AI przejmuje zaplecze platform telewizyjnych
Jeszcze niedawno sztuczna inteligencja w telewizji internetowej była kojarzona głównie z rekomendowaniem filmów, seriali i kanałów. Obecnie jej zastosowanie rozszerza się na infrastrukturę odpowiedzialną za przygotowanie, dystrybucję, kontrolę jakości oraz monetyzację treści. Dobrym przykładem jest rozwijana przez Setplex platforma Zapflex, w której AI ma wspierać wyszukiwanie, personalizację, zarządzanie transmisją i automatyzację reklam. AI przestaje więc być wyłącznie dodatkiem widocznym w aplikacji, a zaczyna działać jako warstwa decyzyjna całego środowiska IPTV i OTT.
Od rekomendacji do decyzji operacyjnych
Klasyczny system rekomendacyjny analizuje przede wszystkim historię oglądania, popularność materiałów oraz podobieństwa między użytkownikami. AI zintegrowana z platformą telewizyjną musi jednocześnie uwzględniać jakość obrazu, czas uruchamiania transmisji, buforowanie, błędy aplikacji, wydajność CDN, rodzaj urządzenia i zachowanie odbiorcy. Do analiz mogą być również dołączane dane o kampaniach reklamowych, dostępności treści i prawach do ich dystrybucji. Najważniejsza różnica polega na tym, że wyniki analizy mogą bezpośrednio wpływać na sposób dostarczenia obrazu, wybór trasy transmisji, prezentację oferty oraz monetyzację usługi.
Wyszukiwanie oparte na intencji widza
Zapflex ma łączyć rekomendacje, personalizację i semantic search, dzięki czemu wyszukiwanie nie musi ograniczać się do identycznych słów występujących w tytułach lub opisach. System może analizować sens zapytania i rozpoznawać intencję, na przykład potrzebę znalezienia lekkiego serialu kryminalnego albo konkretnego wydarzenia sportowego. Odpowiedź wymaga powiązania zapytania z metadanymi, prawami do emisji oraz faktyczną dostępnością materiału. Platforma ma również wspierać superagregację, czyli łączenie oferty operatora z zewnętrznymi usługami streamingowymi w jednym kontrolowanym interfejsie. Warunkiem poprawnego działania pozostają jednak wiarygodne metadane, ponieważ generative AI pozbawiona odpowiednich ograniczeń może błędnie interpretować katalog lub wskazywać nieistniejące treści.
Dynamiczna kontrola drogi transmisji
Jednym z najważniejszych obszarów zastosowania AI jest infrastruktura odpowiedzialna za dostarczanie obrazu. Zapflex ma wykorzystywać multi-CDN orchestration, content steering, edge caching oraz monitoring Quality of Experience w czasie rzeczywistym. Gdy jedna sieć CDN jest przeciążona, ma awarię albo działa słabiej w określonym regionie, transmisja może zostać skierowana do innego dostawcy. Edge caching pozwala natomiast umieszczać popularne materiały bliżej odbiorców, ograniczając opóźnienia i obciążenie centralnej infrastruktury. Takie podejście umożliwia przejście od biernego zgłaszania awarii do aktywnego wyboru najbardziej stabilnego sposobu dostarczenia konkretnej transmisji.
Jedna usterka i wiele możliwych przyczyn
Zatrzymanie obrazu widoczne u odbiorcy nie musi oznaczać problemu występującego bezpośrednio w aplikacji. Przyczyną może być błąd ingestu, originu, transkodowania, pakowania, konfiguracji bufora, utrata pakietów, przeciążenie CDN albo pogorszenie jakości sygnału źródłowego. Skuteczna diagnoza wymaga więc korelacji informacji pochodzących z całego łańcucha dystrybucji. Analizie podlegają między innymi czas rozpoczęcia odtwarzania, częstotliwość buforowania, osiągany bitrate oraz stabilność poszczególnych komponentów. AI może rozpoznawać wspólne wzorce w tysiącach sesji i wskazywać, że awarie dotyczą konkretnej sieci, wersji aplikacji, rodziny urządzeń, regionu lub profilu bitrate. Pozwala to ograniczyć ręczne przeglądanie ogromnej liczby alarmów i logów.
Jakość obrazu wpływa na retencję
Dane techniczne i biznesowe przez lata były analizowane w oddzielnych systemach. Dział techniczny obserwował jakość transmisji, natomiast marketing badał oglądalność, zachowania użytkowników i rezygnacje z abonamentu. AI pozwala połączyć problemy z odtwarzaniem, spadek aktywności, częstsze przerywanie materiałów oraz ograniczone zainteresowanie ofertą w jeden model oceny ryzyka. Możliwe staje się rozróżnienie, czy spadek zaangażowania wynika z niewłaściwych treści, sezonowości, nieczytelnego interfejsu czy problemów technicznych. Setplex deklaruje poprawę retencji przez lepszą personalizację, wyszukiwanie i stabilniejsze dostarczanie obrazu, jednak nie przedstawiono dotychczas wyników potwierdzających konkretną skuteczność predykcji churnu.
Reklama dopasowana do struktury treści
AI ma być wykorzystywana również do obsługi modeli SVOD, AVOD, FAST i TVOD. Jednym z planowanych zastosowań jest automatyczne wykrywanie naturalnych miejsc na przerwy reklamowe w transmisjach na żywo oraz materiałach VOD. Pozwala to ograniczyć ręczne oznaczanie treści i usprawnić lokalne wstawianie reklam. Rozwiązanie ma szczególne znaczenie w transmisjach sportowych, gdzie niewłaściwie umieszczony blok reklamowy może przerwać akcję, komentarz lub ważny fragment programu. System analizujący strukturę materiału może wskazywać momenty, w których przejście reklamowe będzie najmniej uciążliwe dla odbiorcy. Nie powstaje w ten sposób nowy model biznesowy, lecz automatyzowany jest proces wcześniej oparty na ręcznych znacznikach i sztywnych regułach.
Wspólna warstwa dla całej usługi
Najważniejszą ideą Zapflex nie jest pojedyncza funkcja AI, ale integracja wielu etapów działania platformy. Jedno środowisko może obejmować przygotowanie kanałów i bibliotek VOD, zarządzanie treścią, kontrolę uprawnień, dystrybucję obrazu, aplikacje odbiorcze, analitykę, personalizację i systemy reklamowe. Platforma może zostać wdrożona jako kompletne rozwiązanie albo jako zestaw wybranych komponentów dołączonych do istniejącej infrastruktury. Integracja odpowiada na problem rozproszenia danych pomiędzy monitoringiem, CRM, systemami reklamowymi i narzędziami analitycznymi. Dopiero połączenie informacji technicznych, behawioralnych i biznesowych pozwala ocenić pełny wpływ problemu na odbiorcę oraz wynik operatora.
Automatyzacja pod kontrolą operatora
Wykorzystanie AI do sterowania platformą telewizyjną wymaga większej ostrożności niż zastosowanie jej wyłącznie do rekomendowania treści. Błędna rekomendacja powoduje zwykle wyświetlenie nietrafionego filmu, natomiast błędna decyzja dotycząca dystrybucji może pogorszyć jakość transmisji dla tysięcy użytkowników. Operator powinien wiedzieć, na podstawie jakich danych podjęto decyzję, czy można ją odtworzyć oraz jakie działania mogą być wykonywane automatycznie. Konieczne pozostają mechanizmy zatwierdzania zmian, szybkiego rollbacku i działania w przypadku braku danych lub awarii modelu. AI nie może funkcjonować jako nieweryfikowalna black box, szczególnie gdy wpływa na transmisję, reklamy i dostępność usługi.