AI este probabil cea mai clară pârghie pe care o are un brand în acest moment pentru reducerea cheltuielilor operaționale și creșterea substanțială a veniturilor. Având în vedere cât de critice sunt aceste două domenii, cererea pentru AI Ops va crește doar. În practică, acest lucru se va face în 4 domenii de bază: 1. Crearea de abilități / agenți pe platforme AI de bază precum Claude 2. Gestionarea datelor și contextului de care agenții au cu adevărat nevoie pentru a fi utile 3. Colaborarea mai profundă cu furnizorii de AI SaaS (chiar și cu vibe coding, implică multe lucruri) 4. Programarea vibrațiilor aplicații simple acolo unde sunt utile AI Ops este încă un rol tehnic, dar bazat pe operațiuni, nu pe inginerie. Unele branduri angajează astfel de persoane cu normă întreagă, altele vor aduce ajutor fracționat. De asemenea, mă aștept ca rolurile existente să se schimbe pe măsură ce oamenii vor avea colegi AI mai capabili, iar cine primește ce coechipieri depinde în totalitate de unde este deja cel mai puternic omul tău. Dacă ai un designer grozav în echipă, s-ar putea să aibă colegi AI care să se ocupe de strategie, segmentare și implementare, în timp ce designerul se concentrează pe a zdrobi creativul. Sau dacă ai un strateg ucigaș, ar putea folosi designul augmentat de AI pentru a se mișca mai repede fără să crească numărul de angajați. Cealaltă schimbare pe care o urmăresc este cea socială organică. Pe măsură ce costul creării de conținut scade, brandurile pot produce mult mai mult volum cu stimulente aliniate cu acesta. Cea mai bună piesă organică, cu ajustări ușoare, ajunge adesea să fie următoarea ta reclamă de succes, iar dacă ai urmărit DTC X în ultima vreme – majoritatea brandurilor au descoperit asta!

Omule, folosirea agenților și a programării vibrației este pur și simplu adictivă. Eu țin o listă continuă cu agenți sau aplicații pe care vreau să le construiesc, iar în fiecare zi am cod Claude care lucrează la unul. Productivitate🤤 continuă

Asta este practic ceea ce vreau să spun când spun că AI-ul are nevoie de context. Aceeași disciplină care transformă o problemă complicată într-o listă clară de verificare este ceea ce face pe cineva eficient cu AI, iar totul ține de specificitate. Vorbesc cu echipe care jură că i-au oferit modelului "context foarte solid", dar pare că cineva dă indicații spunând "mergi spre munți și virează la stânga când simți că e potrivit." Așa arată asta în practică: "Suntem un brand de îmbrăcăminte, avem cam 10 SKU-uri, achizițiile repetate nu sunt unde ne dorim, ce ar trebui să facem?" Asta pare specific până când îl descompuni. Ce fel de îmbrăcăminte? Care SKU-uri au performanțe slabe? Care este rata de repetare actuală? Ce ai încercat deja? Când te forțezi să răspunzi la aceste întrebări, ajungi cu: "Suntem un brand de îmbrăcăminte de 7 cifre, care publică 7 SKU-uri în 2 categorii de fit, toate axate pe tricouri cu mânecă scurtă și lungă. Rata noastră de achiziții repetate este de 18%, majoritatea provenind de la o singură linie de produse (tricouri cu mânecă scurtă), iar emailul nostru cu cele mai bune rezultate din trimestrul trecut a atras X venituri de la clienți care au cumpărat de două ori în 90 de zile." Acum AI-ul are ceva cu care să lucreze. Și sincer, și tu știi la fel, pentru că timpul petrecut descompunându-l dezvăluie răspunsul înainte ca modelul să răspundă.