Никита Фоминов рассказал о роли ИИ в рекламе
Искусственный интеллект постепенно интегрируется в рекламные технологии, от создания текстов до оптимизации бюджета и борьбы с фродом. Однако за общим термином «ИИ» скрываются различные технологии, и не каждый пилот становится работающим бизнес-инструментом. Об этом рассказал Никита Фоминов, CEO Билайн Adtech, в интервью «Код Дурова».
«Сегодня об искусственном интеллекте говорят практически во всех сегментах рекламного рынка. Если отойти от хайпа, где ИИ и машинное обучение уже действительно работают в Adtech?», — сообщает «Код Дурова».
В рекламных технологиях применяются разные подходы, решающие различные задачи. Среди наиболее зрелых сценариев выделяют оптимизацию рекламных кампаний, борьбу с фродом и автоматизацию части работы рекламодателя. В programmatic машинное обучение помогает принимать решения при закупке рекламы, оценивать рекламные возможности, управлять ставками и распределять бюджет. Это важно, так как решения об участии в аукционе и стоимости показа нужно принимать автоматически за доли секунды.
Второе направление — антифрод. Здесь машинное обучение позволяет обнаруживать сложные сценарии недействительного трафика, которые трудно заранее описать жесткими правилами. Генеративные модели могут брать на себя рутинную работу при подготовке кампаний: создавать и адаптировать тексты, предлагать варианты формулировок и помогать с оформлением материалов.
Поэтому речь идёт не об одной универсальной «ИИ-функции», а о постепенном проникновении технологии в разные этапы рекламной кампании. Развитие движется к модели копилота, где технология берёт на себя значительную часть рутинных операций, а специалист определяет цели, контролирует результат и принимает ключевые решения.
В классической модели специалист задаёт исходные параметры кампании, а задача ML-модели — оценить каждую возможность показа рекламы и спрогнозировать, насколько конкретный показ способен приблизить кампанию к заданной цели. На основе этого прогноза система может управлять ставкой в рекламном аукционе.
Купить рекламу дешевле само по себе не является конечной целью. Важен результат, который рекламодатель получает в рамках заданного бюджета. Алгоритм может перераспределять бюджет, определяя, какие сегменты аудитории, площадки, форматы или временные периоды показывают более высокую эффективность. Возможности таких алгоритмов напрямую зависят от данных: чем больше качественных сигналов получает система и чем точнее измеряется результат рекламы, тем больше возможностей для оптимизации.
Фрод постоянно меняется, появляются новые способы имитации человеческой активности, которые невозможно заранее описать жесткими правилами. Поэтому используются комбинированные подходы: классические механизмы фильтрации дополняются ML-моделями, анализирующими большое количество признаков рекламного запроса и последовательности событий. Это позволяет находить сложные паттерны поведения, которые труднее обнаружить с помощью отдельных правил. Важен также вопрос независимой верификации, чтобы сопоставлять внутренние оценки с результатами независимых систем измерения.
Роль данных растёт вместе со сложностью алгоритмов. Важен не только объём данных, но и их качество, актуальность, корректность измерения результата и способность инфраструктуры быстро обрабатывать эти сигналы. Также важны требования к работе с данными: обезличивание, безопасность и контроль использования данных для определённых задач. Развитие ИИ делает инфраструктуру данных не менее важной, чем сами модели.
Если алгоритмы способны закупать трафик, распределять бюджет, выявлять фрод и генерировать рекламные тексты, то человеку остаётся принятие решений. ML и ИИ хорошо справляются с задачами, где необходимо быстро обработать большой объём информации, найти закономерности, предложить варианты или снять с человека рутинные операции. Но постановка задачи и контроль результата по-прежнему остаются за специалистом.
В креативе модели умеют воспроизводить известные паттерны и быстро создавать большое количество вариантов, но им сложнее работать с юмором, культурным контекстом, неожиданными идеями или резкими изменениями общественных настроений. Поэтому вопрос не в том, когда ИИ заменит специалиста, а в том, какие задачи специалист сможет передать технологии, чтобы сосредоточиться на том, где его экспертиза создаёт дополнительную ценность.
Рынок переходит от этапа, когда сам факт использования ИИ воспринимался как достижение, к более прагматичному вопросу: какую конкретно бизнес-задачу решает технология и какой измеримый результат она даёт. Одно из первоначальных ожиданий заключалось в том, что ИИ позволит быстро автоматизировать целые функции и сократить затраты. На практике оказалось, что автоматизировать отдельную задачу значительно проще, чем заменить сложный рабочий процесс целиком.
Проблема не всегда в качестве самой модели. Для промышленного внедрения нужны данные, интеграция с существующими системами, инфраструктура, контроль качества, безопасность и участие человека. Поэтому необходимо оценивать полную стоимость внедрения и эксплуатации и сопоставлять её с получаемым экономическим эффектом.
Создать работающий прототип ИИ-агента сегодня относительно просто. Гораздо сложнее добиться того, чтобы он надёжно работал длительное время с реальными данными, нестандартными ситуациями и в ответственных бизнес-процессах. На этом этапе становятся заметны вопросы интеграции, качества данных, контроля и стоимости эксплуатации. То, что часть ранних проектов не оправдала ожиданий, не снижает потенциал ИИ, а указывает на то, что рынок начинает точнее понимать, где эта технология действительно полезна.
Главный критерий при выборе задачи для внедрения ИИ в рекламе — понятная бизнес-задача и возможность измерить результат. Технология ради технологии быстро перестаёт быть интересной. Для Adtech это особенно актуально, так как рекламная индустрия построена вокруг измеримости. Если применение ML или ИИ позволяет эффективнее использовать бюджет, повышать качество трафика, ускорять запуск кампании или снимать с человека значительный объём рутинной работы, тогда у внедрения есть понятный смысл. Оценивать его нужно по результату, а не по самому факту использования искусственного интеллекта. Ценность ИИ для рекламного рынка будет определяться тем, насколько эффективно эти технологии встроятся в ежедневную работу рекламодателя и специалиста.
Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.
