SAS 360 Marketing AI — czy marketerzy naprawdę przejmują modelowanie, czy tylko klikają ładniejszy przycisk

Marketer, który samodzielnie trenuje model uczenia maszynowego — bez działu data science, bez kolejki do analityka, bez tygodni oczekiwania na wynik. Brzmi jak coś, co powinno było się wydarzyć już dawno. I w pewnym sensie się wydarzyło: obietnicę „AI dla marketera bez kodu” słyszymy od co najmniej ośmiu lat, tylko za każdym razem podpisuje ją inny dostawca.

Tym razem to SAS, który 21 lipca ogłosił SAS 360 Marketing AI — rozwiązanie mające pozwolić marketerom budować modele predykcyjne (odejście klienta, skłonność do konwersji, next best offer) bez przenoszenia danych i bez zespołu analityków po drugiej stronie. Komunikat prasowy brzmi dokładnie tak, jak brzmią wszystkie tego typu komunikaty: „usuwa bariery między wnioskami a realizacją działań”, „upraszcza cały proces”, „zwiększa zwrot z inwestycji”. Słowa, po których nic nie zostaje w głowie.

Pytanie, które warto sobie zadać, nie brzmi „czy SAS mówi prawdę”. Brzmi: jak w ogóle odróżnić narzędzie, które faktycznie zdejmuje pracę z zespołu, od takiego, które tylko przenosi tę samą pracę w ładniejszy interfejs.

Problem nie jest nowy — nowi są tylko dostawcy

Zanim SAS wpadł na pomysł oddania modelowania marketerom, zrobił to Salesforce ze swoim Einstein (od 2016 roku wbudowanym w Marketing Cloud), Adobe z Sensei (od podobnego okresu, głęboko zintegrowanym z Experience Cloud) i całkiem niedawno HubSpot z Breeze — asystentem AI wpiętym w cały pakiet marketingowy. Każdy z nich w momencie premiery używał tego samego słownictwa: koniec z zależnością od data science, decyzje szybciej, kampanie skuteczniejsze.

To nie jest zarzut wobec SAS. To obserwacja, że „demokratyzacja AI w marketingu” to już nie trend — to segment rynku, w którym SAS właśnie postanowił zaistnieć, wchodząc na pole zajęte od lat przez graczy, którzy mają tam już zbudowaną bazę klientów. Różnica między tymi rozwiązaniami rzadko leży w haśle na stronie głównej. Leży w trzech miejscach, o które komunikat prasowy — żaden komunikat prasowy — nigdy nie zapyta sam z siebie.

Trzy pytania, które warto zadać zamiast czytać slajdy

• Kto faktycznie klika, a kto konfiguruje. „Marketer trenuje model” może oznaczać dwie zupełnie różne rzeczy. Może oznaczać, że marketer wybiera gotowy szablon scenariusza (SAS mówi wprost o „konfigurowalnych szablonach”) i klika „uruchom”. Może też oznaczać, że ktoś wcześniej — analityk, inżynier danych, czasem sam dostawca podczas wdrożenia — przygotował dane, cechy i logikę na tyle, że kliknięcie stało się trywialne. To nie jest to samo „przejęcie kontroli”, tylko dwa różne momenty, w których praca analityczna faktycznie się dzieje. Komunikat SAS nie mówi, ile z tej pracy dzieje się przed udostępnieniem szablonu, a ile w rękach marketera.
• Gdzie kończy się automatyzacja, a zaczyna czarna skrzynka. SAS deklaruje „procesy zrozumiałe i możliwe do wyjaśnienia” oraz mechanizmy „wykrywania i ograniczania stronniczości modeli”. To dobre hasła — i akurat w tym miejscu warto SAS pochwalić za samo ich wypowiedzenie, bo wielu dostawców tego segmentu pomija temat wyjaśnialności całkowicie. Ale „wyjaśnialny” i „faktycznie wyjaśniony marketerowi bez wykształcenia statystycznego” to dwie różne rzeczy. Test jest prosty: czy narzędzie pokazuje marketerowi, dlaczego dany klient dostał wysoki scoring ryzyka odejścia, czy tylko pokazuje liczbę.
• Co się dzieje, kiedy model zaczyna się mylić. Komunikat wspomina o „automatycznym ponownym trenowaniu” modeli. To brzmi uspokajająco, dopóki nie zapytamy, kto zauważa, że model zaczął się mylić, zanim zauważy to klient dostający absurdalną rekomendację. Automatyczne retrenowanie bez nadzoru człowieka rozumiejącego dane bywa gorsze niż brak automatyzacji — utrwala błąd szybciej, niż ktokolwiek zdąży go zauważyć.

Liczba, która robi robotę za cały komunikat

Jedna informacja w tym materiale zasługuje na uwagę bardziej niż reszta: przygotowanie danych pochłania podobno do 80% czasu pracy nad modelem. Ta liczba krąży w branży data science od lat i nie jest specyficzna dla SAS — to obserwacja dotycząca całego procesu budowy modeli predykcyjnych, niezależnie od dostawcy. Jeśli SAS 360 Marketing AI rzeczywiście skraca ten etap poprzez trenowanie modeli na danych „tam, gdzie już się znajdują” — bez eksportu i czyszczenia w osobnym środowisku — to jest to konkretna, sprawdzalna obietnica. Komunikat prasowy jej nie udowadnia. Pokazuje ją tylko jako slajd.

Dla kogo to ma sens

Jeśli w firmie już działa SAS Customer Intelligence 360, rozszerzenie o 360 Marketing AI to naturalny krok — integracja jest wtedy realna, nie deklaratywna. Jeśli firma zaczyna od zera i wybiera między SAS, Salesforce, Adobe a HubSpotem, decyzja nie powinna zapadać na podstawie komunikatu prasowego żadnego z nich, tylko na podstawie odpowiedzi na pytanie: ile pracy analitycznej dzieje się faktycznie za kulisami, zanim marketer zobaczy przycisk „uruchom”.

To pytanie nie pojawi się w żadnym materiale prasowym. Trzeba je zadać samemu — najlepiej przed podpisaniem umowy, nie po.