Tekoäly keksii yksityiskohdat, jos et kiellä sitä
Tein olemassa olevista tuotekuvista videon tekoälyllä. Ensimmäinen ajo näytti hyvältä ja meni silti roskiin: Malli oli muuttanut tuotteen yksityiskohtia. Näin sen sai kuriin.
Verkkokaupan sisältö loppuu aina kesken. Tuotekuvia on, videoita ei, ja uusi kuvaus maksaa aikaa ja rahaa. Siksi ajatus on houkutteleva: Otetaan olemassa olevat tuotekuvat ja annetaan tekoälyn tehdä niistä liikkuvaa.
Kokeilin tätä viime viikkoina kunnolla. Rakensin itselleni työkalun, joka tekee olemassa olevista tuotekuvista lyhyen pystyvideon. Se toimii. Mutta se, mikä hommassa oikeasti vei ajan, ei ollut videon tekeminen.
Malli ei tiedä, mikä tuotteessa on totta
Ensimmäinen ajo näytti hyvältä. Kuva oli terävä, valo kohdallaan, kamera liikkui pehmeästi. Hylkäsin sen silti. Kamera kaarsi selvästi enemmän kuin olin pyytänyt, ja tuotteeseen oli ilmestynyt muotoja, joita siinä ei oikeasti ole.
Tässä on generatiivisten mallien tylsä totuus: Ne osaavat tunnelman, mutta eivät laskemista. Yksityiskohtien määrä ja tarkka muoto ovat juuri niitä asioita, jotka malli muuttaa huomaamatta. Tunnelmakuvassa sillä ei ole väliä. Oikean tuotteen kohdalla on, koska asiakas tilaa sen tuotteen, jonka näki.
Kolme asiaa, jotka käänsivät tuloksen
- Rooli jokaiselle referenssikuvalle. Yksi kuva on tuotteen identiteetti, eli ainoa lähde sille, miltä tuote näyttää. Toinen kuva saa vaikuttaa vain ympäristöön ja valoon, ei koskaan itse tuotteeseen. Ilman rooleja malli sekoittaa ne keskenään.
- Kirjattu lista siitä, mikä ei saa muuttua. Ei ”säilytä tuotteen ilme”, vaan nimetty lista: Laskettavat yksityiskohdat, mittasuhteet ja rungon muoto. Malli noudattaa sitä, mikä on sanottu ääneen, ei sitä, minkä oletat olevan itsestään selvää.
- Tarkistus ruutu kerrallaan. Katsoin yksittäisiä pysäytyskuvia pitkin klippiä enkä kokonaisvaikutelmaa. Yleisvaikutelma näyttää melkein aina hyvältä. Virheet näkyvät vasta, kun video pysäytetään.
Kun jokin kohta silti meni pieleen, en tehnyt koko videota uusiksi. Pidin hyvän alun ja korjasin vain sen jakson, joka ei kelvannut. Se on halvempaa ja nopeampaa kuin arpoa koko ajo uudelleen ja toivoa parempaa.
Mitä se muutti
En väitä, että tämä säästäisi jonkin tietyn tuntimäärän. Kaksi asiaa muuttui silti konkreettisesti. Sisältö syntyy nyt aineistosta, joka on jo olemassa, eikä vaadi uutta kuvausta. Ja hyväksyminen tai hylkääminen ei ole enää makuasia, vaan tarkistuslista, jonka kuka tahansa voi käydä läpi.
Ihminen katsoo lopputuloksen silti ennen kuin se menee minnekään oikean tuotteen viereen. Se ei ole varmuuden vuoksi. Se on siksi, että malli erehtyy juuri niissä yksityiskohdissa, joita asiakas vertaa tilatessaan.
Lopuksi kirjoitin koko menetelmän erilliseksi ohjeeksi, joka ei ole sidottu yhteen malliin tai palveluun. Jälkikäteen ajateltuna se oli koko homman arvokkain osa. Yksi hyvä video on yksi video. Kirjattu menetelmä toistuu.
Mitä tästä kannattaa ottaa käyttöön
Tää ei koske vain videoita. Sama pätee tuotetekstiin, raporttiin ja mihin tahansa tehtävään, jossa tekoäly käsittelee tietoa oikeista asioista.
Ota tällä viikolla yksi tehtävä, jossa jo käytät tekoälyä, ja kirjoita siitä kaksi listaa. Ensimmäinen: Mikä tässä ei saa koskaan muuttua. Toinen: Miten tarkistan, että se ei muuttunut. Jos toista listaa ei pysty kirjoittamaan, tehtävä ei ole vielä valmis automatisoitavaksi. Se tieto yksin säästää enemmän aikaa kuin yksikään uusi työkalu.