Ang isang AI centre of excellence (CoE) sa marketing ay isang maliit na team na nagmamay-ari ng mga shared na bahagi ng AI capability — standards, tooling, evaluation, at training — habang ginagamit ang mga ito ng iba pang organisasyon ng marketing sa sarili nilang trabaho. Ang layunin nito ay itaas ang capability ng buong team, hindi gawin ang AI work sa kanilang ngalan. Kapag naging gatekeeper ito, nabigo ito, gaano man ito kakompetente.
Kung kailangan mo ba ng isa ay nakasalalay sa scale at spread. Ang isang team na sampung tao ay makakapagbahagi ng standards sa pamamagitan ng pagsasama-sama. Kapag kumalat na ang paggamit ng AI sa ilang team, brand, o rehiyon, nagiging tunay ang gastos ng bawat isa na hiwalay na nagresolba sa parehong problema, at nagsisimulang magbayad para sa sarili nito ang isang maliit na sentral na capability.
Kailan sulit ang isang centre of excellence
Kumikita ang isang CoE ng sarili nitong pag-iral kapag ang parehong trabaho ay paulit-ulit sa mga team: ang parehong tool evaluation, ang parehong prompt problem, ang parehong governance na tanong, ang parehong pagkakamali. Sa puntong iyon, ang isang shared function ay nagpapababa ng duplication at pumipigil sa bawat team na muling matuto sa alam na ng iba.
Hindi ito sulit kapag sapat na maliit ang organisasyon upang koordinahin nang impormal, o kapag ang tunay na problema ay wala pang gumagamit ng AI. Sa kasong iyon, ang unang trabaho ay isang pilot, hindi isang centre of excellence. Ang pagtatayo ng isang sentral na team bago may demand ay gumagawa ng isang function na walang customer at isang mandate na hindi nito matutupad. Sinasaklaw ng paano mag-pilot ng AI ang simulain na iyon.
Tatlong operating model
Ang pangunahing pagpili sa disenyo ay kung saan nakaupo ang mga desisyon. Inilalatag ng table sa ibaba ang tatlong modelo at kung kailan angkop ang bawat isa.
| Model | Paano ito gumagana | Pinakamahusay kapag |
|---|---|---|
| Centralised | Isang team ang gumagawa ng karamihan ng AI work | Maaga, kakaunting use case, kailangan ng kontrol |
| Hub-and-spoke | Nagtatakda ng standard ang sentro; naglalapat ang mga team | Scaled, maraming team, magkahalong pangangailangan |
| Federated | Pag-aari ng mga team ang sarili nilang AI work | Mature, mataas ang capability saanman |
Karamihan ng organisasyon ay nauuwi sa hub-and-spoke, dahil binabalanse nito ang consistency sa bilis. Ang centralised ang tamang default kapag nagsisimula ka at kailangang itatag ang practice bago ito ipalaganap. Gumagana lang ang federated kapag tunay na distributed ang capability, at malamang nawawala nito ang coordination benefits na nagbigay-katwiran sa isang CoE sa simula.
Ano ang pag-aari ng sentro
Pag-aari ng CoE ang mga bagay na mas mabuting gawin nang isang beses kaysa maraming beses: standards at guardrails, ang evaluation ng mga bagong tool, isang shared na library ng prompt at workflow, training, at ang mga governance na tanong na nangangailangan ng pare-parehong sagot. Ito ang tagapag-ingat ng shared layer ng operating model, at dapat itong sukatin sa kung gaano karami ang kayang gawin ng ibang bahagi ng organisasyon nang wala ito. Ang layunin ay ang parehong ginawa ko tungkol sa reporting maraming taon na ang nakalipas: ang trabaho ay hindi ang gumawa ng mas maraming output, kundi ang dalhin ang mga tao sa magagandang insight nang mas mabilis at walang inuulit na pagkakamali ng iba.
Hindi nito pag-aari ang trabaho mismo. Ang mga campaign team ang nagmamay-ari ng kanilang campaign; ang CoE ang nagmamay-ari ng mga kondisyong gumagawa sa mga campaign na iyon na mas mahusay. Ang pinakamalinaw na test ng isang CoE ay kung nagiging mas capable ba ang mga nakapaligid na team sa paglipas ng panahon, o kung nag-ro-route lang sila ng mas maraming request sa sentro. Ang una ay tagumpay; ang pangalawa ay isang bottleneck na nabubuo.
Ang failure mode ng bottleneck
Madaling mahulog sa failure. Ang isang capable na sentral na team ay hinihilingang tumulong, tumutulong nang maayos, at dahan-dahang nagiging lugar kung saan dapat dumaan ang lahat ng AI work. Pumipila ang request, nag-hire ang sentro upang makasabay, at nagko-concentrate ang capability ng organisasyon kaysa kumalat. Naging service desk ang CoE, at mas masama ang operating model, hindi mas mahusay.
Iwasan ito sa pamamagitan ng paggawa sa enablement na tahasang mandate at pagtanggi na maging default na executor. I-publish ang standards, patakbuhin ang training, i-host ang mga halimbawa, at hayaang ilapat ng mga team ang mga ito. Kung ang isang request ay talagang isang capability gap, ituro ito kaysa gawin ito. Mas mabagal iyon sa unang pagkakataon at mas mabilis sa bawat sumunod.
Pag-staff sa sentro
Ang isang magandang CoE ay maliit at senior, hindi malaki at junior. Kailangan nito ng mga taong nakakaintindi sa marketing work nang sapat upang malaman kung ano ang hitsura ng mabuti, at makakapagtayo ng workflow kaysa gumamit lang ng tool. Ang dalawa o tatlong malakas na taong nagpapadala at nagtuturo ay hihigit sa isang mas malaking team na nagre-review. Ang produkto ng sentro ay capability, at naipapasa ang capability sa pamamagitan ng mga taong makakapagpakita, hindi makakapagsabi.
Ipasok ang mga disiplinang kailangan ng trabaho: isang builder na makakapag-wire ng workflow at tool, isang operator na nakakaalam sa mga campaign, at isang taong nagmamay-ari ng governance at evaluation. Labanan ang udyok na punuin ito ng technologist; ang isang CoE na hindi nakakaintindi sa realidad ng media at marketing ay magtatayo ng standards na walang makakagamit.
Pagsukat sa sentro
Sukatin ang CoE sa enablement, hindi sa throughput. Ilang team na ngayon ang makakagawa ng trabahong hindi nila kaya noon, gaano karami ng shared library ang talagang ginagamit, ilang paulit-ulit na tanong ang tumigil na sa pagbalik, at kung bumubuti at nagiging mas pare-pareho ba ang AI output ng organisasyon. Ang isang sentro na abala pero iniiwan ang lahat na nakadepende ay hindi nagtagumpay.
Mahalaga rin ang counter-metric dito. Subaybayan kung naging pila na ang sentro, kung gumagawa ba ng workaround ang mga team, at kung sinusunod ba ang standards dahil tumutulong ang mga ito o dahil ipinapatupad ang mga ito. Nakikita ang kalusugan ng isang CoE sa kung paano pinag-uusapan ito ng mga nakapaligid na team — bilang isang pinagmumulan ng capability o isang toll gate.
Isang counter-metric na dapat bantayan ng sentro
Ang throughput ang metric na kinatutunguhan ng isang CoE at ang nagliligaw. Ang isang sentro ay maaaring mukhang abala at nabigo pa rin, kaya ipares ang adoption sa isang counter-metric: ilang team ang nagresolba ng isang shared na problema nang walang tulong ng sentro ngayong quarter. Subaybayan ang pagbaba ng paulit-ulit na tanong, ang bahagi ng shared library na ginamit ng mga team na wala sa silid noong itinayo ito, at kung lumiliit o lumalaki ba ang request queue ng sentro mismo. Kung lumalaki ito habang tumataas ang adoption, nagiging service desk ang sentro; kung lumiliit ito habang tumataas ang adoption, kumakalat talaga ang capability. Ang nag-iisang ratio na iyon — capability pataas, dependency pababa — ang pinakamalinaw na signal na gumagana ang modelo, at ito ang bagay na hindi kailanman maipapakita ng workload mismo ng sentro nang mag-isa.
Isang unang 90 araw
Magsimula sa pag-inventory ng ginagawa na ng mga team at kung saan sila nag-uulit sa isa't isa. Pumili ng dalawa o tatlong shared na problema — tooling, prompt, evaluation — at resolbahin ang mga ito nang isang beses, sa publiko, bilang mga template na makokopya ng iba. I-publish ang isang magaan na standard at ang mga governance rule na kasama nito. Tapos sukatin kung ilang team ang nag-a-adopt sa shared work nang hindi sinabihan.
Panatilihing sadyang makitid ang scope sa unang quarter at hayaang hilahin ng demand ang CoE pakanluran. Ang isang sentro na nagsisimula sa pagmamay-ari ng lahat ay kaiinisan; ang isang nagsisimula sa paggawa ng ilang bagay na malinaw na mas mahusay ay hihilingin pang magdagdag. Ang marketing AI policy at governance work ay isang natural na unang produkto, dahil kailangan ito nang isang beses at ginagamit sa lahat ng dako.
Ang CoE at ang mga team na lumalaban dito
Hindi lahat ng team ay tatanggap sa isang sentral na function, at may lehitimong resistensya. Ang mga team na nakagawa na ng magagandang AI workflow ay maaaring tingnan ang isang CoE bilang overhead na nagpapabagal sa kanila; ang mga team na nag-aalinlangan sa AI ay maaaring tingnan ito bilang presyon na umadopt. Ang dalawang reaksyon ay may dalang impormasyon, at ang isang sentro na hindi pinapansin ang mga ito ay iikutan.
Ang tugon ay magsimula sa paggawa ng isang bagay na malinaw na mas mahusay para sa mga nag-aalinlangan — isang tool evaluation na nagliligtas sa kanila sa isang masamang pagbili, isang template na nagtatanggal ng isang hakbang na kinasusuklaman nila — kaysa sa pag-uutos na umadopt. Kitain ang kredibilidad sa pamamagitan ng pagiging kapaki-pakinabang, at hayaang panatilihin ng mga team na nauuna ang kanilang autonomy. Ang isang CoE na gumagalang sa mga team na pinaglilingkuran nito ay inaadopt; ang isang naglalagay sa sarili nito sa itaas nila ay nilalabanan, at kadalasan tama ang resistensya tungkol sa isang bagay. Ang ibang bitag ay ang sukatin ang sentro sa dami ng trabahong ginagawa nito. Ang isang CoE na nagpapadala ng maraming asset ay isang production team na may title na strategy; ang isang CoE na nagpapadala ng standards at capability ay ginagawa ang trabaho nito. Bantayan ang araw na ang sentro ang naging pinaka-abalang team sa marketing, dahil iyon ang signal na nalihis ito mula sa pag-enable tungo sa pag-execute. Ang pinakamalusog na bersyon ay ang bumababa ang sarili nitong workload habang tumataas ang capability ng organisasyon.
FAQ
Kailangan ba namin ng isang centre of excellence?
Kung kumalat na ba ang paggamit ng AI sa sapat na team kaya paulit-ulit na nireresolba ang parehong problema. Sa ilalim ng scale na iyon, ang isang shared na standard at ilang template ay gagawa na. Itayo ang sentro kapag may demand, hindi sa pag-asam nito.
Dapat bang gawin ng CoE ang trabaho o i-enable ito?
I-enable ito. Ang trabaho ng sentro ay gawing mas capable ang ibang bahagi ng organisasyon, at ang paggawa ng trabaho para sa kanila ay nagko-concentrate ng capability kaysa nagpapakalat nito. Kung ang mga request ay isang pila kaysa isang pagkakataon sa pag-aaral, nagkamali ang modelo.
Gaano kalaki ito dapat?
Maliit at senior. Ang dalawa hanggang tatlong taong makakapagtayo at makakapagturo ay kadalasang lumalampas sa isang mas malaking review team. Lumaki lang kapag may tunay na shared na problemang pag-aari, at mag-hire para sa kakayahang maglipat ng capability, hindi upang hawakan ito.
Paano namin malalaman na gumagana ito?
Mas maraming nagagawa ang mga team nang wala ang sentro, ginagamit ang shared library, at tumitigil ang paulit-ulit na tanong sa pagbalik. Kung ang sentro ay ang pinaka-abalang team sa marketing, malamang isa itong bottleneck kaysa isang capability multiplier.
Ang maikling bersyon
Ang isang AI centre of excellence sa marketing ay nagmamay-ari ng standards, shared tooling, evaluation, at training upang mailapat ng ibang bahagi ng organisasyon ang mga ito. Pumili ng hub-and-spoke para sa karamihan ng scaled na organisasyon, panatilihing maliit at senior ang team, at sukatin ito sa enablement kaysa throughput. Inilalagay ng Gabay sa Execution ang CoE sa mas malawak na operating model, at pinapatakbo ng for in-house teams na track ito para sa isang panig-kliyente na team.
Kung nagtayo ka ng isa, nais kong marinig kung paano mo ito pinigilan mula sa pagiging bottleneck.
Maraming salamat, Chandler
Ang artikulong ito ay available sa Filipino, pero ang course materials (video, template, at companion guides) ay nasa English at Japanese. Available ang site na ito sa 13 wika.