Jak sieci neuronowe zmieniły marketing treści: doświadczenie Paszy Moljanowa

Spis treści:

• MyMeet: Moja zamiana transkryptora na sieć neuronową
• Sztuczna inteligencja w sztuce: Zastępowanie ilustratorów platformami generatywnymi
• ChatGPT i podobne LLM: Jak sieci neuronowe ułatwiły pracę agencji
• Cursor i Claude Code: Nasza podróż do programowania bez wcześniejszej wiedzy
• Podcast: Postęp w tworzeniu wysokiej jakości dźwięku bez znacznych kosztów produkcji
• Zaobserwowane transformacje w przepływie pracy dzięki wdrożeniu Sztuczna inteligencja

Pasza Moljanow, założyciel agencji content marketingowej „Sdelayem”, a także jako klub poświęcony sieciom neuronowym, zaprezentował swoją wiedzę i doświadczenie w ramach „Neuroworkshop”.

Wcześniej zlecałem różne zadania na zewnątrz. Jeden z nich transkrybował wywiady, drugi tworzył ilustracje, a trzeci korekty tekstów. Nie zatrudniam już pracowników, ponieważ korzystam z sieci neuronowych. Ich wykorzystanie okazuje się bardziej opłacalne i wydajne pod względem szybkości.

W tej publikacji dla zespołu redakcyjnego Skillbox Media „Biznes” podzielę się moim doświadczeniem z wdrażania sieci neuronowych w mojej agencji i opiszę, jak wykorzystanie sztucznej inteligencji znacząco obniżyło moje koszty.

• Transkrypcja spotkań i wywiadów
• Sztuczne sieci neuronowe, przeznaczone do tworzenia obrazów, to potężne narzędzie w dziedzinie sztucznej inteligencji. Systemy te potrafią generować materiały wizualne w oparciu o różnorodne zadania i dane źródłowe. Wykorzystując algorytmy głębokiego uczenia, analizują ogromne zbiory obrazów, co pozwala im uchwycić cechy stylistyczne i detale.

  Tego typu sieci neuronowe znajdują zastosowanie w wielu dziedzinach, takich jak sztuka, moda, reklama, a nawet badania naukowe. Mogą być wykorzystywane do tworzenia unikatowych dzieł, a także do ulepszania istniejących obrazów lub dostosowywania ich do specyficznych wymagań użytkowników. Postęp technologiczny w tej dziedzinie otwiera nowe horyzonty dla kreatywności i innowacji, zapewniając artystom i projektantom narzędzia do realizacji ich najśmielszych pomysłów.

  W ten sposób sieci neuronowe do generowania obrazów stają się niezbędnym elementem współczesnego świata cyfrowego, zmieniając podejście do tworzenia i percepcji treści wizualnych.

• ChatGPT i inne programy LLM
• Sztuczne sieci neuronowe przeznaczone do programowania pozwalają tworzyć i edytować kod bez konieczności posiadania dogłębnej wiedzy w tej dziedzinie. Narzędzia te znacznie upraszczają proces tworzenia, umożliwiając użytkownikom generowanie rozwiązań programistycznych za pomocą prostych poleceń lub opisów. Dzięki takim technologiom nawet osoby bez specjalistycznych umiejętności programistycznych mogą wdrażać swoje pomysły i tworzyć aplikacje. Takie systemy wykorzystują uczenie maszynowe do analizy i generowania kodu, dzięki czemu są przydatne zarówno dla początkujących, jak i doświadczonych programistów, którzy chcą przyspieszyć swoją pracę lub znaleźć nowe pomysły.
• Inżynier dźwięku AI
• Jakie transformacje zaobserwowałem w swojej pracy?

MyMeet: Moja zamiana transkryptor na sieć neuronową

Pierwszą siecią neuronową, której zacząłem używać w swojej firmie, był MyMeet.

To rosyjska platforma oferująca usługi automatycznego nagrywania rozmów telefonicznych i wideokonferencji, a także ich transkrypcji, analizy i kompilacji raportów końcowych. Bot tego systemu może łączyć się ze spotkaniami online w serwisach takich jak Zoom, Google Meet i Teams oraz nagrywać zarówno dźwięk, jak i obraz.

Jak wykorzystujemy ten proces: W naszej agencji content marketingowej regularnie komunikujemy się z klientami: przeprowadzamy wywiady, dopracowujemy briefingi i omawiamy materiały oraz strategie. Po każdej rozmowie telefonicznej musimy ją przepisać, aby na jej podstawie stworzyć artykuł, post, newsletter lub studium przypadku.

Wcześniej mieliśmy wyspecjalizowane stanowisko – transkrybenta. Praca ta była dość pracochłonna, co wpływało na koszty finansowe agencji. Jednak wraz z pojawieniem się MyMeet stało się jasne, że ręczna transkrypcja nie ma już sensu. Sieć neuronowa wykonuje to zadanie znacznie szybciej, taniej i z wyższą jakością – jej wydajność jest milion razy wyższa.

Teraz możemy przesłać plik audio lub podłączyć sieć neuronową do spotkania, a w ciągu kilku minut mamy gotowy transkrypt. To, co kiedyś zajmowało godziny, teraz można zrobić w kilka minut.

Oprócz rozmów z W przypadku klientów, korzystam również z MyMeet podczas spotkań w zespołach. To narzędzie pozwala mi rejestrować ustalenia, zadania i pomysły. Czasami po spotkaniach używamy raportu MyMeet jako podstawy do utworzenia postmeet – krótkiego podsumowania naszego spotkania.

Sztuczna inteligencja w sztuce: zastępowanie ilustratorów platformami generatywnymi

Midjourney jest drugą platformą, z której korzystamy na co dzień. Następnie pojawił się ChatGPT, który opanował tworzenie obrazów, a następnie Flux, a na końcu Nano Banana. Obecnie wszyscy w agencji wybierają własne narzędzie: niektórzy kontynuowali pracę z Midjourney, inni przeszli na Flux, a jeszcze inni preferują Nano Banana.

Są to technologie oparte na sieciach neuronowych, które umożliwiają tworzenie obrazów na podstawie opisów tekstowych.

Midjourney jest pionierem w dziedzinie technologii sieci neuronowych i stał się popularnym narzędziem do tworzenia obrazów, kolaży i ilustracji na podstawie podanych opisów tekstowych. ChatGPT 4.0 umożliwia teraz generowanie treści wizualnych bezpośrednio w rozmowach, a Flux oferuje znakomite rezultaty w zakresie fotorealizmu i precyzyjnej kontroli szczegółów. Nie należy zapominać o Nano Banana firmy Google, która doskonale radzi sobie ze stylistyczną adaptacją obrazu.

Wszystkie te sieci neuronowe są przeznaczone do różnych zadań: Midjourney idealnie nadaje się do tworzenia obrazów artystycznych i koncepcyjnych, Flux specjalizuje się w tworzeniu realistycznych ujęć, a Nano Banana służy do generowania wizualizacji marki.

Jak wykorzystujemy te zasoby. W naszej agencji tworzymy teksty, publikacje, strony internetowe, landing page'e i newslettery. Każdy z tych formatów niezmiennie wymaga oprawy wizualnej: okładek, grafik do landing page'y, ilustracji do artykułów, infografik i wizerunków marek dla klientów. Wcześniej wszystkie te elementy były tworzone przez ilustratorów. Mieliśmy zespół kilku specjalistów, którym płacono znaczne kwoty za każdą ilustrację. Rysowali ręcznie postacie, tworzyli kolaże, komiksy i banery.

Wraz z pojawieniem się sieci neuronowych, rynek znacząco się zmienił. Ilustratorzy są teraz poszukiwani tylko do konkretnych zadań, wymagających starannej pracy ręcznej lub wyjątkowej jakości w przypadku produktów drukowanych. Wszystkie pozostałe materiały wizualne są tworzone przez pracowników ds. treści: autorzy artykułów sami generują obrazy do swoich materiałów, a specjaliści ds. mediów społecznościowych tworzą wizualizacje do publikacji.

Wcześniej płaciliśmy ilustratorowi 2000 rubli, teraz możemy obejść się bez tych kosztów. Zamiast czekać cały dzień, wszystko jest teraz gotowe w zaledwie 10 minut.

Ten etap okazał się drugą znaczącą zmianą w naszej firmie po zintegrowaniu MyMeet z naszymi procesami pracy. Sztuczne sieci neuronowe radykalnie zrewolucjonizowały wykorzystanie treści wizualnych – nie są już one wyłącznie narzędziem dla projektantów, a stały się dostępne dla całego zespołu.

ChatGPT i podobne programy LLM: jak sieci neuronowe ułatwiły pracę agencji o połowę

Trzecią siecią neuronową, z której zaczęliśmy aktywnie korzystać, była ChatGPT. Z czasem zintegrowaliśmy z naszymi procesami również inne modele językowe, takie jak Claude, Gemini, Grok, Perplexity i DeepSeek.

Są to systemy sztucznej inteligencji, które potrafią uczyć się, analizować i tworzyć materiały tekstowe.

• ChatGPT to wielofunkcyjna sieć neuronowa, która potrafi tworzyć teksty, generować pomysły, opracowywać skrypty i pisać kod.
• Claude idealnie nadaje się do nauki i poprawiania długich tekstów.
• Gemini charakteryzuje się wysoką wydajnością w tworzeniu zasobów edukacyjnych, prowadzeniu badań i przetwarzaniu danych multimodalnych.
• Grok koncentruje się na tworzeniu krótkich materiałów, aktualnych trendów i treści odpowiednich do mediów społecznościowych.
• Perplexity AI to inteligentna wyszukiwarka, która udziela odpowiedzi wraz ze wskazaniem źródeł i danych analitycznych.
• DeepSeek to efektywny model zaprojektowany do porządkowania danych i prowadzenia dogłębnych badań.

Jak go wykorzystujemy. Wszystkie te sieci neuronowe zostały zintegrowane praktycznie z każdym aspektem naszych działań:

• Tworzenie treści. Teraz generujemy proste teksty w całości za pomocą modeli opartych na sztucznej inteligencji. Wcześniej takie zadania wymagały zatrudniania i opłacania pisarzy, ale teraz redaktorzy mogą sami generować niezbędny materiał. Chociaż utalentowani pisarze nadal tworzą teksty wyższej jakości, sieci neuronowe są dość skuteczne w szybkim pisaniu prostych materiałów.

• Wsparcie badawcze. Modele oparte na dużych modelach językowych (LLM) znacząco pomagają pisarzom w odkrywaniu faktów, gromadzeniu materiałów i formułowaniu pytań do wywiadów. Gdy autor zwraca się do eksperta i nie jest pewien, jak rozpocząć rozmowę, ChatGPT może pomóc w wygenerowaniu listy przemyślanych pytań i szybkim opanowaniu tematu.
• Tworzenie planu i struktury. Gdy potrzebny jest tekst przyjazny dla SEO, sieć neuronowa łączy się z Google, analizuje dziesięć najlepszych stron i tworzy strukturę w oparciu o treści konkurencji. Następnie autor pracuje nad tekstem samodzielnie, co znacznie skraca czas poświęcony na przygotowanie.
• Tworzenie fragmentów tekstu. Czasami konieczne jest opracowanie 20 różnych nagłówków, zaproponowanie przykładów do artykułu lub podanie prostego wyjaśnienia terminu. Sieci neuronowe osiągają w tym zakresie doskonałe rezultaty. Człowiek musi jedynie wybrać lub nieznacznie doprecyzować najtrafniejsze opcje.
• Korekta i analiza. Modele językowe wspomagają redaktorów w procesie recenzowania materiałów. Sieć neuronowa umożliwia identyfikację niezgodności ze specyfikacją techniczną, a także wyszukiwanie powtórzeń, błędów lub rozbieżności merytorycznych. To znacznie przyspiesza proces korekty, zwłaszcza przy dużej objętości tekstów.
• Do niedawna nasza firma zatrudniała zespół korektorów, a ich miesięczne wynagrodzenia kosztowały znaczną sumę pieniędzy. We wrześniu zdecydowaliśmy się zastąpić połowę z nich zautomatyzowanym skryptem, który przetwarza tekst za pomocą sieci neuronowej bezpośrednio w Dokumentach Google. To narzędzie skutecznie koryguje błędy i literówki, robiąc to szybko i ekonomicznie.
• Wcześniej korzystaliśmy z usług wyspecjalizowanych agencji tłumaczących teksty dla klientów zagranicznych. Obecnie piszemy materiały po rosyjsku i korzystamy z LLM do tłumaczeń, a następnie redaktor anglojęzyczny po prostu je koryguje i sprawdza poprawność merytoryczną. Pozwala nam to ograniczyć liczbę podwykonawców.
• Wsparcie dla menedżerów. Menedżerowie projektów wykorzystują tytuł LLM jako swojego asystenta: szukają porad, badają pomysły na propozycje biznesowe, opracowują formuły, tworzą prezentacje, analizują modele finansowe i tworzą opisy stanowisk pracy.

Przeczytaj także:

Sposoby generowania pomysłów dla marketerów z wykorzystaniem ChatGPT: zalecenia i metody

Cursor i Claude Code: Nasza podróż do programowania bez wcześniejszej wiedzy

Nie jestem programistą. Mam pojęcie o tym, jak to działa, ale nigdy nie pisałem kodu, nie znałem składni języków programowania, nie uruchamiałem aplikacji ani nie korzystałem z GitHuba. Wszystko to było dla mnie obce — dopóki nie pojawił się Cursor i Claude Code.

Są to systemy oparte na sieciach neuronowych, zaprojektowane do tworzenia i wykonywania programów, które umożliwiają programowanie nawet osobom bez głębokiej wiedzy w tej dziedzinie.

Cursor to edytor kodu oparty na sztucznej inteligencji, który przypomina znany edytor VS Code, ale ma unikalną funkcję: wbudowanego asystenta. Ten asystent może samodzielnie generować i poprawiać kod, a także tworzyć skrypty, strony internetowe i rozszerzenia.

Claude Code to narzędzie opracowane przez Google, które pozwala użytkownikom budować i wdrażać projekty w chmurze, a także testować i automatyzować różne procesy bezpośrednio z przeglądarki.

Obie usługi pozwalają osobom bez doświadczenia w programowaniu łatwo tworzyć kod – wystarczy sformułować zadanie słowami, a sieć neuronowa zajmie się resztą.

Jak korzystamy z tych narzędzi. Dzięki nim kilku moich kolegów i ja niespodziewanie zostaliśmy programistami. Teraz mamy możliwość automatyzacji różnych procesów, rozwijania usług wewnętrznych, wprowadzania nowych produktów, a nawet tworzenia rozszerzeń dla Dokumentów Google.

Na przykład nasz projekt, w którym wcześniej nie mieliśmy żadnego doświadczenia w programowaniu, stworzył bota korektorskiego dla Dokumentów Google. Aby obniżyć koszty usług korektorskich, użył Cursora, stworzył rozszerzenie, a teraz mamy sieć neuronową, która automatycznie poprawia błędy w tekstach.

Pracuję nad podobnymi projektami. Obecnie, na przykład, opracowuję narzędzie do analizy wzmianek o firmach w wynikach wyszukiwania. Wczytujemy nazwę firmy do sieci neuronowej, która następnie uruchamia szereg zapytań, takich jak „poleć dobrą firmę w tej branży”, „wymień dziesięć najlepszych firm w branży” i „co możesz powiedzieć o tej firmie”. Wszystkie uzyskane dane są przetwarzane i kompilowane w tabeli analitycznej, która wskazuje: „Twoja firma jest wymieniana w 67% przypadków, zajmując średnio 4. miejsce, podczas gdy konkurenci X i Y wyprzedzają Cię dzięki takim a takim wzmiankom”. Rezultatem jest niemal kompletny audyt, a ja byłem w stanie wdrożyć to wszystko bez żadnego doświadczenia programistycznego.

Korzystając z Cursora, stworzyłem również kilka produktów, które działają niezależnie od agencji:

• Broken Link Checker to narzędzie do wykrywania uszkodzonych linków. Obecnie ma blisko 1000 instalacji i przyciąga około 500 aktywnych użytkowników tygodniowo. Dodatkowo aplikacja jest promowana w Product Hunt i ma status „Google Featured”. Wszystkie aspekty rozwoju zostały zrealizowane niezależnie, bez kodowania, przy użyciu jedynie sieci neuronowej.
• „Finspoved” to niezależny serwis medialny działający w ramach kanału Telegram. Użytkownicy wypełniają ankiety, po czym sieć neuronowa generuje posty, weryfikuje je i automatycznie publikuje w Telegramie. Cały proces odbywa się bez ingerencji człowieka.
• Bot Telegrama o nazwie „Emoji Picture” potrafi rozbić obraz na kombinację emoji. Przyjmuje płatności za swoje usługi i ma również możliwość wyświetlania reklam.

Wcześniej takie rzeczy kosztowałyby nas tysiące rubli i wymagałyby długiego czasu oczekiwania. Teraz mogę sam zbudować narzędzie, przetestować je i uruchomić – w zaledwie jeden wieczór.

Podcastle: Osiągnięcia w tworzeniu wysokiej jakości dźwięku bez znacznych kosztów produkcji

Kolejną z wykorzystywanych przez nas sieci neuronowych jest Podcastle.

To platforma przeznaczona do tworzenia i edycji podcastów, wyposażona w sieć neuronową, która pozwala na poprawę jakości dźwięku.

Podstawową ideą jest to, że podcast lub wideo można utworzyć na dowolnym dostępnym urządzeniu – smartfonie, AirPodsach, niedrogich słuchawkach, a nawet aparacie bez wbudowanego mikrofonu. Następnie wystarczy przesłać plik audio do Podcastle. Sieć neuronowa automatycznie przetwarza dźwięk, eliminując szumy tła, trzaski i artefakty, wyrównując głośność i dodając przestrzenności.

Jak z tego korzystamy. Zacząłem współpracę z Podcastle w zeszłym roku. Teraz nagrywanie filmów, webinarów czy podcastów stało się sto razy łatwiejsze. Wcześniej, aby osiągnąć dobrą jakość, trzeba było znaleźć sprzęt, udać się do studia i wynająć przestrzeń. Teraz wystarczy telefon i słuchawki – sieć neuronowa zajmie się resztą.

Oczywiście nie spełnia to standardów profesjonalnego studia z mikrofonem za 50 000 rubli i realizatorem dźwięku, ale do nagrywania w domu lub biurze jest po prostu idealne.

Obserwowalne transformacje w przepływie pracy dzięki wdrożeniu sztucznej inteligencji

Najważniejszą rzeczą, która rzuca się w oczy, jest to, że znaczna część wykonawców straciła na znaczeniu. To, co wcześniej wykonywali ludzie, jest teraz z powodzeniem zastępowane przez sieci neuronowe, które działają szybciej, wydajniej i bez zakłóceń. Ta sytuacja nie jest przejściowa, lecz raczej stabilnym trendem.

Jestem przekonany, że w przyszłości sztuczna inteligencja będzie coraz częściej zastępować specjalistów, a agencje będą zorganizowane według innej zasady. Nadal będą obejmować projekty, które zarządzają różnymi sieciami neuronowymi, wchodzą w interakcje z klientami, formułują zadania i agregują wyniki uzyskane za pomocą narzędzi AI.

Będą wyspecjalizowani specjaliści, którzy będą tworzyć unikalne produkty wymagające pracy ręcznej lub kreatywnego podejścia. Podczas gdy wszystko, co można zaklasyfikować jako masową produkcję i przeciętną jakość, jest już wykonywane przez sztuczną inteligencję.

Nigdy nie zaszkodzi dowiedzieć się więcej o sieciach neuronowych: prezentujemy Państwu kilka dodatkowych materiałów Skillbox Media poświęconych temu tematowi.

• Jak sztuczna inteligencja zderzyła się z twórcami treści i poniosła porażkę: 5 prawdziwych historii.
• Wprowadzenie sztucznej inteligencji do procesów pracy umożliwiło osiągnięcie imponujących rezultatów.
• Poszukiwanie pracy z wykorzystaniem sieci neuronowych: rekomendacje i przykładowe zapytania z obrazkami odpowiedzi.
• Jak skutecznie wchodzić w interakcje z sieciami neuronowymi: rekomendacje od doświadczonych użytkowników, którzy regularnie komunikują się ze sztuczną inteligencją.
• Bez wywoływania uczucia niezręczności, a wręcz przeciwnie, tworzenia efektu „wow”: jak marki powinny rozwijać reklamę z wykorzystaniem sztucznej inteligencji, aby była skuteczna i nie irytująca.