Üretken yapay zekâ reklam metinlerini, görselleri ve videoları giderek daha hızlı üretebiliyor. Ancak bir reklamın teknik veya görsel kalitesi ile tüketicinin o reklamı nasıl değerlendirdiği aynı şey değildir. Tüketici aynı reklamın insan yaratıcı ekip yerine yapay zekâ tarafından üretildiğini öğrendiğinde, yalnız reklam içeriğine ilişkin fikri değil, reklamı değerlendirmek için kullandığı ölçütler de değişebilir.

Lucas Caldeira-Souza tarafından geliştirilen kavramsal çalışma bu değişimi evaluative disruption-recalibration, yani değerlendirme bozulması ve yeniden kalibrasyon süreci olarak açıklamaktadır. Çalışmaya göre geleneksel reklam değerlendirmesi; niyet, güvenilirlik ve emek gibi büyük ölçüde insan aktörlere göre gelişmiş zihinsel ölçütlere dayanır. Reklamın üreticisi insan olmayan bir sistem olduğunda bu ölçütlerin doğrudan uygulanması zorlaşabilir.

Bu noktada makale Agent-Nature Uncertainty (ANI) kavramını önermektedir. ANI, tüketicinin reklamın AI tarafından oluşturulduğunu anlayamaması değil; AI olduğunu bildiği bir ikna aktörünü hangi ölçütlerle değerlendireceğini bilememesi durumudur.

Çerçeve daha sonra iki yeniden kalibrasyon biçimi tanımlar. Agent recalibration, expertise ve trustworthiness gibi kaynak güvenilirliği ölçütlerinin insan deneyimi ve samimiyetinden teknik competence ve reliability ölçütlerine kaymasını ifade eder. Production recalibration ise reklamın oluşturulması için harcandığı düşünülen emeğin insan işçiliğinden makine efficiency'sine göre yeniden değerlendirilmesidir.

Çalışma 11 teorik önerme ve bir araştırma sorusu üretmektedir. Ancak yeni tüketici verisi toplamamış ve bu ilişkileri deneysel olarak test etmemiştir. Dolayısıyla model, AI reklamlarının tüketici davranışını nasıl etkilediğine ilişkin doğrulanmış sonuçlar değil, gelecekte sınanabilecek sistematik bir araştırma çerçevesi sunmaktadır.

Reklamın içeriği aynı kaldığı halde neden üreticisinin kimliği önemli olabilir?

Bir reklamın görsel kalitesi, mesajı veya ürün bilgisi değişmeden kalabilir. Buna rağmen tüketici reklamın bir insan yaratıcı ekip tarafından mı yoksa üretken yapay zekâ tarafından mı oluşturulduğunu öğrendiğinde değerlendirme değişebilir.

Kaynak çalışmanın hareket noktası, tüketicilerin yalnız mesaja değil mesajın arkasındaki aktöre ilişkin çıkarımlar yaptığıdır.

Bir insan reklamcı için tüketici bilinçli veya bilinçsiz biçimde şu tür sorular sorabilir: Bu kişi ne amaçlıyor? Konuyu ne kadar biliyor? Bana karşı dürüst mü? Bu kampanyaya ne kadar emek verdi?

Yapay zekâ bu soruların nesnesini değiştirir. Sistem insan anlamında istek, kişisel deneyim, samimiyet veya emek sahibi değildir. Bu nedenle mevcut değerlendirme şemaları aynen kullanıldığında teorik bir uyumsuzluk ortaya çıkabilir.

Değerlendirme Bozulması ve Yeniden Kalibrasyon Nedir?

Evaluative disruption-recalibration, tüketicinin insan ikna aktörleri için geliştirdiği değerlendirme kriterlerinin insan olmayan bir reklam üreticisine doğrudan uygulanamaması ve bunun ardından yeni ölçütlerin oluşturulması sürecidir.

Buradaki “disruption”, tüketicinin reklama tepki vermeyi tamamen bırakması anlamına gelmez. İnsan merkezli şemanın doğrudan uygulanabileceği bir aktör bulunmadığı için değerlendirme sisteminde bir uyumsuzluk oluşmasını ifade eder.

“Recalibration” ise tüketicinin bu değerlendirmeyi terk etmek yerine farklı kriterlerle yeniden kurmasını anlatır.

Kaynak bu iki unsurun zorunlu olarak birbirini takip eden ayrı zaman aşamaları olmadığını özellikle belirtmektedir. Aynı değerlendirme olayı içinde birlikte ortaya çıkabilirler.

Agent-Nature Uncertainty Nedir?

Agent-Nature Uncertainty (ANI), tüketicinin normalde bir persuasion agent'ı değerlendirmek için kullandığı kriterlerin insan olmayan bir aktöre uygun olmadığını fark ettiği psikolojik durumu ifade eden yeni bir teorik kavramdır.

ANI, reklam mesajının anlaşılmaması değildir. Tüketici reklamın ne söylediğini tamamen anlayabilir.

ANI aynı zamanda kaynağın yanlış tanınması değildir. Tam tersine tüketici kaynağın AI olduğunu doğru biçimde bilir.

Belirsizlik şu sorudadır: “Bu insan olmayan aktörü hangi standarda göre değerlendirmeliyim?”

ANI neden sıradan confusion değildir?

Confusion genellikle mesajın anlamına veya ürün bilgisinin yetersizliğine ilişkindir. ANI ise mesajın içeriğini değil, mesajı üreten aktörü değerlendirmek için kullanılan standardı ilgilendirir.

ANI neden skepticism değildir?

Skepticism tüketicinin değerlendirmeyi yapıp negatif sonuca ulaşmasını gerektirir. ANI ise pozitif veya negatif hüküm verilmeden önceki değerlendirme problemidir.

ANI neden source confusion değildir?

Source confusion durumunda tüketici mesajın kaynağını yanlış tanımlar. ANI'de kaynak doğru tanımlanmıştır: AI. Sorun kaynağın kim olduğu değil, nasıl değerlendirilmesi gerektiğidir.

ANI neden anthropomorphism değildir?

Anthropomorphism, insan olmayan sisteme insan özellikleri yükleyerek değerlendirmeyi kolaylaştırabilir. Kaynak ANI'yi bunun öncesindeki çözümlenmemiş durum olarak tanımlar. Anthropomorphism teorik olarak ANI'yi çözmek için kullanılan stratejilerden biri olabilir.

Bu ayrımlar kavramsaldır. ANI için henüz doğrulanmış psikometrik ölçek bulunmamaktadır.

Aktör Yeniden Kalibrasyonu Nasıl Çalışabilir?

Kaynak klasik source credibility literatüründeki expertise, trustworthiness ve attractiveness ölçütlerini başlangıç noktası olarak kullanmaktadır.

Bir insanın expertise'i yaşanmış deneyim ve uzmanlık geçmişi üzerinden değerlendirilebilir. Bir AI sisteminin expertise'i ise tüketici tarafından veri işleme kabiliyeti, pattern recognition veya teknik competence üzerinden yorumlanabilir.

Benzer biçimde bir insanın trustworthiness'i niyet, samimiyet ve ortak değerlerle ilişkilendirilebilirken AI için reliability ve geçmiş performans daha uygun ölçütler haline gelebilir.

Kaynak bunun mutlaka daha düşük credibility anlamına gelmediğini vurgular. Ortaya çıkabilecek şey farklı türde bir credibility profilidir: teknik competence yüksek olabilirken relational özellikler belirsiz kalabilir.

Üretim Yeniden Kalibrasyonu Nedir?

Production recalibration, reklam üretimine atfedilen emeğin yeniden değerlendirilmesidir.

İnsan yaratıcı ekip tarafından hazırlanan kampanya, tüketici zihninde fikir geliştirme, metin yazma, tasarım, fotoğraf veya video üretimi ve tekrar düzenleme gibi uzun bir çalışma sürecini temsil edebilir.

Generative AI aynı görünür çıktıyı çok daha hızlı oluşturabiliyorsa tüketici output quality ile creative investment'ı birbirinden ayırabilir.

Kaynak, AI kullanımının bilinmesi halinde perceived effort'ın düşebileceğini teorik olarak öngörmektedir.

Bu çalışma algılanan emeğin gerçekten düştüğünü ölçmemiştir; bu ilişki gelecekte test edilmesi gereken bir önermedir.

AI Kullanımı Açıklanmasa Bile Tüketici Farklı Tepki Verebilir mi?

Kaynak buna teorik olarak evet cevabını vermekte ve ikinci bir yol önermektedir.

AI kullanımının açıklandığı durumda tüketici ANI yaşayabilir ve hem aktör hem production kriterlerini yeniden kalibre edebilir.

AI kullanımının açıklanmadığı durumda ise tüketici kaynak hakkında AI bilgisine sahip olmadığı için ANI oluşmaz. Ancak reklamın kendi stil özellikleri düşük creative investment izlenimi oluşturursa production recalibration yine ortaya çıkabilir.

Kaynak generic fluency, formulaic structure ve kültürel özgüllük eksikliği gibi özellikleri olası örnekler olarak vermektedir. Bunlar doğrulanmış AI reklam özellikleri veya güvenilir AI detection yöntemleri değildir.

Tüketici Tepkisini Hangi Koşullar Değiştirebilir?

AI Okuryazarlığı Neden İki Ters Etki Üretebilir?

AI'ya aşina tüketici, sistemin nasıl çalıştığını daha iyi bildiğinden insan olmayan aktör karşısında daha az belirsizlik yaşayabilir. Bu nedenle ANI daha düşük olabilir.

Aynı tüketici bir reklamın generative AI ile ne kadar hızlı oluşturulabileceğini de daha iyi bildiğinden daha düşük creative effort atfedebilir.

Kaynak bu nedenle AI literacy'nin bütün süreci tek yönde güçlendiren veya zayıflatan basit bir moderatör olmadığını öne sürmektedir.

Marka Güveni Nasıl İkiye Ayrılıyor?

Kaynak brand trust'ı relational ve calculative olmak üzere iki yön üzerinden düşünmektedir.

Relational trust, markanın iyi niyetine ve tüketiciyle kurduğu ilişkiye duyulan güveni ifade eder.

Calculative trust, markanın işlevini yerine getirebilme ve beklenen performansı sunabilme kapasitesine ilişkin güvendir.

Çalışmanın teorik beklentisine göre AI kaynaklı agent recalibration relational trust'ı daha fazla etkileyebilirken calculative trust görece daha dayanıklı kalabilir.

Marka Özgünlüğünün Hangi Boyutları Etkilenebilir?

Kaynak Morhart ve arkadaşlarının continuity, credibility, integrity ve symbolism boyutlarını kullanmaktadır.

İnsan niyeti ve yaratıcı kimlikle daha yakın bağlantılı olduğu varsayılan integrity ve symbolism'in AI üretimine daha hassas olabileceği; continuity ve credibility'nin ise daha fonksiyonel özellikler olarak görece korunabileceği ileri sürülmektedir.

Bu ayrım P11'de teorik önerme olarak formüle edilmiştir ve bu çalışma içinde ampirik olarak sınanmamıştır.

Çalışmanın Yöntemi ve Bulguları

Araştırmanın yöntemi nedir?

Bu çalışma kavramsal teori geliştirme araştırmasıdır.

Yeni tüketici örneklemi oluşturulmamıştır. Katılımcılarla deney, anket veya görüşme yapılmamıştır. Yeni reklam performans verisi veya satın alma verisi analiz edilmemiştir.

Yazar dört ana araştırma alanını ortak bir psikolojik zincir halinde birleştirmektedir: Persuasion Knowledge Model, source credibility, effort heuristic ve brand authenticity. Algorithm aversion/appreciation literatürü ise insan ile algoritmik aktör arasındaki görev-bağımlı tüketici tepkileri için ek teorik temel sağlamaktadır.

Sayfa 12'deki kavramsal model ne gösteriyor?

Kaynağın Şekil 1'i iki farklı giriş yolu göstermektedir.

Pathway 1: AI-generated advertising açıklandığında disruption/ANI aktive olur. Buradan agent recalibration ve production recalibration'a geçilir; ikisi de marka düzeyi sonuçlara bağlanır.

Pathway 2: AI-generated advertising açıklanmadığında disruption bypass edilir. İçeriğin stil özellikleri doğrudan production recalibration'a bağlanabilir.

İki yol brand trust, authenticity, persuasiveness ve purchase intention gibi downstream sonuçlarda birleşir.

Şekilde ayrıca disclosure, product category, brand positioning ve AI literacy moderating conditions olarak ayrı gösterilmektedir.

Çalışmanın 11 Önermesi Neyi Test Etmeyi Öneriyor?

Bunların hiçbiri mevcut çalışma içinde doğrulanmış sonuç değildir.

Reklam İkna Gücü ve Satın Alma Niyeti İçin Neden Ayrı Önerme Yok?

Kaynak ad persuasiveness ve purchase intention'ı en uzaktaki sonuçlar olarak değerlendirmektedir.

Teorik model bu değişkenlerin doğrudan hangi yeni mekanizmayla etkileneceğini ayrı biçimde tanımlamadığından bunlar P10 ve P11'deki trust ve authenticity değişimlerinin downstream sonuçları olarak tutulmuştur.

Bu seçim, teorinin desteklemediği doğrudan ilişkileri proposition haline getirmekten kaçınan önemli bir yöntemsel sınırlamadır.

Tam Otomasyon İçin Model Ne Öngörüyor?

Model kesin yön öngörmemektedir.

AI yalnız reklamı üretirken dağıtım geleneksel yöntemlerle yapılabilir veya AI hem içeriği üretip hem hedefleme ve dağıtımı yönetebilir.

Kaynak, ikinci durumun disruption-recalibration'ı artırıp artırmayacağını mevcut modelden çıkaramadığı için bunu RQ1 adıyla açık araştırma sorusu olarak bırakmıştır.

Çalışmanın Desteklediği ve Desteklemediği Sonuçlar

Başlıca Sınırlılıklar Nelerdir?

Birinci sınırlılık framework'ün tamamen kavramsal olmasıdır.

İkinci sınırlılık ANI'nin henüz geçerli bir measurement scale'e sahip olmamasıdır.

Üçüncü sınırlılık framework'ün temel literatürünün ağırlıklı olarak Batılı tüketici popülasyonlarından gelmesidir; farklı kültürel ortamlardaki genellenebilirlik bilinmemektedir.

Dördüncü sınırlılık propositions'ın yön belirtmesine rağmen effect magnitude belirtmemesidir.

Beşinci sınırlılık tekrar eden AI reklam maruziyetinin zaman içinde tüketicilerin insan olmayan aktörlere özgü yeni kalıcı değerlendirme şemaları geliştirip geliştirmeyeceğinin bilinmemesidir.

Altıncı sınırlılık AI literacy'nin disruption'ı azaltan ve production recalibration'ı artıran iki etkisinden hangisinin gerçek tüketici davranışında daha baskın olacağının teorik model tarafından belirlenememesidir.

AB Yapay Zekâ Düzenlemesiyle İlişkisi Nasıl Okunmalı?

Kaynak transparency ve disclosure konusunu framework'ün önemli uygulama alanlarından biri olarak tartışmaktadır. Bunun nedeni disclosure'ın modelde yalnız bilgi sağlayan bir etiket değil, hangi psikolojik değerlendirme yolunun aktive olabileceğini değiştiren bir giriş değişkeni olmasıdır.

Ancak düzenleyici tartışmada bütün AI reklamlarının aynı görünür etiketleme yükümlülüğüne tabi olduğu varsayılmamalıdır. Mevcut Avrupa Birliği düzenlemesinde farklı AI-generated content türleri, provider ve deployer rollerine göre farklı transparency yükümlülüklerine tabidir.

Bu nedenle Verianla açısından düzenleyici bölümün değeri belirli bir hukuk sonucu vermekten çok şu araştırma sorusundadır: Tüketiciye AI kullanımının açıklanması yalnız şeffaflık sağlamakla kalmayıp reklam değerlendirmesinin psikolojik mekanizmasını da değiştiriyor mu?

Genel bilimsel yorum

Çalışmanın en güçlü tarafı AI-generated advertising'i yalnız yeni bir reklam üretim teknolojisi olarak değil, consumer-evaluation teorilerinin temel varsayımlarını sınayan yeni bir persuasion-agent kategorisi olarak ele almasıdır.

Kaynağın merkezi iddiası tüketicilerin AI reklamlarını mutlaka sevmediği değildir.

Daha temel iddia şudur: Tüketici AI reklamını insan reklamından farklı bir zihinsel ölçüt sistemiyle değerlendirmeye başlayabilir.

Bunun gerçekten gerçekleşip gerçekleşmediğini, ANI'nin ölçülebilir bir psikolojik construct olup olmadığını ve iki recalibration yolunun marka güveni, authenticity, persuasion ve purchasing üzerinde hangi büyüklükte etki oluşturduğunu belirlemek için deneysel araştırmaya ihtiyaç vardır.

Kaynak ve Yöntem Notu

Özgün çalışma: When the Machine Writes the Ad: How Consumers Evaluate AI-Generated Advertising.

Yazar: Lucas Caldeira-Souza.

Kurum: Nova School of Business and Economics.

Belge türü: Working Paper.

Son revizyon: Temmuz 2026.

SSRN: Abstract No. 7198982.

DOI: 10.2139/ssrn.7198982.

Hakemlik: Kaynak belge henüz peer review yapılmadığını açıkça belirtmektedir.

Araştırma türü: Kavramsal teori geliştirme ve literatür sentezi.

Ampirik veri: Yeni veri toplanmamış veya analiz edilmemiştir.

Ana teorik katkılar: Evaluative disruption-recalibration ve Agent-Nature Uncertainty.

Recalibration boyutları: Agent recalibration ve production recalibration.

Model yolları: AI kaynağının bilinmesini gerektiren full disruption-recalibration pathway ile disclosure olmadan content-style üzerinden ilerleyebileceği öne sürülen production pathway.

Moderating conditions: Disclosure, product category, brand positioning ve consumer AI literacy.

Outcome değişkenleri: Brand authenticity, brand trust, ad persuasiveness ve purchase intention.

Teorik çıktı: 11 proposition ve 1 research question.

Temel bilimsel sınırlılık: Framework, propositions ve ANI construct'ı bu makalede ampirik olarak doğrulanmamıştır.

Finansman: Dış finansman bulunmamaktadır.

Çıkar çatışması: Yazar conflict of interest bildirmemektedir.

Data availability: Çalışmada ampirik veri toplanmamıştır.

Lisans: SSRN kaydı Creative Commons Attribution-NonCommercial 4.0 International lisansını belirtmektedir.

Telif yaklaşımı: Kaynak makale cümle veya paragraf düzeyinde çevrilmemiş; teorik entity'ler, ilişkiler, propositions, sınırlılıklar ve araştırma soruları bağımsız Verianla pedagojik yapısında yeniden oluşturulmuştur.