เอเจนซีต้องใช้เครื่องมือ AI อะไรบ้าง น้อยกว่าที่หลายคนคิด – แต่ต้องเชื่อมต่อกันดีกว่า คอขวดแทบไม่เคยเป็นเครื่องมือที่ขาดหายไป แต่คือการเชื่อมต่อที่ขาดหาย ข้อมูลกระจายอยู่ในห้าระบบ ทุกทีมมีแชตบอตตัวโปรดของตัวเอง และสุดท้ายก็มีใครสักคนต้องแปะภาพหน้าจอลงในสไลด์
ขณะเดียวกัน กลุ่มเอเจนซีรายใหญ่กำลังเดิมพันกับการเชื่อมต่อมากกว่าความหลากหลาย ตามรายงานของ Digiday Carat เอเจนซีสื่อของ Dentsu กำลังพัฒนาเอเจนต์สำหรับการวางแผน การซื้อ และการปรับแต่งประสิทธิภาพในช่วง upfronts ร่วมกับ NBCUniversal, FreeWheel และบริษัท AI อย่าง Newton ส่วน Tinuiti เปิดตัวเซิร์ฟเวอร์ MCP สำหรับโซลูชันวัดผล Bliss Point ซึ่งเปิดเลเยอร์การวัดผลให้เอเจนต์ AI เข้าถึงได้ และรวมข้อมูลกลุ่มเป้าหมาย ครีเอทีฟ สื่อ และการวัดผลไว้ในที่เดียว และ WPP Media ย้ำว่า “ธรรมาภิบาลและความรับผิดชอบของมนุษย์เป็นหัวใจของการซื้อสื่อด้วยเอเจนต์”
ทำไมเครื่องมือ AI ที่มากขึ้นจึงมักให้ผลน้อยลง
เพราะเครื่องมือใหม่ทุกตัวสร้างเกาะใหม่ขึ้นมาอีกเกาะหนึ่ง เครื่องมือ social listening รู้บทสนทนาแต่ไม่รู้ข้อมูลสื่อ แชตบอตเขียนได้ยอดเยี่ยมแต่ไม่รู้อะไรเกี่ยวกับลูกค้า เครื่องมือรายงานมีตัวเลขแต่ไม่มีบริบท มีมนุษย์เป็นคนเชื่อมทุกอย่างเข้าด้วยกัน – ด้วยการคัดลอกและวาง
แล้วก็ยังมีต้นทุนแอบแฝง ไลเซนส์ที่ซ้ำซ้อนกัน การปฐมนิเทศการใช้งานสำหรับทุกแดชบอร์ด Shadow AI หรือบัญชีส่วนตัวที่ข้อมูลลูกค้าไหลผ่านโดยไม่มีใครอนุมัติ และความรู้ที่ขึ้นอยู่กับคนคนเดียวที่รู้ว่าพรอมต์ไหนใช้ได้ผลในเครื่องมือไหน
สำหรับเอเจนซีในเยอรมนี ซึ่งลูกค้าพิจารณาเรื่องการคุ้มครองข้อมูลและอธิปไตยทางข้อมูลอย่างเข้มงวด ความกระจัดกระจายนี้ไม่ได้แค่ขาดประสิทธิภาพ แต่เป็นความเสี่ยงที่จะถูกเปิดโปงในแบบสอบถามการพิตช์ครั้งต่อไป
ทำไมภาพรวมจึงมากกว่าผลรวมของเครื่องมือ
ทฤษฎีระบบให้คำอธิบายง่าย ๆ ว่า ระบบมีค่ามากกว่าผลรวมของส่วนประกอบ เพราะประสิทธิภาพของระบบมาจากความสัมพันธ์ระหว่างส่วนต่าง ๆ วงออร์เคสตราที่เต็มไปด้วยนักเดี่ยวฝีมือเยี่ยมแต่ไม่มีโน้ตเพลงร่วมกัน จะไม่ฟังเป็นซิมโฟนี แต่ฟังเหมือนกำลังจูนเครื่องดนตรี
เมื่อนำมาใช้กับชุดเทคโนโลยีของเอเจนซี หมายความว่าคุณภาพของเครื่องมือ AI แต่ละตัวบอกอะไรได้น้อยมากเกี่ยวกับประสิทธิภาพของภาพรวม สิ่งที่สำคัญคือข้อมูล เครื่องมือ และผู้คนสื่อสารกันหรือไม่ เครื่องมือเพียงลำพังประพันธ์ผลงานชิ้นเอกไม่ได้ ความกลมกลืนเกิดจากการเล่นประสานเสียงเป็นหนึ่งเดียว
นั่นคือเหตุผลที่ปัญหามักไม่ได้อยู่ที่เทคโนโลยีแต่อยู่ที่สถาปัตยกรรม คนซื้อเครื่องดนตรีมาแต่ลืมโน้ตเพลง
MCP คืออะไร – และทำไมจึงสำคัญสำหรับเอเจนซี
MCP ย่อมาจาก Model Context Protocol เป็นมาตรฐานเปิดที่ช่วยให้ผู้ช่วย AI เช่น Claude เข้าถึงแหล่งข้อมูลและเครื่องมือภายนอกได้ ลองนึกถึงเต้ารับสากล แทนที่จะสร้างการเชื่อมต่อหรือแดชบอร์ดแยกสำหรับแหล่งข้อมูลแต่ละแห่ง ผู้ช่วยคุยกับทุกแหล่งผ่านอินเทอร์เฟซเดียว
สำหรับเอเจนซี สิ่งนี้เปลี่ยนตรรกะทั้งหมด ที่ผ่านมา การเชื่อมต่อหมายถึงการส่งออกข้อมูล โหลดเข้าเครื่องมือ แล้วคัดลอกผลลัพธ์กลับออกมา ด้วย MCP ข้อมูลยังอยู่ที่เดิม และทีมถามคำถามในที่ที่ทำงานอยู่แล้ว “คู่แข่งส่งข้อความอะไรบ้างตั้งแต่ต้นเดือนตุลาคม” กลายเป็นคำถามในแชต ไม่ใช่ตั๋วงานส่งถึงทีมอินไซต์
Defy MCP ทำงานแบบนั้นเป๊ะ ทีมสอบถามข้อมูลคู่แข่ง กลุ่มเป้าหมาย และบทสนทนาโดยตรงใน Claude – เหมือนถามเพื่อนร่วมงาน โดยไม่ต้องเรียนรู้แดชบอร์ดใหม่ การที่ Tinuiti เปิดข้อมูลการวัดผลให้เอเจนต์ AI ในแบบเดียวกันบ่งชี้ทิศทางของวงการ: ข้อมูลไม่ถูกขังอยู่ในแดชบอร์ดอีกต่อไป แต่ถูกทำให้สอบถามได้
เครื่องมือที่กระจัดกระจายหรือชุดเครื่องมือที่เชื่อมต่อกัน: เปรียบเทียบ
| มิติ | เครื่องมือที่กระจัดกระจาย | ชุดเครื่องมือที่เชื่อมต่อด้วย MCP |
|---|---|---|
| การเข้าถึงข้อมูล | ส่งออกไฟล์ คัดลอกและวาง ภาพหน้าจอ | ผู้ช่วยสอบถามแหล่งข้อมูลโดยตรง |
| เส้นโค้งการเรียนรู้ | หนึ่งแดชบอร์ดต่อหนึ่งเครื่องมือ | อินเทอร์เฟซเดียว ถามด้วยภาษาธรรมชาติ |
| การตรวจสอบย้อนกลับ | ผลลัพธ์ที่มองไม่เห็นที่มา | ตรวจสอบคำตอบย้อนกลับไปถึงแหล่งที่มาได้ |
| ธรรมาภิบาล | บัญชีส่วนตัว การอนุมัติที่ไม่ชัดเจน | สิทธิ์การเข้าถึงแบบรวมศูนย์และกฎการอนุมัติที่ชัดเจน |
| ความรู้ของทีม | อยู่กับตัวบุคคล | พรอมต์และเวิร์กโฟลว์ที่นำกลับมาใช้ซ้ำได้ |
| ต้นทุน | ไลเซนส์ซ้ำซ้อน | เครื่องมือน้อยลง ใช้ลึกขึ้น |
จะเชื่อมต่อเครื่องมือ AI ใน 6 ขั้นตอนได้อย่างไร
- ตรวจนับเครื่องมือ ใครใช้เครื่องมือ AI ตัวไหน เพื่อทำอะไร กับข้อมูลอะไร ถามเรื่องบัญชีส่วนตัวอย่างตรงไปตรงมา – โดยไม่กล่าวโทษ มิฉะนั้นจะไม่ได้คำตอบที่จริงใจ
- เลือกสามจุดที่เสียเวลา ตัวอย่างทั่วไปคือการตรวจสอบคู่แข่ง รายงานรายเดือน และการค้นคว้าสำหรับพิตช์ บันทึกว่าปัจจุบันแต่ละงานใช้เวลานานเท่าไร
- เลือกอินเทอร์เฟซเดียว ตัดสินใจว่าทีมจะทำงานกับ AI ที่ไหน อินเทอร์เฟซเพิ่มเติมทุกตัวต้องมีเหตุผลที่ดีรองรับ
- เชื่อมต่อข้อมูลแทนการคัดลอก ตรวจสอบว่าแหล่งข้อมูลใดสอบถามโดยตรงผ่าน MCP หรืออินเทอร์เฟซอื่นได้ สิ่งใดที่ใช้ได้เฉพาะการส่งออกไฟล์ ให้ใส่ไว้ในรายการสำหรับทำภายหลัง
- กำหนดกฎก่อนเปิดใช้งานจริง ตัดสินใจว่าผลลัพธ์ใดที่มนุษย์ต้องตรวจก่อนส่งให้ลูกค้า ใครอนุมัติค่าใช้จ่าย และข้อมูลลูกค้าใดนำเข้าระบบใดได้บ้าง เจ้าหน้าที่คุ้มครองข้อมูลของคุณควรอยู่ในวงหารือนี้ด้วย
- ทดลองนำร่อง วัดผล และเคลียร์ทิ้ง ทดสอบหกสัปดาห์กับลูกค้าหนึ่งราย เปรียบเทียบกับเวลาที่บันทึกไว้ในขั้นตอนที่ 2 – แล้วยกเลิกเครื่องมือที่ไม่มีใครคิดถึง
เอเจนซีอิสระเรียนรู้อะไรจากกลุ่มโฮลดิ้งคอมพานีได้บ้าง
สิ่งที่โดดเด่นในรายงานของ Digiday ไม่ใช่เทคโนโลยีเท่ากับน้ำเสียง กลุ่มเอเจนซีขายเอเจนต์ของตนด้วยจุดขายเรื่องการควบคุม ตามรายงานของ Digiday WPP Media กำหนดให้มีการควบคุมที่ชัดเจน เกณฑ์การอนุมัติ และการกำกับดูแลโดยมนุษย์ที่รับผิดชอบได้ สำหรับการตัดสินใจด้านการเงินและการเปิดใช้งานแคมเปญ ส่วนที่ Dentsu แนวทางคือทุกอย่างยังต้องอาศัยการกำกับดูแลโดยมนุษย์
นี่คือบทเรียนสำหรับเอเจนซีอิสระ ลูกค้าลังเลเพราะกลัวสูญเสียการควบคุมมากกว่าเพราะตัวเทคโนโลยี หากคุณอธิบายได้ว่าใครตรวจผลลัพธ์ชิ้นไหน ข้อกล่าวอ้างมาจากไหน และข้อมูลอยู่ที่ใด คุณจะได้รับความไว้วางใจ – ไม่ว่าองค์กรจะใหญ่เล็กเพียงใด
ความแตกต่างคือ กลุ่มโฮลดิ้งคอมพานีสร้างชุดเทคโนโลยีด้วยงบพัฒนาก้อนใหญ่ ส่วนเอเจนซีอิสระต้องผสมผสานอย่างชาญฉลาดกว่า แพลตฟอร์มที่รวมข้อมูล การสอบถาม และระบบอัตโนมัติไว้ด้วยกัน เช่น แพลตฟอร์ม Defy เป็นหนทางหนึ่งในการไปถึงระดับใกล้เคียงกันโดยไม่ต้องมีทีมดาต้าไซเอนซ์ในองค์กร
ควรถามผู้ให้บริการ AI ทุกรายว่าอย่างไร
- ข้อมูลของคุณสอบถามผ่าน MCP หรืออินเทอร์เฟซแบบเปิดอื่นได้หรือไม่ – หรือได้เฉพาะในแดชบอร์ดของคุณเอง
- เราตรวจสอบทุกข้อกล่าวอ้างของระบบย้อนกลับไปถึงแหล่งที่มาได้หรือไม่
- ข้อมูลถูกจัดเก็บที่ไหน ใครเข้าถึงได้ และพรอมต์ของเราจะเกิดอะไรขึ้น
- เครื่องมือนี้แทนที่เวิร์กโฟลว์ใดจริง ๆ – และเราจึงยกเลิกเครื่องมือเดิมตัวไหนได้
หากไม่ได้คำตอบสำหรับคำถามสุดท้าย คุณไม่ได้กำลังซื้อเครื่องมือ – แต่ซื้อเครื่องดนตรีอีกชิ้นที่ไม่มีโน้ตเพลง
