人工智能为广告技术引入了一个新的协调层，影响着流媒体货币化的各个方面，如交易执行、库存准备、受众理解和广告效果改进。媒体策划正从静态电子表格转向动态系统。领先的团队正在利用人工智能提出更有洞察力的问题，例如“如果供应中途发生变化会怎样？”或“如果这个受众在实时流媒体中具有显著的倾向，会怎样？”
人工智能使得能够在实时流媒体、视频点播和免费广告流媒体上统一建模交付，并根据不断接收的信号更新预测，而不是按频道进行规划。
据Globant媒体工程副总裁Luciano Marcos Escudero估计，当前在广告技术中使用人工智能的发布者比例约为35%至40%。
尽管如此，Globant正在为客户提供一些非常有前景的应用案例。
一些发布者仍在测试使用AI的程度。FreeWheel遇到了一些仍在评估阶段的发布者，而其他一些则已在采用曲线上的更远端。FreeWheel产品架构副总裁Jeff Ellin指出：“买家现在更早开始做准备，他们已经准备好使用一个特定的大型语言模型，以便迅速连接并处理数据。他走访了18家欧洲广播公司，其中不乏‘我对这非常感兴趣，我们可以明天就开始吗？’这样的反馈。”
Ellin指出有些发布者则表示怀疑或犹豫，几乎没有发布者完全了解这项技术或其带来的机会。IAB Tech Lab首席运营官兼产品执行副总裁Shailley Singh表示：“广告业的初始收益实际上在于效率，这项技术使得广告公司可以从品牌到代理公司再到广告技术公司和发布商，在如何评估广告印象价值、如何谈判、如何管理和运营广告活动方面实现效率的大幅提高。”
行业正从基本的机器学习迈向智能化工作流。从标准角度看，IAB Tech Lab正将AI整合到三个主要领域，即通过AAMP（Agentic Advertising Management Protocols）统一所有AI标准，扩展而非替换行业依赖的基础设施，并整合现代AI协议如Model Context Protocol（MCP）和gRPC进入现存标准如OpenRTB、AdCOM和OpenDirect。
预测性人工智能在广告技术领域已经存在很长时间，尤其在预测未来和挑选合适广告方面。然而，近期发生了许多变化，现在“广告技术中的AI”拥有了新的含义。据Escudero介绍，目前没有发现完全自动化的流程，大多数使用AI的客户工作流都是大大加快了整个过程，但仍然有人员参与其中。
IBM研究所估计，明年代理型AI的投资将翻三倍，微软的工作趋势指数年度报告中，46%的受访者表示已经在使用代理来完全自动化工作流或流程。Ellin预计，广告技术领域的公司将使用大型语言模型来理解和管理库存，将库存打包成潜在买家寻找的特定受众或库存类型。最近，他们为客户提供了新的AI基础设施层，连接到他们自己的AI。
因为采用了MCP，Ellin解释说，“这种AI基础设施使得人们能够使用自然语言与第三方系统（在这种情况下是我们的流媒体枢纽、买家云平台以及我们历史上暴露的所有API）进行交互。”
大多数实施AI的公司对内容有更深的理解，使他们能够在广告插入规划方面做得更好。以前的广告工作流需要规划者区分各种资产，如剧集、电影等，然后联系代理商讨论库存情况。这一过程可能需要数周时间才能确定合适的资产，触及潜在代理商并制定出合适的计划。而AI的存在大大提高了在创建库存之前对内容的理解。
所有新的资产（以及旧内容）现在都带有查看元数据的可能性，作为媒体摄取工作流的一部分。“元数据的提取和对视频场景的理解是其中一部分，包括场景中的物体类型和正在进行的活动。”Escudero说，这种上下文在原则上为广告商提供了价值。
去年，Bitmovin推出了一项名为AI场景分析的产品，使用多模态AI模型提取内容元数据来提供上下文元数据增强。Bitmovin的AI场景分析和播放产品经理Jacob Arends表示，这些模型可以将内容与IAB分类学相匹配。
“如果是一个汽车追逐场景，内容分类学可能是汽车、道路和交通，但广告机会可能是汽车和旅行，这可以传递给广告服务器，进而影响哪个广告呈现给用户。”为实现这一目标，Bitmovin使用了一系列基础模型。
“SCTE 35标记向广告服务器发送信息，这可以是一个节目内容ID，也可以是场景信息或分类学术语列表。”Yospace视频流/广告插入解决方案架构负责人Olivier Cortambert说。他指出，在之前的流程中，“广告服务器只知道内容是什么。”
“我认为最大的问题在于广告流程中涉及太多的组件，从拼接、服务器、DSP、SP到买家等。”Arends认为，“要让情境广告正常运作，需要整个行业进行大量的标准化。”