Dit is deel 3 van een 3-delige artikelenreeks.
Didric van den Borne (Merkle), DDMA Commissie Creative
‘De LLMs zijn nu nog niet een vast onderdeel van ons creatieve proces, maar ik verwacht dat dat op heel korte termijn gaat veranderen. Creatieven zijn dol op de toepassing. We zetten het nu vooral nog in als het past binnen de tijd, om mee te spelen in de ideation-fase. Het is enorm leuk en verslavend, maar het kost wel tijd en expertise om een goed resultaat te halen. Dit geldt voor LLM maar ook voor andere generative AI, zoals DALL-E. Wij gebruiken ChatGPT soms om snel een raamwerk van een tekst verkrijgen en deze als kapstok te gebruiken. Of voor ‘domme’ SEO-teksten die niemand eigenlijk echt leest. Ik verwacht dat ChatGPT-4 ook een rol gaat spelen in prototyping, omdat deze best aardig code kan schrijven.
Er zijn natuurlijk ook gevaren. Ik zie het als een tool, die steeds veranderd maar ons uiteindelijk in staat stelt hetgeen te maken wat we voor ogen hebben. De gevaren zijn het verkeerd gebruiken van de tool of het altijd inzetten ervan en de rest van de toolbox links laten liggen. Een ander gevaar is dat doordat LLMs een grotere rol spelen in het eindproduct, de uitkomst generiek gaat worden. Gebruikers kunnen lui worden omdat het resultaat al snel voldoende is en daardoor niet de moeite nemen om echt onderscheinde content te maken. Nog een ander gevaar is dat mensen de uitkomst voor lief nemen en niet gaan fact checken.
Uiteraard roepen deze nieuwe mogelijkheden veel (ethische) vragen op. AI leert van materiaal. Van welke kwaliteit is dat materiaal dan? Wordt het een vermenigvuldiger van foute content? Lees Twitter maar voor een avond. Dan zie je het al fout gaan. Gebruikt de AI persoonsdata als input als dat per ongeluk publiek is gemaakt, via een datalek? En als de AI met zo’n gemak razendsnel content genereert, wordt content waar hard aan gewerkt is ondergesneeuwd AI-genereerde content zonder gevoel? De toekomst zal het leren.’
Martijn van Vreeden, DDMA Commissie Digital Analytics
‘LLM heeft zeker een impact op digital analytics, maar wellicht (vooralsnog) op hele andere manieren dan bij andere marketingdisciplines. Vooralsnog zie je dat eenvoudige taken overgenomen kunnen worden met onder andere ChatGPT, zoals het schrijven van basic javascript functies. Daarnaast wordt het toegepast in sommige analyses, maar dit is slechts het geval bij heel weinig organisaties en heeft nog geen impact op de massa.
Je ziet wel dat het onderwerp over een brede linie impact heeft binnen digital, maar vooralsnog denk ik dat wij hier als digital analytics commissie van weg zullen blijven.’
Jimmy de Vreede (Springbok Agency), DDMA Commissie DDE
LLMs worden steeds vaker gebruikt voor marketingactiviteiten. Ontwikkelaars, data-engineers en datawetenschappers waren de eersten en gebruiken al ongeveer een jaar AI-assistenten, zoals GitHub Copilot. We zien ook dat administratieve en creatieve taken steeds vaker worden ondersteund door LLMs (bijv. het schrijven van commerciële voorstellen of als input voor een creatieve sessie, zoals het maken van een presentatie, enz.). De adoptie hangt momenteel af van de persoon (de vroege gebruiker), maar zal zich uiteindelijk verbreden. Op de lange termijn verwacht ik dat meer dan 50% van de marketinggerelateerde taken worden overgenomen door LLMs.
Voor marketingoperaties zal geautomatiseerde gepersonaliseerde content op grote schaal gemakkelijker worden – en haalbaar voor elk bedrijf. Er zijn uitdagingen om aan te pakken. Denk bijvoorbeeld aan vragen als welke gegevens te gebruiken, bouw je AI-modellen zelf of pas je commerciële modellen aan, hoe verifieer je AI-genereeerde output consequent? Hier zijn nog geen voorbeelden van, maar die gaan binnenkort verschijnen. Ik ben benieuwd hoe consumenten dit zullen ervaren. Wat heeft de voorkeur; gepersonaliseerde content van LLMs (die mogelijk beter is) versus door mensen gemaakte content?
Er zijn ook risico’s om rekening mee te houden. Bias in de gegevens kan van invloed zijn op de output – een probleem dat niet gemakkelijk op te lossen is. Bovendien is er nepnieuws en zijn er al de eerste voorbeelden van het gebruik van LLMs bij phishing. Andere uitdagingen zijn dat LLMs voornamelijk beschikbaar gaan zijn voor een selecte groep, waardoor andere groepen achterblijven. De langetermijnrisico’s, zoals de vervanging van mensen door AI, kunnen wellicht waar zijn, maar dragen niet echt bij aan de discussies die we moeten voeren over de directe uitdagingen.’
Kevin Duijndam (KLM), DDMA Commissie AI
‘Op het AI-vakgebied algemeen is eigenlijk vooral de invloed dat er meer aandacht is voor wat AI allemaal kan. De AI-hype is daarmee weer helemaal terug. Tegelijkertijd moeten we beseffen dat de ontwikkeling van LLMs is al veel eerder begonnen. Vooral de ‘foundation’-modellen, waar je zelf een heel groot model kunt finetunen voor een specifieke toepassing, hebben voor een verandering gezorgd in hoe je AI kunt ontwikkelen voor bepaalde toepassingen. Tegelijkertijd kijkt men nu vooral naar ChatGPT om eventuele problemen op te lossen, terwijl voor veel toepassingen beter andere modellen gebruikt kunnen worden.
Er zijn natuurlijk ook nadelen. In de eerste plaats dat er nog heel veel niet duidelijk geregeld is voor het gebruik van Generative AI zoals LLMs. Stel, je bent uren bezig met de juiste prompts om tot een bepaalde tekst te komen, hoe is dan het eigendom verdeeld tussen de eigenaar van het LLM, de eigenaren van input-trainingsdata voor het LLM, en jouw prompts om tot het eindresultaat te komen.
Daarnaast zijn LLMs in principe in de basis tekstvoorspellings-algoritmes. Er zit geen enkele notie van waarheid of inhoudelijke ‘denkkracht’ in. Dat zorgt ervoor dat zo’n model heel snel, heel ‘zelfverzekerd’ (voor zo ver een model dat kan zijn) totale onwaarheden genereert. Je moet scherp zijn om dat op te merken.’
Daan Aussems (SDIM), DDMA Commissie Search
‘De invloed van Large Language Models op search is enorm en bepaalt tegenwoordig hoe zoekresultaten worden gerangschikt. Bij Google moet je hierbij denken aan modellen als BERT, MUM (LaMDA) en PaLM die zoekresultaten vormen en aan de basis staan van nieuwe features in Search.
In 2019 werd BERT (Bidirectional Encoder Representations from Transformers) geïmplementeerd in Google Search. Dit masked language model is zo getraind dat het de relatie van woorden in een zin kan begrijpen. Voorheen werd altijd gekeken naar de definitie en orde van woorden in plaats van de context. Dezelfde woorden kunnen verschillende betekenissen hebben en een voorzetsel of bijvoeglijk naamwoord kan bepalend zijn voor wat men zoekt. De zoekmachine begrijpt vanaf de implementatie van BERT veel beter de intentie achter een zoekwoord (of complete zinnen). Google kan op deze manier complexe zoekopdrachten beter ontleden en resultaten beiden die veel beter aansluiten op wat men zoekt.
MUM (multitask unified model) werd geïntroduceerd in 2021 en is volgens Google 1000x krachtiger dan BERT. MUM kan complexe taken eenvoudig maken en de zoekresultatenpagina daarop aanpassen. Op basis van je zoekopdracht laat de zoekmachine informatie zien in de vorm van tekst, afbeeldingen en video’s die je kan helpen. Het baanbrekende is dat MUM informatie uit heel veel verschillende talen kan begrijpen en razendsnel je voorzien van de juiste informatie. Visuele content kan dus met tekstuele content worden gecombineerd in welke taal dan ook.
Afgelopen maanden is er een compleet nieuwe feature uitgerold in Bing Search dat zo’n beetje elke search marketeer versteld heeft doen staan. Door de implementatie van ChatGPT in Bing kan je nu (nog niet voor iedereen toegankelijk) chatten in Bing Search. Dit zorgt ervoor dat je echt de dialoog kan aangaan en zoekresultaten worden getoond op basis van de interactie met de zoekmachine.
Google kondigde als respons niet veel later Bard aan. Tijdens de Google IO keynote kwam de onthulling dat Google generative AI naar Google Search brengt. Een complete verandering hoe een zoekopdracht gepresenteerd wordt in de zoekmachine. Op basis van generative AI wordt uit verschillende bronnen de informatie gepakt die het beste aansluit bij zoekopdrachten, ook voor complexe vraagstukken. Deze informatie wordt rechtstreeks gepresenteerd in de zoekmachine inclusief de mogelijkheid om het topic en verschillende perspectieven verder te ontdekken. Informatie kan tekstueel zijn, maar ook afbeeldingen video’s worden gebruikt om antwoord te geven. De zoekmachine verandert steeds meer naar een antwoordmachine waar je direct in search de dialoog mee kan aan gaan.’
Andries Hiemstra, Expertgroep Marketingteam van de toekomst
‘LLMs hebben een versterkend effect op de activiteiten die we tot vandaag de dag doen – al dan niet wat we nog kunnen doen. Het biedt mogelijkheden om nog meer in de huid te kunnen kruipen van de gebruiker qua content en context. De nadruk ligt dan ook sterk op het feit dat je als marketeer een extra informatie- en inspiratiebron die je kunt raadplegen en toepassen. Het is echter alleen te gebruiken als extra informatie- en inspiratiebron die je als marketeer kunt raadplegen en toepassen. De input van de marketeer is cruciaal en dat zal ook zo blijven. Het is dus juist zaak om te kijken naar hoe je AI en menselijke intelligentie optimaal gaat blenden binnen het marketingteam van de toekomst.
Deze zoektocht is een uitdaging die vaak opduikt bij nieuwe technologische ontwikkelingen. Als marketingteam is het belangrijk goed na te denken over de risico’s en waarvoor je het gaat gebruiken. Denk hierbij aan: het hebben van een duidelijke gebruiksvisie, angst onder medewerkers, weinig kennis van de tooling of onduidelijkheid over ownership.
Tot slot
Al met al kunnen we stellen dat generative AI en LLMs veel in beweging brengen. De echte brede uitrol ervan moet echter nog plaatsvinden. Men is zich zeer bewust van de nadelen die de technologie met zich meebrengt en vanuit verschillende hoeken binnen de sector is men vooral nog zoekende naar de toepassing ervan. Er wordt namelijk veel geëxperimenteerd en men erkent de soms verbluffende resultaten die generative AI en LLMs kunnen generen en de eindeloze mogelijkheden. Tegelijkertijd concludeert men – op het geval van Search na – collectief dat de technologie nog niet volwassen is en dat de weg naar een volledige implementatie ervan binnen de sector nog niet om de hoek ligt.
Dit artikel is ontstaan vanuit een samenwerking met de volgende auteurs: Lee Boonstra (Google), Marike van de Klomp (ABN AMRO), Robin Hogenkamp (VodafoneZiggo) en Romar van der Leij (DDMA). Met bijdragen van Martijn van Vreeden, Kevin Duijndam (KLM), Didric van den Borne (Merkle), Jimmy de Vreede (Springbok Agency), Daan Aussems (SDIM) en Andries Hiemstra ([ah]consulting).
Meer over Generative AI en Large Language Models? Luister dan naar de eerste aflevering van het tweede seizoen van de DDMA Podcast: Shaping The Future, over de positieve én negatieve implicaties van de technologie voor het marketingvak.
Lee Boonstra
Marike van de Klomp
Robin Hogenkamp
Romar van der Leij
Ook interessant
X onder vuur: mogelijk onrechtmatig gebruik van persoonsgegevens voor AI-training
Shall we not talk about AI for once? Likely your data set is not ready for it. Just not yet.
