ZAGREBAČKA ŠKOLA EKONOMIJE I MANAGEMENTA

ZAGREB

Pia Zeljko

UMJETNA INTELIGENCIJA (AI) I OGLAŠAVANJE: ETIČKI

IZAZOVI

ZAVRŠNI RAD

Zagreb, 2023.
 ZAGREBAČKA ŠKOLA EKONOMIJE I MANAGEMENTA
ZAGREB

Pia Zeljko

UMJETNA INTELIGENCIJA (AI) I OGLAŠAVANJE: ETIČKI

IZAZOVI
ARTIFICIAL INTELLIGENCE (AI) AND ADVERTISING:
ETHICAL CHALLENGES

ZAVRŠNI RAD
Ekonomija i management

Mentor: Matea Hanžek, MSc, MBA

Zagreb, 2023.
 SAŽETAK

Etički izazovi umjetne inteligencije (AI) u oglašavanju obuhvaćaju raznovrsna i složena

pitanja koja se protežu od pristranosti u algoritmima do pitanja privatnosti i zaštite podataka.
AI tehnologije donose revolucionarne mogućnosti za personalizaciju i učinkovitost u
oglašavanju, ali isto tako nosi rizike poput reprodukcije društvenih nejednakosti i
diskriminacije. Brige o koncentraciji ekonomske moći, etičke implikacije u usvajanju AI-a na
društvenu strukturu, i potencijalni utjecaj AI-a na autonomne odluke pojedinaca također su
ključna pitanja. S obzirom na ove izazove, važno je primijeniti multidisciplinarni pristup u
razvoju i implementaciji AI tehnologija u oglašavanju, kako bi se osiguralo poštovanje
ljudskih prava i promicanje pravednog društva.

Ključne riječi: umjetna inteligencija, etički izazovi, oglašavanje

 ABSTRACT

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.

Keywords: artificial intelligence, ethical challenges, advertising

 Sadržaj

SAŽETAK...................................................................................................................................I

ABSTRACT................................................................................................................................I

1. UVOD..................................................................................................................................1

1.1. Predmet i cilj rada........................................................................................................2

2. TEORETSKO DEFINIRANJE I VRSTE UMJETNE INTELIGENCIJE..........................3

2.1. Definiranje koncepta umjetne inteligencije..................................................................3

2.2. Vrste umjetne inteligencije...........................................................................................5

2.3. Utjecaj umjetne inteligencije na poslovne procese......................................................8

3. OSNOVE OGLAŠAVANJA: DEFINICIJA, VRSTE I CILJEVI....................................11

3.1. Teoretsko definiranje oglašavanja..............................................................................11

3.2. Vrste oglašavanja.......................................................................................................13

3.3. Funkcije i ciljevi oglašavanja.....................................................................................14

4. UMJETNA INTELIGENCIJA U OGLAŠAVANJU: PRIMJENA, APLIKACIJE I

ETIČKI IZAZOVI....................................................................................................................18

4.1. Primjena umjetne inteligencije u oglašavanju............................................................18

4.2. Aplikacije umjetne inteligencije u oglašavanju.........................................................22

4.3. Etički izazovi u implementaciji umjetne inteligencije u oglašavanju........................24

4.4. Osobno mišljenje i budući koraci...............................................................................30

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.

Etički izazovi vezani uz AI u oglašavanju često se odnose na transparentnost i privolu

korisnika. Postavlja se pitanje u kojoj mjeri korisnici razumiju kako se njihovi podaci
prikupljaju, obrađuju i koriste za ciljano oglašavanje. Osim toga, umjetna inteligencija može
dovesti do stvaranja "filter mjehurića" gdje korisnici dobivaju samo one informacije i oglase
koji odgovaraju njihovim prethodnim preferencijama, što može ograničiti njihovu izloženost
različitim perspektivama.

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

Predmet ovog rada je istraživanje etičkih izazova povezanih s upotrebom umjetne

inteligencije (AI) u sektoru oglašavanja. Cilj rada je analizirati kako AI transformira prakse
oglašavanja te identificirati ključne etičke dileme koje proizlaze iz te transformacije. Rad teži
razumijevanju utjecaja AI-a na privatnost korisnika, transparentnost procesa, potencijalne
pristranosti u algoritmima i utjecaj na društvenu dinamiku. Kroz ovaj rad, nastoji se pružiti
analiza kroz sekundarno istraživanje kako bi se razvile smjernice za etičku upotrebu AI-a u
oglašavanju, sa ciljem zaštite prava i interesa korisnika te promicanja odgovornog korištenja
tehnologije.
2. TEORETSKO DEFINIRANJE I VRSTE UMJETNE
INTELIGENCIJE

U ovom poglavlju, detaljno se razmatra koncept umjetne inteligencije, istražuju se njezine

različite vrste i analizira njen utjecaj na poslovne procese. Prvo se definira sam koncept
umjetne inteligencije, razmatrajući njezinu povijest, razvoj i osnovne definicije. Ovaj dio će
istražiti kako se AI razvijala od teoretskog koncepta do praktične primjene u različitim
sektorima. Različita tumačenja i definicije AI-a bit će istražena kako bi se omogućilo
sveobuhvatno razumijevanje njenog značenja i mogućnosti.

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.

2.1.Definiranje koncepta umjetne inteligencije

Istraživanje AI smatra se ključnim dijelom računalnih znanosti i inženjerstva, usredotočujući

se na obradu podataka kroz računalne sustave. No, ovaj koncept je dinamičan i podložan
promjenama, evoluirajući s novim primjenama i zahtjevima. Kada se govori o "inteligenciji"
u kontekstu ljudskog mozga, ona uključuje razne kognitivne funkcije poput razmišljanja,
rješavanja problema i učenja. Colom i suradnici (2010) navode da inteligencija obuhvaća
različite kognitivne funkcije kao što su percepcija, pažnja, pamćenje, jezik i planiranje, nudeći
sveobuhvatni pogled na ljudsku inteligenciju.
Tijekom povijesti, umjetna inteligencija bila je predmet različitih interpretacija i definicija. U
počecima, definicije su se usmjeravale na mehaničke aspekte kognitivnih funkcija. John
McCarthy, profesor s Odsjeka za računalne znanosti na Sveučilištu Stanford, prvi je
upotrijebio izraz "umjetna inteligencija" 1956. godine, definirajući je kao "znanost i
inženjerstvo stvaranja inteligentnih strojeva" (Crevier, 1993), čime je istaknuo njen dvostruki
karakter kao znanstvene i inženjerske discipline.

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.

Koncept "umjetne inteligencije" odnosi se na računalne sustave koji su sposobni razumjeti

okolinu, sudjelovati u kognitivnim procesima i prilagođavati se za učinkovitije postizanje
ciljeva. Ovi sustavi obuhvaćaju računalne programe razvijene za obavljanje zadataka koji su
prethodno zahtijevali inteligenciju ljudi. Gillham i suradnici (2018) navode da opseg tih
zadataka varira od specifičnih, ograničenih područja poznatih kao "slaba" ili "uska" umjetna
inteligencija (npr. optimizacija potrošnje energije u pametnim mrežama) do širih i općenitijih
oblika AI-a (poput naprednih chatbotova).

Prema Samoiliju i suradnicima (2020), sustavi umjetne inteligencije su oni softverski (i

potencijalno hardverski) sustavi koje je dizajnirao čovjek. Ovi sustavi djeluju u fizičkim ili
digitalnim okruženjima kako bi ostvarili zadane ciljeve. Funkcioniraju prikupljajući podatke o
okolini, interpretirajući strukturirane i nestrukturirane podatke, obrađujući informacije
izvedene iz tih podataka te donoseći odluke o najučinkovitijim radnjama. Koriste simbolička
pravila ili razvijaju numeričke modele i mogu prilagoditi svoje ponašanje temeljem procjene
kako su njihove prethodne radnje utjecale na okolinu, naglašavajući dinamičku i prilagodljivu
prirodu umjetne inteligencije.

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.

Trenutno je jedan od najpopularnijih oblika umjetne inteligencije tzv. uska umjetna

inteligencija (ANI), poznata i kao "slaba" umjetna inteligencija. ANI sustavi su dizajnirani za
obavljanje specifičnih zadataka unutar određenih parametara. Primjeri uključuju sustave za
prevođenje jezika, prepoznavanje slika i lica. Karakterizira ih brza obrada podataka, što
doprinosi većoj produktivnosti i učinkovitosti u praktičnim primjenama. Na primjer, ANI
može istovremeno prevoditi više od stotinu jezika i prepoznavati lica i objekte na milijunima
slika s visokom točnošću, olakšavajući korisnicima brže donošenje odluka temeljenih na
podacima (Hernández-Orallo, 2017). Međutim, ANI ima ograničenja u generalizaciji znanja
na različita područja. Primjerice, sustav specijaliziran za prepoznavanje slika neće biti
sposoban primijeniti svoje znanje na prepoznavanje govora.

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).

2.2.Vrste umjetne inteligencije

Umjetna inteligencija predstavlja široko i složeno područje s raznim klasifikacijama koje se

temelje na različitim karakteristikama. Funkcionalno, područje umjetne inteligencije može se
kategorizirati u tri osnovne skupine:
 Uska umjetna inteligencija (ANI), koja je specijalizirana za obavljanje određenih zadataka
unutar precizno definiranih okvira.
 Opća umjetna inteligencija (AGI), čiji je cilj oponašati širok raspon kognitivnih funkcija
ljudskog bića.
 Umjetna superinteligencija, koja teži razini inteligencije koja nadmašuje sve ljudske
sposobnosti, uključujući kreativnost, rješavanje problema i emocionalnu inteligenciju
(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.

Većina trenutnih istraživanja u području umjetne inteligencije koncentrirana je na razvoj uske

umjetne inteligencije (ANI). ANI se fokusira na specijalizirane programe koji pokazuju
inteligenciju u određenim područjima kao što su šah, medicinska dijagnostika, autonomna
vožnja, algebarski izračuni ili dokazivanje matematičkih teorema. Ovi specijalizirani
programi umjetne inteligencije postigli su značajne uspjehe u svojim specifičnim
industrijskim primjenama. Iako je prvotni cilj istraživanja bio razvoj umjetne opće
inteligencije (AGI), zbog složenosti i izazova uključenih u njen razvoj, mnogi su se istraživači
preusmjerili na usku AI. AGI predstavlja sposobnost stjecanja širokog spektra znanja i
vještina, odnosno sposobnost učenja bilo čega, temeljenu na temeljnim sposobnostima
neovisno o specifičnom području. Goertzel (2007) ističe da se učenje u AGI odvija
nenamjerno i bez nadzora, kroz interakciju s okolinom, što uključuje istraživanje i
eksperimentiranje (Churchland, 1996). Opća inteligencija zahtijeva niz temeljnih kvaliteta i
sposobnosti, uključujući osjetila za prikupljanje informacija iz stvarnog ili virtualnog svijeta,
koherentne metode pohrane informacija i prilagodljive mehanizme za aktivno prikupljanje
informacija iz raznolikih ili promjenjivih okruženja. Informacije moraju biti prilagođene i
ažurirane na dosljedan način, povezujući nove informacije s prethodno prikupljenim
podacima, te omogućavati formiranje i generalizaciju pojmova (Churchland, 1996).

Uska AI suočava se s brojnim temeljnim ograničenjima, uključujući troškove i kašnjenja

povezana s prilagođenim programiranjem, nemogućnost učenja iz iskustva ili obučavanja od
strane korisnika, probleme s pouzdanošću i performansama zbog "krhkosti" sustava i
ograničene inteligencije (Voss, 2007). AGI, kao kamen temeljac za razvoj robusnih
autonomnih sustava, ključan je za razvoj AI koji se može samopoboljšavati. AGI ima
potencijal unaprijediti razvoj softvera i robotskih sustava koji su praktičniji, inteligentniji i
kompatibilniji s ljudima. Nick Bostrom, filozof s Oxfordskog sveučilišta, definira
superinteligenciju kao "inteligenciju koja znatno nadmašuje ljudske kognitivne sposobnosti u
gotovo svim područjima interesa" (Bostrom, 2014).
Stvaranje umjetne superinteligencije predstavlja vrhunac ciljeva u istraživanju umjetne
inteligencije, s obzirom na to da bi takav razvoj bio najnapredniji i najznačajniji oblik
inteligencije ikada ostvaren. Umjetna superinteligencija bi mogla jednoga dana imitirati
složenu multidisciplinarnu inteligenciju ljudi i nadmašiti ljudske sposobnosti u svim zadacima
zahvaljujući svojoj ogromnoj memoriji i brzini obrade podataka. Razvoj umjetne
superinteligencije dovodi do koncepta "tehnološke singularnosti" kao realne mogućnosti u
budućnosti, otvarajući pitanja o ulozi ljudi u svijetu gdje strojevi postaju napredniji od nas u
svakom pogledu. Postoji i pitanje o potencijalnoj svijesti takvih strojeva i prioriteta njihovog
vlastitog razvoja nad ljudskim (Kurzweil, 2017).

Očekuje se da će hardver potreban za pokretanje umjetne inteligencije biti dostupan u

sljedećih nekoliko desetljeća, ali razvoj odgovarajućeg softvera predstavlja veći izazov.
Trenutno, potraga za umjetnom superinteligencijom ostaje više teorijska, jer konkretni dokazi
koji bi podržali ili opovrgli njezinu mogućnost još nisu dostupni. Prema anketi stručnjaka na
web stranici AI Impacts (2021), postoji 50% šanse da će se razina umjetne inteligencije koja
se može usporediti s ljudskom ostvariti do 2035.

Elon Musk izražava značajnu zabrinutost u vezi s razvojem umjetne inteligencije,

naglašavajući potrebu za ekstremnim oprezom i regulatornim nadzorom na nacionalnoj i
međunarodnoj razini (Holley, 2015). Stephen Hawking je također izrazio zabrinutost o
potencijalnim rizicima i implikacijama razvoja umjetne superinteligencije, koji bi mogao
dovesti do strojeva sposobnih za nadmašivanje ljudske inteligencije u svakom pogledu
(Cellan-Jones, 2016). Ova stajališta ističu važnost uspostavljanja etičkih okvira i regulatornih
smjernica za razvoj i primjenu umjetne inteligencije. Naglašava se potreba za sveobuhvatnim
pristupom koji uključuje stručnjake iz različitih disciplina, kako bi se zajednički razmotrili
potencijalni rizici i implikacije, te osigurala sigurna i odgovorna upotreba umjetne
inteligencije u budućnosti.

2.3.Utjecaj umjetne inteligencije na poslovne procese

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.

AI se koristi u upravljanju zalihama, dizajniranju izgleda trgovina i predviđanju preferencija

kupaca, optimizirajući time prodaju i marketing. Uz to, AI olakšava ciljanje oglasa
odgovarajućoj demografiji i razumijevanje motivacija potrošača za kupnju. Alati poput
Alibabinog AI-CopyWriter-a pokazuju sposobnost AI-a u stvaranju reklamnih materijala.
Tradicionalna robotika, nekoć lišena mogućnosti umjetne inteligencije, sada je integrirana sa
strojnim učenjem za poboljšanu suradnju s ljudskim radnicima, što je učinilo interakciju
čovjeka i robota sigurnijom i učinkovitijom (Agrawal i sur., 2019).

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

Poglavlje posvećeno teoretskom razmatranju oglašavanja, bavi se detaljnim istraživanjem i

razjašnjavanjem samog koncepta oglašavanja, različitih vrsta koje su prisutne u današnjem
tržišnom okruženju, te funkcija i ciljeva koje oglašavanje postiže. Ovo poglavlje pružit će
temeljito razumijevanje oglašavanja kao ključnog elementa u svijetu marketinga, istražujući
kako se oglašavanje razvijalo i kako se danas primjenjuje u različitim sektorima. Razmatrat će
se i specifične strategije i ciljevi koji stoje iza različitih oblika oglašavanja, kao i utjecaj koji
oglašavanje ima na potrošače i tržište u cjelini.

3.1.Teoretsko definiranje oglašavanja

Pojam oglašavanja bio je predmet brojnih akademskih rasprava i interpretacija. Kraljević i

Perkov (2014) u svom radu oglašavanje definiraju kao plaćeni oblik sustavnog i osmišljenog
slanja poruka s ciljem izravnog ili neizravnog utjecaja na primatelja i njegovo ponašanje. Ova
definicija naglašava strukturiran i ciljani pristup oglašavanju, s fokusom na utjecaj na
ponašanje i odluke primatelja. S druge strane, Kotler i suradnici (2006) oglašavanje vide kao
plaćeni oblik neosobne prezentacije i promidžbe ideja, proizvoda ili usluga putem masovnih
medija poput novina, časopisa, televizije ili radija, koji provodi identificirani sponzor. Ova
definicija proširuje razumijevanje oglašavanja na korištenje masovnih medija kao glavnog
kanala za prenošenje oglašivačkih poruka, naglašavajući njegovu neosobnu prirodu.

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).

Razlika između oglašavanja i reklame leži u tome što oglašavanje karakteriziraju

osmišljenost, informativnost i zabavnost, bez pružanja neistinitih informacija, s ciljem
dugoročnog zadovoljstva potrošača. Propaganda se, prema Kraljeviću i Perkovu (2014),
definira kao sustavan i osmišljen pristup s dugoročnim ciljem zadovoljstva potrošača, no često
se koristi u političkom kontekstu i može uključivati elemente navođenja ili čak manipuliranja
ponašanjem korisnika. Oglašavanje, kao što navode Kraljević i Perkov (2014), proizlazi iz
hrvatske riječi "glas" i označava oblik tržišne i društvene komunikacije koji na sustavan,
osmišljen i dugoročan način širi poruku o nečemu ili nekome, s ciljem izazivanja reakcije ili
akcije primatelja poruke. Ove brojne definicije upućuju na zaključak da oglašavanje treba biti
sustavno i osmišljeno, s poznatim pošiljateljem poruke ili brendom, s glavnim ciljem
dugoročnog zadovoljstva potrošača, a poruka treba biti informativna i zabavna.
 3.2.Vrste oglašavanja

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.

Drugo, institucionalno oglašavanje fokusira se na promoviranje samog poduzeća, s ciljem

kreiranja i održavanja pozitivnog imidža poduzeća. Za razliku od oglašavanja proizvoda,
institucionalno oglašavanje ima dugoročne ciljeve i može utjecati na percepciju svih budućih
proizvoda poduzeća. Napredak u tehnologiji i pojava novih medija doveli su do razvoja
dodatnih oblika oglašavanja, koji se prilagođavaju novim kanalima i tehnološkim trendovima.
Ovi novi oblici omogućuju inovativne pristupe u predstavljanju proizvoda i poduzeća,
povećavajući domet i učinkovitost oglašivačkih kampanja.

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.

Oglašavanje na društvenim mrežama nudi oglašivačima priliku da se povežu s velikom i

angažiranom publikom. Prednosti ove vrste oglašavanja uključuju mogućnost segmentacije
ciljane publike, interaktivnost i visoku razinu angažmana korisnika. Osim toga, društvene
mreže omogućuju dijeljenje oglasa, što dodatno povećava njihov doseg i utjecaj. Razvoj
tehnologije i novih tržišta kontinuirano utječe na načine oglašavanja, pružajući oglašivačima
nove platforme i alate. Sve veća upotreba mobilnih uređaja, umjetne inteligencije i
automatizacije pružaju dodatne mogućnosti za inovativne i učinkovite oglašivačke kampanje.
Međutim, ovi trendovi također donose izazove, kao što su potreba za personalizacijom, zaštita
privatnosti korisnika i stvaranje sadržaja koji se ističe u pretrpanom digitalnom prostoru.
Oglašivači se moraju kontinuirano prilagođavati kako bi ostali relevantni i uspješni u ovom
dinamičnom okruženju.

3.3.Funkcije i ciljevi oglašavanja

U svijetu poslovanja, oglašavanje igra ključnu ulogu u oblikovanju potrošačkih percepcija i

odluka. S obzirom na njegovu sveprisutnost i utjecaj, razumijevanje osnovnih funkcija i
strategija oglašavanja postaje neophodno za svaku organizaciju koja teži uspjehu na tržištu.
Oglašavanje nije samo sredstvo promocije proizvoda ili usluga; ono je kompleksan proces
koji povezuje organizacije s njihovim ciljanim publikama, usmjerava potrošačko ponašanje i
gradi dugoročne veze s kupcima.

Verčič-Tkalac (2001) ističe kompleksnost i višestruku funkcionalnost oglašavanja u

suvremenom poslovnom svijetu. Na prvom mjestu, oglašavanje služi kao ključan alat za
informiranje potencijalnih potrošača o postojanju, karakteristikama i prednostima proizvoda
ili usluga. Ova osnovna funkcija oglašavanja ide dalje od pukog obavještavanja; ona
usmjerava potrošače prema procesu donošenja odluke o kupnji, pružajući im potrebne
informacije koje mogu utjecati na njihov izbor. Druga vitalna funkcija oglašavanja je
podsjećanje potrošača na proizvode i usluge koje organizacija nudi. Ovaj aspekt oglašavanja
posebno je važan u održavanju i osvježavanju brend imidža u svijesti potrošača, osiguravajući
da kada potrošač razvije potrebu za određenim tipom proizvoda ili usluge, prva marka koja
mu padne na pamet bude upravo ona koja se oglašava.

Kvalitetno oglašavanje igra ključnu ulogu u kreiranju i poboljšanju percepcije kvalitete

proizvoda ili usluge. Uspješna oglašivačka kampanja može utjecati na izgradnju i održavanje
lojalnosti potrošača, potičući ih na ponovnu kupnju. To se postiže kroz strateško
pozicioniranje proizvoda, naglašavanje njegovih jedinstvenih karakteristika i prednosti, te
pružanje uvjerljivog razloga zašto bi potrošač trebao odabrati upravo taj proizvod ili uslugu.
U svrhu uvjeravanja potrošača da isprobaju novi proizvod ili uslugu, oglašavanje se često
koristi za formiranje selektivne potražnje. Umjesto općeg fokusa na kategoriju proizvoda,
oglašavanje se koncentrira na stvaranje preferencija za određenu marku. Na primjer, u
automobilskoj industriji, cilj oglašavanja nije samo pokazati kako automobil može poboljšati
život, već zašto bi određeni model bio idealan izbor za potrošača.

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.

Oglašavanje se može fokusirati na različite aspekte, ovisno o željenom učinku i trenutnom

stanju tržišta. Kotler identificira četiri osnovna cilja oglašavanja:
 Informiranje ima za cilj stvoriti svijest o novim proizvodima ili markama, kao i o
novim karakteristikama već postojećih proizvoda.
 Uvjeravanje se fokusira na stvaranje sviđanja, preferencije i poticanje kupnje
proizvoda.
 Podsjećanje je usmjereno na poticanje potrošača na ponovnu kupnju, primjerice kao
što to radi Coca-Cola u svojim oglasima.
 Osnaživanje ili oglašavanje uz dodatnu potvrdu cilja na uvjeravanje postojećih
potrošača da su napravili dobar izbor kupujući određeni proizvod, često se koristi u
automobilskim oglasima koji prikazuju zadovoljstvo kupaca.

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.

Podsjećanje je ključno u zadržavanju postojećih kupaca, naročito za proizvode koji

zahtijevaju redovitu kupnju ili obnovu. Oglasi koji podsjećaju često su jednostavniji i
usredotočeni su na održavanje već uspostavljene veze s brendom. Primjerice, Coca-Cola
koristi oglašavanje koje potiče sentimentalnost i osjećajnost, podsjećajući potrošače na njihov
dugogodišnji odnos s brendom. Osnaživanje se koristi za potvrđivanje odluke potrošača o
kupnji, što je posebno važno za proizvode visoke vrijednosti kao što su automobili. Ovdje se
fokus stavlja na zadovoljstvo i ponos što se posjeduje određeni proizvod, često kroz
prikazivanje iskustava zadovoljnih kupaca. Kotlerov model također naglašava važnost
integracije ovih strategija u sveobuhvatan marketinški pristup. Oglašavanje ne djeluje
izolirano; ono mora biti usklađeno s ostalim aspektima marketinškog miksa, kao što su
proizvod, cijena, distribucija i prodajne promocije. Također, u suvremenom digitalnom dobu,
oglašivači moraju razmotriti i kako se različiti kanali i platforme mogu učinkovito koristiti za
postizanje ovih ciljeva. Sve više se naglašava važnost digitalnog oglašavanja i upotreba
društvenih medija, e-mail marketinga, ciljanog oglašavanja i sadržajnog marketinga, kako bi
se doseglo ciljano tržište na inovativan i angažirajući način.
4. UMJETNA INTELIGENCIJA U OGLAŠAVANJU: PRIMJENA,
APLIKACIJE I ETIČKI IZAZOVI

4.1.Primjena umjetne inteligencije u oglašavanju

Primjena AI-a u oglašavanju uključuje sofisticirane algoritme koji omogućuju bolje

razumijevanje ponašanja potrošača, predviđanje njihovih preferencija i potreba, te
omogućavanje preciznijeg ciljanja i segmentacije. Ovo ne samo da povećava učinkovitost
marketinških kampanja, već i poboljšava korisničko iskustvo, čineći oglašavanje
relevantnijim za potrošače.

Promocija je područje gdje alati za optimizaciju konverzije temeljeni na umjetnoj inteligenciji

pokazuju značajne sposobnosti. Zbog svoje funkcije koja može uhvatiti preferencije potrošača
za određenim proizvodima, a zatim im ponuditi informacije o promociji ili preporučiti slične
proizvode, AI se pokazuje učinkovitim u privlačenju potencijalnih potrošača i ubrzavanju
poslovne konverzije. Na primjer, AI ima sposobnost ocjenjivanja reklamnih slika na temelju
njihove stope klikova i automatskog odabira slika koje se koriste za poticanje svijesti o
brendu ili promociji potrošnje (Overgoor i sur., 2019).

Osim toga, analizirajući ponašanje potrošača, moguće je slati personalizirane i prilagođene

marketinške kampanje određenim klijentima automatski putem e-pošte, pošte ili društvenih
medija. Nadalje, kompanije su sposobne predvidjeti ponašanje potrošača i odlučiti o vrsti i
vremenu ponude. Proširujući ovu analizu, moguće je vidjeti kako umjetna inteligencija
transformira pristup promociji, omogućavajući bolje razumijevanje i predviđanje potreba
potrošača. Korištenje AI-a u promociji ne samo da poboljšava efikasnost marketinških
kampanja, već i omogućava stvaranje više angažirajućeg i relevantnog sadržaja za potrošače.
Ovo vodi ka većoj personalizaciji, čime se povećava vjerojatnost uspješne interakcije s
potrošačem i jača lojalnost prema brendu.

U području upravljanja marketinškim informacijama, sustavi umjetne inteligencije (AI)

pokazuju iznimnu sposobnost u prikupljanju, obradi i analizi velikih količina podataka o
kupcima iz različitih dostupnih izvora, te izvlačenju korisnih informacija iz obimnih baza
podataka. Umjetna inteligencija dramatično unapređuje proces prikupljanja i analize
podataka, čineći ga efikasnijim i učinkovitijim. S pomoću umjetne inteligencije, angažman
poduzeća u razumijevanju interesa i zahtjeva njihovih kupaca postaje lakši i precizniji
(Overgoor i sur., 2019).

Ova evolucija u upravljanju marketinškim informacijama omogućava poduzećima da dublje

razumiju svoje tržište, identificiraju trendove potrošačkog ponašanja i optimiziraju svoje
marketinške strategije na temelju pouzdanih podataka. AI pomaže u filtriranju i sintetiziranju
velike količine podataka, omogućujući marketinškim timovima da se fokusiraju na ključne
uvide koji mogu potaknuti inovacije i personalizaciju u marketinškim kampanjama. Osim
toga, primjena AI u analizi podataka također olakšava identifikaciju specifičnih segmenata
kupaca i razvoj ciljanih marketinških poruka, što dovodi do veće relevantnosti i učinkovitosti
oglašavanja. Kroz napredne algoritme i strojno učenje, AI može predvidjeti potrošačke
trendove i pomoći u donošenju odluka temeljenih na podacima, što je ključno za
konkurentnost u dinamičnom tržišnom okruženju.

Upravljanje korisničkom službom također je ključno područje u kojem umjetna inteligencija

(AI) ostavlja značajan utjecaj u marketinškom sektoru, uz oglašavanje i upravljanje
marketinškim informacijama. AI favorizira proučavanje ponašanja potrošača kroz analizu
podataka o kupcima, nudeći pritom personalizirane i prilagođene usluge i proizvode, kako
navode Turban i sur., (2018). Ponude uključuju automatske preporuke i relevantne prijedloge
proizvoda.

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.

Štoviše, društvene medijske platforme danas su iznimno važan kanal za neposrednu

interakciju tvrtki s kupcima. Važno je za AI da prioritetizira brige kupaca i učinkovito odluči
na koje treba odgovoriti, s obzirom na to da nije nužno niti moguće odgovoriti na svaki
komentar kupaca (Overgoor i sur., 2019). Razvojem i integracijom AI-a u upravljanje
korisničkom službom, tvrtke su u mogućnosti ne samo poboljšati kvalitetu usluge, već i
pružiti iskustva koja su više prilagođena individualnim potrebama i preferencijama potrošača.
Ova personalizacija ne samo da poboljšava zadovoljstvo i lojalnost kupaca, već također
povećava učinkovitost marketinških kampanja i podržava dugoročne poslovne ciljeve.

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.

Sustavi donošenja odluka temeljeni na AI mogu pomoći u ubrzavanju razvoja strategija,

povećanju pouzdanosti u kreiranju strategija, poboljšanju kvalitete i količine donošenja
odluka, te povećanju stupnja točnosti i preciznosti odluka. Osim toga, AI može pomoći u
donošenju dosljednijih odluka analiziranjem objektivnih okolnosti u industriji i raspoloživih
resursa te planiranjem proizvodnih zadataka na najučinkovitiji način (Metaxiotis, Psarras i
Askounis, 2002). Kroz primjenu AI-a u procesu donošenja marketinških odluka, tvrtke mogu
profitirati od bolje informiranosti, veće brzine i efikasnosti u strategijskom planiranju. Ovo ne
samo da povećava konkurentnost i inovativnost u marketinškim kampanjama, već i osigurava
bolje iskorištavanje resursa i optimizaciju operativnih procesa.

S obzirom na to da umjetna inteligencija (AI) donosi radikalne promjene u marketingu,

organizacije moraju razvijati i poboljšavati svoje sposobnosti kako bi se prilagodile novom
digitalnom okruženju i sustavima u marketingu. Alati poput AI web graditelja, kao što su
Firedrop, the Grid i Wix ADI, smatraju se povoljnim metodama za unaprjeđenje
organizacijskog upravljanja. AI web graditelji omogućuju lakši i učinkovitiji način
dizajniranja efikasnih web sučelja korištenjem chatbotova, AI-pogonjene optimizacije za
tražilice i drugih AI alata u web dizajnu. Osim toga, AI pojačava kreativnost menadžera i
omogućuje tvrtkama da više vremena posvete razvoju kreativnih ponuda (Kumar i sur., 2019),
preuzimajući na sebe dosadne i repetitivne poslove. Primjene AI-a kao što su roboti i
automatizirane tvornice dobri su primjeri kako AI može preuzeti vremenski zahtjevne i
dosadne poslove, oslobađajući ljudima više vremena za kreativan i inovativan rad. AI je
također sposoban optimizirati operativne procese dizajniranjem raznih novih marketinških
procesa prilagođenih različitim situacijama koje je predvidio, te automatski i dinamički
provoditi specifične operativne procese.

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.

Primjena AI-a u određivanju cijena i upravljanju proizvodima omogućava tvrtkama da

prilagode svoje cjenovne strategije u stvarnom vremenu, reagirajući na dinamične tržišne
uvjete. To ne samo da povećava profitabilnost i konkurentnost, već i poboljšava zadovoljstvo
kupaca nudeći cijene koje su u skladu s tržišnim vrijednostima i njihovim očekivanjima. Uz
to, AI također pomaže u optimizaciji upravljanja proizvodima, pružajući uvide o tome koji
proizvodi su najtraženiji, koji mogu imati potencijal za rast, i kako najbolje pozicionirati
proizvode u okviru tržišta. Ovo omogućava tvrtkama da učinkovitije planiraju svoje
proizvodne i marketinške strategije, te maksimiziraju povrat investicija.

Financiranje, koje obuhvaća funkcije osiguravanja dovoljno sredstava, proračun za

marketinške aktivnosti i olakšavanje procesa plaćanja i naplate, postalo je područje u kojem
umjetna inteligencija (AI) pokazuje svoje obećavajuće sposobnosti. AI nudi raznovrsnu
financijsku pomoć potrošačima kako bi poboljšao sigurnost i praktičnost procesa plaćanja.
Budući da AI može oponašati ljudske kognitivne sposobnosti proučavanja i rješavanja
problema, sposoban je i za otkrivanje, sprječavanje ili prevladavanje prijevara i cyber napada
u procesu plaćanja na temelju analize velikih podataka (Dutt, 2018). S obzirom na to da sve
veći broj cyber napada koristi AI, vitalno je da sustavi za borbu protiv prijevara koji se
temelje na AI-u kontinuirano prilagođavaju tržišnim zahtjevima, konstantno ažuriraju podatke
identificirajuće korisnike i generiraju personalizirane korisničke modele za autentifikaciju
plaćanja kako bi se osiguralo da se radi o stvarnom kupcu, a ne napadaču (Dutt 2018).

Osim poboljšanja sigurnosti plaćanja, AI također doprinosi praktičnosti i efikasnosti plaćanja

zahvaljujući automatskim plaćanjima koja su unaprijeđena AI-temeljenim procesima.
Funkcije pretplate, automatskog nadopunjavanja zaliha i automatski spremljenih metoda
plaćanja sve su primjeri automatskih plaćanja. Integracija AI-a u financiranje i osiguravanje
transakcija ne samo da unapređuje sigurnost i učinkovitost procesa plaćanja, već i omogućava
tvrtkama da efikasnije upravljaju svojim financijskim resursima. Ovo otvara nove mogućnosti
za inovacije u načinima plaćanja, čineći financijske transakcije sigurnijima, bržima i
prilagođenijima potrebama i očekivanjima potrošača.

4.2.Aplikacije umjetne inteligencije u oglašavanju

Razumijevanje kako se umjetna inteligencija (AI) može primijeniti u oglašavanju omogućava

tvrtkama da napreduju u suvremenom marketinškom okruženju. Prema kategorizaciji Harvard
Business Review, postoje četiri glavne vrste AI aplikacija u marketingu, koje se razlikuju
prema razini inteligencije i strukturi. Ove aplikacije uključuju:
 Samostalne aplikacije za strojno učenje, koje su idealne za početak zbog svoje
jednostavnosti u postavljanju, ali imaju ograničene prednosti.
 Integrirane aplikacije za strojno učenje, koje su složenije i nude veću vrijednost kroz
integraciju s drugim platformama.
 Samostalne aplikacije za automatizaciju zadataka, koje se usredotočuju na
automatizaciju specifičnih zadataka u marketingu.
 Integrirane aplikacije za automatizaciju zadataka, koje kombiniraju automatizaciju s
integracijom u šire platforme.
Samostalne aplikacije su jasno odvojeni AI programi, izolirani od primarnih kanala kroz koje
kupci saznaju o proizvodima ili uslugama, kupuju ih ili dobivaju podršku. Takve aplikacije
zahtijevaju od korisnika da napuste uobičajene kanale i posebno pristupe AI-u. Jedan od
primjera je aplikacija za otkrivanje boja koju je kreirala tvrtka Behr. Koristeći IBM
Watsonove sposobnosti obrade prirodnog jezika i analize tonaliteta, aplikacija nudi
personalizirane preporuke Behr boja temeljene na željenom raspoloženju za prostor. Korisnici
aplikaciju koriste za stvaranje kratkog popisa dvije ili tri boje za prostoriju koju planiraju
obojiti. Stvarna prodaja boje odvija se izvan aplikacije, iako aplikacija omogućuje
povezivanje za narudžbu iz Home Depota.

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.

Razumijevanje razlika između samostalnih i integriranih AI aplikacija ključno je za tvrtke

koje žele maksimalno iskoristiti potencijal AI-a u marketingu. Samostalne aplikacije pružaju
specifične funkcije i mogu biti izvrsno mjesto za početak eksperimentiranja s AI, dok
integrirane aplikacije nude šire mogućnosti i mogu biti integrirane u postojeće marketinške
procese, čineći ih neprimjetnim, ali vrlo učinkovitim dijelom marketinških aktivnosti.

Za tvrtke, početak s jednostavnim samostalnim aplikacijama može biti koristan kako bi se

upoznali s AI tehnologijama i njihovim potencijalima. Kako stječu iskustvo i podatke, mogu
prijeći na naprednije i integrirane aplikacije. Takav napredak vodi prema integriranom
strojnom učenju, koje nudi potencijal za stvaranje značajne vrijednosti u oglašavanju. Ove
aplikacije omogućuju tvrtkama da unaprijede svoje marketinške strategije, od ciljanog
oglašavanja do analize tržišnih trendova, pružajući sveobuhvatne uvide i optimizaciju
marketinških kampanja. Integracija AI-a u digitalne platforme može poboljšati personalizaciju
i ciljanje, dok napredne AI aplikacije mogu koristiti prediktivnu analitiku za anticipiranje
budućih tržišnih trendova i potrošačkih ponašanja, čime se maksimizira učinkovitost
marketinških strategija i osigurava konkurentska prednost.

4.3.Etički izazovi u implementaciji umjetne inteligencije u oglašavanju

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).

U domeni marketinga, brendovi, marketinške agencije, zaposlenici na prvoj liniji i potrošači

zajedno stvaraju jedinstvene kontekste u kojima se pojavljuju etička pitanja i imaju različita
značenja za svaku entitet. Kako AI razvija veću svijest i postaje sličniji ljudima, etika AI-a
ima dalekosežan utjecaj na moralnu dilemu ljudskog postojanja. Primjer za to bio bi kada AI
zamijeni ljude u raspodjeli tržišnih resursa. Ovaj budući izgled također se očekuje da će
utjecati na marketinške prakse, budući da su marketinške aktivnosti postale važni kanali kroz
koje AI iskazuje svoj utjecaj na ljude (Davenport i sur., 2020).

Etička pitanja pojavljuju se u brojnim područjima marketinga, a tehnologije temeljene na

umjetnoj inteligenciji (AI) posebno su spremne za radikalne promjene u načinu pružanja
zdravstvene skrbi. AI se sve više koristi u dijagnostičkoj pomoći, kao i u pomoći u skrbi i
upravljanju. Unatoč njegovoj korisnosti, primjena AI predstavlja jedinstvene etičke izazove u
industriji, u rasponu područja uključujući privatnost potrošača (Angst i Agarwal, 2009).

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.

Osim toga, AI se široko koristi u angažiranju potrošača i širenju informacija. Prvo, AI se

koristi za slušanje i razumijevanje javnih razgovora, kao što su oni na društvenim mrežama,
kako bi se procijenile percepcije potrošača o novim proizvodima, iskustvima događaja i
brendiranju općenito. Drugo, AI se koristi za automatizaciju prodajnog procesa, na primjer
korištenjem chatbotova i individualiziranih usluga za povećanje prodajnih performansi. Treće,
AI se koristi u generiranju sadržaja za kupce: automatizacija novinarstva, oglašavanja i
promocija može omogućiti osoblju da se fokusira na druge zadatke koji generiraju prihod.
Četvrto, poduzeća su počela koristiti AI za razvoj "virtualnih" resursa korisničke službe za
rješavanje određenih problema i pronalaženje srži neslaganja ili nezadovoljstva. Peto
područje, prepoznavanje lica, uvedeno je u upravljanje događajima. S implementacijom
RFID-a i blockchaina u dizajn sustava računovodstvenih informacija za ulaznice, od AI-a se
očekuje da omogući učinkovitije i odgovorno upravljanje višestrukim zabavnim događanjima.
Ponovno, etika korištenja AI-a u svakom od ovih područja još nije u potpunosti istražena.

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.

Pitanja informacijske privatnosti i zaštite podataka povezana su s pouzdanošću AI sustava, jer

izlazi iz sustava strojnog učenja ovise o kvaliteti podataka za obuku, što je teško utvrditi
(Stahl, 2021). Na primjer, Topol (2019) je sugerirao da, unatoč velikom obećanju AI-a u
medicini, relativno je malo AI sustava u kliničkoj praksi. Kada se koriste u kliničkim
uvjetima, AI sustavi, poput IBM-ovog Watsona, pokazali su loše rezultate, s preporukama
koje bi mogle ugroziti živote pacijenata.

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.

Međutim, pristranost koja proizlazi iz korištenja nepredstavničkih skupova podataka za obuku

općeprihvaćena je kao problem u donošenju odluka algoritmom, kao i činjenica da korištenje
digitalnih uređaja za prikupljanje podataka može diskriminirati one koji imaju manje digitalne
svijesti i time dodatno pojačati pristranost uzorkovanja. Osim toga, iako se neki fenotipski
podaci prikupljaju od pacijenata, pacijenti (i njihove subjektivnosti) i dalje su vrlo uključeni u
aktivnosti prikupljanja podataka kroz njihove mukotrpne prakse za olakšavanje prikupljanja
podataka. To implicira da algoritmi nisu vrijednosno neutralni niti slobodni od ljudskih
pretpostavki i sudova te da se izvorna očekivanja pružanja objektivnijeg prikupljanja podataka
moraju pristupiti s oprezom. Još gori scenarij je da, kako se treniraju algoritmi fenotipizacije,
oblik i struktura tih skupova podataka odredit će prirodu buduće medicine definiranjem
bolesti, ili onoga što se smatra 'normalnim' ili 'patološkim', a to podiže etička pitanja poput
odgovornosti, transparentnosti i pouzdanosti (Lucivero i Hallowell, 2021).

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).

S utjecajem Covid-19 i protokolom socijalnog distanciranja, potrošači drugačije reagiraju na

primjenu AI-a ovisno o njihovoj demografiji i percepiranim zdravstvenim rizicima. Neki
istraživači (Wiesea i Fristonb, 2021) su izrazito zabrinuti zbog potencijalno transformativnih
učinaka, tj. trajnih promjena koje značajno utječu na ljudsku dobrobit povezanu s barem
nekim aspektima života i društva. Promjene ne moraju biti ekstremne ili radikalne (kao u
transformativnom AI-u), niti moraju temeljito mijenjati osobne preferencije (u kontekstu
transformativnog iskustva). Ipak, učinak ovih promjena može biti dalekosežan i značajan; na
primjer, korištenje AI-a za transformaciju našeg načina života kroz aplikacije koje prožimaju
svakodnevni život, moglo bi utjecati na način na koji percipiramo autonomiju i privatnost.
Budući da je naša društvena stvarnost tehnički posredovana i da ovo posredovanje ima
posljedice, AI može učiniti da se ljudske opcije pojave ili nestanu bez da je osoba toga
svjesna, čak i bez ikakve svjesne želje da obmane ili prevari. Uzimajući tražilice, koje se
uvelike oslanjaju na AI, kao primjer, one bi mogle strukturirati percepciju stvarnosti korisnika
i time njihov opseg djelovanja, čak i bez ikakvih svjesnih pokušaja usmjeravanja pažnje
korisnika.

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.

4.4.Osobno mišljenje i budući koraci

Na temelju analize etičkih izazova umjetne inteligencije u oglašavanju, moguće je zaključiti

da je AI transformirala industriju oglašavanja na načine koji nude brojne prednosti, ali i
predstavljaju značajne etičke dileme. Prednosti poput poboljšane personalizacije, ciljanja i
efikasnosti u marketinškim kampanjama ne mogu se zanemariti. Međutim, pitanja privatnosti,
transparentnosti i potencijalne pristranosti algoritama zahtijevaju pažljivu pažnju. U svjetlu
ovih izazova, vjerujem da je ključno razviti i implementirati jasne etičke smjernice i
regulative koje će osigurati odgovorno korištenje AI u oglašavanju. To uključuje:
1. Razvoj standarda za transparentnost - Organizacije bi trebale biti obavezne objasniti
kako koriste AI za ciljanje i personalizaciju oglasa, kako bi korisnici bolje razumjeli
kako se njihovi podaci koriste.
2. Poboljšanje privatnosti podataka - Jačanje zaštite podataka korisnika kroz rigorozne
prakse upravljanja podacima i pružanje korisnicima veće kontrole nad njihovim
podacima.
3. Adresiranje pristranosti algoritama - Razvoj metodologija za testiranje i ispravljanje
pristranosti u algoritmima kako bi se osiguralo pravedno i objektivno ciljanje oglasa.
4. Edukacija i osvještavanje - Podizanje svijesti među potrošačima o načinima na koje se
AI koristi u oglašavanju i o njihovim pravima i opcijama.
5. Interdisciplinarna suradnja - Poticanje suradnje između tehnologa, etičara,
regulatornih tijela i industrije oglašavanja kako bi se zajednički razvijale i
implementirale najbolje prakse.

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.

Također, koncentracija ekonomske moći u rukama nekoliko velikih korporacija koje

posjeduju i upravljaju AI tehnologijama predstavlja značajnu brigu. Ovo može dovesti do
smanjenja tržišne raznolikosti i ograničenja izbora za potrošače. Još jedan ključni aspekt su
etičke implikacije u usvajanju AI-a na društvenu strukturu i svakodnevni život, gdje AI
oblikuje način na koji doživljavamo stvarnost i donosimo odluke.

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

1) Agrawal, A., Gans, J. S. i Goldfarb, A. (2019). Artificial intelligence: the ambiguous

labor market impact of automating prediction, Journal of Economic Perspectives,
33(2), 31-50.
2) AI Impacts (2021). AI Timeline Surveys, Dostupno na: https://aiimpacts.org/ai-
timeline-surveys/ Pristup 20.11.2023.
3) Angst, C. M., Agarwal, R. (2009). Adoption of electronic health records in the
presence of privacy concerns: The elaboration likelihood model and individual
persuasion. MIS quarterly, 339-370.
4) Bancroft, T. D. (2013). Ethical Aspects of Computational Neuroscience. Neuroethics,
6(2), 415-418.
5) Bostrom, N. (2016). The control problem, Excerpts from superintelligence: Paths,
dangers, strategies, Science Fiction and Philosophy: From Time Travel to
Superintelligence, 308-330.
6) Cave, S., Dihal, K. (2020). The whiteness of AI. Philosophy & Technology, 33(4),
685-703.
7) Cellan-Jones, R. (2016). Stephen Hawking - will AI kill or save humankind?,
Dostupno na: https://www.bbc.com/news/technology-37713629 Pristup 20.11.2023.
8) Char, D. S., Abràmoff, M. D., Feudtner, C. (2020). Identifying ethical considerations
for machine learning healthcare applications. The American Journal of Bioethics,
20(11), 7-17.
9) Churchland, P. M. (1996). The engine of reason, the seat of the soul: A philosophical
journey into the brain, MIT Press.
10) Colom, R., Karama, S., Jung, R. E., Haier, R. J. (2010). Human intelligence and brain
networks, Dialogues in clinical neuroscience, 12(4), 489.
11) Crevier, D. (1993). AI: the tumultuous history of the search for artificial intelligence,
Basic Books, Inc.
12) Davenport, T. H., Ronanki, R. (2018). Artificial intelligence for the real world,
Harvard business review, 96(1), 108-116.
13) Davenport, T., Guha, A., Grewal, D., Bressgott, T. (2020). How artificial intelligence
will change the future of marketing. Journal of the Academy of Marketing Science, 48,
24-42.
14) Du, S., Xie, C. (2021). Paradoxes of artificial intelligence in consumer markets:
Ethical challenges and opportunities. Journal of Business Research, 129, 961-974.
15) Dutton, G. (2018). Big Pharma Reads Big Data, Sees Big Picture: Linguamatics
Brings Natural Language Processing to Non-Experts, Expediting Drug Development.
Genetic Engineering & Biotechnology News, 38(1), 8-9.
16) Gillham, J., Rimmington, L., Dance, H., Verweij, G., Rao, A., Roberts, K. B., Paich,
M. (2018). The macroeconomic impact of artificial intelligence, PwC Report–
PricewaterhouseCooperr–2018.
17) Goertzel, B. (2007). Artificial general intelligence (Vol. 2). C. Pennachin (Ed.), New
York: Springer.
18) Hernández-Orallo, J. (2017). Evaluation in artificial intelligence: from task-oriented to
ability-oriented measurement, Artificial Intelligence Review, 48(3), 397-447.
19) Holley, P. (2015). Bill Gates on dangers of artificial intelligence: ‘I don’t understand
why some people are not concerned’, Dostupno na:
https://www.washingtonpost.com/news/the-switch/wp/2015/01/28/bill-gates-on-
dangers-of-artificial-intelligence-dont-understand-why-some-people-are-not-
concerned/ Pristup 20.11.2023.
20) Huang, M. H., Rust, R. T. (2021). Engaged to a robot? The role of AI in service.
Journal of Service Research, 24(1), 30-41.
21) Jajal, D., T. (2021). Distinguishing between Narrow AI, General AI and Super AI,
Dostupno na: https://medium.com/mapping-out-2050/distinguishing-between-narrow-
ai-general-ai-and-super-ai-a4bc44172e22 Pristup 20.11.2023.
22) Kesić, T. (2003). Integrirana marketinška komunikacija: oglašavanje, unapređenje
prodaje, Internet, odnosi s javnošću, publicitet, osobna prodaja. Zagreb: Opinio.
23) Kotler, P. (2014). Upravljanje marketingom: uključuje slučajeve iz poslovanja u
Hrvatskoj i regiji (14. izd.). Zagreb: Mate.
24) Kotler, P., Wong, V., Saunders, J. A., Armstrong, D. G. M. (2006). Osnove
marketinga. Zagreb: Mate.
25) Kraljević, R., Perkov, D. (2014). Menadžment tržišnih komunikacija. Zagreb: Visoka
poslovna škola Libertas.
26) Kumar, V., Rajan, B., Venkatesan, R., Lecinski, J. (2019). Understanding the role of
artificial intelligence in personalized engagement marketing. California Management
Review, 61(4), 135-155.
27) Kurzweil, R. (2017). AI Will Not Displace Humans, It’s Going to Enhance Us,
Dostupno na: https://futurism.com/ray-kurzweil-ai-displace-humans-going-enhance
Pristup 20.11.2023.
28) Lucivero, F., Hallowell, N. (2021). Digital/computational phenotyping: What are the
differences in the science and the ethics?. Big Data & Society, 8(2),
20539517211062885.
29) Marr, B. (2018). The key definitions of artificial intelligence (AI) that explain its
importance, Forbes Magazine.
30) Metaxiotis, K. S., Psarras, J. E., Askounis, D. T. (2002). GENESYS: an expert system
for production scheduling. Industrial Management & Data Systems, 102(6), 309-317.
31) Milgrom, P. R., Tadelis, S. (2018). How artificial intelligence and machine learning
can impact market design. In The economics of artificial intelligence: An agenda (pp.
567-585). University of Chicago Press.
32) Naz, H., Kashif, M. (2024). Artificial intelligence and predictive marketing: an ethical
framework from managers’ perspective. Spanish Journal of Marketing-ESIC.
33) Overgoor, G., Chica, M., Rand, W., Weishampel, A. (2019). Letting the computers
take over: Using AI to solve marketing problems. California Management Review,
61(4), 156-185.
34) Park, S. S., Tung, C. D., Lee, H. (2021). The adoption of AI service robots: A
comparison between credence and experience service settings. Psychology &
Marketing, 38(4), 691-703.
35) Rozga, S., Rozga, S. (2018). Introduction to Chat Bots. Practical Bot Development:
Designing and Building Bots with Node. js and Microsoft Bot Framework, 1-28.
36) Russell, S., Norvig, P. (1996). Artificial Intelliigence: A Modern Approach,
Englewood Cliffs, NJ: Prentice-Hall.
37) Samoili, S., Lopez Cobo, M., Gomez Gutierrez, E., De Prato, G., Martinez-Plumed, F.,
Delipetrev, B. (2020). AI WATCH: Defining artificial intelligence, Publications
Office of the European Union, Luxembourg.
38) Seraphin, H. (2021). The digital traveller: implications for data ethics and data
governance in tourism and hospitality. Journal of Consumer Marketing.
39) Shnurenko, I., Murovana, T., Kushchu I. (2020). Artificial Intelligence: Media and
Information Literacy, Human Rights and Freedom of Expression, UNESCO IITE and
TheNextMinds.
40) Stahl, B. C. (2021). Artificial intelligence for a better future: an ecosystem perspective
on the ethics of AI and emerging digital technologies (p. 124). Springer Nature.
41) Sudar, J. (1991). Promocija: ekonomska propaganda, unapređenje prodaje, osobna
prodaja, odnosi s javnošću, ekonomski publicitet. Zagreb: Informator.
42) Thomas, H., Abijit, G., Dhruv, G. (2021). How to Design an AI Marketing Strategy.
Harvard Business Review. Dostupno na: https://hbr.org/2021/07/how-todesign-an-ai-
marketing-strategy Pristup 24.11.2023.
43) Tian, J., Xie, H., Hu, S., Liu, J. (2021). Multidimensional face representation in a deep
convolutional neural network reveals the mechanism underlying AI racism. Frontiers
in computational neuroscience, 15, 620281.
44) Topol, E. J. (2019). High-performance medicine: the convergence of human and
artificial intelligence. Nature medicine, 25(1), 44-56.
45) Tóth, Z., Caruana, R., Gruber, T., Loebbecke, C. (2022). The dawn of the AI robots:
Towards a new framework of AI robot accountability. Journal of Business Ethics,
178(4), 895-916.
46) Turban, E., Outland, J., King, D., Lee, J. K., Liang, T. P., Turban, D. C., Turban, D. C.
(2018). Intelligent (smart) E-commerce. Electronic commerce 2018: A managerial
and social networks perspective, 249-283.
47) Turing, A. (1937). On computable numbers, with an application to the
Entscheidungsproblem, Proceedings of the London Mathematical Society, 2(42), 230-
265.
48) Višić, F. (2013). Oblici oglašavanja na internetu. Dostupno na:
https://www.informativka.hr/oblici-oglasavanja-na-internetu-u-hrvatskoj/ Pristup
21.11.2023.
49) Voss, P. (2007). Essentials of general intelligence: The direct path to artificial general
intelligence, Artificial general intelligence (pp. 131-157), Springer, Berlin,
Heidelberg.
50) Wiese, W., Friston, K. J. (2022). AI ethics in computational psychiatry: From the
neuroscience of consciousness to the ethics of consciousness. Behavioural Brain
Research, 420, 113704.
51) Williams, J., Aitken, R. (2011). The service-dominant logic of marketing and
marketing ethics. Journal of business ethics, 102, 439-454.