AI is groot nieuws in alle sectoren. IBM's Global AI Adoption Index 2022 laat zien dat de wereldwijde AI-adoptie is gestegen naar 35% – een stijging van vier procent ten opzichte van 2021 – en generatieve AI is een van Gartner's top strategische technologietrends voor 2022.
Kunstmatige intelligentie wordt ingebouwd in DAM-systemen en op grote schaal aangeboden via plugins van derden zoals Google Vision, Amazon Image Rekognition en Clarifai. Maar aangezien de technologie nog relatief nieuw is, is dit het moment om te investeren in het toevoegen van AI aan je DAM?
We hebben een aantal van de belangrijkste voordelen – en barrières – voor het gebruik van kunstmatige intelligentie in Digital Asset Management in 2022 op een rijtje gezet.
Als je niet weet hoe AI werkt in Digital Asset Management, dan is het handig om het eerste artikel in deze serie te lezen: Artificial Intelligence in Digital Asset Management: Hoe werkt het en heb ik het nodig?
Daarin wordt uitgelegd wat AI in DAM kan doen – zoals automatisch AI-taggen (ook wel auto-tagging genoemd), onderwerpherkenning, intelligent bijsnijden, nalevingscontrole en meer.
De belangrijkste voordelen van kunstmatige intelligentie in DAM vallen meestal in de volgende categorieën.
Voordelen in:
Allemaal voordelen voor organisaties waar Digital Asset Management een bedrijfskritisch proces is. Laten we er een paar in meer detail bekijken.
Het belangrijkste voordeel van het gebruik van AI in DAM is dat het je assetmanagementprocessen schaalbaarder kan maken. Wanneer je – potentieel – miljoenen afbeeldingen en video's verwerkt, is het gewoon niet mogelijk om menselijke ogen op elke digitale asset te krijgen.
Handmatige processen kunnen je DAM-systeem verstikken, waardoor er grote knelpunten ontstaan bij het uploaden, goedkeuren en gebruiken. AI kan de noodzaak wegnemen van vertragende handmatige processen zoals:
Handmatige invoer van metadata kan bijvoorbeeld traag zijn en vatbaar voor menselijke fouten en inconsistenties. AI heeft dit probleem niet. AI kan je uploads 24/7 nauwkeurig opnemen en taggen. Dit versnelt processen niet alleen, het maakt ze ook schaalbaar. Door de menselijke factor te verwijderen, kun je in dezelfde tijd van honderden naar miljoenen assets gaan.
Als je op AI kunt vertrouwen – om dingen te doen zoals de juiste tags toepassen, afbeeldingen op intelligente wijze bijsnijden en niet-conforme uploads uitfilteren – kun je vol vertrouwen opschalen. Het bevrijdt je teamleden ook van tijdverspilling, zodat ze tijd kunnen vrijmaken voor creatiever en strategischer werk.
Er zijn veel use cases waarbij het gebruik van DAM niet alleen efficiënt maar ook essentieel is en waarbij de mogelijkheid om toegang te krijgen tot digitale assets – en deze te benutten – het verschil kan maken tussen mislukking en succes.
Ecommerce, marketeers, uitgevers en bureaus vertrouwen allemaal op snel en nauwkeurig beheer van digitale assets om hun diensten te kunnen leveren. En dat is de kern van de AI-kans in asset management – het verbeteren en versnellen van de processen waarvoor DAM is ontworpen.
Neem ontwerpers. Ze kunnen elke week uren kwijt zijn aan verstoppertje spelen met digitale assets. Staan ze op iemands bureaublad? Als bijlage in een e-mail? Verborgen in een submap met een onleesbare bestandsnaam?
Een DAM-systeem helpt dat te verlichten door het centraliseren van digitale assets en het toevoegen van metadata waardoor ze makkelijker terug te vinden zijn.
Het toevoegen van AI aan je DAM verbetert de zaken verder door:
Uiteindelijk maakt AI je digitale assets beter vindbaar. Dit maakt het weer makkelijker voor gebruikers om assets te vinden die aan hun behoeften voldoen – waardoor contentcreatieprocessen worden versneld en de ROI op je assets hoger wordt.
Een ander – vaak over het hoofd gezien – voordeel van het uitbreiden van je Digital Asset Management systeem met AI is dat het je DAM makkelijker en productiever in gebruik maakt. Zelfs zonder AI is Digital Asset Management een game-changer voor workflow. Maar met AI wordt het nóg sneller en handiger – wat betekent dat als je team weinig tijd heeft, ze het DAM-systeem nog veel meer zullen waarderen.
Bijvoorbeeld:
Deze verbeteringen in de gebruikerservaring helpen de adoptie- en gebruikspercentages hoog te houden – wat betekent dat je meer kans hebt om de ROI op het systeem te realiseren waar je op rekent.
Een groeiend e-commercemerk verkoopt modeproducten van verschillende leveranciers. In een zeer visuele markt is hun verkoop afhankelijk van productafbeeldingen en -video's van hoge kwaliteit. Cross-selling zorgt voor hogere inkomsten door shoppers een hele ‘look’ te laten kopen in plaats van losse items. Dit is hoe het inzetten van AI in hun DAM hen zou kunnen helpen bij het schalen.
Het merk heeft opdracht gegeven voor een fotoshoot voor de highlights van het herfstseizoen. Op elke foto draagt een model een reeks kledingstukken, sieraden en schoenen. Het AI-systeem is getraind om elk van deze items te herkennen en de SKU toe te voegen aan de afbeeldingsmetagegevens in hun DAM.
Het DAM is gesynchroniseerd met hun PIM-systeem. Het toevoegen van de SKU in het DAM triggert een proces om toegang te krijgen tot alle gerelateerde informatie over die SKU uit de PIM – en voegt deze toe als metadata aan de afbeelding. Informatie zoals de productnaam, assortiment, collectie, beschikbaarheid, maten, stof, prijs, etc. Elke afbeelding van die fotoshoot is nu getagd met zinvolle metadata, waardoor die afbeeldingen oneindig veel beter vindbaar en bruikbaar zijn.
Dus als een ontwerper op zoek is naar afbeeldingen om ‘jurken onder de $40’ te illustreren, kan hij zoeken naar foto's die de items uit de huidige collectie onder de $40 laten zien. Ze hoeven geen kruisverwijzingen naar andere databases te maken of collega's te vragen - ze weten dat ze kunnen vertrouwen op de informatie die is gesynchroniseerd vanuit de PIM.
Of, stel je hebt een foto gepubliceerd op een productpagina. Laten we zeggen dat het voor een leren jas is. Je CMS kan de metadata in de afbeeldingen gebruiken om ‘gerelateerde items’ op te halen die verwijzen naar andere kledingstukken in de foto, zoals het overhemd, de schoenen en de riem.
Lees meer over de voordelen van het koppelen van je DAM- en PIM-systemen.
Natuurlijk gaat het niet allemaal van een leien dakje. AI staat nog in de kinderschoenen en de technologie is nog niet perfect. Hier zijn enkele van de uitdagingen die je kunt tegenkomen met AI-gestuurd Digital Asset Management.
Je DAM AI plugin kan alleen onderwerpen taggen waar het al over geleerd heeft. Dit betekent dat het geweldig is voor veelvoorkomende onderwerpen, zoals oriëntatiepunten, bekende gezichten, flora en fauna, het weer en kleuren. Maar het kan moeite hebben met subtielere of abstractere onderwerpen. Dit geldt vooral als een afbeelding bijzonder complex is en veel details of verschillende objecten bevat.
AI is getraind om algemene onderwerpen te herkennen die in alle ervaringen, culturen en bedrijven voorkomen. Maar het weet nog niets over jouw specifieke bedrijf. Je zult het moeten trainen. En dat kost tijd en expertise.
Stel je bijvoorbeeld voor dat je aardewerk verkoopt. Je AI herkent misschien verschillende producten als ‘borden’, maar mist de nuance om ze te taggen als bijzetborden, dinerborden, porselein of steengoed... In de context van je DAM-systeem is het niet erg nuttig om veel verschillende producten te taggen als ‘borden’ – wanneer je afbeeldingen van een porseleinen bijzetbord wilt vinden.
Als je DAM een hoofdlijst met trefwoorden gebruikt, kan het lastig zijn om deze de autotags te laten accepteren die door je AI worden gegenereerd. Als je een gecontroleerde woordenlijst voor trefwoorden hebt vastgelegd – en je AI suggereert tags die niet op de lijst staan – kan het voorkomen dat ze worden toegevoegd. Een manier om dit te omzeilen is om twee aparte trefwoordvelden te hebben, één voor handmatige invoer vanuit je hoofdlijst en één voor trefwoorden die door je AI worden gegenereerd.
AI en menselijke beeldherkenning zijn heel verschillend. Waar mensen de inhoud van een afbeelding begrijpen, herkent AI alleen patronen in de pixels. Dat betekent dat het een sterke schatting kan maken van de inhoud – maar niet altijd de juiste.
Om te voorkomen dat je zoekresultaten vol komen te staan met irrelevante assets, moet je misschien auto-tag fouten bewerken en verwijderen. In grotere ondernemingen kan dit een extra teamlid vereisen om de kwaliteit van de AI-tagging te controleren.
Soms resulteert AI-tagging niet alleen in verkeerd gelabelde digitale assets en het ongemak dat ze veroorzaken. Soms kan AI-tagging vooroordelen en fouten uit het echte leven weerspiegelen die, als ze onbetwist in je DAM worden toegelaten, diepere problemen kunnen veroorzaken.
Toen deze schrijver bijvoorbeeld een stockfotobibliotheek gebruikte om afbeeldingen van borstvoeding te vinden, was het duidelijk dat er AI-tagging in het spel was. Naast de juiste trefwoorden – zoals moederschap, voeden en zuigeling – waren de afbeeldingen abusievelijk ook getagd met seksuele trefwoorden. In dit geval kunnen we aannemen dat de AI de anatomie correct had geïdentificeerd, maar de context niet begreep.
Nog zorgwekkender is dat van sommige AI's is vastgesteld dat ze racistische en seksistische vooroordelen in stand houden. Niet iets wat Digital Asset Managers in hun bedrijf willen introduceren.
Als je de voordelen en uitdagingen van AI in DAM tegen elkaar afweegt, ben je misschien nog niet overtuigd dat je het nodig hebt. Zoals je uit de bovenstaande uitdagingen hebt begrepen, is AI niet altijd een plug-and-play product. Afhankelijk van je use case moet je misschien tijd en middelen investeren om het te trainen zodat het effectief werkt voor jouw organisatie.
De technologie staat nog in de kinderschoenen en er moeten zeker nog fouten worden gemaakt. Maar wij geloven – overweldigend – dat AI en asset management samen een hele krachtige tool zullen zijn in de toekomst.
Als AI-technologie en machine learning verbeteren, hebben ze de potentie om de manier waarop bedrijven hun digitale assets beheren te transformeren, waardoor oneindig schaalbare processen mogelijk worden waarmee je jouw bedrijf kunt laten groeien zonder dat de overheadkosten voor personeel toenemen.
AI-gestuurd DAM wordt een belangrijke hefboom voor operationele efficiëntie in elk bedrijfsmodel dat veel digitale assets gebruikt, zoals uitgeverijen, e-commercebedrijven, entertainmentbedrijven en meer. De vraag is waar jouw bedrijf zich zal bevinden in de adoptiecurve – is het een innovator, een early adopter, of een achterblijver?
Je zult een schat aan AI-tools ontdekken die zijn ingebouwd in WoodWings Digital Asset Management-systeem – WoodWing Assets. Om te praten over de voordelen van AI-gedreven DAM voor jouw use case, neem vandaag nog contact op!