2023年新年伊始，企业和公众对生成式人工智能的兴趣突然高涨，这标志着该技术的认知度取得了突破。IDC预计，随着生成式AI的成熟，将有专门针对零售和制造等行业的生成式人工智能服务和产品，以及专门针对客户服务、人力资源和IT支持等横向功能的生成式人工智能服务。更多场景的人工智能语言服务和平台将在未来12-24个月内涌入市场，实现软件行业的从数字辅助到软件开发的变革。
目前，企业软件巨头纷纷排队强调他们正在迅速将生成式人工智能技术融入其核心产品。例如Salesforce于2023年3月7宣布了Einstein GPT，并将其称为“世界上第一个生成式人工智能客户关系管理技术，可以在每一个销售、服务、营销、商业和IT交互中以超大规模提供人工智能创建的内容“。
生成式人工智能对首席营销官（CMO）的意义不仅在于它的存在，还在于它已经进入了一个令人印象深刻的成熟阶段。曾经仅限于资金雄厚的OpenAI和大模型开发公司的实验室产品，逐步成为可以通过如微软、谷歌、Salesforce、Adobe等战略软件提供商来购买的标准化服务产品。咨询公司、系统集成商和数字代理机构组成的生态系统也正在不断壮大，通过帮助CMO构思、计划、试点、推出并支持这种潜在的颠覆性技术。
IDC给CMO应该如何利用
生成式人工智能技术的建议
生成式AI可以生成实时和高度个性化的沟通信息，同时具有强大的研究和演示能力，可以帮助营销人员在营销周期的早期阶段，即诊断和战略阶段提供决策支持。如果从最广泛的意义上将营销视为“从最终结果的角度来看整个业务，即从客户视角进行产品的销售”，那么营销人员所经历的典型业务旅程就包括：市场研究、市场细分、市场定位、品牌定位、产品定价、广告、分销等不同的工作环节。在这个旅程中，生成式AI与其他技术相结合，可以发挥潜在的变革作用。
01、市场研究
市场研究可能是生成式人工智能潜力最大的领域。研究通常是营销周期中资金最不足甚至被忽视的阶段。虽然生成式人工智能很难进行人类学领域的研究，但它可以通过挖掘大量数据和已发表的研究，以及总结研究结果并提出结论和行动，来改变营销人员旧的研究方法。还可以根据对实时消费者和商业数据的分析，识别快速变化的行业新趋势，并预测市场变化。
02、市场细分
生成式人工智能可能能够帮助营销人员更好地细分市场，例如，通过客户数据平台的信息，帮助他们研究消费者和商业买家的行为和态度，并提供证据，帮助营销人员创建更好的细分市场。
03、市场定位
目标市场定位是关于选择进入哪些细分市场和忽略哪些细分市场，这是一项高战略性的营销活动。在这里，生成式人工智能的强大研究能力能够帮助营销人员测试——并在理想情况下判断哪些细分市场是现在和未来最有利可图、增长最快的。
04、品牌定位
生成式AI可能在品牌定位方面贡献最少，往往自己的品牌在潜在客户心目中代表什么是由营销人员决定的。然而，生成式人工智能有可能根据其对组织销售的产品、目标人群以及竞争对手如何成功或不成功的研究和分析，在定位建议方面发挥作用。
05、产品创作和管理
生成式人工智能机器人有可能通过对文本、图像和视频的分析和操作，帮助产品设计师构思和初步设计新产品，例如在时尚和快速消费品行业。Adobe已经在它的创意工具中率先做到了这一点。生成式人工智能也有可能在缩短某些行业产品的研发阶段方面发挥作用，例如帮助制药行业缩短开发周期时间。
06、定价
营销人员经常出错的一个领域是定价，经常低估或高估产品，或者过早或太晚改变价格。虽然定价不太可能成为生成式人工智能的核心焦点，但该技术可能会帮助营销人员和产品经理，以证据为基础挑战他们对定价的假设。并且在价格定期波动的产品的情况下，预测供需变化进行价格调整。
07、分销
渠道和物流领域可能不是生成式人工智能发挥最大作用的地方，但该技术有可能帮助营销人员提供基于证据的渠道优化建议，它还将帮助营销人员通过分析数据，包括：消费者行为、天气模式和监管变化等数据，为需求来源做好准备。
08、传播
在大规模部署生成式人工智能方面，最有潜力的营销领域可能是人们最常联想到的营销传播领域。生成式人工智能可用于创建高度个性化、独特和及时的营销和广告内容，以实现品牌建设和销售激活的目的。基于对大量数据分析，这些数据不仅包括第一方和第三方客户数据，还包括一系列信号，包括定价和市场数据、物流和供应链数据、社会经济和政治事件以及天气数据。最重要的是，可以以人类无法比拟的速度、规模和成本实现这一目标。Adobe和Salesforce等老牌软件供应商已经将生成式人工智能作为标准选项纳入其企业软件套件，而更多基于人工智能的营销管理软件，开发了可以为营销人员撰写博客、营销文案、电子邮件等SaaS服务。
IDC对于生成式AI技术的应用风险提示
与任何新技术一样，生成式人工智能在给企业带来机遇和优势的同时，也会给企业带来成本和风险。这些潜在的风险和成本包括：
- 对品牌的误解：生成式AI毕竟不是人类，在理解人类的情感和情景上，仍然可能存在偏差，这需要人工审核、监督和指导。
- 算力成本：生成式人工智能需要密集的计算能力，这意味着在全新的数据中心和网络活动中可能会消耗大量的碳排放能源。虽然使用成本很低，但其创建成本很高，作为高碳消费，可能给会品牌带来负面效应。
- 先行成本：早期用户会付出更高的成本，但创建的差异化竞争优势需要企业去评估，如果不影响企业声誉和财务安全，可以在其成为必要工具前拥有并尝试。