โลกของกอล์ฟอาชีพ ซึ่งมักถูกมองผ่านเลนส์แคบๆ ของการถ่ายทอดทางโทรทัศน์ที่เน้นไปที่ผู้นำการแข่งขันนั้น แท้จริงแล้วมีความน่าสนใจที่กว้างขวางกว่ามาก ทั่วทั้งสนามที่กว้างใหญ่ มีผู้เข้าแข่งขันหลายสิบคนเผชิญกับความท้าทาย ตีช็อตที่ยอดเยี่ยม และต่อสู้กับสภาพอากาศไปพร้อมๆ กัน การจับภาพการแข่งขันทั้งหมดนี้เป็นความท้าทายด้านโลจิสติกส์และทรัพยากรมานานแล้ว บัดนี้ การบรรจบกันของการรวบรวมข้อมูลที่ซับซ้อนและปัญญาประดิษฐ์ที่ล้ำสมัยกำลังเขียนบทใหม่ ทำให้ PGA TOUR สามารถนำเสนอรายละเอียดและบริบทการบรรยายในระดับที่ไม่เคยมีมาก่อนให้กับแฟนๆ ก้าวข้ามข้อจำกัดของการรายงานข่าวแบบดั้งเดิม ในการสาธิตที่น่าทึ่งระหว่างการแข่งขัน THE PLAYERS Championship ได้มีการนำ generative AI มาใช้เพื่อสร้างคำอธิบายที่เป็นลายลักษณ์อักษรเฉพาะสำหรับช็อตการตีลูกกอล์ฟแต่ละช็อตมากกว่า 30,000 ช็อต ทำให้ผู้ติดตามได้รับความเข้าใจที่สมบูรณ์และครอบคลุมมากขึ้นเกี่ยวกับการแข่งขันที่เกิดขึ้นทั่วทั้งสนาม
ความท้าทายที่ยั่งยืน: การขยายขอบเขตการรายงานข่าวกอล์ฟอย่างครอบคลุม
เป็นเวลาหลายทศวรรษแล้วที่การเล่าเรื่องของการแข่งขันกอล์ฟอาชีพส่วนใหญ่ถูกกำหนดโดยข้อจำกัดของสื่อแบบดั้งเดิม ผู้บรรยายที่เป็นมนุษย์และทีมงานฝ่ายผลิตมักจะมุ่งความสนใจไปที่ผู้เล่นที่อยู่บนสุดของลีดเดอร์บอร์ดหรือผู้ที่มีชื่อเสียงเป็นที่ยอมรับ แม้ว่าแนวทางนี้จะนำเสนอไฮไลท์ที่น่าสนใจ แต่ก็หลีกเลี่ยงไม่ได้ที่จะทิ้งส่วนใหญ่ของการแข่งขันไว้โดยไม่มีการบันทึก ด้วยจำนวนผู้เล่นที่มักจะเกิน 140 คน ซึ่งแต่ละคนตีลูกมากกว่า 70 ช็อตต่อรอบตลอดสี่วัน ปริมาณการแข่งขันทั้งหมดจึงมหาศาล
Scott Gutterman รองประธานอาวุโสฝ่ายเทคโนโลยีดิจิทัลและการออกอากาศของ PGA TOUR ได้อธิบายถึงปัญหาหลัก: ‘โดยปกติแล้ว เจ้าหน้าที่ของเราสามารถครอบคลุมนักกอล์ฟได้ 25 หรือ 30 คน’ ความเป็นจริงในการดำเนินงานนี้หมายความว่าเรื่องราวของผู้เล่นอีกหลายสิบคน – ชัยชนะ การต่อสู้ และช่วงเวลาสำคัญของพวกเขา – ส่วนใหญ่ยังคงไม่ถูกบอกเล่า เข้าถึงได้เพียงผ่านสถิติดิบๆ หากมีเลย แฟนๆ ที่ติดตามผู้เล่นคนใดคนหนึ่งนอกกลุ่มผู้นำมักจะมองเห็นภาพรวมผลงานของพวกเขาที่ไม่สมบูรณ์
ความทะเยอทะยานภายใน PGA TOUR นั้นชัดเจน: ใช้ประโยชน์จากกระแสข้อมูลที่สมบูรณ์อย่างเหลือเชื่อที่ได้จาก ShotLink ซึ่งขับเคลื่อนโดย CDW ซึ่งบันทึกรายละเอียดที่แม่นยำของทุกช็อตที่ตี เพื่อสร้างภาพรวมการเล่าเรื่องที่เท่าเทียมและสมบูรณ์ยิ่งขึ้น ความท้าทายไม่ใช่การขาดข้อมูล แต่เป็นความไม่สามารถในการประมวลผล ตีความ และนำเสนอข้อมูลนั้นในรูปแบบการเล่าเรื่องที่น่าสนใจในระดับที่จำเป็นต้องครอบคลุมผู้เล่น ทุกคน และ ทุก ช็อต ทรัพยากรบุคคลไม่สามารถเชื่อมช่องว่างนี้ได้อย่างมีประสิทธิภาพหรือประหยัด ความปรารถนาคือการก้าวข้ามตัวชี้วัดพื้นฐาน – ‘JJ Spaun ตีไดรฟ์ 300 หลา และเหลือระยะ 125 หลาถึงหลุม’ – ซึ่ง Gutterman ตั้งข้อสังเกตว่าเป็นมาตรฐานมานานหลายปี เป้าหมายคือการใส่ความหมายและบริบทให้กับจุดข้อมูลเหล่านี้ เปลี่ยนตัวเลขดิบให้เป็นองค์ประกอบการเล่าเรื่องที่น่าสนใจสำหรับผู้เข้าแข่งขันทุกคน
ก้าวเข้าสู่ Generative AI: ตัวเร่งปฏิกิริยาทางเทคโนโลยีเพื่อการเปลี่ยนแปลง
ด้วยการตระหนักถึงศักยภาพของปัญญาประดิษฐ์ในการเอาชนะความท้าทายด้านขนาด PGA TOUR จึงได้เริ่มสำรวจความสามารถของ generative AI อย่างจริงจังเมื่อประมาณสองปีที่แล้ว นี่ไม่ใช่เพียงการฝึกฝนทางวิชาการ แต่ขับเคลื่อนด้วยคำถามพื้นฐาน: เทคโนโลยีที่พัฒนาอย่างรวดเร็วนี้จะช่วยเพิ่มการสร้างเนื้อหาและที่สำคัญคือให้บริการผู้มีส่วนได้ส่วนเสียหลัก – แฟนๆ ผู้เล่น และการแข่งขันเอง – ได้ดีขึ้นได้อย่างไร?
การเดินทางครั้งนี้เกี่ยวข้องกับการทำงานร่วมกันอย่างใกล้ชิดกับพันธมิตรทางเทคโนโลยีที่สำคัญอย่าง Amazon Web Services (AWS) ทาง TOUR ได้กลายเป็นพันธมิตรพื้นฐานสำหรับ AWS Bedrock ซึ่งเป็นบริการที่มีการจัดการที่ให้การเข้าถึงโมเดลพื้นฐาน (FMs) ชั้นนำที่หลากหลายผ่าน API เดียว Gutterman อธิบายถึงข้อได้เปรียบเชิงกลยุทธ์: ‘Bedrock ช่วยให้คุณสามารถใช้โมเดล generative-AI เกือบทุกชนิดและชุดเครื่องมือเพื่อสร้างประสบการณ์ประเภทนี้ได้อย่างมีประสิทธิภาพ’ แนวทางแพลตฟอร์มนี้ให้ความยืดหยุ่นและการป้องกันในอนาคต หลีกเลี่ยงการพึ่งพาผู้ให้บริการ AI หรือสถาปัตยกรรมโมเดลเพียงรายเดียว
สำหรับงานเฉพาะในการสร้างข้อความเชิงพรรณนา ทาง TOUR ได้เลือกโมเดลที่พัฒนาโดย Anthropic ซึ่งเข้าถึงได้ผ่าน Bedrock ‘เรากำลังใช้โมเดล Claude ของ Anthropic เพื่อสร้างประสบการณ์ประเภทนี้ โดยเฉพาะอย่างยิ่ง เรากำลังใช้ Anthropic Claude 3.5 Sonnet’ Gutterman ระบุ ปีที่ผ่านมาถือเป็นการเปลี่ยนแปลงที่สำคัญ โดยก้าวข้ามจากการพิสูจน์แนวคิดเบื้องต้น (POCs) ไปสู่การดำเนินงานเต็มรูปแบบ ซึ่งเกี่ยวข้องกับการสร้างโครงสร้างพื้นฐานและเวิร์กโฟลว์ที่แข็งแกร่งซึ่งจำเป็นต่อการรวม AI เข้ากับการรายงานข่าวการแข่งขันสดได้อย่างน่าเชื่อถือและในระดับที่ใหญ่ การมุ่งเน้นเปลี่ยนจากการสาธิตความเป็นไปได้ไปสู่การนำระบบที่ใช้งานได้จริงและทำซ้ำได้ ซึ่งสามารถจัดการกับสภาพแวดล้อมแบบไดนามิกและมีปริมาณข้อมูลสูงของการแข่งขันกอล์ฟอาชีพได้ การเลือก Claude 3.5 Sonnet สะท้อนให้เห็นถึงการเลือกตามจุดแข็งที่รับรู้ในการสร้างข้อความที่ละเอียดอ่อนและตระหนักถึงบริบทซึ่งเหมาะสำหรับการบรรยายกีฬา
การสร้างเรื่องเล่า: มองเบื้องหลังม่าน AI
การสร้างคำอธิบายช็อตที่เป็นเอกลักษณ์ แม่นยำ และมีความเกี่ยวข้องตามบริบทหลายหมื่นรายการในเวลาใกล้เคียงเรียลไทม์เป็นการประสานงานที่ซับซ้อน มันเกี่ยวข้องมากกว่าแค่การป้อนข้อมูลดิบเข้าไปในโมเดล AI ทาง PGA TOUR ร่วมกับ AWS ได้ออกแบบไปป์ไลน์ที่ซับซ้อนเพื่อแปลงข้อมูล ShotLink ให้เป็นเรื่องเล่าที่น่าสนใจ
1. การนำเข้าข้อมูลและการกำหนดบริบท (Data Ingestion and Contextualization):
กระบวนการเริ่มต้นด้วยกระแสข้อมูลจาก ShotLink นี่ไม่ใช่แค่จุดสิ้นสุดของช็อต แต่รวมถึงรายละเอียดต่างๆ เช่น ไลลูก ระยะทาง ไม้กอล์ฟที่ใช้ และอื่นๆ อย่างไรก็ตาม ข้อมูลดิบขาดพลังในการเล่าเรื่อง ขั้นตอนสำคัญถัดไปเกี่ยวข้องกับชุดของ บริการบริบท (context services) บริการเหล่านี้ทำหน้าที่เป็นชั้นการตีความ โดยวิเคราะห์ข้อมูลที่เข้ามาเทียบกับ กลไกกฎ (rules engine)
2. กลไกกฎ: การเพิ่มความฉลาด (The Rules Engine: Adding Intelligence):
กลไกนี้มีความสำคัญอย่างยิ่งในการรับรองว่าข้อความที่สร้างขึ้นมีความหมายและหลีกเลี่ยงข้อผิดพลาดทั่วไป Gutterman ยกตัวอย่าง: ‘หลังจากผู้เล่นตีทีช็อตแรกของวันออกจากหลุมแรก มันจะไม่เขียนว่าผู้เล่นตีไดรฟ์ไกลที่สุดของวัน’ กฎจะกำหนดลำดับความสำคัญ ทำให้มั่นใจได้ถึงความหลากหลายและความเกี่ยวข้อง ‘ตัวอย่างเช่น เราสามารถบอกให้มันพูดถึงกรีนอินเรกกูเลชัน (greens in regulations) ในช็อตแอพโพรชทุกๆ สามเรื่องเล่า เพื่อให้ข้อความไม่ซ้ำซากจำเจในผู้เล่นทุกคน’ ระบบยังได้รับการสอนวิธีการต่างๆ ในการใช้ถ้อยคำสำหรับคำอธิบายการกระทำที่คล้ายคลึงกัน – ทำให้มั่นใจได้ว่าการไดรฟ์จะไม่ถูกอธิบายเหมือนกันทุกครั้ง หรือไม่เหมือนกับวิธีอธิบายการพัตต์ ซึ่งเกี่ยวข้องกับการเข้ารหัสความรู้เกี่ยวกับกอล์ฟและแนวปฏิบัติที่ดีที่สุดในการเล่าเรื่องลงในตรรกะของระบบ
3. การออกแบบพรอมต์ (Prompt Engineering):
เมื่อมีข้อมูลและกฎตามบริบทแล้ว กลไกพรอมต์ (prompt engine) จะกำหนดคำสั่งเฉพาะที่มอบให้กับโมเดล AI พรอมต์นี้จะขอให้ AI สร้างเรื่องเล่าที่รวมจุดข้อมูลที่ให้มาและปฏิบัติตามแนวทางตามบริบทอย่างมีประสิทธิภาพ การสร้างพรอมต์ที่มีประสิทธิภาพเป็นทักษะที่สำคัญในการทำงานกับ generative AI ซึ่งเป็นการกำหนดรูปแบบ น้ำเสียง และเนื้อหาของผลลัพธ์
4. การสร้างเรื่องเล่าด้วย AI (AI Narrative Generation):
พรอมต์ที่สร้างขึ้นอย่างรอบคอบจะถูกส่งไปยังโมเดล Anthropic Claude 3.5 Sonnet ผ่านแพลตฟอร์ม AWS Bedrock AI จะประมวลผลคำขอและสร้างข้อความเชิงพรรณนา – เรื่องเล่าของช็อต – โดยรวมข้อเท็จจริงและบริบทที่ต้องการ ตัวอย่างเช่น แทนที่จะระบุเพียงระยะทาง อาจเพิ่มว่า ‘เขาเพิ่งตีไดรฟ์ไกลที่สุดของวัน’ หรือให้บริบททางสถิติเช่น ‘ที่ระยะ 125 หลา เขาเข้าใกล้หลุมในระยะ 10 ฟุต 20% ของเวลาทั้งหมด’ การซ้อนข้อมูลนี้คือสิ่งที่ยกระดับผลลัพธ์ให้เหนือกว่าการรายงานข้อมูลธรรมดา
5. การตรวจสอบอย่างเข้มงวด (Rigorous Validation):
ก่อนที่ข้อความใดๆ ที่สร้างโดย AI จะไปถึงสาธารณะ จะต้องผ่านกระบวนการตรวจสอบหลายขั้นตอนเพื่อให้แน่ใจว่ามีความถูกต้องและมีคุณภาพ
- การตรวจสอบข้อมูล (Data Verification): เรื่องเล่าผลลัพธ์จะถูกตรวจสอบเทียบกับข้อมูล ShotLink ที่ป้อนเข้ามา ‘เรื่องเล่าผลลัพธ์จาก Claude 3.5 Sonnet จะผ่านบริการตรวจสอบเพื่อให้แน่ใจว่าข้อมูล ShotLink ที่อ้างถึงในผลลัพธ์ตรงกับสิ่งที่ป้อนเข้าระบบ (ตัวอย่างเช่น ระยะไดรฟ์)’ Gutterman อธิบาย ขั้นตอนนี้ป้องกัน ‘ภาพหลอน’ ที่อาจเกิดขึ้นจาก AI หรือข้อผิดพลาดทางข้อเท็จจริง
- ความคล้ายคลึงโคไซน์ (Cosine Similarity): การตรวจสอบที่ละเอียดอ่อนยิ่งขึ้นตามมา โดยใช้การวิเคราะห์ความคล้ายคลึงโคไซน์ เทคนิคนี้วัดความคล้ายคลึงทางความหมายระหว่างข้อความที่สร้างขึ้นกับคลังคำอธิบายที่ยอมรับได้สำหรับประเภทของช็อตที่กำหนด ‘ระบบจะตรวจสอบให้แน่ใจว่าข้อความอยู่ในช่วงของวิธีที่คนทั่วไปจะพูดถึงการไดรฟ์’ Gutterman กล่าวเสริม สิ่งนี้ทำให้มั่นใจได้ว่าน้ำเสียงและถ้อยคำมีความเหมาะสมและสอดคล้องกับวิธีที่การกระทำในกีฬากอล์ฟมักถูกอธิบาย
- การตรวจสอบโดยกลไกการเผยแพร่ (Publishing Engine Checks): หากเรื่องเล่าผ่านการทดสอบเหล่านี้ จะดำเนินการต่อไปยังกลไกการเผยแพร่ ซึ่งจะมีการตรวจสอบขั้นสุดท้ายก่อนที่จะรวมเข้ากับแพลตฟอร์มต่างๆ เช่น แอป TOURCAST
กระบวนการที่พิถีพิถันนี้เน้นย้ำถึงความมุ่งมั่นในความถูกต้องและความน่าเชื่อถือ ซึ่งจำเป็นสำหรับการรักษาความน่าเชื่อถือในการนำเสนอข้อมูลกีฬา
การนำไปใช้จริง: ความสำเร็จที่ THE PLAYERS Championship
ศักยภาพทางทฤษฎีของระบบที่ขับเคลื่อนด้วย AI นี้ได้ถูกนำไปทดสอบจริงอย่างมีนัยสำคัญระหว่างการแข่งขัน THE PLAYERS Championship ซึ่งเป็นหนึ่งในอีเวนต์เรือธงในปฏิทิน PGA TOUR นี่ไม่ใช่การทดลองขนาดเล็ก ระบบถูกนำไปใช้เพื่อสร้างเรื่องเล่าสำหรับผู้เล่นทั้งสนามตลอดทั้งสี่รอบ
ผลลัพธ์น่าประทับใจ ระบบ generative AI ประสบความสำเร็จในการสร้างข้อความเชิงพรรณนาสำหรับ ช็อตแต่ละช็อตมากกว่า 30,000 ช็อต ตลอดสัปดาห์การแข่งขัน นี่แสดงถึงการก้าวกระโดดครั้งใหญ่ในด้านความลึกของการรายงานข่าว ซึ่งให้ข้อมูลเชิงลึกเชิงบรรยายสำหรับทุกช็อตที่ตีโดยผู้เข้าแข่งขันทุกคนได้อย่างมีประสิทธิภาพ
สิ่งที่สำคัญไม่แพ้กันคือความน่าเชื่อถือของระบบ ‘ระหว่างการแข่งขัน THE PLAYERS Championship ความแม่นยำของช็อต 30,000 ช็อตอยู่ที่ประมาณ 96% ซึ่งเป็นระดับที่เราคาดการณ์ไว้’ Gutterman รายงาน การบรรลุระดับความแม่นยำนี้ในกิจกรรมกีฬาแบบสดและไดนามิก ซึ่งข้อมูลไหลเวียนอยู่ตลอดเวลาและบริบทเปลี่ยนแปลงอย่างรวดเร็ว เป็นเครื่องพิสูจน์ถึงความแข็งแกร่งของเทคโนโลยีพื้นฐานและความละเอียดถี่ถ้วนของกระบวนการตรวจสอบ แม้ว่า 96% จะหมายความว่ามีเปอร์เซ็นต์เล็กน้อยที่ต้องมีการตรวจสอบหรือทิ้งไป แต่อัตราความสำเร็จโดยรวมแสดงให้เห็นถึงความเป็นไปได้ของระบบสำหรับการใช้งานขนาดใหญ่ ความสำเร็จนี้เป็นการยืนยันการพัฒนาตลอดสองปีและเป็นหมุดหมายสำคัญในกลยุทธ์ด้านเนื้อหาของ TOUR
การวางแผนอนาคต: ก้าวข้ามข้อความและมุ่งสู่ความเป็นส่วนตัว
การนำเรื่องเล่าที่เป็นข้อความไปใช้อย่างประสบความสำเร็จเป็นเพียงจุดเริ่มต้นของวิสัยทัศน์ของ PGA TOUR ในการใช้ประโยชน์จาก AI ระบบปัจจุบันเน้นข้อความเป็นหลักเนื่องจากโมเดล AI ที่สามารถประมวลผลและตีความสตรีมวิดีโอและเสียงสดแบบเรียลไทม์ยังคงอยู่ในช่วงพัฒนา อย่างไรก็ตาม แผนงานชี้ให้เห็นอย่างชัดเจนถึงอนาคตที่ดื่มด่ำและหลากหลายประสาทสัมผัสมากขึ้น
การบูรณาการ AI หลายรูปแบบ (Multimodal AI Integration):
‘เรากำลังสร้างไปสู่วันที่มันจะเป็นการผสมผสานระหว่างข้อมูลสด เสียงสด วิดีโอสด แล้วใช้ผลลัพธ์หลายรูปแบบเพื่อสร้างวิดีโอและสร้างเสียง’ Gutterman วาดภาพ สิ่งนี้ชี้ให้เห็นถึงอนาคตที่ AI อาจสามารถวิเคราะห์ฟีดวิดีโอเพื่อแสดงความคิดเห็นเกี่ยวกับกลไกการสวิง ตีความปฏิกิริยาของผู้เล่น หรือแม้กระทั่งวัดเสียงเชียร์ของฝูงชน โดยผสานการสังเกตเหล่านี้เข้ากับข้อมูล ShotLink เพื่อสร้างประสบการณ์เนื้อหาที่สมบูรณ์ยิ่งขึ้น บางทีอาจเป็นไฮไลท์วิดีโออัตโนมัติพร้อมเสียงบรรยายที่สร้างโดย AI
เสียงบรรยายสังเคราะห์ (Synthetic Voice Commentary):
เป้าหมายที่ใกล้เข้ามาคือการแก้ไขปัญหาการขาดการบรรยายในสตรีม ‘Every Shot Live’ จำนวนมากที่มีให้แฟนๆ เป็นเวลาหลายปีแล้วที่ฟีดเหล่านี้ ซึ่งมักมีจำนวนเกือบ 50 สตรีมพร้อมกัน มีเพียงเสียงธรรมชาติและข้อมูลสถิติซ้อนทับ ‘เป้าหมายของเราคือการมีมนุษย์เล่าเรื่องเสมอ แต่การมีผู้บรรยายสองคนใน 48 สตรีมตลอดทั้งวันนั้นมีค่าใช้จ่ายสูงเกินไป’ Gutterman ยอมรับ Generative AI นำเสนอโซลูชันที่ปรับขนาดได้ ‘เรากำลังทำงานร่วมกับ AWS เกี่ยวกับเสียงสังเคราะห์ที่สามารถอ่านพรอมต์ [เรื่องเล่า] ได้ ด้วย AI ผู้ชมสามารถเปิดการบรรยายได้เช่นเดียวกับที่พวกเขาเปิดคำบรรยายภาพ’ ความสามารถนี้ยังสามารถขยายไปยังหลายภาษาได้อย่างง่ายดาย เช่น เสนอการบรรยายเป็นภาษาสเปนด้วยการกดสวิตช์เพียงครั้งเดียว เพิ่มการเข้าถึงได้อย่างมาก
ความเป็นอิสระเชิงกลยุทธ์ของโมเดล (Strategic Model Agnosticism):
สิ่งที่สนับสนุนการพัฒนาในอนาคตเหล่านี้คือข้อได้เปรียบเชิงกลยุทธ์ที่ AWS Bedrock มอบให้ – ความเป็นอิสระของโมเดล ทาง TOUR ไม่ได้ผูกติดอยู่กับผู้ให้บริการโมเดล AI รายเดียว ‘Bedrock ช่วยให้ PGA TOUR เป็นอิสระจากโมเดลและค้นหาโมเดลที่ดีที่สุดสำหรับงานนั้นๆ’ Gutterman เน้นย้ำ ความยืดหยุ่นนี้มีความสำคัญอย่างยิ่งในภูมิทัศน์ AI ที่พัฒนาอย่างรวดเร็ว ‘หากโมเดลในอนาคตสามารถทำงานได้ในราคาที่ถูกกว่า ทาง Tour ก็สามารถเปลี่ยนไปใช้ได้โดยไม่มีปัญหา’ เขาปฏิเสธแนวคิดเรื่องโมเดลเดียวที่ทรงพลังทุกอย่าง โดยสังเกตว่า ‘สิ่งที่เราเห็นคือ มันไม่ใช่กรณีนั้น’ กลยุทธ์คือการใช้เครื่องมือที่ดีที่สุดสำหรับงาน: Claude ของ Anthropic สำหรับการสร้างข้อความที่ละเอียดอ่อน, อาจเป็นโมเดล AWS Nova ใหม่สำหรับงานจดจำภาพ และอาจเป็นโมเดลเฉพาะทางอื่นๆ สำหรับฟังก์ชันต่างๆ เช่น การแปลแนวทางนี้ช่วยเพิ่มขีดความสามารถสูงสุดในขณะที่ปรับให้เหมาะสมกับต้นทุนและประสิทธิภาพในระยะยาว
รางวัลสูงสุด: ประสบการณ์แฟนๆ ที่ปรับแต่งเฉพาะบุคคลอย่างยิ่งยวด
แม้ว่าความก้าวหน้าทางเทคโนโลยีจะน่าประทับใจในตัวเอง แต่แรงผลักดันเบื้องหลังความคิดริเริ่ม generative AI ของ PGA TOUR คือการแสวงหาประสบการณ์ของแฟนๆ ที่เปลี่ยนแปลงไปโดยพื้นฐาน: การปรับแต่งเฉพาะบุคคลอย่างยิ่งยวด (hyper-personalization)
ความสามารถในการสร้างบริบทการเล่าเรื่องสำหรับทุกช็อตเป็นการวางรากฐานสำหรับการนำเสนอเนื้อหาที่ปรับแต่งให้เหมาะกับความชอบส่วนบุคคลโดยเฉพาะ ‘มันนำเราไปสู่เส้นทางของการปรับแต่งเฉพาะบุคคลอย่างยิ่งยวด ซึ่งแฟนๆ สามารถรับเรื่องราวเมื่อสิ้นสุดวันพร้อมวิดีโอที่ดีที่สุดจากผู้เล่นคนโปรดของพวกเขา’ Gutterman อธิบาย ลองนึกภาพแอปที่รวบรวมไฮไลท์รีลโดยอัตโนมัติซึ่งมีทุกช็อตสำคัญที่นักกอล์ฟคนโปรดของคุณเล่น พร้อมคำอธิบายเรื่องเล่าตามบริบท ส่งถึงคุณไม่นานหลังจากจบรอบ
สิ่งนี้ขยายไปไกลกว่าการดูแลจัดการเนื้อหาธรรมดา ทาง TOUR วาดภาพระบบที่สามารถ คาดการณ์การมีส่วนร่วม (predictive engagement) ได้ ‘แอปรู้อยู่แล้วว่าคุณชอบอะไรและเพียงแค่เสิร์ฟสิ่งที่คุณต้องการ’ Gutterman แนะนำ โดยการเรียนรู้ความชอบของแฟนๆ – ผู้เล่นคนโปรด ความสนใจในสถิติเฉพาะ (เช่น ระยะไดรฟ์หรือประสิทธิภาพการพัตต์) หรือแม้แต่รูปแบบเนื้อหาที่ต้องการ – แพลตฟอร์มสามารถนำเสนอข้อมูลและเรื่องราวที่เกี่ยวข้องมากที่สุดในเชิงรุก บางทีอาจแจ้งเตือนแฟนๆ เมื่อผู้เล่นคนโปรดของพวกเขากำลังเผชิญหน้ากับการพัตต์ที่สำคัญหรือพยายามตีช็อตจากตำแหน่งที่ท้าทายในอดีต
ระดับของการปรับแต่งเฉพาะบุคคลนี้มีจุดมุ่งหมายเพื่อเพิ่มการมีส่วนร่วม ทำให้การบริโภคเนื้อหากอล์ฟมีความเกี่ยวข้อง มีประสิทธิภาพ และท้ายที่สุดน่าพึงพอใจมากขึ้นสำหรับแฟนๆ แต่ละคน ด้วยการใช้ประโยชน์จาก generative AI เพื่อปลดล็อกศักยภาพการเล่าเรื่องที่ซ่อนอยู่ในคลังข้อมูลอันกว้างใหญ่ PGA TOUR ไม่เพียงแต่ขยายขอบเขตการรายงานข่าวเท่านั้น แต่ยังบุกเบิกอนาคตที่เทคโนโลยีปรับแต่งเรื่องราวของเกมให้เข้ากับมุมมองที่เป็นเอกลักษณ์ของผู้ติดตามทุกคน ยุคของการรับฟีดการออกอากาศเดียวอย่างเฉยเมยกำลังหลีกทางให้กับการมีส่วนร่วมกับกีฬาแบบไดนามิก เป็นส่วนตัว และเต็มไปด้วยข้อมูล