Q&答：谷歌云的阿尼尔•贾殷解释生成式人工智能如何推动M的数字化转型&E和DTC

为阿尼尔•贾殷，领导战略消费行业团队谷歌云意味着帮助传统媒体公司拥抱云和人工智能, 转向以opex为中心的商业模式, 并在工程和产品管理中适应更以发展为导向的思维方式. 在这次采访中, Jain讨论了媒体行业向基于云的运营的全球转变, 的方式生成的人工智能从生产到包装再到用户体验的方方面面都在被颠覆吗, 哪些媒体公司应该如果还没有，那就害怕吧.

纳丁·克雷费兹：你在谷歌云的角色是什么?

Anil耆那教的: 我的职责是战略性消费行业（媒体和娱乐）的全球董事总经理, 游戏, 零售, 包装消费品, 和电信公司. 在我任职的6年里，我们帮助这些行业推动了数字化转型. 在过去的一年里，人工智能部分一直被搁置，被双重强调，然后被挂上了大大的霓虹灯. 生成式人工智能让我们意识到，我们可以加速转型之旅.

克雷费兹：你和电信公司有什么关系?

耆那教的: 在世界的许多地方, 电信公司或通信服务提供商也有重要的媒体和娱乐利益. 因为通信服务提供商拥有基础设施, 他们增加了媒体服务, 电视, 然后是流媒体，因为这是为他们的消费者增加额外价值的一种方式. 但这也是提高ARPU（每用户平均收益）的一种方式。. 我们在媒体上谈论的一切——尤其是从直接面向消费者的流媒体的角度来看——都与电信公司有关.

克雷费兹：你的 媒体部分?

耆那教的: 如果你看媒体, 你会看到各种类型的公司：大型媒体, 工作室, 数码飘带, 体育联盟, 出版商, 以及新媒体数字平台, 比如tiktok和世界快照. 从根本上说，它们都在争夺消费者同样有限的注意力.

过去十年左右，媒体已经完全接受了云计算的重要性, 第一次聚会, 以及运营数据，并能够利用这些数据来满足个性化和货币化的需求. 直接面向消费者的模式颠覆了整个价值链. 他们现在都认出来了. 但他们是否能够利用这一点并迅速采取行动呢? 对于云准备，我会给他们一个b -.

克雷费兹：媒体公司在进行云迁移时面临的挑战是什么?

耆那教的: 你可以把挑战分成几类. 这是金融和经济现实. 很多大的, 有50年历史的老牌媒体组织, 70, 或者100年的人发现很难改变他们业务运作的本质. 它们的商业模式和财务状况都是围绕这种资本支出结构建立起来的.

如果你转向OpEx模式, 你的运营成本会更高，因为你没有资本支出的折旧模型. 这就造成了首席财务官和首席技术官之间的紧张关系，这种紧张关系变成了一个巨大的挑战. 你必须证明收入，但你做不到.

然后是消费者的期望. 有一个完整的生态系统在赚钱并为消费者提供价值. 他们拥有全新的一代客户，他们对按需服务和新形式的内容以及他们想要的格式和成本模式的货币化抱有期望.

这种二分法让事情变得困难，因为你需要投资于第二件事，并利用你能从第一件事中获得的任何利润. 这几乎就像同时经营两家不同的公共汽车公司.

克雷费兹：从经济学的角度来看，建造和建造的区别是什么. 购买方法?

耆那教的: 5、6年前, [TMT分析师]里奇·格林菲尔德（Rich Green-field）和他的团队表示，每家媒体公司都需要全力投入到技术和流媒体上. 他们必须拥有它. 它必须是他们的核心——这是非常昂贵的. 现在我们看到媒体公司说，“我需要拥有哪些部分? 哪些部件可以外包? 我怎样才能减少成本?“因为即使是流媒体, 在这种商业模式下，大多数大型媒体公司都没有盈利. 这些都是最大的挑战.

我认为你可以谈谈其他一些挑战，比如劳动力发展和技能, 从传统的广播工程师转变为更多的开发者心态和数字产品经理. 但我认为这是可行的，我看到它正在世界各地的许多功能中发生. 我认为更大的问题是经济问题.

克雷费兹：生成式人工智能是如何影响硬件更新周期的?

耆那教的: 世代AI与所有事物都相关，但我认为它们是分开的. 很多媒体公司和电信公司都在问, “我怎么才能不用再花这么多钱呢？?“他们在想，也许是时候改变了.

为全球媒体供应链提供动力的技术合作伙伴和独立软件供应商（isv）的生态系统并不都是云原生的. 在某些情况下，这对他们来说更加困难，因为他们中的许多人都是次规模的. Generally, they’re not billion-dollar businesses; they’re a few-hundred-million- dollar businesses. 对于他们来说，维持现有的收入流，同时将他们的路线图和未来的产品转移到云原生产品是一个非常困难的过渡.

在2019年的Devoncroft高管峰会上, 我说过唯一可行的方法是超大尺度, 媒体公司, 和isv一起工作. 这就是我们一直在走的路. 这就是人工智能的用武之地, 因为一旦你有了这个云原生软件解决方案, 你可以开始利用人工智能，因为这些数据是你运作方式的重要组成部分.

媒体公司现在可以使用这些数据在不同的应用程序和供应商之间进行编排. 人们是否在这方面做得很好，并创造了自动化，使他们能够满足消费者不断变化的需求? 我认为我们还处于这一旅程的早期阶段.

克雷费兹：什么将有助于把更多的服务和产品转移到云端?

耆那教的: 我们所做的部分工作是与许多应用程序供应商密切合作，帮助他们将服务迁移到合作伙伴，以便他们能够真正利用我们拥有的底层功能. 我们的工程师和他们的工程师正在努力协调和发展他们的产品集.

我不知道他们是否都能活下来. 当你经历这些巨大的技术颠覆, 这也为新的供应商打开了大门. 我们正在看到，越来越多灵活的云原生公司和云原生应用正在进行媒体资产管理、编排或提供操作数据以推动自动化. 很长一段时间以来，所有直接面向消费者的流媒体堆栈都是面向云的.

克雷费兹：那游戏呢?

耆那教的: 如果我是一家传统媒体公司的CEO, 社交媒体和游戏会让我夜不能寐吗, 因为它们都在改变数字体验消费的本质.

游戏行业无疑是数字技术的先驱者. 现在有PC游戏、主机游戏和手机游戏. 拥有最多玩家时间和最大收益的游戏通常是我们所说的“实时服务”游戏，即持续与服务器互动的游戏. 很多人都有自己的数据中心或合作设施. 运动会持续数年, 在那段时间里, 您无法从在世界各地运行的集群切换到使该堆栈现代化.

从云计算的角度来看，（游戏公司）在这方面非常成熟, 但即使是他们在利用公共云基础设施和数据分析中的云原生功能以提高运营效率和个性化方面也有增长机会.

Krefetz：游戏和社交性如何 影响媒体?

耆那教的: 我总是以我的家庭为例. 追赶新闻或社会事件意味着我们都有来自不同来源的信息. 我77岁的母亲在流媒体服务上看新闻，按需看，想看什么就看什么. 我和妻子主要使用推送通知. 我19岁的女儿从抖音和Instagram上获取她的大部分信息. 对我即将满14岁的儿子来说，他的选择是YouTube或Discord服务器.

如果你是一家媒体公司，你如何接触到所有这些人? 我们有5个.今天有40亿人上网，从2017年到2023年，社交媒体上的人数翻了一番. 你唯一能做的准备就是确保你使用的每一个系统, 从内容创作到生产, 许可, 一直到分销管理和分销, 是否灵活、敏捷、响应迅速.

你必须做的另一件事是建立一个数据驱动的坚实基础. 如果我在开发内容, 不管我是出版商还是广播员, 我需要确保内容, 我的创造力, 能不能以某种方式重新包装，以满足我的消费者.

克雷费兹：生成式人工智能将如何帮助解决这个问题?

耆那教的: 生成式人工智能在过去两年才进入大家的脑海, 但人工智能已经应用于内容发现和个性化推荐等方面很长一段时间了.

生成式AI能够创造新的内容, 比如以聊天机器人的形式，让我能够与人工智能代理互动，帮助我完成工作，或者加速内容的创作和生产. It also helps you compress timelines; even the really interesting creative work we do also involves hours 和 hours of mundane tedious work that AI can do for us. 我们已经在创作、制作和后期制作过程中看到了这一点.

但也有应用生成式人工智能来重新包装内容的概念. 假设我是一名出版商, 我的目标是让你来到我的网站，参与我的编辑和新闻团队创造的高价值内容, 但你时间有限. 想象一下，你可以花7分钟的时间阅读，然后点击一个按钮说, “我没有时间读这个, 把它作为播客给我吧.” Or you might say, “I’m a visual learner; turn it into an animated video that’s 3 minutes long.“而不是要求人类经历这个过程, 人工智能代理可以获取这些信息, 了解其中的内容, 然后重新包装，让它更容易接触到，更容易消费.

这些只是我认为生成式人工智能将如何帮助解决消费者期望中的这些动态变化的几个例子，这些变化是影响当今媒体行业和其他行业的巨大力量.

克雷费兹：你能指出任何一个你认为做得很好的人吗?

耆那教的: 《百家乐软件》 是我们的客户吗. 和每个出版商一样, 他们的网站上有一个搜索栏, 但是传统, 这不是很有效. 《百家乐软件》 有大量的内容，他们想要改善消费者体验. 他们使用谷歌的顶点人工智能搜索和对话来实现他们的新搜索引擎Adelaide.

Adelaide本质上是一个自然语言聊天界面，你可以问任何你想问的问题. 你不需要考虑搜索关键词. 阿德莱德给你一个人工智能生成的摘要. 然后，在下面，它将显示其中的所有源文章 《百家乐软件》 信息的来源. 它创造了更深层次的东西, 更高质量的参与和更长的持续时间在现场和内容.

花了 《百家乐软件》 不到两周的时间来实现搜索和会话AI的核心方面. 发射花了2个月, 因为, 当然, 你必须在发布者堆栈中更改UI和其他更新.

克雷费兹：你有没有其他关于世代AI影响的视频例子?

耆那教的: 我想每个人都对视频感到兴奋. 这就是我们所说的多模态生成人工智能文本, 图像, video, 和 audio; both being able to input content in those formats as well as generate it. 我们发布了 Vertex AI Gemini模型为了解决多式联运.

每个人都在想，“我可以使用多模态生成AI来做动态广告创意吗?“我们的客户之一家乐福是世界上最大的零售商之一. 他们建立了自己的营销工作室来制作广告，这样每个观众都能看到个性化的广告. 这很好，因为你可以在自动化和规模上做到这一点, 接收数据信号，然后运行一个自动生成的人工智能过程来创建针对媒体中受众群体的活动. 这是代理商和媒体公司目前正在尝试的一个领域.

一家名为Cineverse的公司有一个名为cine搜索的人工智能代理，旨在通过对话界面在直接面向消费者的流媒体服务中实现. 你可以说, “我在找一部电影，里面有一个人骑着一匹黑色的种马走进夕阳,，你就可以通过他们的代理来实现. 这意味着你可以发现你正在寻找的内容，而不必做一种非常非直观的搜索交互或大量滚动. 你甚至可以输入你感兴趣的东西类型[不知道具体细节], 就像“70年代的闹剧喜剧”,，并得到结果.

克雷费兹：聊天和搜索会成为人们使用人工智能最简单的切入点吗?

耆那教的: 这些可能是最明显的切入点. 人们实际上可以看到对话界面如何改变用户体验的动态. 我们的顶点人工智能搜索和对话是一个简单的入门方法. 我认为你将会看到，由人工智能驱动的对话界面将会是各行各业中发展最快的东西.

另一个预测是：商业提供商, 技术栈, 商业平台将引入这些功能，并允许您作为直接面向消费者的流媒体平台将其集成到您正在做的事情中. 这使得媒体公司更容易激活这种能力，并与与你提供的内容相关的零售商达成合作关系.

我认为现在所有的大公司都在进行试验. 我们跟一些顾客谈过，他们说他们有1个,他们在组织内确定的500个用例.

克雷费兹：他们怎么挑选合适的呢?

耆那教的: （他们这样做的方式是问）哪些能给他们带来最好的投资回报率, 以及他们如何将它们从试点和实验转化为生产实施. 这不是你的AI策略的问题, 而是, 人工智能如何帮助你实现你的战略.

我认为可以公平地说，生成人工智能在短期内可能被夸大了, 但从长远来看，它的宣传力度不够. 你需要将新一代人工智能的想法与你的业务增长的关键战略需求联系起来, 持续改善客户体验, 推动不同的接触消费者的方式, 优化盈利.

克雷费兹：什么样的能力或技能会 需要?

耆那教的: 他们需要的只是开始. 参与不同的生成式AI体验. 是否有一些研讨会来阐明所有可能的用例, 然后通过评估哪些用例最能支持业务需求的过程.

接下来，他们需要制定一个执行和发布所需时间的矩阵. 需要多少努力和百家乐软件? 什么是可测量的业务价值? 运营的持续成本是多少? 这些都是可以测试的东西，因为你可以实现一个原型, 你测试一下，看看会是什么样子. 然后你要想象它的规模. This is not the purview of one group within a company; it’s actually a companywide function.

克雷费兹：有数据支持ROI吗?

耆那教的: 我希望有更多. 这些都是早期的. 最近, 我和一家电信公司讨论了他们的一个用例, 他们问, “这些工具可用吗?我说：“它们可能正在开发中。. 我们提供平台的基础设施. 然后你可以在此基础上进行构建. 我们可以和你一起做，或者我们的合作伙伴可以和你一起做.”

即使是独立的软件公司，他们构建的工具，做很多这些功能都在同一个地方, 因为这项技术在去年刚刚以一种可行的形式出现.

克雷费兹：如果市场上没有特定的商业产品，那怎么办?

耆那教的: 有一种倾向是问, “如果没有这些工具, 我是不是应该再等几年，直到它们准备好，变得健壮起来?“过去，在某些情况下，正确的做法可能是静观其变. 但现在，每个人都需要参与进来. 这是一个可行的选择，因为你可以非常快速地执行、测试、制作原型并使用gen AI进行概念验证.

这并不意味着投入大量资金开发一种新能力. 你可以使用现有的平台和模型，非常快速地构建对话式人工智能界面或搜索功能. 你可以很快开始，今天就能看到它的功效和价值，而不必等待有人带着包装好的产品出现.

克雷费兹：似乎很多公司都宣布了将零售与流媒体整合在一起的产品.

耆那教的: 在相当长的一段时间里，将商品和商业整合成一个流一直是一个梦想, 大概20或30年. 很明显，每个人最先去的地方是体育，因为那里有很多商品. 观看比赛的球迷有一种交易和获得东西的欲望, 那么我们如何释放这个价值呢? 我想我们还会看到更多, “当我在看这部电影的时候, 我可以买我在屏幕上看到的那件毛衣或那双鞋吗?“现在还可以进行物体检测.

问题是, 你如何做到这一点，让观众不会失去观看的体验? 现在你会看到更多这样的体验，你点击，然后有一个覆盖, 或者它会改变观看屏幕，这样你就不会输掉正在观看的比赛, 但你可以在这里交易, 或者你也可以输入二维码，然后在手机上进行第二屏交易.

有很多不同的方式可以做到这一点. 您可以在应用程序中进行交易，也可以发送交易链接. 内容所有者和流媒体提供商实际上提供了完整的交易体验吗? 或者他们是否使用别人的存储功能通过API进行集成, 所以他们不需要担心基础设施和管理[个人身份资料] 以及交易数据? 我认为生成式人工智能将真正促进这一点，使这些事情更容易实现.

克雷费兹：人工智能将如何促进这一点呢?

耆那教的: 改变零售业的最重要的事情之一是对话式商务. 我现在可以与人工智能代理互动，帮助我找到我想要的产品, 我可以用一种非常自然的方式做到这一点, 这样我就不会被一些搜索体验分散注意力了. 就好像我有个门房可以帮我找到我要找的东西, 也许基于他们对我的了解, 我正在看的内容, 或者我所处的环境, 能建议更相关的产品吗.

我认为一直存在于数字媒体体验中的担忧是, “我不想让消费者从娱乐体验或他们正在消费的内容中分心. 我不想把他们从我的经历转移到别人的经历上. 我不想管理因为交易失败或因为他们被收取了他们不打算收取的费用而带来的负面体验的风险, 现在它和我的品牌联系在一起了.“作为IP所有者和内容提供商，我会考虑所有这些问题. 随着消费者体验的改善，这些风险会降低，我认为这是必然的.

克雷费兹：我们是否可以将大型语言模型（LLM）视为理解的技能, 沟通, 然后进行推断, 但是企业数据是企业的私有数据?

耆那教的: 这里有很多困惑. LLM将允许用例具有会话或搜索界面. 这是你试图从中得到答案的数据体. 这是你搜索的基础数据体, “使用大型语言模型来理解我在说什么，并将其转化为意图, 然后在这个受限的信息体中，这是私人的和专有的, 寻找答案, 然后转过身来，用一种可以理解的方式，通过大型语言模型将其传达回来.”

这些数据属于企业. 在我们的平台上, 它实际上不会泄漏到被冻结的大型语言模型中，也不会被它们使用. 他们没有接受你的数据训练. 我们的平台旨在为企业做好准备，这样您的数据就不会转移到其他地方.

克雷费兹：公司应该建立吗 一个LLM?

耆那教的: 大多数公司可能不应该考虑制作自己的大型语言模型或基础模型, 但他们应该考虑如何在品牌安全的情况下，以合适的成本为合适的用例找到合适的模型, 数据安全, privacy-compliant, 安全的方式.

克雷费兹：这又回到了一些公司将社交视为媒体竞争对手的问题上.

耆那教的: 我认为一些社交平台所做的是创造一个人工智能代理，一个助手. 传统媒体公司需要考虑在社交媒体上花费更多时间的这一代用户，以及如何向这些平台提供内容，并将其用作获取这些用户的渠道.

我认为人工智能肯定会发挥作用. 现在我们处于想法的空间，因为没有人真正实现我所见过的. 但我能否利用自己拥有的内容，让人工智能大规模地重新包装短格式内容，从而吸引社交平台上的用户?

这使得大规模的个性化成为可能, 我不能带着一群有创造力的人说, “给我一个15秒的制作，真正强调这部剧的惊悚方面.“这是一个非常宽泛的概括. 但想象一下，如果我能以一种更细致入微的方式来做，基于数据信号告诉我的，将与特定的观众产生共鸣. 这只是我认为媒体公司需要考虑人工智能和内容的一个例子, 和, 事实上, 品牌商和零售商也已经开始这么想了.