Az elég jó csapdája
Miről szól ez a cikk?
Az AI-modellek olyan összefoglalókat generálnak a márkákról, amelyekre a felhasználók rákeresnek, és ez – amennyiben egy márka nem elég erős a saját hangjában – azt jelenti, hogy nem ő alakítja, hogy mit olvasnak róla. A Dentsu fejlesztette egy eszközt, amely méri, mit ajánl az AI egy adott termékről; a megbízható eredményhez azonban reprezentatív minta, sok prompt, több modell és többszöri futtatás kell, amit nem minden szolgáltató végez el. A kisvállalatok egyelőre még tudnak hatni az AI-források összetételére, de hosszú távon a cégeknek azzal érdemes számolniuk, hogy weboldalaikat
Az AI tömegével gyárt elég jó tartalmat, és közben egyre több vásárló tőle kérdezi meg, mit vegyen. Ki alakítja azt a képet, amit a gép egy márkáról közvetít?

Valaki mountain bike-ot akar venni. Szaküzletbe nem megy, teszteket nem olvas, megkérdezi a ChatGPT-t. A válaszban szerepel néhány márka, mindegyikhez egy-két mondat arról, kinek való, mire jó, mi a gyengéje. Lehet, hogy utána még máshol is utánanéz, de a lista addigra kijelölte, mely márkák között gondolkodik.
Ha egy márka nincs a listán, azt viszonylag könnyű észrevenni. Kevésbé feltűnő, mit mond a modell azokról, akik rajta vannak: ez a pár mondat nem biztos, hogy a márka honlapjáról jön. Összeállhat vásárlói értékelésekből, fórumszálakból, egy versenytárs összehasonlító oldalából. A keresőoptimalizálás korában az volt a kérdés, hányadik találat vagy. Most az is, ki fogalmazza meg rólad azt a két mondatot.
Ezt a helyzetet Major Zoltán „Pepe” a mountain bike-os példával írta le a beszélgetésünkben. Pepe videósként és szabadúszó webfejlesztőként kezdte, 2016-ban került UX designerként az Isobar budapesti csapatához, ma a Dentsu Creative Hungary Chief Experience Officere és a Dentsu Lab közép-európai vezetője. Az experience design felé a gyakorlat vitte: hamar rájött, hogy a felület tervezése mellé ugyanannyi energiát kell tenni a megrendelő megértésébe. „Tudsz csinálni egy nagyon jó felületet a felhasználónak, de lehet, hogy túl nagy lesz a szkópja, nem fér bele a büdzsébe, és nem is az az üzleti prioritás.” Egy tökéletesre tervezett checkout-folyamatról is kiderülhet, hogy a megvalósításához le kellene cserélni a háttérrendszert, és akkor kezdődik a valódi munka: mit lehet ebből hamar a felhasználók elé tenni.
Az AI-korszakról Pepe meglepően higgadtan beszél. Úgy látja, a gépek tömegével fognak előállítani tartalmakat, kampányokat, akár egész márkákat, amelyek elég jók egy üzleti cél eléréséhez. „Nem lesznek kiemelkedőek, nem lesznek különlegesek, de hatékonyak lesznek.” Ezt nem tartja tragédiának, a beszélgetésben az is elhangzott, hogy a hazai cégek egy részének már ez is előrelépés volna. A gond ott kezdődik, ahol az elég jó általánossá válik. Pepe szerint ha egy márkának nem elég erős a hangja, a modellek például a felhasználói véleményekből rakják össze, mit mondanak róla, és akkor már nem a márka alakítja, mivel találkozik először a kérdező.
Mit mond rólad a gép, és ki méri
A Dentsu magyar experience design csapata egy ügyfél kérésére kezdett saját AI-láthatósági eszközt fejleszteni. Az ügyfél marketingesei azt akarták tudni, kit ajánl az AI, ha valaki a kategória legjobb termékére kérdez rá: őket vagy a versenytársat. Az eszköz ilyen vásárlási kérdéseket futtat le a nyelvi modelleken, és megnézi, hányszor és hányadikként kerül elő a márka, a saját oldalára hivatkozik-e a modell, vagy más forrásból rakja össze a róla szóló szöveget. A kérdéseket az AI javasolja, de Pepe szerint itt még erős az emberi kontroll; az elemzés már gépi.
Piackutatóként ezen a ponton már a módszertan kezdett érdekelni. A modellek ugyanarra a kérdésre ismételt futtatáskor is adhatnak eltérő választ, és a különböző modellek sem ugyanúgy válaszolnak, így egyetlen válaszból nem lehet megbízhatóan megítélni, mennyire látható egy márka. Pepe szerint értékes, márkára vonatkozó számot csak reprezentatív mintán, sok prompttal, több modellen és többszöri futtatással lehet kapni, és ennek komoly költsége van. Hogy a minta mire nézve reprezentatív, az külön kérdés: attól függ, milyen felhasználói kérdések, vásárlási helyzetek és modellhasználati arányok sokaságára akarunk belőle következtetni. A piacon közben bőven akad szolgáltató, amely lefuttat valamit és kiad egy mutatót. Hogy hány kérdésből, milyen kérdésekből és milyen módszerrel, azt már ritkábban teszik hozzá. Pepe úgy látja, a terület kezd szabványosodni. Addig a megrendelőn múlik, rákérdez-e, mi áll a szám mögött.
Az eszköz egy ügynökség fizetős, pilotfázisban lévő terméke, és ezt érdemes szem előtt tartani. Pepe elmondása szerint a Dentsu nemzetközi fogyasztói adatai segítenek megbecsülni, milyen kérdéseket tehetnek fel a felhasználók; ilyen adatbázisa egy hazai kkv-nak jellemzően nincs. A magyar experience design üzletág ráadásul alig dolgozik hazai ügyfeleknek, jellemzően más országok Dentsu-irodáinak szállít. Pepe azt is elmondta, mit jelent ez a mindennapokban: egy belső fejlesztésnél japán, kínai és amerikai kreatív igazgatók igényeit, eltérő jogi kereteket és meglévő informatikai rendszereket kell egyetlen élménybe gyúrni. „Egyrészt lenyűgöző, hogy ebben dolgozhatsz, másrészt kicsit lehangoló is, mert egy ilyen komplexitás nagyon sok mindenben megköti a designer kezét.” Az sem igaz, hogy a nemzetközi ügyfeleknél minden simábban menne. Pepe szerint ez ügyfélenként nagyon változó, és egy hagyományos gyártócégnél ugyanonnan indulnak, mint itthon a kétezres évek elején: el kell magyarázni, hogy a UX nem a weboldal kiszínezése, és meg kell győzni a felsővezetést, miért érdemes egy workshopra időt szánni.
A kisvállalatok kérdésére, hogy van-e esélyük alakítani, mit mond róluk a gép, Pepe kertelés nélkül válaszolt. „Most még vadnyugat van.” Szerinte aki elég sok AI-agentet ereszt rá egy népszerű fórumra, hogy beszélgessenek a márkájáról, egyelőre befolyásolni tudja a modellek által kedvelt forrásokat, amíg a platformok meg nem tanulják ezt kiszűrni. Ezzel a résszel nehéz egyetérteni. Amit leír, az lényegében a fogyasztók megtévesztése: a márkáról szóló beszélgetés spontánnak látszik, miközben a márka szervezi. Ez platformszabályzati és fogyasztóvédelmi kérdéseket is felvethet, de a nagyobb kockázat a hitelességé. Ha kiderül, éppen azt rombolja, amiért egy márkát ajánlani érdemes.
Pepe ennél türelmesebb utat is felvázolt. A cégek ne zárják ki a robotokat az oldalukról, a tartalmat pedig azokra a kérdésekre írják meg, amelyeket a felhasználó feltenne. Érdemes a gépi látogatóknak is útmutatót adni: elmondani, mit hol találnak az oldalon, merre menjenek, ha egy bizonyos témában érdeklődnek. Pepe szerint a cégeknek ezentúl azzal is számolniuk kell, hogy az oldalaikat nemcsak emberek olvassák, hanem olyan rendszerek is, amelyek a tartalmat feldolgozzák, és mások kérdésére összefoglalják.
Junior nélkül nincs szenior
Pepe nem ellenzi, hogy az AI ott legyen a munkában. Szerinte a kérdés az, hogyan lehet hozzátenni azt a többletet, amitől a végeredmény kézművesnek hat, akkor is, ha a folyamatot AI segíti. A beszélgetésben ezt a piackutatás felől is körbejártuk, ott ugyanez a dilemma: a gép által megspórolt idő mehet az árrésbe, de mehet több iterációba is, ha a cél egy mélyebb, azonnal használható anyag.
Az ügynökségeknél ennél kézzelfoghatóbb kérdés, hogy kell-e még junior. Sok helyen arra jutnak, hogy a belépő szintű munkát kiváltja az AI, és elég a szeniorokkal dolgozni. Pepe szerint ebből kimarad, hogy a szeniorok juniorokból lesznek. A pályakezdők előnyét az időben látja: „nekik most van idejük” végigpróbálni a legfrissebb eszközöket, szélesebben, mint egy napi munkába beszorult szenior.
Ugyanakkor a saját csapatától azt várja, hogy az AI-tudás egy részét munkaidőn kívül szedjék fel. „Ez nem olyan tudás, amit munkaidőben fel fogsz tudni szedni.” Mindenkinek van pet projektje, neki például egy kerti asszisztense: lefotózta a növényeit, a rendszer felismerte őket, és az időjárás alapján szól, mikor mit kell permetezni. Ez a gyakorlat nincs egészen összhangban a juniorokról mondottakkal. Ha a tanulás terhe a szabadidőre kerül, az a pályakezdők idejét is elviszi, és éppen annak a tudásnak a megszerzése marad a dolgozókra, amelyre később a cég is építene. Közben Pepe designcsapata az elmúlt négy évben legalább nyolcszor gondolta újra a stratégiáját, és ő maga is feltette a kérdést, lehet-e egyáltalán tervezni ilyen tempó mellett. Erre nem adott kész választ.
Azt viszont elég pontosan megfogalmazta, mit vár egy designertől. Használja az AI-t a saját munkájában, és látszódjon rajta, hogy hatékonyabb lett tőle, akár úgy, hogy az adminisztrációt agentekre bízza, akár saját skillt épít a tervezési folyamatához, akár vibe codingol. „Az egy helyben ülés az, ami ma már nem lehet elfogadott.” A csapatban rendszeresek a tudásmegosztó alkalmak, ahol mindenki elmondja, mit próbált ki.
A mountain bike-ot kereső vevő ebből semmit nem lát. Ő azt a két mondatot olvassa, amit a modell a márkákról összerakott, és ez is beleszól, melyik bolt oldalára kattint tovább. Ugyanezt a kérdést bárki feltehetné a saját kategóriájában is, és megnézhetné, mit mond a gép a saját márkájáról. Egyetlen válasz alapján azonban még nem érdemes következtetést levonni.
A beszélgetés teljes terjedelmében meghallgatható az Üzlet + Design podcast hatodik adásában. A műsort Káli György (Business Vibes) és Klenovszki János (NRC) vezeti; a podcast a szolgaltatasfejlesztes.hu szakmai közösség műsora. Főtámogató: OTP. Támogató: NRC.
🎧 Meghallgatom podcastként
