Η ραγδαία αύξηση αυτοματοποιημένων, AI-παραγόμενων podcasts κατακλύζει τις πλατφόρμες, αλλοιώνει τα παραδοσιακά μοτίβα ανακάλυψης και δημιουργεί ένα νέο μοντέλο κερδοφορίας μέσω κλίμακας με ελάχιστη ανθρώπινη συμμετοχή.
Φαίνεται πως η άνοδος της τεχνητής νοημοσύνης δεν οδηγεί μόνο σε «slop» μουσικής στις υπηρεσίες streaming, αλλά και σε σοβαρή αύξηση αυτοματοποιημένου podcast περιεχομένου που κατακλύζει το ηχητικό τοπίο.
Το φαινόμενο δεν περιορίζεται στη μουσική βιομηχανία. Ένας ολοένα και μεγαλύτερος όγκος podcast που παράγονται ή συναρμολογούνται με εργαλεία τεχνητής νοημοσύνης αρχίζει να αλλάζει τον τρόπο με τον οποίο δημιουργοί και ακροατές ανακαλύπτουν νέο περιεχόμενο.
Καθώς οι κατάλογοι διογκώνονται, οι παραδοσιακές μέθοδοι discovery δυσκολεύονται να ξεχωρίσουν την ανθρώπινη δουλειά από τη μαζική αυτοματοποίηση. Αυτό έχει άμεση επίπτωση στην ορατότητα, την κατάταξη και, τελικά, στα έσοδα.
Τα δεδομένα που δείχνουν την έκταση του «podslop»
Η αυξανόμενη τάση του «podslop» αναδείχθηκε μέσα από στοιχεία του Podcast Index, μιας open-source πλατφόρμας παρακολούθησης, και στη συνέχεια καλύφθηκε από το Bloomberg. Τα ευρήματα δείχνουν πόσο γρήγορα μπορεί να κλιμακωθεί η παραγωγή περιεχομένου όταν η δημιουργία γίνεται κυρίως από μηχανές.
Σε ένα ιδιαίτερα ενδεικτικό δείγμα, μέσα σε διάστημα μόλις εννέα ημερών, σχεδόν το 39% των νέων podcast feeds εντοπίστηκε ως δυνητικά AI-παραγόμενο. Πρόκειται για ποσοστό που, ακόμη κι αν δεν σημαίνει ότι όλα είναι 100% αυτοματοποιημένα, δείχνει την κατεύθυνση της αγοράς.
Με τόσο υψηλούς ρυθμούς ανάρτησης, το πρόβλημα δεν είναι μόνο η ποσότητα. Είναι και το ότι η μαζική παραγωγή επηρεάζει τους μηχανισμούς εύρεσης, καθώς οι καταλόγοι γεμίζουν με παρόμοια, επαναλαμβανόμενα shows.
Στόχευση σε δημοφιλείς αναζητήσεις και «εύκολα» θέματα
Σύμφωνα με τα ίδια δεδομένα, πολλά από τα AI-παραγόμενα shows φαίνεται να στοχεύουν λέξεις-κλειδιά υψηλού όγκου. Ενδεικτικά, εμφανίζονται συχνά θεματικές όπως υγεία και ευεξία ή βιογραφίες διασημοτήτων.
Η λογική είναι απλή. Όσο πιο δημοφιλής είναι ένας όρος αναζήτησης, τόσο μεγαλύτερη η πιθανότητα να βρεθεί το podcast σε προτάσεις, καταλόγους και αποτελέσματα. Αυτό δημιουργεί ένα κίνητρο για παραγωγή μεγάλου αριθμού επεισοδίων με μικρή διαφοροποίηση, ώστε να «πιάνουν» όσο το δυνατόν περισσότερα queries.
Στην πράξη, το κοινό μπορεί να έρχεται αντιμέτωπο με πολλαπλές εκπομπές που μοιάζουν μεταξύ τους. Οι δημιουργοί, από την άλλη, βλέπουν τον ανταγωνισμό να γίνεται θέμα κλίμακας και όχι απαραίτητα ποιότητας.
Πλατφόρμες και σήμανση
Ορισμένες πλατφόρμες έχουν αρχίσει να αναζητούν τρόπους διαφάνειας. Για παράδειγμα, τα Apple Podcasts ζητούν από τους δημιουργούς να δηλώνουν αν ένα σημαντικό μέρος της εκπομπής τους έχει δημιουργηθεί με τη χρήση AI.
Άλλες υπηρεσίες κινούνται διαφορετικά. Το Spreaker, για παράδειγμα, έχει ξεκινήσει να επισημαίνει χειροκίνητα περιεχόμενο ως AI-παραγόμενο.
Παρόλα αυτά, ο ρυθμός παραγωγής είναι τόσο γρήγορος που η ανθρώπινη εποπτεία δυσκολεύεται να συμβαδίσει. Όταν μπορούν να δημοσιεύονται μαζικά νέα feeds, η χειροκίνητη επισήμανση μετατρέπεται σε έναν αγώνα που ξεκινά ήδη με μειονέκτημα.
Γιατί τα AI podcasts είναι πιο εύκολη «μπίζνα» από την AI μουσική
Σε αντίθεση με την AI-παραγόμενη μουσική, όπου υπάρχει ο κίνδυνος παραβίασης πνευματικών δικαιωμάτων, τα AI-παραγόμενα podcasts είναι πολύ ευκολότερο να δημιουργηθούν και υπάρχει χρήμα όταν αυτό γίνεται «καλά».
Ένα μεγάλο μέρος της κερδοφορίας συνδέεται με την ικανότητα να καλύπτονται γρήγορα πολλά θέματα και να αξιοποιείται η επισκεψιμότητα από αναζητήσεις. Παράλληλα, τα προγραμματικά (programmatic) διαφημιστικά έσοδα λειτουργούν ως επιπλέον κίνητρο, ειδικά όταν η παραγωγή μπορεί να γίνει με ελάχιστη ανθρώπινη συμμετοχή.
Η αυτοματοποίηση επιτρέπει σε δίκτυα να πειραματίζονται με δεκάδες ή εκατοντάδες formats, χωρίς το κόστος που θα απαιτούσε μια ανθρώπινη ομάδα. Έτσι, η στρατηγική μετατρέπεται σε «ποσότητα πρώτα», με στόχο να αποδώσει η κλίμακα.
Μαζική παραγωγή επεισοδίων με ελάχιστο κόστος
Δίκτυα που χρησιμοποιούν εργαλεία AI για τη δημιουργία περιεχομένου μπορούν να παράγουν χιλιάδες επεισόδια την εβδομάδα, με κόστος που μπορεί να φτάνει ακόμη και το ένα δολάριο ανά επεισόδιο. Σε ορισμένες περιπτώσεις, έχουν ήδη δημιουργηθεί χαρτοφυλάκια με πάνω από 4.000 shows.
Ένα τέτοιο workflow βασίζεται στην κλιμάκωση: πολλά επεισόδια, πολλά feeds, πολλές πιθανότητες να «κάτσει» κάποιο θέμα ή λέξη-κλειδί. Με αυτό το μοντέλο, τα έσοδα μπορούν να προκύψουν από την καθαρή ποσότητα, κάτι που τα ανθρώπινα podcasts δεν μπορούν εύκολα να ανταγωνιστούν.
Αυτό συμβαίνει ακόμη κι αν τα AI-παραγόμενα podcasts είναι συνήθως χαμηλότερης ποιότητας από τις περισσότερες εναλλακτικές με ανθρώπινο παρουσιαστή. Η αγορά, όμως, δεν επιβραβεύει πάντα πρώτα την ποιότητα, ειδικά όταν ο στόχος είναι η κατάκτηση χώρου στα αποτελέσματα αναζήτησης και στις προτάσεις.
Χρήσιμες εφαρμογές της AI, πέρα από το spam
Η επιθυμία επιτάχυνσης και απλοποίησης της παραγωγής δεν σημαίνει ότι η AI είναι μόνο πρόβλημα. Υπάρχουν και περιπτώσεις όπου η τεχνολογία λειτουργεί ως εργαλείο που επιτρέπει την επεξεργασία μεγάλων όγκων πληροφορίας, κάτι που θα ήταν δυσβάσταχτο για έναν άνθρωπο.
Για παράδειγμα, ο Adam Levy έχει περιγράψει πώς κατάφερε να τρέξει ένα AI-παραγόμενο podcast βασισμένο στα αρχεία Epstein. Στόχος του είναι να φτάσει τα 120 επεισόδια τον μήνα, ένα μέγεθος παραγωγής που θα ήταν εξαιρετικά δύσκολο χωρίς εργαλεία σύνθεσης και συνοψιστικής επεξεργασίας μεγάλων δεδομένων.
«Κατάλαβα πώς να κάνω την ίδια δουλειά σε ώρες αντί για μήνες και δημοσιεύω ό,τι βρίσκω, με πηγές και παραπομπές και επαληθεύσιμο, όσο πιο γρήγορα μπορώ να το παράγω», έχει δηλώσει ο Levy.
Στο παιχνίδι και οι μεγάλες εταιρείες
Η τάση δεν περιορίζεται σε μικρά δίκτυα ή πειραματικά σχήματα. Ακόμη και μεγάλες εταιρείες δοκιμάζουν AI podcasts ως νέο κανάλι ενημέρωσης και προώθησης.
Η Amazon, για παράδειγμα, έχει δημιουργήσει ένα AI podcast που σχετίζεται με προϊόντα τα οποία αναζητούν οι χρήστες στην πλατφόρμα. Το χαρακτηριστικό παρέχει λεπτομερείς πληροφορίες για το προϊόν και μπορεί ακόμη και να δέχεται ερωτήσεις από τους χρήστες ζωντανά, σε ύφος που θυμίζει QVC ή HSN.
Καθώς τέτοιες εφαρμογές γίνονται πιο διαδεδομένες, το βασικό ερώτημα για τον κλάδο δεν είναι αν θα υπάρξει περισσότερο AI audio. Είναι πώς θα ξεχωρίζει το χρήσιμο, τεκμηριωμένο περιεχόμενο από τη μαζική παραγωγή που στοχεύει κυρίως σε αναζητήσεις και αυτοματοποιημένα έσοδα.
