Akili bandia zalishi inaweza kuunda maandishi ya matangazo, picha na video kwa kasi inayoongezeka. Hata hivyo, ubora wa kiufundi au wa kuona wa tangazo si kitu kilekile na namna mtumiaji anavyolitathmini tangazo hilo. Mtumiaji anapogundua kwamba tangazo lilelile limeundwa na akili bandia badala ya timu ya wabunifu wa kibinadamu, si maoni yake kuhusu maudhui ya tangazo pekee yanayoweza kubadilika, bali pia vigezo anavyotumia kulitathmini.

Utafiti wa kimawazo uliotengenezwa na Lucas Caldeira-Souza unaeleza mabadiliko haya kama evaluative disruption-recalibration, yaani mchakato wa kuvurugika kwa tathmini na kuirekebisha upya. Kwa mujibu wa utafiti, tathmini ya kawaida ya matangazo hutegemea vigezo vya kiakili vilivyokua kwa kiasi kikubwa kwa ajili ya wahusika wa kibinadamu, kama nia, uaminifu na juhudi. Wakati mtengenezaji wa tangazo ni mfumo usio wa kibinadamu, kutumia vigezo hivi moja kwa moja kunaweza kuwa vigumu.

Katika hatua hii, makala inapendekeza dhana ya Agent-Nature Uncertainty (ANI). ANI haimaanishi kwamba mtumiaji hawezi kutambua kuwa tangazo limeundwa na AI; ni hali ambapo mtumiaji anajua mhusika anayeshawishi ni AI lakini hajui anapaswa kumtathmini kwa vigezo gani.

Kisha mfumo unaeleza aina mbili za recalibration. Agent recalibration inamaanisha vigezo vya uaminifu wa chanzo kama expertise na trustworthiness kuhamia kutoka tajriba ya kibinadamu na unyoofu kwenda kwenye technical competence na reliability. Production recalibration ni kutathmini upya juhudi zinazodhaniwa kutumika kuunda tangazo, kutoka kazi ya binadamu kuelekea machine efficiency.

Utafiti unatengeneza mapendekezo 11 ya kinadharia na swali moja la utafiti. Hata hivyo, haujakusanya data mpya za watumiaji wala kujaribu mahusiano haya kwa majaribio. Kwa hiyo, modeli haitoi matokeo yaliyothibitishwa kuhusu jinsi matangazo ya AI yanavyoathiri tabia ya mtumiaji; badala yake inatoa mfumo wa utafiti wa kimfumo unaoweza kujaribiwa baadaye.

Kwa nini utambulisho wa mtengenezaji wa tangazo unaweza kuwa muhimu hata ikiwa maudhui yake hayajabadilika?

Ubora wa picha, ujumbe au taarifa za bidhaa katika tangazo unaweza kubaki vilevile. Hata hivyo, mtumiaji anapojua kama tangazo limetengenezwa na timu ya wabunifu wa kibinadamu au akili bandia zalishi, tathmini yake inaweza kubadilika.

Hoja ya kuanzia ya utafiti wa chanzo ni kwamba watumiaji hawatoi hitimisho kuhusu ujumbe pekee, bali pia kuhusu mhusika aliye nyuma ya ujumbe.

Kwa mtangazaji wa kibinadamu, mtumiaji anaweza kujiuliza kwa kujua au bila kujua: Mtu huyu analenga nini? Anaijua mada hii kwa kiwango gani? Je, ni mwaminifu kwangu? Amewekeza juhudi kiasi gani katika kampeni hii?

Akili bandia hubadilisha mhusika wa maswali haya. Mfumo hauna matakwa, tajriba binafsi, unyoofu au kazi kwa maana ya kibinadamu. Kwa hiyo, kutumia mifumo iliyopo ya tathmini bila mabadiliko kunaweza kuleta kutokulingana kwa kinadharia.

Kuvurugika kwa Tathmini na Kurekebisha Upya ni Nini?

Evaluative disruption-recalibration ni mchakato ambapo vigezo vya tathmini ambavyo mtumiaji ameunda kwa ajili ya wahusika wa kibinadamu wa ushawishi haviwezi kutumika moja kwa moja kwa mtengenezaji wa tangazo asiye binadamu, na kisha vigezo vipya hutengenezwa.

“Disruption” hapa haimaanishi kwamba mtumiaji anaacha kabisa kuitikia tangazo. Inaeleza kutokea kwa kutokulingana katika mfumo wa tathmini kwa sababu hakuna mhusika ambaye mfumo wa tathmini unaomlenga binadamu unaweza kutumika kwake moja kwa moja.

“Recalibration” inaeleza kwamba mtumiaji haachi tathmini, bali anaijenga upya kwa kutumia vigezo tofauti.

Chanzo kinasisitiza kwamba vipengele hivi viwili si lazima viwe hatua tofauti za wakati zinazofuatana. Vinaweza kutokea pamoja ndani ya tukio moja la tathmini.

Agent-Nature Uncertainty ni Nini?

Agent-Nature Uncertainty (ANI) ni dhana mpya ya kinadharia inayoeleza hali ya kisaikolojia ambapo mtumiaji anatambua kwamba vigezo anavyotumia kwa kawaida kumtathmini persuasion agent havifai kwa mhusika asiye binadamu.

ANI si kutokuelewa ujumbe wa tangazo. Mtumiaji anaweza kuelewa kikamilifu tangazo linasema nini.

ANI pia si kutambua vibaya chanzo. Kinyume chake, mtumiaji anajua kwa usahihi kwamba chanzo ni AI.

Kutokuwa na uhakika kunahusu swali hili: “Nimtathmini mhusika huyu asiye binadamu kwa kiwango gani?”

Kwa nini ANI si confusion ya kawaida?

Confusion kwa kawaida huhusiana na maana ya ujumbe au ukosefu wa taarifa za bidhaa. ANI haihusu maudhui ya ujumbe, bali kiwango kinachotumiwa kumtathmini mhusika aliyeunda ujumbe.

Kwa nini ANI si skepticism?

Skepticism inahitaji mtumiaji kufanya tathmini na kufikia hitimisho hasi. ANI ni tatizo la tathmini linalotokea kabla ya kutoa hukumu chanya au hasi.

Kwa nini ANI si source confusion?

Katika source confusion, mtumiaji hutambua vibaya chanzo cha ujumbe. Katika ANI, chanzo kimetambuliwa kwa usahihi: AI. Tatizo si chanzo ni nani, bali kinapaswa kutathminiwa vipi.

Kwa nini ANI si anthropomorphism?

Anthropomorphism inaweza kurahisisha tathmini kwa kuhusisha mfumo usio wa kibinadamu na sifa za kibinadamu. Chanzo kinafafanua ANI kama hali ambayo bado haijatatuliwa kabla ya hatua hiyo. Kinadharia, anthropomorphism inaweza kuwa mojawapo ya mikakati ya kutatua ANI.

Tofauti hizi ni za kimawazo. Bado hakuna kipimo cha kisaikometria kilichothibitishwa kwa ANI.

Kurekebisha Upya Mhusika Kunawezaje Kufanya Kazi?

Chanzo hutumia expertise, trustworthiness na attractiveness kutoka katika fasihi ya kawaida ya source credibility kama hatua ya kuanzia.

Expertise ya mtu inaweza kutathminiwa kupitia tajriba ya moja kwa moja na historia ya utaalamu. Expertise ya mfumo wa AI inaweza kutafsiriwa na mtumiaji kupitia uwezo wa kuchakata data, pattern recognition au technical competence.

Vivyo hivyo, trustworthiness ya mtu inaweza kuhusishwa na nia, unyoofu na maadili yanayoshirikishwa, wakati kwa AI reliability na utendaji wa zamani vinaweza kuwa vigezo vinavyofaa zaidi.

Chanzo kinasisitiza kwamba hii si lazima iwe credibility ya chini. Kinachoweza kujitokeza ni wasifu tofauti wa credibility: technical competence inaweza kuwa juu huku sifa za relational zikibaki zisizo wazi.

Kurekebisha Upya Uzalishaji ni Nini?

Production recalibration ni kutathmini upya juhudi zinazohusishwa na uzalishaji wa tangazo.

Kampeni iliyotayarishwa na timu ya wabunifu wa kibinadamu inaweza kuwakilisha katika akili ya mtumiaji mchakato mrefu wa kazi unaohusisha kuunda wazo, kuandika maandishi, usanifu, utengenezaji wa picha au video na marekebisho ya mara kwa mara.

Ikiwa Generative AI inaweza kutoa matokeo yanayoonekana sawa kwa haraka zaidi, mtumiaji anaweza kutenganisha output quality na creative investment.

Chanzo kinatarajia kinadharia kwamba perceived effort inaweza kupungua pale matumizi ya AI yanapojulikana.

Utafiti huu haujapima kama juhudi inayotambulika kweli inapungua; uhusiano huu ni pendekezo linalopaswa kujaribiwa baadaye.

Je, Mtumiaji Anaweza Kuitikia Tofauti Hata Ikiwa Matumizi ya AI Hayajafichuliwa?

Chanzo kinajibu ndiyo kinadharia na kinapendekeza njia ya pili.

Matumizi ya AI yanapofichuliwa, mtumiaji anaweza kupitia ANI na kurekebisha upya vigezo vya mhusika na production.

Matumizi ya AI yasipofichuliwa, ANI haitokei kwa sababu mtumiaji hana taarifa kwamba chanzo ni AI. Hata hivyo, ikiwa sifa za mtindo wa tangazo zinatoa hisia ya creative investment ya chini, production recalibration bado inaweza kutokea.

Chanzo kinataja generic fluency, formulaic structure na ukosefu wa umaalumu wa kitamaduni kama mifano inayowezekana. Hizi si sifa zilizothibitishwa za matangazo ya AI wala mbinu za kuaminika za AI detection.

Ni Masharti Gani Yanayoweza Kubadilisha Mwitikio wa Mtumiaji?

Kwa Nini Uelewa wa AI Unaweza Kutoa Athari Mbili Zinazopingana?

Mtumiaji anayefahamu AI anaweza kuwa na kutokuwa na uhakika kidogo mbele ya mhusika asiye binadamu kwa sababu anaelewa vizuri jinsi mfumo unavyofanya kazi. Kwa hiyo ANI inaweza kuwa chini.

Mtumiaji huyo huyo anaweza pia kujua vizuri zaidi jinsi tangazo linavyoweza kuundwa haraka kwa generative AI, hivyo anaweza kuhusisha creative effort ndogo zaidi.

Kwa hiyo chanzo kinapendekeza kwamba AI literacy si moderator rahisi inayoongeza au kupunguza mchakato mzima katika mwelekeo mmoja.

Uaminifu wa Chapa Unagawanywaje Mara Mbili?

Chanzo kinazingatia brand trust kwa vipengele viwili: relational na calculative.

Relational trust ni imani katika nia njema ya chapa na uhusiano unaojengwa kati ya chapa na mtumiaji.

Calculative trust ni imani katika uwezo wa chapa kutekeleza kazi yake na kutoa utendaji unaotarajiwa.

Kulingana na matarajio ya kinadharia ya utafiti, agent recalibration inayotokana na AI inaweza kuathiri relational trust zaidi, wakati calculative trust inaweza kubaki imara kwa kiasi kikubwa.

Ni Vipimo Gani vya Uhalisia wa Chapa Vinavyoweza Kuathiriwa?

Chanzo kinatumia vipimo vya continuity, credibility, integrity na symbolism vya Morhart na wenzake.

Integrity na symbolism, zinazodhaniwa kuhusiana kwa karibu zaidi na nia ya kibinadamu na utambulisho wa ubunifu, zinaweza kuwa nyeti zaidi kwa uzalishaji wa AI; continuity na credibility zinaweza kulindwa zaidi kama sifa za kifunctional.

Tofauti hii imeundwa kama pendekezo la kinadharia katika P11 na haijajaribiwa kiempiria katika utafiti huu.

Mbinu na Matokeo ya Utafiti

Mbinu ya utafiti ni ipi?

Utafiti huu ni kazi ya maendeleo ya nadharia ya kimawazo.

Hakujaundwa sampuli mpya ya watumiaji. Hakujafanywa jaribio, dodoso au mahojiano na washiriki. Data mpya za utendaji wa matangazo au ununuzi hazijachambuliwa.

Mwandishi anaunganisha maeneo manne makuu ya utafiti katika mnyororo mmoja wa kisaikolojia: Persuasion Knowledge Model, source credibility, effort heuristic na brand authenticity. Fasihi ya Algorithm aversion/appreciation pia inatoa msingi wa ziada wa kinadharia kwa miitikio ya watumiaji inayotegemea kazi kati ya binadamu na mhusika wa kialgorithmu.

Modeli ya kimawazo katika ukurasa wa 12 inaonyesha nini?

Kielelezo cha 1 cha chanzo kinaonyesha njia mbili tofauti za kuingia.

Pathway 1: AI-generated advertising inapofichuliwa, disruption/ANI huanzishwa. Kutoka hapo, mchakato huenda kwenye agent recalibration na production recalibration; vyote viwili vinaunganishwa na matokeo katika kiwango cha chapa.

Pathway 2: AI-generated advertising isipofichuliwa, disruption hupitwa. Sifa za mtindo wa maudhui zinaweza kuunganishwa moja kwa moja na production recalibration.

Njia hizi mbili hukutana katika matokeo ya downstream kama brand trust, authenticity, persuasiveness na purchase intention.

Kielelezo pia kinaonyesha disclosure, product category, brand positioning na AI literacy kama moderating conditions tofauti.

Mapendekezo 11 ya Utafiti Yanapendekeza Kujaribu Nini?

Hakuna hata moja ya haya iliyothibitishwa kama matokeo katika utafiti huu.

Kwa Nini Hakuna Pendekezo Tofauti kwa Ushawishi wa Tangazo na Nia ya Kununua?

Chanzo kinachukulia ad persuasiveness na purchase intention kama matokeo ya mbali zaidi.

Kwa sababu modeli ya kinadharia haifafanui kando ni utaratibu gani mpya unaoathiri vigezo hivi moja kwa moja, vimehifadhiwa kama matokeo ya downstream ya mabadiliko ya trust na authenticity katika P10 na P11.

Uamuzi huu ni kizuizi muhimu cha kimetodolojia kinachozuia kugeuza mahusiano ya moja kwa moja ambayo nadharia haiungi mkono kuwa proposition.

Modeli Inatabiri Nini kwa Otomatiki Kamili?

Modeli haitabiri mwelekeo dhahiri.

AI inaweza kuunda tangazo pekee huku usambazaji ukifanywa kwa njia za kawaida, au AI inaweza kuunda maudhui na pia kusimamia ulengaji na usambazaji.

Kwa kuwa chanzo hakiwezi kuhitimisha kutoka kwa modeli ya sasa kama hali ya pili itaongeza disruption-recalibration, kimeiacha kama swali wazi la utafiti lenye jina RQ1.

Matokeo Yanayoungwa Mkono na Yasiyoungwa Mkono na Utafiti

Vikwazo Vikuu ni Vipi?

Kizuizi cha kwanza ni kwamba framework ni ya kimawazo kabisa.

Kizuizi cha pili ni kwamba ANI bado haina measurement scale halali.

Kizuizi cha tatu ni kwamba fasihi ya msingi ya framework inatokana zaidi na makundi ya watumiaji wa Magharibi; uwezo wa kujumlisha katika mazingira mengine ya kitamaduni haujulikani.

Kizuizi cha nne ni kwamba propositions zinaeleza mwelekeo lakini hazielezi effect magnitude.

Kizuizi cha tano ni kwamba haijulikani kama kurudiwa kwa kukutana na matangazo ya AI kutafanya watumiaji, baada ya muda, waendeleze mifumo mipya ya kudumu ya tathmini mahsusi kwa wahusika wasio binadamu.

Kizuizi cha sita ni kwamba modeli ya kinadharia haiwezi kubaini ni athari ipi kati ya mbili za AI literacy — kupunguza disruption au kuongeza production recalibration — itakuwa kubwa zaidi katika tabia halisi ya watumiaji.

Uhusiano Wake na Udhibiti wa Akili Bandia wa EU Unapaswa Kusomwaje?

Chanzo kinajadili transparency na disclosure kama mojawapo ya maeneo muhimu ya matumizi ya framework. Sababu ni kwamba disclosure katika modeli si lebo ya kutoa taarifa tu, bali ni kigezo cha kuingiza kinachoweza kubadilisha ni njia gani ya kisaikolojia ya tathmini inaweza kuanzishwa.

Hata hivyo, katika mjadala wa udhibiti, haipaswi kudhaniwa kwamba matangazo yote ya AI yana wajibu sawa wa kuweka lebo inayoonekana. Katika udhibiti wa sasa wa Umoja wa Ulaya, aina tofauti za AI-generated content zina majukumu tofauti ya transparency kulingana na majukumu ya provider na deployer.

Kwa hiyo, kwa mtazamo wa Verianla, thamani ya sehemu ya udhibiti haiko katika kutoa hitimisho maalumu la kisheria, bali katika swali hili la utafiti: Je, kumfichulia mtumiaji matumizi ya AI hutoa uwazi pekee, au pia hubadilisha utaratibu wa kisaikolojia wa tathmini ya tangazo?

Tafsiri ya jumla ya kisayansi

Nguvu kuu ya utafiti ni kwamba unaangalia AI-generated advertising si kama teknolojia mpya ya uzalishaji wa matangazo pekee, bali kama kundi jipya la persuasion-agent linalojaribu dhana za msingi za nadharia za consumer-evaluation.

Dai kuu la chanzo si kwamba watumiaji lazima wasipende matangazo ya AI.

Dai la msingi zaidi ni hili: Mtumiaji anaweza kuanza kutathmini tangazo la AI kwa mfumo wa vigezo vya kiakili tofauti na ule anaotumia kwa tangazo la kibinadamu.

Ili kubaini kama hili hutokea kweli, kama ANI ni construct ya kisaikolojia inayoweza kupimwa, na njia mbili za recalibration zina athari ya ukubwa gani kwa brand trust, authenticity, persuasion na purchasing, utafiti wa majaribio unahitajika.

Maelezo ya Chanzo na Mbinu

Kazi asili: When the Machine Writes the Ad: How Consumers Evaluate AI-Generated Advertising.

Mwandishi: Lucas Caldeira-Souza.

Taasisi: Nova School of Business and Economics.

Aina ya hati: Working Paper.

Marekebisho ya mwisho: Julai 2026.

SSRN: Abstract No. 7198982.

DOI: 10.2139/ssrn.7198982.

Hali ya peer review: Hati ya chanzo inaeleza wazi kwamba bado haijafanyiwa peer review.

Aina ya utafiti: Maendeleo ya nadharia ya kimawazo na usanisi wa fasihi.

Data za kiempiria: Hakuna data mpya iliyokusanywa au kuchambuliwa.

Michango mikuu ya kinadharia: Evaluative disruption-recalibration na Agent-Nature Uncertainty.

Vipimo vya recalibration: Agent recalibration na production recalibration.

Njia za modeli: Full disruption-recalibration pathway inayohitaji kujulikana kwa chanzo cha AI, na production pathway inayopendekezwa kwamba inaweza kuendelea kupitia content-style bila disclosure.

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

Outcome variables: Brand authenticity, brand trust, ad persuasiveness na purchase intention.

Matokeo ya kinadharia: Proposition 11 na research question 1.

Kizuizi kikuu cha kisayansi: Framework, propositions na ANI construct hazijathibitishwa kiempiria katika makala hii.

Ufadhili: Hakuna ufadhili wa nje.

Mgongano wa maslahi: Mwandishi haripoti conflict of interest.

Data availability: Hakuna data ya kiempiria iliyokusanywa katika utafiti.

Leseni: Rekodi ya SSRN inaonyesha leseni ya Creative Commons Attribution-NonCommercial 4.0 International.

Mbinu ya hakimiliki: Makala chanzo haijatafsiriwa kwa kiwango cha sentensi au aya; entity za kinadharia, mahusiano, propositions, vikwazo na maswali ya utafiti yameundwa upya katika muundo huru wa kielimu wa Verianla.