Ogni addetto ai lavori nel campo della comunicazione è quotidianamente alla prese con la creazione di contenuti che catturino l'attenzione del pubblico. Sa di avere nel suo archivio foto, testi, video che potrebbero aiutarlo a creare sempre nuovi contenuti ma, al pensiero di mettersi a cercare in cartelle e sotto cartelle alla ricerca di una particolare immagine o di un testo specifico, preferisce ogni giorno sperimentare qualcosa di nuovo. Con un inevitabile aumento di costi.
Taggare o aggiungere informazioni alle risorse aziendali già presenti è comunque un costo in termini di tempo che non tutte le aziende sono disposte ad affrontare. La tecnologia moderna, con i nuovi algoritmi di intelligenza artificiale sviluppati, viene incontro anche a necessità come quelle di riconoscere se un'immagine rappresenta una persona, un paesaggio o tutti e due e di conseguenza arricchire di nuove informazioni le risorse digitali.
Immaginate di voler creare un contenuto che parli del colore moda del momento, e di dover cercare nel vostro server tutte le immagini che hanno al loro interno proprio quel colore.
Quante di queste riportano nel nome del file il colore che state cercando? Quante di queste sono state inserite in cartelle il cui nome riporta il colore che state cercando? Se le risposte a queste due domande sono "Non lo so" forse è il caso di iniziare a pensare ad inserire nei propri strumenti un Digital Asset Management e di popolarlo sfruttando tutte le potenzialità dell'intelligenza artificiale.
- Come essere sicuri che i tag e i metadati associati dall'AI alle risorse presenti nel DAM rispettino le linee guida aziendali?
In un DAM si può impostare una determinata tassonomia strettamente correlata all'ambito aziendale. Questo però potrebbe comportare la perdita di altre preziose informazioni nel momento in cui l'AI chieda di inserire nuovi tag non presenti nella tassonomia preimpostata. Un'ulteriore alternativa potrebbe essere quella di istruire l'AI in modo che aumenti autonomamente il numero di tag rimanendo sempre nelle linee guida inizialmente impostate.
- Si possono ottenere tag in lingue diverse rispetto a quella di sistema del DAM?
Sì, è possibile in due modi: utilizzando direttamente i vocabolari proposti dal fornitore dell'algoritmo di AI applicato al DAM o raccogliendo tutti i tag creati e traducendoli con la tecnologia proposta da Google. Questa seconda opzione viene di solito presa in considerazione in quei casi in cui serva avere i tag in una lingua minore, di solito non prevista dai maggiori fornitori di AI.
- I tag associati alle risorse possono essere esportati in altri sistemi come ad esempio un CMS?
Sì. Grazie alle API messe a disposizione dal DAM, è possibile esportare informazioni come tag e metadati per gestire canali di uscita con molta facilità. Un tag relativo ad una categoria di prodotti associato ad una determinata risorsa può fare in modo, secondo le impostazioni del CMS, che questa venga pubblicata nella categoria corretta senza un ulteriore intervento manuale.
- È possibile istruire un algoritmo AI utilizzando contenuti specifici dell'azienda?
Sì. Dato un set campione di immagini con le rispettive descrizioni è possibile addestrare il motore di AI affinché applichi tag simili per immagini che riportano contenuti simili. Questo consente inoltre, in fase di ricerca di ottenere nei risultati risorse che potrebbero trovarsi in cartelle diverse all'interno dell'archivio digitale.
I clienti con cui lavora quotidianamente GMDE sono più di 100 e... sono tutti soddisfatti
Vai all'elenco completo
GMDE ha ottenuto le seguenti certificazioni e collaborazioni
