Koncepcja „liquid content” obiecuje przyszłość, w której każda treść staje się surowcem gotowym do natychmiastowego przetworzenia na audio, wideo lub interaktywne prezentacje. Jednak automatyzacja bez ludzkiego nadzoru grozi zalaniem rynku „wypolerowanymi śmieciami” — treściami poprawnymi technicznie, lecz pozbawionymi nieprzewidywalności, która buduje realną wartość biznesową. Dla liderów IT i biznesu kluczowe staje się zrozumienie, że AI to potężny akcelerator procesów, a nie ich autonomiczny twórca.
Pułapka liquid content i sufit kreatywności maszyn
Technologia „liquid content” pozwala systemom takim jak Amagi czy Stringr na błyskawiczne generowanie treści TikTokowych z transmisji na żywo lub zamianę artykułów prasowych w gotowe klipy wideo. Choć drastycznie obniża to koszty produkcji, biznesowy zwrot z inwestycji (ROI) bywa wątpliwy. Odbiorcy rzadziej angażują się w treści generowane w 100% przez AI, co widać na przykładzie syntetycznych podcastów, które osiągają znacznie gorsze wyniki niż ich ludzkie odpowiedniki.
Badania przeprowadzone na grupie 100 000 osób wykazały, że o ile GPT-4 potrafi pokonać przeciętnego człowieka w testach myślenia dywergencyjnego (np. Divergent Association Task), o tyle najzdolniejsze 10% ludzkich umysłów wciąż pozostaje bezkonkurencyjne. AI z natury dąży do statystycznie najbardziej prawdopodobnych rozwiązań, co sprawia, że generowane przez nią historie są logiczne, ale rzadko zaskakujące.
Ryzyko black box i brak wewnętrznych polityk
Wdrażanie AI w przedsiębiorstwach odbywa się obecnie w sposób nieskoordynowany i nieformalny. Eksperci wskazują na problem „czarnych skrzynek” (black boxes) — algorytmów, których procesów decyzyjnych nie rozumieją nawet ich twórcy. Naomi Klein ostrzega wręcz, że mamy do czynienia z „największą kradzieżą w historii”, w której giganci technologiczni (Microsoft, Google, Meta) jednostronnie przejęli cyfrowy dorobek ludzkości do trenowania swoich modeli.
Z punktu widzenia architekta IT, niepokojący jest brak strukturalnego podejścia do etyki algorytmicznej. Większość organizacji nie posiada jasnych wytycznych dotyczących: pochodzenia danych treningowych (data provenance), prawa własności do wyników generowanych przez AI, * przejrzystości wobec klientów w kwestii użycia treści syntetycznych.
Nowe role: od autorstwa do kurateli
W obliczu transformacji mediów w „surowiec”, rola profesjonalisty przesuwa się z tworzenia treści od zera w stronę kurateli i selekcji. Na rynku pojawiają się nowe, hybrydowe role, takie jak prompt designer, redaktor treści AI czy koordynator przepływu pracy algorytmicznej. Ich zadaniem jest „humanizacja” wyników, które bez korekty często stają się płaskie i tracą unikalny głos marki (brand voice).
Wnioski praktyczne dla biznesu:
- Stosuj model hybrydowy: AI najlepiej sprawdza się jako „sparingpartner” na etapie brainstormingu i szkiców, ale ostateczna weryfikacja i nadanie znaczenia (human touch) muszą pozostać w rękach eksperta.
- Zadbaj o jakość danych wejściowych: AI jest tak dobra, jak dane, na których pracuje. Niekompletne metadane i brak kategoryzacji archiwów uniemożliwiają pełne wykorzystanie potencjału liquid content.
- Wprowadź wewnętrzne standardy etyczne: Nie czekaj na regulacje zewnętrzne. Zdefiniuj progi transformacji treści i zasady ujawniania użycia AI, aby uniknąć kryzysu zaufania u odbiorców.
- Inwestuj w kompetencje promptingu: Skuteczne kierowanie modelami staje się kluczową umiejętnością techniczną, pozwalającą uniknąć generycznych, niskowartościowych wyników.
Skomentuj prof.Andrzej Anuluj pisanie odpowiedzi