Pemasar tidak mempercayai cerapan AI kerana mereka tidak dapat melihat dari mana kesimpulan itu datang, dan kerana bertindak atas kesilapan yang yakin adalah mahal. Dalam tinjauan GWI terhadap lebih daripada 450 pemasar di UK, AS dan Singapura, yang diterbitkan pada bulan September 2026, 72% berkata organisasi mereka telah membuat keputusan penting mengenai cerapan yang dijana AI yang kemudiannya terbukti salah, namun hanya 37% yang mengesahkan cerapan AI pada kebanyakan masa. Penyelesaiannya adalah untuk menjadikan setiap kesimpulan AI boleh dikesan kepada sampelnya, bukti dan alasannya, supaya seseorang boleh menyemaknya sebelum sesiapa bertindak ke atasnya.
Perkara penting
- Ketidakpercayaan itu sebahagiannya diperoleh: kebanyakan pasukan pemasaran dalam tinjauan GWI telah bertindak berdasarkan cerapan AI yang ternyata salah, dan penyemakan masih menjadi pengecualian.
- Kepercayaan berlebihan juga adalah perkara biasa: dalam kajian 47-negara KPMG dan Universiti Melbourne, 66% pekerja bergantung pada output AI di tempat kerja tanpa menilainya.
- Penyelidikan tentang kepercayaan dalam automasi menunjukkan pergantungan yang ditentukur, dan orang ramai menerima algoritma yang tidak sempurna apabila mereka boleh memeriksa dan melaraskannya.
- Cerapan AI boleh disahkan apabila ia menyatakan sampelnya, memautkan setiap tuntutan dengan bukti di sebaliknya, menamakan mekanismenya dan melabel perkara yang disimpulkan oleh model itu.
- Kami mengaudit salah satu cerapan AI SOMIN sendiri di bawah; pemeriksaan menangkap bunyi dalam bukti dan perubahan dalam penonton yang akan mengelirukan ringkasan.
Mengapakah pemasar tidak mempercayai cerapan AI?
Tiga sebab timbul lagi dan lagi: cerapan tiba sebagai kotak hitam, ralatnya disampaikan dengan keyakinan yang sama seperti faktanya, dan kos panggilan yang salah jatuh pada pemasar, bukan alat.
Kosnya bukan lagi hipotesis. Dalam tinjauan GWI, 37% daripada pemasar berkata cerapan AI yang salah telah menyebabkan kerugian kewangan, 35% kepada aduan pelanggan dan 32% kepada kerosakan reputasi, dan 44% telah membuat semula kerja kerana output yang tidak tepat. GWI menjual data tinjauan untuk digunakan dalam alat AI, jadi ia mempunyai kepentingan dalam jawapan, tetapi coraknya sepadan dengan penyelidikan yang lebih luas.
KPMG dan University of Melbourne meninjau 48,000 orang di seluruh 47 negara untuk 2025 kajian global kepercayaan mereka terhadap AI. Lebih separuh (54%) berkata mereka berhati-hati untuk mempercayai AI, dan 56% pekerja berkata mereka telah melakukan kesilapan di tempat kerja kerana itu.
Psikologi menambah kelainan. Dalam lima kajian, Berkeley Dietvorst, Joseph Simmons dan Cade Massey mendapati bahawa orang hilang keyakinan terhadap algoritma lebih cepat berbanding manusia selepas melihat kedua-duanya melakukan kesilapan yang sama, walaupun algoritma itu lebih tepat secara keseluruhan. Mereka memanggilnya keengganan algoritma. Satu ralat yang boleh dilihat dalam cerapan AI boleh menenggelamkan keseluruhan alat di mata pasukan.
Adakah ketidakpercayaan itu masalah atau tindak balas yang wajar?
Kedua-duanya, bergantung kepada apa yang membawa kepada. Matlamatnya bukan lebih amanah tetapi jumlah yang betul. Semakan John Lee dan Katrina See 2004 dalam Human Factors merangka masalah sebagai pergantungan yang sesuai: automasi menjadi salah apabila orang gagal bergantung padanya dengan sewajarnya, mempercayainya sama ada lebih atau kurang daripada yang dibenarkan oleh keupayaannya.
Pemasaran menunjukkan kedua-dua kegagalan sekaligus. Kajian KPMG mendapati 66% pekerja bergantung pada output AI di tempat kerja tanpa menilai atau mengesahkannya, manakala data GWI menunjukkan kebanyakan pemasar tidak mengesahkan cerapan AI secara rutin. Pasukan beralih antara mengambil carta pada nilai muka dan binning alat selepas satu panggilan buruk.
Penyelidik yang sama juga menemui jalan keluar. Dalam susulan 2018 dalam Sains Pengurusan, orang ramai lebih bersedia untuk menggunakan algoritma ramalan yang tidak sempurna apabila mereka boleh mengubah suai outputnya, walaupun sedikit, dan ramalan mereka bertambah baik. Kepercayaan meningkat dengan kawalan. Untuk mendapatkan pandangan, kawalan bermula dengan melihat bukti dan dapat mengedit kesimpulan.
Apakah yang dikatakan data SOMIN sendiri tentang ketidakpercayaan dalam automasi?
Enjin cerapan SOMIN memaparkan tema yang sama daripada kategori penyelidikan khalayak. Dalam kajian Julai 2026 terhadap 229 item berbayar daripada GWI, Nielsen, Milieu dan Euromonitor, bertarikh 8 April hingga 6 Julai 2026, ia mengumpulkan 51 ke dalam ketegangan bertajuk "Navigating the Complexity of Consumer Insights from a Digitally pulling companies":Dmingheld data, bersandar pada label generasi yang luas, dan bimbang bahawa ketidaktepatan AI merosakkan pemahaman mereka tentang pasaran. Dari ketegangan itu ia membina rantai ini:
- Persona: Pakar Strategi Berwawasan, pakar analisis pasaran dan strategi perniagaan yang mengutamakan pengetahuan dan keputusan terdorong data, dibina daripada 63 item dalam kajian yang sama, 46 daripadanya iklan GWI.
- Sudut: Ketidakpercayaan dalam Automasi, yang model SOMIN difailkan di bawah teori amanah: kepercayaan dibina melalui konsistensi dan ketelusan, dan AI yang digunakan tanpa komunikasi yang jelas menghakisnya. Dalam kesusasteraan penyelidikan ini adalah bidang kepercayaan dalam automasi yang dikaji oleh Lee dan See.
- Insight: "Kepercayaan dipupuk dalam tanah perbualan, bukan dalam data algoritma."
Pemasaran kategori itu sendiri menjual terhadap ketakutan yang sama. Iklan GWI untuk Agent Spark, yang membawa data tinjauan GWI ke dalam pembantu AI, menjanjikan cerapan yang disahkan daripada pengguna sebenar dan bukannya kandungan yang dikikis web. Pada saluran organik GWI, siaran 23 yang ditandakan dengan topik AI purata penglibatan 83, hampir tiga kali ganda purata keseluruhan GWI sebanyak 29, antara 18 Oktober 2025 dan 17 Oktober 2026. kajian kami tentang cara firma penyelidikan khalayak memasarkan data mereka mempunyai gambaran yang lebih luas.
Apabila SOMIN menggandingkan cerapan dengan produknya sendiri, cadangan terletak pada sifat dan bukannya ciri: setiap kesimpulan AI boleh disemak pada siaran di belakangnya, dan teg konsep dikesan pada siaran khusus yang membuktikannya. Itulah piawaian yang lain dalam artikel ini terpakai, termasuk kepada SOMIN.
Apakah yang menjadikan cerapan AI boleh disahkan?
Cerapan AI boleh disahkan apabila rakan sekerja yang ragu-ragu dapat mengesannya dari kesimpulan kembali kepada bukti dalam beberapa minit. Rangka Kerja Pengurusan Risiko NIST AI memberikan perkataan yang berguna untuk bahagian: ketelusan menjawab apa yang berlaku, kebolehjelasan menjawab bagaimana keputusan dicapai dan kebolehtafsiran menjawab sebabnya. NIST menyenaraikan kebertanggungjawaban dan ketelusan, serta kebolehjelasan dan kebolehtafsiran, antara ciri AI yang boleh dipercayai.
Untuk cerapan pemasaran, ini bermakna empat lapisan yang boleh dilihat:
- Sampel: sumber, jenama, platform, julat tarikh dan saiz.
- Bukti: memaut ke siaran, iklan atau baris sebenar di belakang setiap tuntutan, dengan kiraan.
- Taakulan: mekanisme, dinamakan, dengan sumber untuk teori.
- Status: label biasa yang memisahkan perkara yang diperhatikan daripada perkara yang disimpulkan oleh model.
Dalam Strategi SOMIN, setiap persona dan ketegangan dibuka pada pustaka kandungan yang ditapis ke siaran atau iklan di belakangnya. Pautan itulah yang menjadikan audit di bawah mungkin.
Bagaimanakah anda mengaudit cerapan AI dalam amalan?
Kami menjalankan cerapan "Amanah dibiakkan dalam tanah perbualan" melalui lapisan tersebut pada bulan Oktober 2026.
| Semakan | Apa yang kami temui | Penilaian |
|---|---|---|
| Sampel dinyatakan | 229 item berbayar daripada perpustakaan iklan GWI, Nielsen, Milieu dan Euromonitor, 8 April hingga 6 Julai 2026 | lulus |
| Bukti dikaitkan | Ketegangan terbuka pada item 51 di belakangnya dalam pustaka kandungan | lulus |
| Bukti mengenai topik | Beberapa item ialah iklan Nielsen yang merekrut ahli untuk Panel Komputer & Mudah Alihnya, yang tidak mengatakan apa-apa tentang kepercayaan terhadap cerapan | Sedikit bunyi: lepaskan item di luar topik sebelum taklimat |
| penumpuan | 31 daripada 51 item datang daripada GWI | Satu mesej pengiklan mendominasi |
| Sudut sepadan dengan bukti | Sudut tersebut menggambarkan pengguna tidak mempercayai jenama yang menggunakan AI; buktinya firma penyelidikan menjual kepada pemasar | Anjakan khalayak: tulis semula sudut untuk pembeli perniagaan |
| Teori diperiksa | "Teori Amanah" ialah label yang luas; penyelidikan yang ditubuhkan adalah mengenai kepercayaan dalam automasi dan keengganan algoritma | Petikan semula kepada penyelidikan utama |
Keputusannya: cerapan ialah bacaan yang saksama tentang cara kategori penyelidikan khalayak menjual, kebanyakannya dibina pada iklan satu syarikat dan hipotesis tentang pembeli dan bukannya sikap yang diukur. Ia boleh digunakan sebaik sahaja sudut ditulis semula untuk pemasar dan item luar topik dialih keluar. Tanpa audit, ia boleh menjadi ringkas sebagai penemuan tentang pengguna. Untuk mengetahui cara ketegangan dan sudut padan bersama, lihat apa itu ketegangan pengguna.
Apakah yang perlu disertakan dalam senarai semak cerapan AI?
Sepuluh cek meliputi kebanyakannya. Jalankan lima yang pertama pada setiap cerapan dan kesemua sepuluh sebelum keputusan yang menggerakkan belanjawan.
- Nyatakan sampel dalam satu baris: sumber, jenama, platform, tarikh dan bilangan item.
- Pautkan setiap nombor kepada keterangannya, dan tunjukkan penyebutnya: 51 daripada 229 menyebut lebih daripada "tema utama".
- Buka sampel rawak bukti, sepuluh hingga dua puluh item, dan kira yang di luar topik.
- Semak kepekatan. Jika satu jenama atau akaun membekalkan kebanyakan bukti, nyatakan demikian.
- Labelkan apa yang dijana model. Persona, ketegangan dan cerapan yang dihasilkan oleh AI adalah hipotesis sehingga disemak.
- Semak teori terhadap sumber utama. Gugurkan nama yang anda tidak dapat temui dalam literatur penyelidikan.
- Semak penonton. Adakah bukti datang daripada orang yang sama dengan kesimpulan yang dibincangkan?
- Simpan bukti apabila analisis dijalankan: ID siaran, pautan dan tangkapan skrin, kerana siaran dipadamkan dan iklan berhenti disiarkan.
- Semak silang panggilan besar terhadap sumber bebas, seperti tinjauan, data jualan atau ujian kecil.
- Biarkan pemilik mengedit kesimpulan, dan log orang yang mengubahnya, siapa yang menandatanganinya dan bila.
Ini ialah kembar tahap cerapan bagi semakan salinan dalam panduan kami untuk Halusinasi AI dalam pemasaran. AI yang boleh dijelaskan untuk pemasaran juga merupakan soalan penyelidikan untuk kami: Prof. Aleks Farseev dan pasukan SOMIN telah menerbitkannya di ACM Multimedia dan The Web Conference, dan kertas kerja disenaraikan di halaman SOMIN research.
FAQ
Mengapakah pemasar tidak mempercayai cerapan yang dijana AI?
Kebanyakannya kerana mereka tidak dapat melihat bukti di sebalik kesimpulan dan telah dibakar oleh kesilapan yang yakin. Dalam tinjauan 2026 GWI, 72% pemasar berkata organisasi mereka telah membuat keputusan penting tentang cerapan AI yang kemudiannya terbukti salah.
Apakah keengganan algoritma?
Ia adalah kecenderungan untuk kehilangan kepercayaan terhadap algoritma lebih cepat daripada pada manusia selepas melihat ia membuat kesilapan, diterangkan oleh Dietvorst, Simmons dan Massey dalam 2015. Kerja mereka kemudiannya mendapati bahawa membiarkan orang melaraskan output algoritma mengurangkan kesannya.
Bagaimanakah cara saya menyemak sama ada cerapan AI adalah tepat?
Minta sampel, buka pilihan rawak siaran atau baris di belakangnya, kira yang di luar topik dan semak sama ada bukti datang daripada khalayak yang diterangkan oleh cerapan. Kemudian sahkan keputusan besar terhadap sumber bebas.
Apakah perbezaan antara AI yang boleh dijelaskan dan boleh disahkan?
AI yang boleh dijelaskan memberitahu anda cara keputusan dicapai. Cerapan yang boleh disahkan pergi lebih jauh: ia membolehkan anda memeriksa sendiri bukti dan mencapai pandangan anda sendiri, jadi anda tidak bergantung pada penjelasan sahaja.
Patutkah pemasar berhenti menggunakan AI untuk cerapan khalayak?
Tidak. AI pandai mengelompokkan volum kandungan yang besar dan mencadangkan ketegangan dengan cepat. Anggap outputnya sebagai hipotesis dengan jejak kertas, dan pastikan seseorang bertanggungjawab untuk menyemak dan menandatanganinya.
Sumber
- GWI: Pemasar mengatakan cerapan AI yang salah telah merugikan organisasi mereka (September 2026)
- KPMG dan Universiti Melbourne: Kepercayaan, sikap dan penggunaan kecerdasan buatan, kajian global 2025 (ringkasan eksekutif)
- Dietvorst, Simmons dan Massey (2015), Algoritma keengganan: orang tersilap mengelak algoritma selepas melihat mereka tersilap, Journal of Experimental Psychology: General 144(1)
- Dietvorst, Simmons dan Massey (2018), Mengatasi keengganan algoritma, Sains Pengurusan 64(3)
- Lee dan See (2004), Percaya dalam automasi: mereka bentuk untuk pergantungan yang sesuai, Faktor Manusia 46(1)
- Pusat Sumber NIST AI: Risiko dan kebolehpercayaan AI
