Professional Documents
Culture Documents
Umjetna Inteligencija (AI) I Oglašavanje Etički Izazovi - Završni
Umjetna Inteligencija (AI) I Oglašavanje Etički Izazovi - Završni
ZAGREB
Pia Zeljko
ZAVRŠNI RAD
Zagreb, 2023.
ZAGREBAČKA ŠKOLA EKONOMIJE I MANAGEMENTA
ZAGREB
Pia Zeljko
ZAVRŠNI RAD
Ekonomija i management
Zagreb, 2023.
SAŽETAK
The ethical challenges of artificial intelligence (AI) in advertising encompass diverse and
complex issues ranging from algorithmic bias to privacy and data protection issues. AI
technologies bring revolutionary opportunities for personalization and efficiency in
advertising, but also carry risks such as reproduction of social inequalities and discrimination.
Concerns about the concentration of economic power, the ethical implications of adopting AI
for the social structure, and the potential impact of AI on the autonomous decisions of
individuals are also key issues. Given these challenges, it is important to apply a
multidisciplinary approach in the development and implementation of AI technologies in
advertising, in order to ensure respect for human rights and promote a just society.
SAŽETAK...................................................................................................................................I
ABSTRACT................................................................................................................................I
1. UVOD..................................................................................................................................1
5. ZAKLJUČAK....................................................................................................................32
POPIS LITERATURE..............................................................................................................33
1. UVOD
U suvremenom svijetu, umjetna inteligencija (AI) postaje sve prisutnija u različitim aspektima
života, uključujući i sektor oglašavanja. Upotreba umjetne inteligencije u oglašavanju nosi sa
sobom niz etičkih izazova koji zahtijevaju pažljivu analizu i promišljanje. Naz i Kashif (2024)
u svom radu istražuju kako AI nudi brojne prednosti poput personalizacije oglasa, efikasnog
ciljanja publike i optimizacije marketinških kampanja, ali također naglašavaju i pitanja
privatnosti, manipulacije korisničkim podacima i potencijalne zloupotrebe tehnologije.
Osim toga, postoji zabrinutost oko točnosti i pristranosti algoritama umjetne inteligencije. AI
se oslanja na podatke koji se prikupljaju, a ti podaci mogu biti nepotpuni ili pristrani, što
može dovesti do nepravednog ciljanja ili isključivanja određenih skupina korisnika. Također,
upotreba AI-a u oglašavanju postavlja pitanja o utjecaju na zaposlenje u marketinškoj
industriji, budući da automatizacija može dovesti do smanjenja potrebe za ljudskim radom.
U svjetlu ovih izazova, postaje očito da je potrebna etička regulativa koja će osigurati da se AI
u oglašavanju koristi na način koji štiti prava i interese korisnika. To uključuje razvoj
standarda za transparentnost, odgovornost i pravičnost u korištenju AI-a, kao i osiguravanje
da korisnici imaju kontrolu nad svojim podacima i načinom na koji se oni koriste. Dok AI
nudi revolucionarne mogućnosti za oglašavanje, njegova upotreba nosi sa sobom važne etičke
izazove koji zahtijevaju pažljivo razmatranje i uravnoteženje između inovacija i zaštite
korisničkih prava. Etički pristup umjetnoj inteligenciji u oglašavanju ključan je za održiv i
odgovoran razvoj tehnologije u budućnosti.
1.1.Predmet i cilj rada
Nakon toga, fokus se prebacuje na različite vrste umjetne inteligencije. Ovaj segment će
obuhvatiti razne oblike i područja AI-a, od strojnog učenja i dubokog učenja do jezičnih
modela i računalnog vida. Razmatraju se kako se ovi različiti oblici AI-a primjenjuju u praksi
te koja su tehnološka dostignuća i ograničenja svake od ovih vrsta. Završni dio poglavlja
usmjerava pažnju na utjecaj umjetne inteligencije na poslovne procese. Analizira se kako AI
mijenja način na koji kompanije posluju, uključujući automatizaciju, personalizaciju,
poboljšanje odlučivanja i inovacije u proizvodima i uslugama. Istražuje se kako AI utječe na
različite industrije, od financija i zdravstva do marketinga i proizvodnje, te kako ove promjene
utječu na tržište rada, korporativnu strategiju i konkurencijsku dinamiku. Kroz ovaj detaljan
pristup, cilj je osigurati temeljito razumijevanje umjetne inteligencije, njenih različitih oblika i
značajnog utjecaja koji ima na poslovni svijet.
Alan Turing, često nazivan ocem umjetne inteligencije, opisao je ovo područje kao "znanost i
inženjerstvo stvaranja inteligentnih strojeva, posebno inteligentnih računalnih programa"
(Turing, 1937). Marr (2018) definira AI kao granu računalne znanosti koja se bavi
simulacijom inteligentnog ponašanja i sposobnošću strojeva da oponašaju ljudsko inteligentno
ponašanje. Ova definicija naglašava cilj umjetne inteligencije - simulaciju ljudskog
inteligentnog ponašanja s namjerom stvaranja strojeva sposobnih za obavljanje zadataka koji
su tradicionalno zahtijevali ljudsku inteligenciju.
Russell i Norvig (1996) umjetnu inteligenciju definiraju kao proučavanje i razvoj strojeva
sposobnih za izvođenje zadataka koji bi, kada bi ih obavljali ljudi, bili smatrani inteligentnim.
Ova interpretacija stavlja naglasak na ključni cilj u istraživanju umjetne inteligencije: razvoj
strojeva koji mogu oponašati ili replicirati zadatke tradicionalno smatrane inteligentnima kada
ih izvode ljudi.
S druge strane, izraz "umjetna opća inteligencija" (AGI), ili "snažna" umjetna inteligencija,
odnosi se na strojeve sposobne oponašati sve aspekte ljudske inteligencije. Cilj AGI-ja je
izvoditi bilo koji intelektualni zadatak koji ljudi mogu obavljati (Hernández-Orallo, 2017).
Bostrom (2016) definira "umjetnu superinteligenciju" (ASI) kao oblik inteligencije koji
znatno nadmašuje ljudske kognitivne sposobnosti u gotovo svim područjima, teži postizanju
razine inteligencije superiornoj ljudskoj u svakom aspektu, uključujući kreativnost, rješavanje
problema i donošenje odluka. Koncept umjetne superinteligencije trenutno ostaje više u sferi
znanstvene fantastike, ali njen potencijal izaziva zabrinutost među teoretičarima zbog
nepoznatih posljedica stvaranja inteligencije koja bi mogla biti daleko naprednija od ljudske
(Bostrom, 2016).
Izraz "slaba" umjetna inteligencija (AI) obično se odnosi na usku umjetnu inteligenciju (ANI),
koja predstavlja napredak u tehnologiji umjetne inteligencije. ANI se ističe svojom
sposobnošću da obavlja specifičan, unaprijed definiran zadatak, poput generiranja vijesti,
predviđanja vremena ili igranja šaha, obrađujući pri tome sirove podatke. Ovi sustavi su
programirani da izvršavaju zadatke u realnom vremenu koristeći ograničeni skup podataka,
bez sposobnosti da istovremeno obavljaju više zadataka.
Za razliku od opće, ili "jake", umjetne inteligencije, uska AI ne obuhvaća karakteristike kao
što su emocionalna inteligencija. Funkcionira unutar definiranih granica i, iako tehnološki
napredna, njezine sposobnosti su ograničene na specifične zadatke. Virtualni asistenti poput
Google Assistant-a i Siri-ja, sposobni za obradu prirodnog jezika i komunikaciju s
korisnicima, svrstavaju se u "slabu" umjetnu inteligenciju. Njihove sposobnosti su značajno
niže od ljudske inteligencije, nisu sposobni za neovisno razmišljanje i ne posjeduju svijest ili
emocionalnu dubinu karakterističnu za ljudsku inteligenciju (Jajal, 2021). Međutim, ne treba
podcijeniti značaj "slabe" umjetne inteligencije. Razvoj uske AI predstavlja izvanredan
primjer ljudske inovativnosti. ANI sustavi su u stanju obraditi podatke i obavljati zadatke brže
nego što je to moguće ljudima, što doprinosi povećanju produktivnosti, učinkovitosti i
kvalitete života. Primjerice, AI sistemi poput IBM-ovog Watsona mogu pomoći medicinskim
stručnjacima u donošenju informiranih odluka, čime se zdravstvena skrb čini učinkovitijom i
sigurnijom (Jajal, 2021).
Iako nisu u potpunosti generalizirani, AI rješenja mogu u određenim zadacima postići ili
nadmašiti ljudske performanse. Dok AI nadmašuje ljudske sposobnosti u specifičnim
područjima, njezina superiornost je ograničena na te zadatke. Snurenko i suradnici (2020)
ističu da se ovaj zaključak može primijeniti i na opću inteligenciju kada se razmatra u
kontekstu specifičnih zadataka.
Sustav sposoban za široku generalizaciju naziva se općom umjetnom inteligencijom (AGI).
Goertzel (2007) definira AGI kao posebnu osobinu koja se razlikuje od sposobnosti
specifičnih za zadatak, usmjeravajući se na razumijevanje i razvoj sustava koji manifestiraju
opću inteligenciju.
Primjena umjetne inteligencije (AI) u poslovanju postaje sve izraženiji trend, usmjeren na
poboljšanje učinkovitosti i profitabilnosti poslovnih procesa. Tvrtke svih veličina, od velikih
multinacionalnih korporacija do malih poduzeća, sve više prepoznaju mogućnosti koje
umjetna inteligencija donosi u transformaciji njihovih tradicionalnih operacija. Posebno je
značajan doprinos AI-a u automatizaciji poslovnih procesa, praksi koja uključuje upotrebu
tehnoloških rješenja za automatizaciju ponavljajućih zadataka. Organizacije poput NASA-e
koriste sustave robotske automatizacije procesa (RPA) za različite funkcije, uključujući
ljudske resurse i financijsko upravljanje, što značajno smanjuje potrebu za ljudskom
intervencijom, kako su utvrdili Davenport i Ronanki (2018).
Kognitivni vid, koji koristi algoritme dubokog učenja i strojnog učenja za dobivanje uvida iz
podataka, široko se primjenjuje. Amazonov sustav preporuka korisnicima temeljen na
podacima primjer je značaja takvih uvida. Tvrtke koje koriste takve metode bilježe više razine
zadovoljstva kupaca, kako je dokumentirao Davenport i Ronanki (2018). Napredak u primjeni
umjetne inteligencije također je vidljiv u korištenju prirodnog jezika za interakcije u stvarnom
vremenu, što omogućuje bolju komunikaciju i prikupljanje podataka. Primjerice, u
korisničkim službama chatbotovi pružaju interakcije visoke kvalitete, ponekad do te mjere da
korisnici nisu svjesni da komuniciraju s računalnim programom.
Tvrtke koje obrađuju veliki broj prijava za posao sve više koriste AI rješenja poput onih koje
nudi Pymetrics, ubrzavajući proces zapošljavanja i čineći ga manje subjektivnim. Sigurnosni
sustavi vođeni AI-om pokazuju bolje performanse u otkrivanju prijevara od tradicionalnih
sigurnosnih mjera, zahvaljujući svojoj sposobnosti učenja i prilagodbe.
Funkcije poput obrade prirodnog jezika i računalnog vida postaju sve uobičajenije. Umjetna
inteligencija vjerojatno će postati ključna komponenta za rad Interneta stvari (IoT) kako se širi
5G tehnologija. Također, kombinacija AI-a i decentraliziranih blockchain tehnologija
nastavlja privlačiti intenzivan interes, s potencijalom za revolucionarne inovacije. Integracija
umjetne inteligencije u poslovne procese ukazuje na temeljnu promjenu u načinu poslovanja
poduzeća, s trenutnim primjenama i budućim perspektivama koje naglašavaju njen
transformacijski potencijal.
3. OSNOVE OGLAŠAVANJA: DEFINICIJA, VRSTE I CILJEVI
Kesić (2003) oglašavanje također definira kao neosobni plaćeni oblik komunikacije, ali s
dodatnim naglaskom na ciljanje široke publike. Ciljevi ovog pristupa uključuju informiranje,
stvaranje pozitivne predispozicije i poticanje na kupovinu, odražavajući sveobuhvatnu ulogu
oglašavanja u komercijalnoj komunikaciji.
Kesić (2003) u svom radu detaljno opisuje temeljne značajke oglašavanja, naglašavajući da
oglašavanje predstavlja plaćeni oblik promocije, što znači da se prezentiranje i promocija
proizvoda, usluga ili ideja široj javnosti vrši uz financijsku naknadu. Osim promoviranja
konkretnih proizvoda, oglašavanje se također fokusira na usluge i ideje, proširujući svoj
domet izvan fizičkih artikala.
Karakteristična značajka oglašavanja je neosobna prezentacija, gdje komunikacija između
proizvođača i potrošača ne odvija se direktno, već posredno, putem različitih vrsta medija.
Tako proizvođači promoviraju svoje proizvode ili usluge široj javnosti, a ne u osobnom
kontaktu s kupcem. Nadalje, Kesić ističe važnost transparentnosti u oglašavanju,
naglašavajući da kupac u svakom trenutku treba biti svjestan tko je pošiljatelj poruke,
odnosno oglašavač. Ovo osigurava da kupci mogu jasno identificirati izvor informacija i
ponuda koje primaju (Kesić, 2003).
Kraljević i Perkov u svom radu ističu tri ključna aspekta oglašavanja: prvo, oglašivač mora
biti poznat; drugo, oglašavanje je plaćeni oblik komunikacije; i treće, cilj je utjecati na
ponašanje potrošača. Ova tri aspekta formiraju osnovu za razumijevanje oglašavanja kao
specifičnog oblika komunikacije u društvenom i tržišnom kontekstu (Kraljević i Perkov,
2014). U Hrvatskoj, prema Kraljeviću i Perkovu (2014), postoje različiti pojmovi koji se
koriste za definiranje oglašavanja, što ukazuje na potrebu za razlikovanjem između reklame,
propagande, promidžbe i oglašavanja. Reklama se, prema njihovom tumačenju, smatra
pogrdnim izrazom za oglašavanje, usmjerenim na jednokratnu prodaju robe, bez fokusa na
dugoročno zadovoljstvo potrošača. Sudar i Keller reklamu definiraju kao pretjerano hvaljenje
proizvoda ili usluge, često koristeći neistinite informacije za privlačenje pažnje ciljanog
korisnika (Sudar, 1991).
Prema Kesiću (2003), oglašavanje se može kategorizirati na temelju toga što i koga se
oglašava, pri čemu se izdvajaju dvije osnovne vrste. Prvo, oglašavanje proizvoda usmjereno je
na promociju specifične marke proizvoda, fokusirajući se na izgradnju i održavanje imidža te
marke. Takav oblik oglašavanja orijentiran je prema kratkoročnim ciljevima, s namjerom
poticanja potrošača na isprobavanje proizvoda. Zahtijeva značajna financijska sredstva i
najučinkovitije je kada se koristi u kombinaciji s institucijskim oglašavanjem.
Razvoj internetskog oglašavanja, kako to Višić (2013) navodi, pruža raznolike i inovativne
mogućnosti za oglašivače, ali istovremeno uvodi i brojne izazove koji se moraju riješiti kako
bi oglašavanje bilo učinkovito. Ovi izazovi proizlaze iz stalne evolucije tehnologije i
promjenjivih navika korisnika interneta. Display oglašavanje, koje uključuje razne oblike
bannera, predstavlja klasičan oblik internetskog oglašavanja. Iako omogućuje direktnu
interakciju s korisnicima putem klikova, suočava se s izazovom "banner umora", gdje
korisnici postaju sve manje osjetljivi na ove oblike oglasa. Oglasi integrirani u web stranice i
one koji se šire prelaskom miša nude subtilniji pristup. Međutim, zahtijevaju kreativnost i
inovativnost kako bi se istaknuli i privukli pažnju korisnika. Ovi oglasi moraju biti vizualno
atraktivni i angažirajući, kako bi motivirali korisnike da kliknu i saznaju više.
Oglasi koji preuzimaju cijelu stranicu mogu biti efektivni u privlačenju pažnje, ali isto tako
nose rizik od odbijanja korisnika zbog svoje nametljivosti. Ova vrsta oglašavanja mora biti
pažljivo balansirana kako bi se izbjeglo negativno iskustvo korisnika. YouTube pre-roll oglasi
su postali uobičajen način oglašavanja na jednoj od najpopularnijih video platformi. Iako
efikasni u postizanju visoke vidljivosti, oni mogu biti smetnja korisnicima koji žele gledati
odabrani sadržaj, što stvara izazov u stvaranju sadržaja koji je dovoljno privlačan da zadrži
pažnju gledatelja. E-mail oglašavanje, s obzirom na svoju cijenu i direktni pristup
potrošačima, ostaje popularan izbor. Međutim, ključno je uspostaviti relevantnu i
personaliziranu komunikaciju kako bi se izbjeglo označavanje kao spam i povećala
učinkovitost. Google AdWords i ciljano oglašavanje pružaju oglašivačima mogućnost da
dosegnu specifičnu publiku s visokim stupnjem interesa za određene proizvode ili usluge.
Precizno ciljanje ključnih riječi i interesnih područja osigurava da oglasi budu relevantni i
zanimljivi ciljanoj publici.
Verčič-Tkalac (2001) također ističe da oglašavanje igra ključnu ulogu u održavanju svježe i
prisutne slike organizacije u svijesti potrošača. To znači da kada potrošač razvije potrebu za
određenim proizvodom, automatski će pomisliti na brend koji se redovito oglašava. Verčič-
Tkalac (2001) navodi da postoje tri ključna načina na koje organizacije mogu povećati
vrijednost svoje ponude: inovacijama, dodavanjem kvalitete i promjenom percepcije ili
stavova potrošača. Ovaj multidimenzionalni pristup podrazumijeva kontinuirani razvoj
proizvoda i usluga, poboljšanje njihove kvalitete i efikasno komuniciranje tih poboljšanja
potrošačima putem oglašavanja. Sve ove strategije, ako se pravilno implementiraju, ne samo
da pomažu u stvaranju snažnog brend imidža, već i u izgradnji dugoročnih odnosa s
potrošačima, što je ključno za uspjeh svake organizacije.
Kotler (2014) naglašava da ciljevi oglašavanja moraju biti usko povezani s prethodno
definiranim marketinškim strategijama, uključujući odabir ciljanog tržišta, pozicioniranje
marke i razvoj marketinškog programa. Ti ciljevi trebaju proizlaziti iz temeljite analize tržišta
i biti prilagođeni trenutnom položaju poduzeća na tržištu i karakteristikama proizvoda ili
usluga koje se oglašavaju. Za poduzeća koja su tržišni lideri s zrelim proizvodima, ali s
niskom uporabom marke, cilj oglašavanja često se usmjerava na poticanje veće upotrebe
proizvoda. S druge strane, ako poduzeće nije tržišni lider i nudi novi proizvod koji je
superiorniji od konkurencije, cilj je uvjeriti tržište u superiornost te marke.
Svaka od ovih četiri strategije oglašavanja dolazi s vlastitim setom taktika i metodologija koje
odgovaraju različitim fazama potrošačkog putovanja i životnog ciklusa proizvoda. Za
informiranje, osnovni je cilj edukacija tržišta o novom proizvodu ili usluzi. To se obično
postiže kroz oglašavanje koje ističe jedinstvene karakteristike i prednosti proizvoda, a često se
koristi kada se uvodi inovativni proizvod ili kada se želi proširiti tržište. Kada je riječ o
uvjeravanju, oglašivači se fokusiraju na stvaranje emocionalne veze s potrošačima,
naglašavajući kako proizvod može zadovoljiti njihove specifične potrebe i želje. Ova
strategija često uključuje konkurentsko pozicioniranje, gdje se proizvod uspoređuje s
alternativama na tržištu kako bi se istaknule njegove superiornosti.
Dodatno, AI koristeći određene modele strojnog učenja pod nadzorom već je pokazao
sposobnost pružanja vrijednih uvida i savjeta za izvlačenje i praćenje zahtjeva potrošača. Chat
botovi se široko koriste u savjetovanju i nakon prodaje (Rozga i Rozga, 2018), što je
omogućilo da korisnička služba radi 24/7. Osim toga, robopozivi se općenito koriste za
prikupljanje povratnih informacija od kupaca i promociju prodaje.
Umjetna inteligencija (AI) ima ključnu ulogu u unaprjeđenju i podršci procesu donošenja
odluka u marketingu, nudeći strategije generirane pametnim sustavima. Ove odluke
obuhvaćaju izbor i provođenje prodajnih procedura, odabir distribucijskih kanala, odlučivanje
o preuređenju materijala ili roba, te određivanje prodajnih cijena i profitnih marži. Umjetna
inteligencija može pomoći u razvoju modela koji simulira proces donošenja odluka
profesionalnih trgovinskih agenata, doprinoseći racionalnosti i valjanosti modela strojnog
učenja. Drugo, hibridni inteligentni sustav također je povoljan za razvoj točnih i prikladnih
marketinških strategija, kombinirajući analizu temeljenu na stroju s ljudskim prosudbama i
kreativnošću.
Na kraju, tehnologije obrade glasa, teksta i slika široko se koriste u marketingu kako bi
olakšale predstavljanje znanja, razmišljanje, planiranje i izvođenje, na iznenađujuće velikoj
skali i brzini koja daleko nadmašuje ljudske sposobnosti (Kumar i sur., 2019). Nedavno
procvali AI pristup poznat kao obrada prirodnog jezika (NLP) zamjenjuje ručne pretrage i
razumije ljudske radnje. Ove inovacije u AI tehnologiji ne samo da povećavaju učinkovitost i
efikasnost marketinških operacija, već i otvaraju nove mogućnosti za stvaranje inovativnih
marketinških strategija, pružajući tvrtkama konkurentsku prednost u brzom i dinamičkom
tržišnom okruženju.
Umjetna inteligencija (AI) igra ključnu ulogu u automatskom i preciznom mjerenju tržišne
uspješnosti i potražnje proizvoda. Na temelju tih podataka, AI može predviđati fluktuacije
cijena različitih proizvoda ili usluga, kako navode Milgrom i Tadelis (2018). Osim toga, AI je
sposoban analizirati i predviđati tržišni rast, te stoga predviđati buduću potražnju (Kumar i
sur., 2019). Zbog toga je za tvrtke lakše postaviti cijene svojih proizvoda na odgovarajućoj i
prihvatljivoj razini, koje se automatski mijenjaju prema uputama AI-a temeljenim na njegovoj
agregatnoj analizi, te ih nude u razumnoj i profitabilnoj količini.
S druge strane, integrirane aplikacije ugrađene su unutar postojećih sustava i često su manje
vidljive korisnicima, trgovcima i prodavačima koji ih koriste. Na primjer, strojno učenje koje
donosi odluke u djeliću sekunde o tome koje digitalne oglase ponuditi korisnicima ugrađeno
je u platforme koje upravljaju cijelim procesom kupnje i postavljanja oglasa. Netflixovo
integrirano strojno učenje već više od desetljeća nudi korisnicima preporuke za video
sadržaje; njegovi prijedlozi jednostavno se pojavljuju u izborniku ponuda koje gledatelji vide
kada posjete stranicu. Da je motor za preporuke samostalan, korisnici bi morali ići na posebnu
aplikaciju i zatražiti prijedloge.
Proizvođači CRM sustava sve više ugrađuju sposobnosti strojnog učenja u svoje proizvode.
Na Salesforceu, suite Sales Cloud Einstein ima nekoliko sposobnosti, uključujući AI temeljen
sustav ocjenjivanja potencijalnih klijenata koji automatski rangira B2B klijentske potencijale
prema vjerojatnosti kupnje. Dobavljači poput Cogita, koji prodaje AI koji trenira prodavače u
call centrima, također integriraju svoje aplikacije s CRM sustavom Salesforce.
Prema Williamsu i Aitkenu (2011), etičke norme mogu se podijeliti u dvije kategorije: one
koje bi trebalo uspostaviti zbog njihovih poželjnih (ili nepoželjnih) učinaka, te one koje bi
trebalo uspostaviti jer se to jednostavno mora učiniti. S obzirom na to da AI može imati
različite stupnjeve sposobnosti učenja, prilagodljivosti i povezanosti, postavlja se pitanje
može li AI naučiti i prilagoditi se onome što je društveno poželjno i može li se nositi s
moralnim dilemama.
Etika AI-a fokusira se na utjecaj AI-a na ljude, institucije i društvo u cjelini. Raste svijest o
etičkim pitanjima koja proizlaze iz dizajna, razvoja, uvođenja u upotrebu i korištenja AI
sustava ne samo u akademskoj literaturi već i u mainstream medijima. Privatnost, poštenje,
odgovornost, dostupnost, ekološka održivost i transparentnost su pitanja koja se intenzivno
raspravljaju kako na algoritamskoj tako i na aplikativnoj razini. Dok se istraživači bave
načinom na koji AI utječe na pojedince i organizacije, okreću se teorijama o usvajanju i
korištenju tehnologije. Du i Xie (2021) primijenili su teoriju moralne medijacije tehnologije
za proučavanje etičkih izazova i prilika AI-a na tržištima potrošača. Prema ovoj teoriji,
tehnologije u upotrebi uspostavljaju odnose između ljudi i njihovog okruženja, a etičke odluke
često su rezultat suradnje ljudi i tehnologije (Du i Xie, 2021).
Drugo popularno područje primjene AI-a je uslužna industrija. Uslugama koje pruža AI
smatraju se točnijima, dosljednijima i predvidljivijima od usluga temeljenih na ljudima. Na
primjer, u industriji gostoprimstva AI se koristi u pametnim uređajima, tehnologijama
samousluge, chatbotovima, servisnim robotima, tekstovnim konverzijama, prevoditeljima
jezika i virtualnim asistentima. Osim otpora potrošača koji mogu preferirati ljude umjesto
strojeva, i posljedičnog uništenja vrijednosti, postoje i šira etička pitanja privatnosti potrošača
i potencijala za diskriminaciju.
Stahl (2021) pristupa etičkim pitanjima umjetne inteligencije (AI) s perspektive ekosustava,
razmatrajući ih u tri različita skupa: pitanja koja proizlaze iz strojnog učenja (uska AI), opća
pitanja povezana s životom u digitalnom svijetu i metafizička pitanja koja proizlaze iz
konvergencije socio-tehničkih sustava. Prvi skup pitanja uključuje one koji proizlaze iz
tehnika strojnog učenja temeljenih na AI. Ključne brige u ovom aspektu sastoje se od pitanja
informacijske privatnosti. Brige o zaštiti podataka temelje se na potrebi za pristupom velikim
skupovima podataka za svrhu obuke. Za dijagnostičke zdravstvene aplikacije, podaci za
obuku vjerojatno će se sastojati od podataka prikupljenih od pojedinačnih pacijenata u tijeku
rutinske kliničke skrbi, poput brojeva laboratorijskih testova, rezultata biopsije i
dijagnostičkih slika, ili pojedinačnih članova zdravstvenih osiguranja, zajedno s osobnim
demografskim informacijama. Drugi izvor podataka za obuku mogao bi biti iz nekliničkih
izvora, poput osobnih uređaja, društvenih medija i financijskih ili pravnih izvora, koji mogu
sadržavati potencijalno kontroverzne elemente podataka.
Postavljaju se pitanja poput tko je vlasnik podataka, koliko su podaci vrijedni, koliko vrijedi
svaki pojedinačni doprinos podataka i cijena same aplikacije, itd. Čak i ako nema pristupa
osobnim podacima, sposobnost AI-a za otkrivanje uzoraka može predstavljati probleme s
privatnošću (Char i sur., 2020). Brige o zaštiti podataka leže u nekoliko aspekata. Prvo, AI
ima potencijal stvoriti nove rizike zaštite podataka koji još nisu predviđeni zakonodavstvom,
stvarajući nove etičke brige. Drugo, moguće je da AI koristi ili generira nove vrste osobnih
podataka, poput emocionalnih podataka, čime dodatno pogoršava problem (Stahl, 2021). Na
kraju, AI sustavi su ranjivi na nove vrste napada, poput napada zagađivanjem modela, gdje
hakeri namjerno utječu na podatke za obuku kako bi manipulirali rezultatima prediktivnog
modela. Ironično, ti sustavi mogu se koristiti za otkrivanje i iskorištavanje novih vrsta
ranjivosti.
Lucivero i Hallowell (2021) oslonili su se na svoja iskustva rada na dva znanstvena projekta
koja su temeljena u Big Data Institutu Sveučilišta u Oxfordu i analizirali su njihove
epistemološke i etičke implikacije. Oba projekta pretpostavljaju da digitalni/komputacijski
alati omogućuju proučavanje fenotipskih aspekata bolesti i otvaraju nove prilike za zdravstvo
i zdravstvena istraživanja. Stoga se mogu koristiti za opravdavanje promjene pristupa s
‘omika’ (genomika, proteomika, metabolomika itd.) paradigme na fenotipsku paradigmu. Za
razliku od omika paradigme, koja obećava otkrivanje tajni procesa bolesti fokusirajući se na
molekularne procese, fenotipska paradigma fokusira se na opažljive osobine kao što su
facijalne karakteristike, socijalna i kognitivna ponašanja ili životne navike kao pokazatelji za
identifikaciju uzoraka bolesti i osnovnih bioloških mehanizama.
U kontekstu sve veće upotrebe velikih podataka i analitike od strane organizacija u turizmu i
gostoprimstvu (THO), Yallop i sur., (2021) predložili su okvir koji uključuje etički pristup
koji nadilazi samo usklađenost s zakonima o privatnosti i zaštiti podataka, uključujući i druge
ključne aspekte poput privatnosti i etike, poštenog razmjene podataka putnika te sposobnost
THO-a da izgradi povjerljive odnose sa dionicima kako bi pokazali svoju društvenu licencu za
rad.
Još jedna široko raspravljana etička briga povezana s AI-om je pristranost, tj. mogućnost da
strojno učenje reprodukcije već postojeće pristranosti, bilo namjerno ili nenamjerno (Stahl,
2021). Zapravo, algoritamske pristranosti i proizlazeća diskriminacija izazivaju zabrinutost da
su ljudi u nepovoljnom položaju iz razloga koji ne bi trebali biti, na primjer, dodjeljivanjem
većih kreditnih limita muškarcima nego ženama ili kada se pitanja rodnih pristranosti u
regrutaciji repliciraju kroz upotrebu stroja. Vođene su rasprave o potencijalu strojnog učenja
da naruši pravo na jednakost i nediskriminaciju.
Osim toga, aplikacije strojnog učenja koje uključuju perpetuirane pristranosti mogu imati
štetan učinak na kliničke odluke i podržavati samoispunjavajuće proročanstva. Na primjer,
trenutna praksa deeskalacije ili izbjegavanja intervencija kod pacijenata s određenim teškim
ozljedama ili progresivnim stanjima može implicirati da su sustavi strojnog učenja skloni
kategoriziranju takvih situacija kao gotovo uvijek fatalnih, čime se smanjuje mogućnost
poboljšanja ishoda za takva stanja. Čini se kao paradoks u usporedbi s podacima visoke
kvalitete namijenjenim istraživanju, stvarni podaci mogu jednostavno pojačati suboptimalne
kliničke prakse koje nisu usklađene s najboljim znanstvenim dokazima. Ipak, algoritam koji
se prekomjerno oslanja samo na podatke namijenjene istraživanju mogao bi zanemariti važna
klinički relevantna znanja, čime bi se smanjila kvaliteta skrbi.
Tian i sur. (2021) testirali su tipičnu duboku konvolucijsku neuronsku mrežu (DCNN), VGG-
Face, koja je trenirana s bazom podataka lica bogatom bijelim licima u usporedbi s crnačkim i
azijskim licima. U rezultatima transfernog učenja, bijela lica su se značajno bolje izvodila od
bilo koje druge rase, slično poznatoj društvenoj pristranosti kod ljudi, efektu druge rase
(ORE). Nadalje, kada je baza podataka sadržavala veći broj bijelih lica, reprezentacije tih lica
bila su različitija, kako je naznačeno manjom sličnošću unutar skupine i većom
reprezentativnom Euklidskom udaljenošću. Kao rezultat, bijela lica su se manje često
pojavljivala u reprezentativnom prostoru lica VGG-Face od drugih lica. Pronađena je
pozitivna korelacija između različitosti lica i točnosti identifikacije, što objašnjava ORE
opažen u VGG-Face.
Drugi skup etičkih pitanja povezan je s onim što Stahl (2021) naziva AI kao konvergirajućim
socio-tehničkim sustavima, tj. sustavima koji obično uključuju brojne tehnologije i društveni
utjecaj koji uzrokuju. Na primjer, AI roboti sada se premještaju iz skladišta i proizvodnih
strojeva na tržište i svakodnevno interaktiraju s potrošačima. Interakcije između ljudi i AI-a,
te ljudi i robota, projektirane su kao uobičajen dio našeg svakodnevnog života.
Unutar ovog klastera, istraživači su zabrinuti zbog toga kako potrošači percipiraju AI
aplikacije u smislu potencijalnih etičkih posljedica. To je posebno važno u uslužnim
industrijama budući da su interakcije potrošača s pružateljem usluga ključne za njihovo
iskustvo i donju liniju usluge tvrtke. Prema studiji Park i sur., (2021), potrošači iskazuju
zabrinutost zbog privatnosti i povjerenja prema AI tehnologiji u uslužnom okruženju s
obzirom na kredencijale (npr., bolnica) ili iskustvo (npr., kafić). Neka istraživanja su
istraživala kako se potrošači mogu osjećati neugodno interakcijom s robot koncijergom zbog
njegovih ljudskih kvaliteta. Postojala je manja tolerancija potrošača prema antropomorfnim
robot koncijergima od karikatura, sugerirajući da ljudska sličnost ne-ljudske značajke mogu
stvoriti nelagodu (Hwang i sur., 2021).
Jedna od ključnih briga je koncentracija ekonomske moći (Stahl, 2021). Trenutni AI sustavi
oslanjaju se na velike računalne resurse i ogromne količine podataka. Samo organizacije koje
posjeduju ili imaju pristup takvim resursima dobro su pozicionirane da imaju koristi od AI-a.
Te velike tvrtke mogu zatim ostvariti još veće dobiti nego prije korištenja AI-a. Ovi razvoji
postavljaju pitanja pravednosti kada velike tvrtke iskorištavaju korisničke podatke koji su
prisvojeni od pojedinaca bez naknade. Kada ove tvrtke koriste AI i velike podatke kako bi
predvidjele ponašanje potrošača i ostvarile dobit od nadzora, koriste svoje uvide kako bi
strukturirale prostor djelovanja pojedinaca i smanjile prosječnu sposobnost građanina da
donosi autonomne odluke. Dobro uspostavljena etička briga usredotočena je na digitalni jaz.
To se tiče podjela između zemalja, spolova i dobi, između ruralnih i urbanih područja. AI
može pogoršati svaku od ovih podjela. Oni koji ne mogu pristupiti osnovnoj tehnologiji
propustit će koristi. U smislu društvenog utjecaja, postoje zabrinutosti da digitalne tehnologije
funkcioniraju na načine koji perpetuiraju rasne i kolonijalne strukture. U ovom području
istaknuto je nekoliko etičkih briga vezanih za samosvjesne strojne inteligencije (AI) (Cave i
Dihal, 2020) i kolonijalne karakteristike u algoritamskom donošenju odluka.
Treći skup etičkih pitanja povezanih s AI-om vrti se oko prirode stvarnosti, prirode bića i naše
sposobnosti da to shvatimo (velika egzistencijalna ljudska pitanja). Istraživači predviđaju
uspostavu superinteligencije kada će AI nadmašiti ljude u većini ili svim kognitivnim
zadacima, kao i razviti svijest i samosvijest. Superhuman AI može biti prijateljski nastrojen
prema ljudima ili nas smatrati konkurentima i uništiti nas? Spekulacije ovog tipa dovele su do
pitanja kao što su možemo li držati trenutne AI-ove odgovornima i postoji li nešto poput
umjetne moralnosti. Ovo je praktično pitanje jer AI-ovi mogu stvoriti moralno relevantne
posljedice. Bancroft (2013) je istaknuo da napredci u računalnoj neuroznanosti stvaraju
jedinstvena, zanimljiva i važna etička pitanja. Ako je dovoljno detaljna računalna simulacija
mozga potencijalno operativno ekvivalentna organskom mozgu, proizlazi da moramo
razmotriti proširenje zaštite od patnje na simulacije.
Dok je dizajn AI robota još uvijek u zaostatku, rasprava o odgovornosti AI robota široko se
pojavila u literaturi. Toth i sur. (2022) istaknuli su mehanizme donošenja odluka AI robota i
gotovo ljudsku prirodu AI robota. Prvo se tiče razmatranja kako istraživači mogu uzeti u obzir
mehanizme donošenja odluka AI robota s proširene perspektive etičkih implikacija. Također,
trebamo biti zabrinuti zbog pitanja poput kako različite razine sposobnosti donošenja odluka
AI robota utječu na fokus etičke odgovornosti u kritičnim incidentima (npr., u slučaju
autonomnih vozila). I drugo se tiče pitanja kako bi AI roboti trebali biti dizajnirani, tretirani i
na kraju, krajnje pitanje hoće li AI zamijeniti ljudska bića kako evoluira. U suštini, ovaj skup
etičkih pitanja tiče se odnosa između AI-a i ljudskih bića u budućnosti.
Dok AI nudi značajne mogućnosti za inovacije u oglašavanju, etički pristup njenom korištenju
ključan je za osiguravanje da tehnologija služi dobrobiti društva. Budući koraci trebali bi biti
usmjereni na uspostavu ravnoteže između inovacija i etičkih standarda kako bi se
maksimizirale prednosti AI-a dok se minimiziraju negativni utjecaji na privatnost i društvenu
pravednost.
5. ZAKLJUČAK
U razmatranju etičkih izazova koje donosi umjetna inteligencija (AI) u svijetu oglašavanja,
neizbježno se suočavamo s kompleksnim pitanjima. AI tehnologije, iako nude revolucionarne
mogućnosti za personalizaciju i učinkovitost u oglašavanju, također donose značajne etičke
dileme. Ove se kreću od pristranosti i diskriminacije u algoritmima, preko pitanja privatnosti i
zaštite podataka, do dubljih filozofskih i socijalnih implikacija.
Prva i najizraženija briga jest pristranost u AI, koja može reproducirati postojeće društvene
nejednakosti i diskriminaciju. Ovo se posebno ističe u primjerima gdje AI sustavi nisu
obučeni na reprezentativnim skupovima podataka, dovodeći do pristranih rezultata koji mogu
negativno utjecati na manjinske skupine. Drugo, pitanja privatnosti i zaštite podataka su od
iznimne važnosti, s obzirom na masovno prikupljanje i analizu korisničkih podataka u
oglašavanju. Ovo postavlja pitanje o pravu pojedinaca na privatnost i kako se ti podaci koriste
i dijele.
Na kraju, dok se svijet oglašavanja sve više oslanja na AI, ključno je da se etičke dileme uzmu
u obzir u svim fazama razvoja i primjene AI tehnologija. To zahtijeva multidisciplinarni
pristup koji uključuje stručnjake iz tehnologije, etike, zakona i društvenih znanosti. Samo kroz
ovakav holistički pristup možemo osigurati da AI u oglašavanju bude korišten na način koji
poštuje ljudska prava i promiče pravedno društvo.
POPIS LITERATURE