A ile w swoim życiu, żeby prawnik ich przeczytał? Medycyna? Przecież to są tony danych. Wyniki krwi i wyniki radiologiczne EKG. Naprawdę bardzo, bardzo dużo wszelkiego rodzaju danych. Marketing -tutaj też przetwarzamy dane osobowe i email i i tworzymy jakieś grafiki, zdjęcia, teksty. Więc wszędzie, gdzie przetwarzamy różnego rodzaju informacje to tak. Natomiast są organizacje, w których to przetwarzanie informacji ma charakter marginalny, np. jeżeli reprezentujesz kopalnie węgla kamiennego, to prawdopodobnie nie jest dzisiaj dla Ciebie aż tak bardzo krytyczne. Chociaż pewnie tylko dzisiaj, bo za chwilę się okaże, że są wyspecjalizowane narzędzia, które potrafią przy pomocy sztucznej inteligencji np. dużo lepiej Ci wskazać na jakiej głębokości kopać kolejny chodnik, żeby wydobywać ten surowiec. Ale tam, gdzie mówimy o bardzo materialnej organizacji, dajmy na to ta kopalnia, ciężki przemysł, tam się wydaje, że dzisiaj jest troszeczkę mniej tych pól do zastosowania, a tam, gdzie przetwarzamy głównie informacje, to myślę, że tam przede wszystkim to korzyści na dzisiaj uzyskamy.

[00:52:19.13] - Piotr

No i tu też jeszcze wchodzi ten temat ludzkiego osądu. Nie mówiłeś o dokumentach prawniczych albo dokumentach medycznych takich jak wyniki badań itd. Wiadomo, że nieważne jak dobrze trenujemy ten model od czasu do czasu, ten osąd człowieka też się przyda. Tak jak wcześniej mieliśmy wygenerowany tekst o Alanie Turingu i tam były ewidentne błędy, bo model był wytrenowany na różnych treściach. Te treści nie do końca były poprawne, co spowodowało, że efekt końcowy był niepoprawny. Więc ten osąd ludzki też na samym końcu. Warto, warto mieć [dedykowaną osobę od AI w zespole].

[00:52:53.08] - Artur

Tak jak słusznie zwracasz na to uwagę, osąd człowieka jest ważny w kontekście merytorycznym. Twój case study z Tuningiem idealnie to pokazuje. Jeszcze dodam, że osąd człowieka w kontekście moralnym, bo to też jest bardzo ciekawe zagadnienie. Jeżeli zapytam sztucznej inteligencji co dzisiaj dobrze zjeść na obiad i ona mi powie kotleta schabowego, to niby wszystko jest w porządku, ale co jeśli jestem muzułmaninem i wtedy to już jedzenie wieprzowiny nie wpisuje się do końca tak? A co jeżeli to będzie np. burger wołowy? A w Indiach nie jedzą krów? Moralność w różnych środowiskach czy normy społeczne są różne. I na koniec się rodzi pytanie to czyją moralność ta sztuczna inteligencja ma odzwierciedlać? Tych, co nie jedzą krów, tych co nie jedzą świń, czy tych co nie jedzą warzyw. No wiecie, to są takie niby śmieszne pytania, ale to są bardzo poważne sprawy. Czy jak ja dam poproszę, żeby mi sztuczna inteligencja zaproponowała treść maila albo banner, który będzie w mailu na górze na jakiś temat i ona mi narysuje ładny obrazek, napisze ładny tekst, a jak ja powiem dobra, a teraz mi zaprojektuj schemat bomby, która zabije w metrze jak najwięcej ludzi, kiedy ją odpalę.

[00:54:14.24] - Artur

Czy ona równie łatwo powinna na takie pytanie odpowiedzieć? A kto ma decydować o tym, czy odpowie, czy nie odpowie? Wiecie, tutaj ludzki nadzór jest ważny nie tylko z punktu widzenia merytorycznego, ale również z punktu widzenia takiego po prostu moralnego. Tak że na pewno to jest super. To, co powiedziałeś, że ten człowiek jest do tego potrzebny.

🎤 Piotr Suszalski (LinkedIn)

​​Programista, architekt oprogramowania, a aktualnie Senior Software Engineer w MailerLite. Od dawna zajmuje się tematami związanymi z tworzenie i rozwojem oprogramowania. Na co dzień odpowiada za architekturę aplikacji, optymalizację baz danych oraz kontakt z biznesem w sposób zrozumiały dla obu stron.

🎤 Franciszek Ruszkowski (LinkedIn)

Specjalista z Vercom, odpowiedzialny za wdrażanie AI do różnorodnych projektów. Z wykształcenia magister Data Science z King’s College London. Opowie nam o tym w jakim kierunku zmierza AI i o potencjalnych implementacjach w e-mail marketingu.

🎤 Artur Pajkert (LinkedIn)

Od 2001 ułatwia firmom rozwój w Internecie. Koncentruje się na zagadnieniach związanych z hostingiem, bezpieczeństwem, marketingiem cyfrowym oraz komunikacją. Menedżer, autor publikacji, prelegent m.in. SEM KRK, I Love Marketing, Internet BETA, TEH, E-Trade Show, Digital Fest. Bloger, wykładowca akademicki. W cyber_Folks jako członek zarządu odpowiada za całokształt działań marketingowych.

🎤 Prowadząca: Kinga Król (LinkedIn)

Specjalista od strategii i realizacji kampanii digital. Przez lata zajmowała się realizacją kampanii, głównie w sektorze publicznym w Wielkiej Brytanii. Obecnie w MailerLite zajmuje się strategią komunikacji oraz zaangażowania odbiorców, głównie skupiając się na mediach społecznościowych.

Dziękujemy za udział w webinarze. Zachęcamy do śledzenia naszej strony z webinarami, gdzie będziemy informować o nadchodzących wydarzeniach.

Czy korzystałeś już ze sztucznej inteligencji do poprawy swoich działań związanych z e-mail marketingiem? Podziel się swoim doświadczeniem w komentarzu!