Маркетологи не доверяют идеям искусственного интеллекта, потому что они не могут понять, откуда пришел вывод, и потому что действия в случае уверенной ошибки обходятся дорого. В опросе GWI, в котором приняли участие более 450 маркетологов из Великобритании, США и Сингапура, опубликованном в сентябре 2026, 72% заявили, что их организация приняла важное решение относительно информации, полученной с помощью ИИ, которая впоследствии оказалась ошибочной, однако только 37% большую часть времени проверяют идеи ИИ. Решение состоит в том, чтобы сделать каждый вывод ИИ прослеживаемым по его образцу, его доказательствам и его рассуждениям, чтобы человек мог проверить его, прежде чем кто-либо будет действовать на его основе.
Главное
- Недоверие частично заслужено: большинство маркетинговых команд, участвовавших в опросе GWI, уже отреагировали на выводы ИИ, которые оказались ошибочными, и проверка по-прежнему является исключением.
- Чрезмерное доверие также является распространенным явлением: в исследовании KPMG и Мельбурнского университета, проведенном в 47 странах, 66% сотрудников полагаются на результаты ИИ на работе, не оценивая их.
- Исследования доверия к автоматизации указывают на калиброванную уверенность, и люди принимают несовершенные алгоритмы, когда они могут их проверить и скорректировать.
- Понимание ИИ можно проверить, когда он приводит образец, связывает каждое утверждение с лежащими в его основе доказательствами, называет его механизм и маркирует то, что вывела модель.
- Ниже мы проверяем одно из собственных исследований SOMIN в области искусственного интеллекта; проверки выявили шум в доказательствах и изменение аудитории, которое могло ввести в заблуждение заключение.
Почему маркетологи не доверяют идеям искусственного интеллекта?
Три причины возникают снова и снова: идея приходит в виде черного ящика, ее ошибки сообщаются с той же уверенностью, что и факты, а цена неправильного решения ложится на маркетолога, а не на инструмент.
Стоимость больше не является гипотетической. В опросе GWI 37% маркетологов заявили, что неправильное понимание ИИ привело к финансовым потерям, 35% — к жалобам клиентов и 32% — к репутационному ущербу, а 44% переделали работу из-за неточных результатов. GWI продает данные опросов для использования в инструментах искусственного интеллекта, поэтому она заинтересована в ответе, но эта закономерность соответствует более широким исследованиям.
KPMG и Мельбурнский университет опросили 48,000 человек в 47 странах для проведения 2025 глобального исследования доверия к ИИ. Чуть более половины (54%) заявили, что опасаются доверять ИИ, а 56% сотрудников заявили, что допустили ошибки на работе из-за него.
Психология добавляет изюминку. В ходе пяти исследований Беркли Дитворст, Джозеф Симмонс и Кейд Мэсси обнаружили, что люди теряют доверие к алгоритму быстрее, чем к человеку, когда видят, как оба совершают одну и ту же ошибку, даже если алгоритм в целом был более точным. Они назвали это отвращением к алгоритмам. Одна заметная ошибка в понимании ИИ может загубить весь инструмент в глазах команды.
Недоверие – проблема или разумная реакция?
И то, и другое, в зависимости от того, к чему это приведет. Цель — не больше доверия, а нужное количество. Обзор Джона Ли и Катрины Си 2004 в журнале «Человеческие факторы» сформулировал проблему как соответствующую зависимость: автоматизация идет не так, как надо, когда люди не могут положиться на нее должным образом, доверяя ей либо больше, либо меньше, чем оправдывают ее возможности.
Маркетинг показывает оба провала сразу. Исследование KPMG показало, что 66% сотрудников полагаются на результаты ИИ в работе, не оценивая и не проверяя их, в то время как данные GWI показывают, что большинство маркетологов не проверяют регулярно идеи ИИ. Команды колеблются между принятием графика за чистую монету и отказом от инструмента после одного неудачного решения.
Эти же исследователи нашли и выход. В исследовании 2018, опубликованном в журнале Management Science, люди гораздо охотнее использовали несовершенный алгоритм прогнозирования, когда они могли изменить его результаты, хотя бы незначительно, и их прогнозы улучшались. Доверие выросло вместе с контролем. Для понимания контроль начинается с просмотра доказательств и возможности редактировать выводы.
Что говорят собственные данные SOMIN о недоверии к автоматизации?
Система анализа SOMIN выявила ту же тему из категории исследований аудитории. В исследовании 229 платных товаров от GWI, Nielsen, Milieu и Euromonitor, проведенном в июле 2026 года с 8 апреля по 2026 июля 6, оно сгруппировало 51 в раздел под названием «Навигация по сложности потребительских инсайтов». на рынке, ориентированном на цифровые технологии»: компании изо всех сил пытаются извлечь полезную информацию из огромного количества данных, опираются на общие ярлыки поколений и обеспокоены тем, что неточности ИИ наносят вред их пониманию рынка. Из этого напряжения он построил эту цепочку:
- Персона: Проницательный стратег, профессионал в области рыночного анализа и бизнес-стратегии, отдающий приоритет знаниям и решениям, основанным на данных. Основан на 63 элементах одного исследования, 46 из которых — реклама GWI.
- Угол: Недоверие к автоматизации, которое модель SOMIN отнесла к теории доверия: доверие строится на основе последовательности и прозрачности, а использование ИИ без четкой коммуникации подрывает его. В исследовательской литературе Ли и Си рассматривали именно эту область доверия к автоматизации.
- Insight: «Доверие рождается на почве разговоров, а не на данных алгоритмов».
Собственный маркетинг этой категории продается вопреки тому же страху. Реклама GWI для Agent Spark, которая передает данные опросов GWI в ИИ-помощников, обещает проверенную информацию от реальных потребителей, а не контент, извлеченный из Интернета. На обычных каналах GWI 23 постов, помеченных темой AI, в среднем получили 83 взаимодействий, что почти в три раза превышает общий средний показатель GWI (29) в период с 18 октября 2025 по 17 октября 2026. Исследование того, как фирмы, занимающиеся исследованием аудитории, продают свои данные дает более широкую картину.
Когда SOMIN объединила эту идею со своим собственным продуктом, предложения основывались на свойстве, а не на функции: каждое заключение ИИ можно сверить с постами, лежащими в его основе, а теги концепции прослеживаются до конкретных постов, которые их подтверждают. Это стандарт, применимый к остальной части этой статьи, в том числе к SOMIN.
Что делает выводы ИИ проверяемыми?
Понимание ИИ можно проверить, если скептически настроенный коллега может проследить его от заключения до фактов за несколько минут. В документе NIST AI Risk Management Framework приведены полезные слова для отдельных частей: прозрачность отвечает на вопрос, что произошло, объяснимость отвечает на вопрос, как был достигнут результат, а интерпретируемость отвечает на вопрос, почему. NIST называет подотчетность и прозрачность, а также объяснимость и интерпретируемость одними из характеристик заслуживающего доверия ИИ.
С точки зрения маркетинга это означает четыре видимых слоя:
- Образец: источники, бренды, платформы, диапазон дат и размер.
- Доказательства: ссылки на реальные сообщения, объявления или строки, стоящие за каждой претензией, с указанием количества.
- Рассуждение: механизм, названный, с источником теории.
- Статус: простая метка, отделяющая то, что наблюдалось, от того, что вывела модель.
В SOMIN Strategy каждая личность и напряжение открываются в библиотеке контента, отфильтрованной по постам или рекламе, стоящим за ней. Именно эта ссылка сделала возможным приведенный ниже аудит.
Как вы проверяете понимание ИИ на практике?
В октябре 2026 года мы провели исследование «Доверие зарождается на почве разговоров» по этим слоям.
| Проверка | Что мы нашли | Вердикт |
|---|---|---|
| Образец заявлен | 229 платных элементов из рекламных библиотек GWI, Nielsen, Milieu и Euromonitor, с 8 с апреля по 6 с июля 2026. | Проходить |
| Доказательства связаны | Напряжение открывается на 51 элементов, стоящих за ним в библиотеке контента. | Проходить |
| Доказательства по теме | Некоторые материалы были рекламой Nielsen, набирающей участников для панели «Компьютеры и мобильные устройства», в которой ничего не говорится о доверии к знаниям. | Немного шума: оставляйте вопросы, не относящиеся к теме, перед брифингом. |
| Концентрация | 31 из 51 товаров поступили от GWI. | Доминирует сообщение одного рекламодателя |
| Угол соответствует доказательствам | Этот ракурс описывает потребителей, не доверяющих брендам, использующим ИИ; Доказательством являются исследовательские фирмы, продающие маркетологам | Изменение аудитории: переосмыслите взгляд на бизнес-покупателя |
| Теория проверена | «Теория доверия» — это широкий термин; устоявшиеся исследования основаны на доверии к автоматизации и неприятии алгоритмов. | Перецитируйте первичные исследования |
Вердикт: это понимание представляет собой объективное прочтение того, как продается категория исследований аудитории, основанное в основном на рекламе одной компании и гипотезу о покупателях, а не взвешенное отношение. Его можно будет использовать после того, как для маркетологов будет переписан ракурс и удалены элементы, не относящиеся к теме. Без аудита это могло бы легко превратиться в заключение о потребителях. О том, как напряжения и углы сочетаются друг с другом, см. , что такое потребительское напряжение .
Что должен включать в себя контрольный список анализа ИИ?
Десять чеков покрывают большую часть суммы. Запустите первые пять для каждой идеи и все десять перед принятием решения, которое влияет на бюджет.
- Укажите образец в одну строку: источники, бренды, платформы, даты и количество позиций.
- Свяжите каждое число с его доказательствами, и покажите знаменатель: 51 из 229 говорит больше, чем просто «основная тема».
- Откройте случайную выборку доказательств, от десяти до двадцати предметов, и посчитайте те, которые не по теме.
- Проверьте концентрацию. Если один бренд или аккаунт предоставляет большую часть доказательств, так и скажите.
- Назовите то, что сгенерировано моделью. Личности, напряженность и идеи, созданные ИИ, являются гипотезами, пока их не проверят.
- Сверьте теорию с первоисточником. Отбросьте имена, которых вы не можете найти в исследовательской литературе.
- Проверьте аудиторию. Исходят ли доказательства от тех же людей, о которых говорится в заключении?
- Сохраните доказательства при запуске анализа: идентификаторы сообщений, ссылки и скриншоты, потому что сообщения удаляются и реклама перестает показываться.
- Сверьте крупные звонки с независимыми источниками, такими как опрос, данные о продажах или небольшой тест.
- Пусть владелец отредактирует заключение, и зарегистрирует, кто его менял, кто подписывал и когда.
Это двойник проверки текста на уровне понимания в нашем руководстве по ИИ-галлюцинациям в маркетинге. Объяснимый ИИ для маркетинга также является для нас исследовательским вопросом: профессор Алекс Фарсеев и команда SOMIN опубликовали статьи по этому вопросу на ACM Multimedia и The Web Conference, а список статей можно найти на странице SOMIN Research.
FAQ
Почему маркетологи не доверяют идеям, полученным с помощью ИИ?
Главным образом потому, что они не видят доказательств, лежащих в основе выводов, и обожжены уверенными ошибками. В опросе GWI 2026 72% маркетологов заявили, что их организация приняла важное решение относительно идеи ИИ, которое позже оказалось ошибочным.
Что такое неприятие алгоритмов?
Это тенденция терять веру в алгоритм быстрее, чем в человека после того, как он увидел ошибку, описанную Дитворстом, Симмонсом и Мэсси в 2015. Их более поздняя работа показала, что разрешение людям корректировать выходные данные алгоритма снижает эффект.
Как проверить точность данных ИИ?
Попросите образец, откройте случайную выборку постов или строк, стоящих за ним, посчитайте не по теме и проверьте, исходят ли доказательства от аудитории, которую описывает инсайт. Затем подтвердите важные решения независимого источника.
В чем разница между объяснимым и проверяемым ИИ?
Объяснимый ИИ расскажет вам, как был достигнут результат. Поддающееся проверке понимание идет дальше: оно позволяет вам самостоятельно проверить доказательства и прийти к собственной точке зрения, так что вы не полагаетесь только на объяснение.
Должны ли маркетологи прекратить использовать искусственный интеллект для анализа аудитории?
Нет. ИИ хорошо умеет группировать большие объемы контента и быстро предлагать противоречия. Относитесь к его результатам как к гипотезе с документальным подтверждением и назначьте человека, ответственного за ее проверку и подписание.
Источники
- GWI: Маркетологи говорят, что неправильное понимание ИИ уже стоило их организации (сентябрь 2026)
- КПМГ и Мельбурнский университет: доверие, отношение и использование искусственного интеллекта, глобальное исследование 2025 (резюме)
- Дитворст, Симмонс и Мэсси (2015), Отвращение к алгоритмам: люди ошибочно избегают алгоритмов, увидев, что они ошибаются, Журнал экспериментальной психологии: General 144 (1)
- Дитворст, Симмонс и Мэсси (2018), Преодоление отвращения к алгоритмам, Наука управления 64 (3)
- Ли и Си (2004), Доверие к автоматизации: проектирование с учетом должной надежности, Человеческий фактор 46(1)
- Ресурсный центр НИСТ по искусственному интеллекту: риски и надежность искусственного интеллекта
