„Sztuczna inteligencja w marketingu przestała być wyłącznie modnym hasłem, ale w wielu firmach wciąż nie stała się elementem realnej zmiany. Z jednej strony rosną możliwości narzędzi, automatyzacji i pracy agentowej, z drugiej – nadal brakuje strategii, procesów i kompetencji potrzebnych do sensownego wdrożenia tej technologii” – o najczęstszych powodach porażek, obszarach, w których sztuczna inteligencja już dziś daje wymierne efekty, kompetencjach marketera przyszłości oraz o tym, jak mądrze budować przewagę konkurencyjną dzięki AI, opowiada Artur Jabłoński – przedsiębiorca, konsultant, edukator marketingowy i współtwórca programu AI_Marketers.
Artur Jabłoński
Przedsiębiorca, konsultant i edukator marketingowy specjalizujący się w marketingu cyfrowym, strategii oraz wykorzystaniu sztucznej inteligencji w biznesie. Założyciel i CEO agencji digitalk, w której realizuje projekty z zakresu performance marketingu, komunikacji i strategii dla firm z różnych branż, oraz twórca Suasio – firmy doradczo-szkoleniowej wspierającej organizacje w rozwoju kompetencji marketingowych i sprzedażowych. Współtwórca programu edukacyjnego AI_Marketers, którego celem jest uporządkowane i strategiczne wdrażanie sztucznej inteligencji w marketingu.
Słuchaj „Marketer+” Podcast
Na co dzień pracuje z klientami nad projektowaniem i optymalizacją działań marketingowych. Łączy podejście strategiczne z praktycznym wdrożeniem narzędzi. Prowadzi szkolenia i warsztaty dla zespołów marketingowych, zarządów i właścicieli firm, koncentrując się m.in. na efektywnym wykorzystaniu AI w procesach biznesowych.
Autor licznych publikacji branżowych oraz aktywny komentator zmian zachodzących w marketingu i technologii. Prowadzący podcast „Konkretnie o marketingu”.Na jakim etapie wdrażania AI w firmach jesteśmy obecnie – to wciąż faza testów i eksperymentów, czy już realne, skuteczne zastosowania?
Miałem okazję widzieć kilka badań. Jedno z tych głośniejszych, szeroko komentowanych także w Polsce, dotyczyło rynku globalnego i pokazywało, że większość wdrożeń sztucznej inteligencji kończy się porażką. Z kolei całkiem niedawno słuchałem wyników badania dotyczącego polskich firm, prezentowanego podczas konferencji AI Managers. Tam liczba organizacji, które miały udokumentowane wdrożenia i deklarowały, że rzeczywiście korzystają z rozwiązań bazujących na AI, wyniosła zaledwie 1%.
Większość firm albo jeszcze w ogóle nie ruszyła tematu, albo eksperymentuje, albo ma już za sobą nieudaną próbę. I to samo w sobie nie jest niczym złym – wszyscy uczymy się w trakcie, a ten świat zmienia się z tygodnia na tydzień wraz z premierami nowych narzędzi i modeli. To jednak dobrze pokazuje, w jakim punkcie jest dziś rynek. Z jednej strony w internecie czytasz o ludziach, którzy rzekomo automatyzują wszystko i używają pięćdziesięciu narzędzi jednocześnie. Z drugiej – jako edukator, szkoleniowiec i współtwórca programu AI Marketers spotykam osoby, które dopiero stoją przed pierwszymi projektami, wyborem LLM i próbą ułożenia pracy zespołu.
Co jest powodem takiej sytuacji? Jakie błędy firmy najczęściej popełniają przy wdrażaniu AI?
Barier jest kilka i występują na różnych poziomach.
Pierwsza to bariera prawno-administracyjna. Łatwo komuś, kto działa sam albo prowadzi niewielką firmę, uznać: „Od dziś mamy ChatGPT, współdzielimy konto i wrzucamy tam wszystko, co firmowe”. W większej organizacji to już tak nie działa. Pojawia się dział prawny, compliance, kwestie umów z klientami, pytania o dane, bezpieczeństwo oraz o to, czy w ogóle wolno korzystać z takich narzędzi przy określonych procesach i dokumentach.
Drugi problem to rozdźwięk między tym, co organizacja wdraża oficjalnie, a tym, z czego ludzie naprawdę korzystają. To właśnie zjawisko określane mianem shadow AI. Firma kupuje licencje dla setek pracowników, a pracownicy i tak pracują na czymś innym, bo tam jest im wygodniej albo mają lepiej opanowane narzędzie. Widziałem już sytuacje, w których firma wdrożyła Copilota, a ludzie i tak wrzucali dokumenty do ChatGPT na telefonach, bo ten był dla nich bardziej naturalny w użyciu. Organizacja płaci, a potem dziwi się, że adaptacja jest niska.
Trzeci aspekt dotyczy samego doboru narzędzi. Na rynku są ich dziesiątki, jeśli nie setki. Nie wiadomo, które wybrać, jak je dopasować i co rzeczywiście działa. Ja często mówię, że narzędzia AI są naprawdę fantastyczne – robią rzeczy, których jeszcze niedawno się po nich nie spodziewałem. Ale jednocześnie narracja wokół nich jest jeszcze bardziej przesadzona niż same możliwości. Wystarczy wejść na YouTube’a i obejrzeć kilka filmów, żeby usłyszeć, że każde nowe narzędzie właśnie zabija jakiś zawód, automatyzuje całą pracę i zmienia wszystko. W praktyce to tak nie wygląda. Stąd bierze się mętlik.
Czwarta sprawa: nawet jeśli firma kupi ludziom licencje, to wciąż zostaje pytanie, jak korzystać z tego narzędzia. W którym procesie? W jakim standardzie? Jak pracować na tym zespołowo? Jak dopasować to do własnych procedur? Wdrożenie AI jest tak dobre, jak dobre są procesy i zasady, którymi firma te narzędzia obuduje.
I wreszcie piąty problem: skrajna indywidualizacja pracy. Większość narzędzi opartych o LLM to nadal praca w trybie „ja i moje okno promptu”. Nawet jeśli organizacja ma plany zespołowe, to i tak finalnie wiele rzeczy odbywa się w pracy indywidualnej. Jedna osoba ma świetnie działające prompty i workflow, druga dopiero zaczyna. Jeśli ten poziom wiedzy się nie wyrównuje, to staje się problemem całego zespołu, a z czasem także całej firmy.
A w jakich obszarach pracy w marketingu sztuczna inteligencja już dziś przynosi wymierne rezultaty?
Rozwój zastosowań AI podzieliłbym na dwa etapy: przed styczniem 2026 roku i po nim. To może brzmieć dziwnie, ale naprawdę tak to postrzegam. Przed tym momentem większość zastosowań AI polegała na wsparciu procesu, a nie na przeprowadzeniu go w całości. Narzędzia pomagały przeprowadzić research i oszczędzić godziny pracy. Były świetnym sparing partnerem przy rozwiązywaniu problemów strategicznych, tworzeniu projektów czy asystentów. Generowały treści, materiały, grafiki. Z każdą kolejną premierą poziom jakości rósł i różnice między materiałem syntetycznym a prawdziwym stawały się coraz mniej zauważalne.
Natomiast od początku 2026 roku, wraz z premierami kolejnych rozwiązań agentowych, weszliśmy w etap, w którym systemy zaczynają wykonywać zadania za nas. I już nie traktujemy tego jako ciekawostki. Proste kampanie reklamowe na Facebooku można już zlecić takim narzędziom. Ja sam konfiguruję z pomocą AI raporty w Google Analytics. Oczywiście nadal wymaga to wiedzy, dobrego promptu i świadomości, co chcemy osiągnąć, ale udział AI stał się faktem.
Do tego dochodzi analiza danych, wyciąganie wniosków, składanie z nich prezentacji na gotowym szablonie, zgodnie z określoną typografią czy układem. To także tworzenie automatyzacji. Ja na przykład nie pamiętam, kiedy ostatni raz otwierałem Excela albo klasyczne narzędzie do budowania automatyzacji. Jeśli mam dane, które trzeba uporządkować, pokolorować według określonych reguł i przedstawić w odpowiedni sposób, jestem w stanie to dziś wykonać z pomocą AI.
Do tego dochodzi warstwa zarządcza. Kończymy spotkanie, a system sam podsumowuje, co padło, co mam zrobić, jakie zadania wpisać do Asany czy ClickUpa. Więc mówimy już nie tylko o wsparciu w tworzeniu treści, lecz także o pracy technicznej w narzędziach, analizie danych, organizacji pracy i prostych automatyzacjach. To wszystko rozwija się dziś w szalonym tempie.
To dobrze pokazuje, jak szerokie są już możliwości sztucznej inteligencji, a mimo to można odnieść wrażenie, że wielu marketerów zatrzymało się na pierwszym etapie – pojawił się ChatGPT, zaczęliśmy promptować, tworzyć treści… i tyle.
Zgadzam się. Dla wielu osób sztuczna inteligencja to po prostu ChatGPT. I to nie jest przypadek – ChatGPT stał się trochę jak Adidas, bo nazwa narzędzia weszła do języka jako nazwa całej kategorii. W efekcie przez długi czas utożsamiano AI z możliwością generowania tekstu.
Dopiero teraz przedzieramy się do tego, co nazywam częścią agentową. Myślę, że rozpowszechnienie tych funkcji to kwestia najbliższych miesięcy, bo będą coraz bardziej implementowane bezpośrednio w narzędziach, których ludzie i tak używają. Już dziś Google podpowiada rozwiązania w slajdach czy arkuszach, agenty natomiast pomagają w podsumowaniach i analizach. Z powodu samej obecności tych funkcji część użytkowników zacznie z nich korzystać niejako naturalnie.
Ale jest też druga strona medalu: wiele osób zatrzymało się dlatego, że się wcześniej sparzyło. Jeśli dwa lata temu ktoś próbował robić raporty, pliki, obliczenia, eksporty i ciągle trafiał na błędy, to bardzo trudno go dziś przekonać słowami: „Spróbuj jeszcze raz, teraz to już działa inaczej”. Wyrok w jego głowie już zapadł. Sam często pracuję z właścicielami firm, którzy są na bieżąco i chcieliby wdrażać AI szerzej, ale ich zespół już wcześniej się zniechęcił.
Często posługuję się dwiema analogiami. Pierwsza: AI jest jak źle robiona szeptanka. Źle zrobiony marketing szeptany rozpoznajesz natychmiast. Tak samo jest z treściami AI. Na LinkedInie doskonale widać, kto używa tych narzędzi w sposób schematyczny – i do postów, i do komentarzy. To zniechęca, bo jeśli wszędzie widzisz słabe produkty AI, to zaczynasz uważać, że samo AI jest słabe. Tymczasem dobre realizacje często pozostają niezauważone właśnie dlatego, że są dobre.
Druga analogia jest taka, że AI jest jak social media. Kiedyś można było być po prostu „ekspertem od social mediów”. Dziś ten świat jest rozbity na wiele bardzo różnych specjalizacji: performance, content, wideo, społeczności, kreacje. I z AI będzie podobnie. Nie da się być ekspertem od wszystkiego. Ja sam świadomie poświęciłem mniej czasu na eksplorowanie grafiki i wideo, bo zwyczajnie nie starczyłoby mi doby na śledzenie wszystkiego. Dlatego potrzebni są ludzie, którzy specjalizują się w określonych obszarach.
To oznacza, że osoby pracujące z AI muszą wybierać kilka wiarygodnych narzędzi, uczyć się ich porządnie i używać ich w konkretny, przemyślany sposób, zamiast próbować ogarnąć cały rynek naraz.
A czy spotykasz już firmy, które wyszły ponad tę przeciętność i skutecznie wdrażają AI? Takie, które pokazują, że to nie tylko internetowy hype, ale realne narzędzie biznesowe?
Oczywiście. Gdyby sztuczna inteligencja było wydmuszką, sam bym się tym nie zajmował. W pierwszej edycji programu AI_Marketers mieliśmy ponad 600 kursantów, a każdy, żeby zaliczyć program, musiał przygotować własny projekt. W ogromnej większości przypadków był to projekt wdrożenia w firmie. W ten sposób widziałem setki organizacji, które z sukcesem wykorzystują AI i do dziś dzielą się efektami.
Duże firmy – od banków po korporacje – wdrażają AI punktowo, w bardzo konkretnych procesach, a mniejsze organizacje przebudowują całe fragmenty działań handlowych czy marketingowych tak, aby dołożyć do nich warstwę AI.
Te udane projekty mają zwykle jedną wspólną cechę: zaczynają się od potrzeby biznesowej, a nie od zachwytu narzędziem. Jeśli ktoś widzi nowy produkt i chce go wdrożyć tylko dlatego, że wygląda efektownie, to najczęściej kończy się to niepowodzeniem.
Znacznie lepiej działa odwrotne podejście: najpierw zadajemy sobie pytanie, w czym tkwi największy problem organizacji. Gdzie klienci są najmniej zadowoleni? Gdzie mamy najsłabszą ocenę jakości, najniższy NPS, największe tarcie w procesie? Albo gdzie praca najbardziej się korkuje? To są miejsca, którym warto się przyjrzeć w pierwszej kolejności, i dopiero wtedy sprawdzić, czy AI może rzeczywiście pomóc. Nie odwrotnie.
Wspomniałeś o AI_Marketers. Skąd wziął się pomysł na ten projekt i jakie było jego główne założenie?
Pomysł zaczął się bardzo prosto: pewnego dnia zadzwonił do mnie Bartek Rycharski, założyciel Brave Courses, i powiedział, że wpadł na pomysł zorganizowania kursu kohortowego o AI w marketingu. Widział, że ten temat eksploruję szkoleniowo i zawodowo, więc zaproponował mi współtworzenie programu. Od razu przyjąłem tę propozycję.
Od samego początku mieliśmy jednak jedno założenie. Już wtedy było widać dwie silne tendencje. Z jednej strony – hype i straszenie wpływem AI albo pompowanie bańki, jakby technologia miała za chwilę rozwiązać wszystko. Z drugiej strony – kompletny brak procesów. Łatwo było znaleźć pojedyncze materiały o tym, jak użyć ChatGPT do jednego zadania, jak zrobić konkretnego asystenta i jak wygenerować coś w jednym narzędziu. Ale to nie budowało systemu.
Moim celem od początku było utworzenie programu, który nie będzie zbiorem luźnych instrukcji, tylko pokaże proces wdrożenia AI od początku do końca. Dlatego pierwszy tydzień programu jest strategiczny. Uczestnik poznaje konfigurację narzędzi, budowę projektów, asystentów, pamięci kontekstowej, ale jednocześnie przechodzi przez proces strategiczny związany z grupą docelową, kampanią i planowaniem działań marketingowych. Dopiero później dokładamy warstwy narzędziowe i specjalistyczne.
Bardzo zależało nam na tym, żeby był to program transformacyjny. Taki, po którym ktoś wychodzi nie tylko z wiedzą, lecz także z frameworkiem do wdrożenia u siebie. Nie z puzzlami, które musi dopiero sam składać, ale z poukładanym zestawem klocków.
Niebawem rusza druga edycja. Domyślam się, że przy takim tempie zmian aktualizacja programu to konieczność.
Mogę się podzielić zabawną anegdotą. Ponieważ to kurs kohortowy, każdego tygodnia uczestnicy dostają dostęp do kolejnych lekcji. Ja te lekcje nagrywałem praktycznie na bieżąco. Mimo presji zespołu projektowego uparcie chciałem robić to możliwie najpóźniej, bo nigdy nie było wiadomo, co za chwilę wypuści OpenAI czy Anthropic.
I rzeczywiście, kiedy przygotowywaliśmy segment analityczny, oparłem go na narzędziu, które premierę miało zaledwie trzy tygodnie wcześniej, a zwykli użytkownicy dostali do niego dostęp właściwie chwilę przed startem modułu. Dzięki temu uczestnicy programu budowali system analizy kampanii marketingowych na narzędziu, którego rynek jeszcze nie znał. Teraz, mimo że początkowo planowałem raczej szlif niż rewolucję, widzę, że druga edycja wymaga znacznie większych zmian. W ciągu kilku miesięcy zmieniło się tak dużo, że nieuczciwe byłoby dawać ludziom materiały, które formalnie są świeże, ale w praktyce już przestarzałe.
To prowadzi do szerszego problemu: rynku edukacji marketingowej. Bo kiedy pojawiła się sztuczna inteligencja, natychmiast zaistniała masa samozwańczych ekspertów. Treści jest mnóstwo, ale ich jakość bywa różna. Jak się w tym nie zgubić?
To mnie zawsze bawi. Wychodzi nowy model, a trzy godziny później YouTube jest pełen filmów ludzi, którzy już go „przetestowali” i rekomendują jako najlepszą rzecz od czasu krojonego chleba. To oczywiście pokazuje pewien problem z uczciwością intelektualną.
My od początku staraliśmy się unikać zarówno hiperoptymizmu, jak i hiperpesymizmu. Nie chcieliśmy mówić ani że AI za chwilę rozwiąże wszystko, ani że wszystkim odbierze pracę. Bo prawda jest bardziej złożona. Z jednej strony technologia rozwija się bardzo szybko. Z drugiej – jej wdrażanie w organizacjach będzie przebiegało dużo wolniej, niż wynikałoby to z samych możliwości narzędzi.
Często podaję przykład Google Analytics. To narzędzie jest z nami od wielu lat, a mimo to – według danych Google’a – nadal nie jest wdrożone na wszystkich stronach, które teoretycznie powinny z niego korzystać. A samo wdrożenie to jeszcze nie wszystko: trzeba mieć raporty, konfigurację i umieć z tego korzystać. Z AI będzie podobnie. Technologia może już pozwalać na bardzo dużo, ale organizacje będą dochodziły do tego znacznie wolniej – muszą przystosować się mentalnie, a także od względu prawa i procedur.
To zresztą dobra wiadomość dla tych, którzy podejdą do tematu serio. Bo jeśli ktoś wcześniej nauczy się korzystać z AI i wdroży je sensownie, zyskuje przewagę konkurencyjną.
Ten wyścig już trwa, ale jednocześnie wciąż jest dużo miejsca, aby zyskać przewagę. Jak w tym wszystkim zmienia się rola marketera? Jak będzie wyglądała jego praca w świecie, w którym coraz więcej da się zautomatyzować?
Dla mnie marketer przyszłości to dyrygent z wiedzą, doświadczeniem i gustem. To są trzy rzeczy, których AI na razie nie zastępuje skutecznie.
Podam przykład z własnej praktyki. Pracowałem dla dużej publicznej instytucji nad systemem oceny ofert kampanii marketingowych składanych przez lokalne media i dostawców. Chodziło o to, żeby koordynatorzy w różnych jednostkach mogli ocenić, czy proponowane media plany mają sens i czy mogą doprowadzić do realizacji celów kampanii. Organizacja od początku chciała oprzeć takie narzędzie o AI, ale wcześniejsze próby nie dawały dobrego efektu. Dlaczego? Bo jeśli rozmawiasz z AI o analityce, to ono bardzo często sięga po te metryki, które najczęściej pojawiają się w publicznej dyskusji: zasięg, kliknięcia, CTR. Tymczasem w tym konkretnym przypadku właściwe były inne wskaźniki – GRP i TRP – czyli metryki charakterystyczne dla klasycznych mediów. Wystarczyło użyć właściwych pojęć, żeby system całkowicie zmienił swoje rekomendacje i sposób pracy.
I właśnie o to chodzi.
Sztuczna inteligencja nie zastępuje myślenia. Może je zintensyfikować, przyspieszyć i poszerzyć, ale nie wykona pracy bez właściwego kontekstu.
Ja nie chcę, żeby maszyna myślała za mnie. Może myśleć ze mną. Może być partnerem do dyskusji, do stawiania hipotez, do kwestionowania pomysłów. Ale ktoś musi wiedzieć, o co pytać i jak ocenić odpowiedź.
Do tego dochodzi gust. Na koniec dnia każdą treść, kampanię czy komunikat trzeba jeszcze przefiltrować przez własne wyczucie i doświadczenie. Dziś dostajemy mnóstwo cold e-maili generowanych przez AI, które próbują sprawiać wrażenie spersonalizowanych. Zaczynają się od „Widziałem, że pisałeś o X na LinkedInie”, a dalsza część już w pełni schematyczne. Ktoś bez doświadczenia stwierdzi, że to działa, bo wygląda profesjonalnie. AI też może uznać takie wiadomości za skuteczne, skoro właśnie taki wzorzec dominuje w danych. Tymczasem doświadczony marketer wie, że każdy chwyt używany w nadmiarze staje się widoczny, a gdy staje się widoczny, przestaje działać.
Rola marketera polega więc na tym, aby umieć odchodzić od tego, co najłatwiejsze, i sterować maszyną tak, żeby wspierała komunikację lepszą niż przeciętna.
Na rozwój jakich kompetencji powinna postawić osoba, która wchodzi do marketingu w dobie AI – na specjalizację narzędziową czy raczej myślenie strategiczne?
Zakładałbym, że każda część pracy oparta wyłącznie na wyklikaniu czegoś w interfejsie zostanie prędzej czy później zautomatyzowana albo przynajmniej mocno uproszczona. Dotyczy to konfiguracji kampanii, prostych działań technicznych, montażu, budowania automatyzacji. Coraz więcej narzędzi już dziś przechodzi z trybu „klikaj” do trybu „powiedz, co chcesz osiągnąć”. Nie budowałbym więc swojej kariery wyłącznie na byciu ekspertem technicznym od jednego konkretnego narzędzia. To nie znaczy, że doświadczeni specjaliści techniczni przestaną być potrzebni – bo ich intuicja, jakość i rozumienie niuansów pozostaną w cenie – ale dla osoby wchodzącej do branży ważniejsze będą kompetencje strategiczne, procesowe i komunikacyjne.
Sądzę też, że kluczowa stanie się umiejętność wyciągania wiedzy z organizacji i zamieniania jej w uporządkowany system. Często robię z ludźmi takie ćwiczenie: daję im prompt, który ma pomóc stworzyć lepszy prompt do konkretnego zadania, na przykład do pisania postów na LinkedIn. Większość osób zaczyna od „tu masz moje wcześniejsze posty, napisz pięć podobnych”. Tymczasem po kilku rundach pytań okazuje się, że trzeba doprecyzować dziesiątki rzeczy: ton, cel, grupę odbiorców, przykłady, kontekst, ograniczenia. I wtedy wychodzi na jaw coś ważnego: większość organizacji nie skodyfikowała tej wiedzy. Część rzeczy jest spisana, ale ogromna reszta opiera się na intuicji, doświadczeniu i rozmowach między ludźmi. Dlatego osoby, które będą potrafiły te zasady wydobywać, porządkować, komunikować i przekładać na procesy, będą bardzo cenne. To kompetencje bardziej strategiczne niż techniczne.
Jak w takim razie pod względem organizacyjnym powinny dziś wyglądać zespoły marketingowe, żeby skutecznie pracować ze sztuczną inteligencją?
Zakładam, że każda osoba w zespole będzie miała własnego asystenta albo zestaw asystentów, którzy pomogą jej wykonywać pracę szybciej, a część zadań zdejmą z barków całkowicie. Już dziś w praktyce tak to wygląda. Wchodzisz na spotkanie: formalnie bierze w nim udział sześć osób, ale w rzeczywistości jest was dwanaście, bo każda z tych sześciu ma jeszcze własnego asystenta, który robi notatki, podsumowuje ustalenia, przesyła je dalej, zapisuje zadania. Ja sam często wychodzę ze spotkania i po chwili mam gotową notatkę, listę action pointów, zadania wpisane do narzędzia i przypomnienia do uczestników. To zaczyna być standard. Jeżeli jakieś zadanie jest powtarzalne i da się je dobrze opisać, to agent może robić je za mnie. Albo pozwoli mi robić równolegle coś innego. Albo wykona dziesięć podobnych zadań, a ja zajmę się czymś bardziej wartościowym.
Różnica między klasyczną automatyzacją a agentem AI polega na tym, że automatyzacja działa według przewidywalnego scenariusza. Jeśli coś pójdzie nie tak, proces się wywraca. Narzędzie agentowe ma szansę poszukać rozwiązania, znaleźć obejście, poinformować o problemie albo odłożyć sprawę do dalszego działania. To oczywiście nie znaczy, że działa bezbłędnie, ale ma już znacznie większą elastyczność.
Dlatego w dobrze ułożonym zespole nie chodzi o to, żeby jedna osoba od AI robiła wszystko. Lepiej, żeby każdy miał własne narzędzia wspierające jego rolę, a organizacja umiała to poukładać i ustandaryzować.
Jak twoim zdaniem marketing może zmienić się w najbliższych latach, jeśli AI stanie się standardowym narzędziem pracy?
Z futurologią mam ten problem, że kiedy próbuję rozwijać różne scenariusze, często kończą się one dość niepokojąco. Ale kilka rzeczy rzeczywiście wydaje się prawdopodobnych.
Po pierwsze, dużo mówi się dziś o internecie agentowym. O świecie, w którym nie tylko ludzie kupują, lecz także robią to ich narzędzia według określonych kryteriów. To oznaczałoby zmianę w samej konstrukcji internetu, stron, ofert, ścieżek zakupowych. Można sobie wyobrazić system, w którym agent wyszukuje dla mnie najlepszą ofertę iPada albo buduje wycieczkę idealnie dopasowaną do moich preferencji po przeszukaniu różnych źródeł. To wcale nie jest tak odległe, jak mogłoby się wydawać.
Po drugie, duże wyzwanie czeka media społecznościowe. Jeśli treści generowanych przez AI będzie coraz więcej, istnieje ryzyko, że część platform stanie się po prostu mało użyteczna. Możliwe, że wrócimy do bardziej zamkniętych społeczności, gdzie większą wartością będzie autentyczność i weryfikacja tożsamości. To byłoby ogromne wyzwanie także dla systemów reklamowych. Jeśli najbardziej wartościowi użytkownicy zaczną przenosić się do bardziej zamkniętych środowisk, bo będą mieli dość zalewu sztucznych treści i wiadomości, cały model dystrybucji i monetyzacji może się zmienić. Wystarczy przypomnieć sobie moment, w którym LinkedIn był zalewany przez wiadomości od fałszywych profili i botów. Jak długo platforma musiała z tym walczyć, żeby przywrócić sensowne doświadczenie użytkownika. Teraz wyobraźmy sobie świat, w którym skala takich treści jest jeszcze większa. To niemały problem.
Ale jednocześnie, jeśli mam być uczciwy, na co dzień myślę raczej w perspektywie kwartału niż pięciu lat. Wystarczył mi jeden kwartał, żebym – dzięki nowym narzędziom – całkowicie przebudował część procesów we własnej organizacji. To najlepiej pokazuje, jak trudno dziś przewidywać dłuższy horyzont.
Gdybyś miał zostawić naszych czytelników z jedną refleksją dotyczącą wykorzystania AI w marketingu, to co by to było?
Mimo całej złożoności tego świata w obszarze sztucznej inteligencji nadal bardzo mocno działa zasada Pareta. Większość marketerów nie potrzebuje dziś dziesiątek narzędzi. Potrzebny jest dobrze wybrany i dobrze skonfigurowany LLM, z którym po prostu pracuje im się wygodnie – czy będzie to Gemini, Claude, czy ChatGPT – oraz umiejętność tworzenia dobrych promptów i budowania asystentów zasilonych odpowiednią wiedzą, kontekstem i informacjami o organizacji. To już potrafi usprawnić kilka istotnych procesów w pracy. Dopiero później można dokładać kolejne warstwy: agentów, automatyzacje, bardziej zaawansowane rozwiązania. Dlatego właśnie od tego polecam zacząć – nie od pogoni za każdym nowym narzędziem, tylko od solidnych podstaw.
Rozmawiał Sławomir Kruczek
