Automatiser, augmenter, protéger ou refuser ?

• Automatiser : l’IA le fait de bout en bout, une personne le relit de temps en temps
• Augmenter : l’IA rédige, une personne approuve avant diffusion
• Protéger : une personne le fait, l’IA aide pour les données d’entrée
• Refuser : non automatisé, même si c’était possible

• Extraire chaque semaine les données de performance de cinq plateformes dans un seul rapport
• Mettre à jour le suivi du rythme de dépense du budget
• Premiers brouillons de synthèses par canal
• La recherche de personas
• Le guide de marque
• Les textes publicitaires
• Le paramétrage des campagnes
• La décision de lancement, go ou no-go
• Le bilan mensuel du client
• La communication de crise
• Une entrée sur un marché culturellement sensible

Qui le contrôle ? Le cours : la validation demande une maîtrise des plateformes, pas de l’ancienneté.

• Megan, responsable de compte : la relation client
• Marcus, média payant : dans les plateformes au quotidien
• Emily, recherche
• Jake, planification
• Lauren, analytique : dans les plateformes au quotidien
• Ryan, mesure : dans les plateformes au quotidien

Les chiffres de l’IA arrivent chez le client sauf si quelqu’un qui vit dans les plateformes (Marcus, Lauren ou Ryan) les lit d’abord. Un rapport arrive chez le client avec des chiffres que personne dans les plateformes n’a contrôlés. L’exemple du cours sur ce qui passe à travers : une IA a annoncé avec une confiance totale un coût par clic de 0.02 $ pour un complément alimentaire au Royaume-Uni, et c’était faux (un exemple du cours, pas des données GreenLeaf).

Une campagne paramétrée par l’IA demande quelqu’un capable de vérifier le ciblage et de contrôler le suivi. Une campagne démarre avec un ciblage et un suivi que personne dans les plateformes n’a vérifiés. Le cours : toute campagne paramétrée par l’IA demande quelqu’un capable de repérer les cas limites des plateformes.

Chaque contrôle fait par un spécialiste des plateformes est un temps qu’il ne peut pas passer ailleurs cette semaine. Quelqu’un qui vit dans les plateformes lit les chiffres de l’IA avant leur envoi : la personne capable de dire quand un chiffre ne peut pas être juste. Le cours : cette couche de validation, ce sont souvent vos profils les plus techniques, pas vos plus seniors.

Le cours désigne ce travail comme celui que l’IA devrait traiter : le garder humain laisse du temps récupérable inutilisé. Vos équipes passent la semaine sur du travail que le cours attribue à l’IA : extraire les données des plateformes, mettre à jour le suivi du rythme de dépense, rédiger les synthèses par canal. Le cours suggère que la plupart des équipes trouvent 15–25 % de leurs heures dans cette catégorie, du temps qui pourrait aller au client.

Le cours : l’IA contrôle ; les humains décident. Jour du lancement, et l’IA prend la décision go ou no-go. Le cours la partage : l’IA contrôle le suivi, les budgets, la création et la géographie ; une personne décide.

Si cela tourne mal en public, une réponse rédigée par l’IA est un risque de réputation. GreenLeaf fait la une pour de mauvaises raisons, et la première réponse est rédigée par l’IA. Le cours range la communication de crise sous Refuser : les réponses générées par l’IA sont un risque de réputation.

L’IA peut se tromper culturellement d’une façon qu’aucun modèle ne détecte. Le travail culturellement sensible du lancement au Royaume-Uni passe par l’IA. La leçon du cours lui-même : des traductions de l’IA étaient culturellement erronées d’une façon qu’aucun modèle n’a pu détecter.

Le bilan mensuel est le moment où une personne apprend ce qui valorise le client. Le bilan mensuel du client arrive sous forme d’une présentation écrite par l’IA. Le cours range les conversations de relation client sous Refuser : le lien humain est la valeur.

Le garder humain, c’est qu’une personne qui connaît le client en soit responsable chaque mois. Le bilan mensuel du client reste une conversation avec une personne qui sait ce qui valorise le client.

La position du cours

• Extraire chaque semaine les données de performance de cinq plateformes dans un seul rapport: Automatiser , contrôlé par Lauren. L’un des trois premiers candidats à l’automatisation du cours pour GreenLeaf.
• Mettre à jour le suivi du rythme de dépense du budget: Automatiser , contrôlé par Ryan. L’un des trois premiers candidats à l’automatisation du cours pour GreenLeaf.
• Premiers brouillons de synthèses par canal: Augmenter , contrôlé par Lauren. Le cours cite les synthèses en premier jet parmi le travail que l’IA devrait traiter ; ce sont des brouillons qu’une personne approuve avant leur diffusion.
• La recherche de personas: Augmenter , contrôlé par Emily. Dans le cours, l’IA construit des personas comportementaux ; décider quelle audience compte reste l’affaire d’une personne.
• Le guide de marque: Protéger . Le cours : la qualité de la création par l’IA est directement proportionnelle au guide de marque que vous lui fournissez.
• Les textes publicitaires: Augmenter , contrôlé par Marcus. L’IA rédige la création à partir du guide de marque ; une personne l’approuve avant diffusion.
• Le paramétrage des campagnes: Automatiser , contrôlé par Marcus. Le cours dit d’arrêter de vendre le paramétrage comme du travail premium, tout en faisant vérifier le ciblage et le suivi par quelqu’un.
• La décision de lancement, go ou no-go: Protéger . Le cours : l’IA contrôle ; les humains décident.
• Le bilan mensuel du client: Refuser . Le cours range les conversations de relation client sous Refuser, là où le lien humain est la valeur ; cette expérience traite le bilan mensuel comme l’une d’elles.
• La communication de crise: Refuser . Le cours range la communication de crise sous Refuser : les réponses générées par l’IA sont un risque de réputation.
• Une entrée sur un marché culturellement sensible: Refuser . Le cours range sous Refuser l’entrée sur un marché culturellement sensible : l’IA peut se tromper culturellement d’une façon qu’aucun modèle ne détecte.