Beslutsfattande i AI: Hur kan vi säkerställa kvaliteten?

AI-system är idag ansvariga för en mängd beslut rörande annonsplaceringar och kampanjoptimering. Medan vi noggrant mäter resultat, är det sällan vi granskar kvaliteten på dessa beslut. ”Glappet mellan vad vi mäter och vad som faktiskt spelar roll är ett problem som branschen behöver ta itu med,” säger en insatt källa.

Kampanjrapporter tenderar att fokusera på mätningar som visningsgrad, säkerhet för varumärken och räckvidd. Frågan som ofta förbises är varför systemet valde ett alternativ framför ett annat och om beslutet reflekterar varumärkets värderingar.
”Vi vet vad som hände, men sällan varför det hände,” säger en expert.

Det vanligaste argumentet för att säkerställa ansvaret är användningen av brand safety-filter och verifiering genom tredje part. Detta kan delvis vara sant, men ger inte hela bilden.
”Att en annons levererats enligt plan betyder inte automatiskt att placeringen var det bästa valet för varumärket eller kampanjens syfte,” framhåller en professionell inom branschen.

Problemet växer när automatiseringen ökar och systemen fattar mer komplexa beslut. Glappet mellan beslutens kvalitet och vad som går att mäta blir då mer påtagligt.
”Det är i det glappet som varumärken utsätts för risker,” påpekar en observatör.

Branschen har verktyg för att hantera dessa situationer, men ställer ofta fel frågor.
”Vi frågar om leveransen gick igenom. Vi frågar inte om beslutet var klokt,” säger en branschexpert.

Det finns fyra åtgärder som kan förbättra situationen. Först, granska om dina mätvärden verkligen utvärderar besluten och inte bara resultaten.
”Om rapporteringen bara visar resultatet och utelämnar resonemanget bakom det saknas en viktig del av beslutsunderlaget,” säger en konsulent.

För det andra, kräva öppenhet från dina partners. En aktör som inte kan förklara sina beslut tar inte ansvar.
”Transparens handlar inte bara om insyn, utan om möjligheten att förstå vilka signaler som vägde tyngst,” säger en expert i området.

För det tredje, säkerställ att uppföljningen sker kontinuerligt. En analys som görs en gång i veckan är ofta för sen.
”Ju längre tid som går mellan beslut och analys, desto större blir risken att ineffektiva mönster fortsätter påverka resultatet,” påpekar en specialist.

Slutligen, definiera tydliga riktlinjer för varumärket innan kampanjmål sätts.
”En algoritm med bara ett mättal att jaga kommer att jaga just det,” varnar en rådgivare.

Ansvar för leverans och beslut måste gå hand i hand.
”När branschen behandlar dem som samma fråga blir det svårt att avgöra om algoritmen faktiskt fattade rätt beslut,” säger en expert.

För att ta itu med detta, rannsaka en aktuell kampanjrapport och fråga varför systemet fattade de beslut det gjorde.
”Om svaret saknas vet du att arbetet börjar,” säger en insatt röst. Först då kan vi förstå om tekniken arbetar i varumärkets intresse.