在OMD EMEA，我们正在积极寻求一种数据战略，该战略结合了人类的最佳创造力，创造力和解决问题的能力，并具有基于机器驱动，基于AI的预测分析提供决策的可扩展性和速度。
许多人讨论将AI和机器学习过程引入广告和通信中，只是作为两种行业原型的融合。“技巧怪胎”和“创意沙皇”，让人联想到尴尬的闲聊，语言障碍以及在迎合两种不同外来物种的社交活动中不舒服的互动类型的图像。
这没有捕捉到行业中正在发生的现实。
从本质上讲，在现实世界中开发AI的过程意味着来自真实人的大量投入。为了使AI成为现实，您需要具有各种专业知识的熟练人员来设置支持机器驱动的智能所需的条件。重要的是要认识到这一现实，因为这些人将逐步弥合差距。我们为客户开发了几种解决方案，这些解决方案利用了大型连接的数据集和先进的建模技术，可以跨渠道大规模地进行预测性个性化。基于这种经验，我们对人机交互的理解。
在预测分析的先锋队工作通常需要对机构内部的资源进行根本性的重组。我们需要一支由各种专家组成的，高度集成的多元化团队。数据工程;数据科学;广告运营和标签管理;动态的创意优化;营销自动化;以及隐私和合规性。建立AI驱动的战略的基础并执行这些任务的复杂性意味着，最好利用敏捷项目管理技术并与供应商保持密切的关系，为这些人彼此紧密合作提供最佳服务。该团队的外观和行为与传统的代理商计划和购买团队截然不同。
建模行为
根据历史行为，开发能够预测下一个最佳内容以向用户展示或进入其的最佳渠道的AI模型并非易事。预测建模需要大量的准备和维护，并且每天都会带来抽象的，多方面的挑战。我们在面对开发“数据驱动的必杀技”的实际现实时所面临的挑战主要围绕数据集的收集，规范化，匹配和结构化。这是机器学习过程甚至还没有开始的时候。
在开发和维护机器学习模型的整个过程中，人类的参与是巨大的。见解生成，解释，模型操纵，合作伙伴关系管理以及解决技术与数据合作伙伴之间的互操作性的问题推动了我们对高技能数据和技术专家的需求。
就像人类文明过去的许多创新一样，我们不仅仅是在寻求使用技术以更有效的方式解决旧问题的方法，还不是由机械和自动化人员来完成繁琐而繁琐的任务。我们还正在调整这些新功能，以尝试回答新问题或解决以前我们无法影响的问题。这需要重大的战略规划，并且需要对数据和技术生态系统有深入的了解。
在许多情况下，不是由AI模型的开发引起了大部分工作，而是知道何时以及如何应用它们。