ИИ в маркетинге: достоверность, данные и условия публикации

Маркетолог Лаура получает на проверку баннер: нарисованный предприниматель с подписью «Персонаж создан ИИ» и рядом цитата «Моя выручка выросла вдвое». Клиента с таким результатом не было, команда придумала и человека, и отзыв. Подпись сообщила, откуда взялась картинка, но ложное свидетельство осталось на месте.

В таком материале сразу несколько вопросов: откуда данные, подтверждены ли обещания, на каких условиях взяты образ и голос и какие требования действуют при распространении. Клиенту нужен процесс, который отвечает на каждый из них до публикации и помогает исправить ошибку после неё. Новая модель или более подробный промпт этот процесс не заменят.

Опишите применение и возможную ошибку

«Используем ИИ в маркетинге» - слишком широко, чтобы что-то оценить. В одном процессе система редактирует публичную статью, в другом получает выгрузку клиентов, в третьем озвучивает человека. Источники, получатели результата и способы проверки у всех трёх свои.

Для каждого процесса запишите входные материалы, поставщика, подключения, где будет использован результат и кто за него отвечает. Потом назовите ошибку, которую проверка должна поймать. В баннере это неподтверждённый отзыв, на фото товара - деталь, которой в комплекте нет, в анализе - раскрытые данные клиентов или неверный расчёт.

Риск лучше описывать сценарием и проверкой, которая его ловит, чем процентом, взятым с потолка. Если модель может приписать клиенту результат, редактору нужно подтверждение цифры и право вернуть материал, пока подтверждения нет. Если генерация меняет товар, финальную картинку сверяют с тем, что на самом деле лежит в коробке.

Выдуманную историю можно показать как пример, но не как отзыв клиента: аудитория прочитает её как факт. Отзыв подразумевает, что человек существует и его результат подтверждён.

Разберите удвоение выручки по исходным данным

Реальных данных за баннером нет, так что отзыв убирают. Но чтобы понять, что понадобилось бы для настоящего кейса, возьмём отдельный расчёт с условными числами. В первом периоде 20 заказов со средним чеком 20 000 ₸ дали 400 000 ₸. Во втором те же 20 заказов со средним чеком 40 000 ₸ дали 800 000 ₸.

Выручка выросла на 800 000 - 400 000 = 400 000 ₸, то есть на 400 000 / 400 000 = 100%. Заказов не прибавилось, вырос средний чек. Почему он вырос, по этим числам не понять: могли поменяться цены, состав заказа или другие условия. Списать весь рост на рекламируемый инструмент по одному сравнению не получится.

В проверенном кейсе рядом с расчётом стоят источник, период и границы вывода. Наш расчёт - арифметический пример, и отзыв на баннере он не подтверждает. Им можно объяснять, как считают рост, если так его и подписать. Для свидетельства реального клиента нужен другой набор материалов.

Синтетическое фото товара проверяют так же строго. Если генерация добавила товару функцию или поменяла материал, подпись о генерации расхождения с предложением не исправит. Сначала правят содержание, а вопросы источников и раскрытия решают потом.

Отделите правовое прочтение от решения о запуске

Закон Республики Казахстан «Об искусственном интеллекте» (№ 230-VIII от 17.11.2025, редакция на 25.08.2026) разрешает распространять синтетические результаты только с машиночитаемой маркировкой и видимым или иначе воспринимаемым предупреждением (п. 2 ст. 21). Информировать пользователей обязаны собственники и владельцы систем ИИ (п. 3 ст. 21); касается ли это бизнеса, который публикует картинку из чужого сервиса, закон не называет. Порядок разработки, применения и распространения машиночитаемых форм утверждает уполномоченный орган (п. 3 ст. 22). Авторским правом результат с ИИ охраняется только при творческом вкладе человека (п. 1 ст. 23). Это не юридическая консультация: решение по кампании принимает юрист.

Видимое предупреждение и машиночитаемая форма делаются разными способами. Совет «просто добавьте alt-текст» оставляет оба вопроса открытыми. Когда способ выбран, результат смотрят в итоговом файле и на месте размещения: экспорт или сама площадка могут изменить то, что увидит пользователь.

Для другой страны нужен свой разбор того, какие законы там применимы. Если в брифе только перечислены законы, по ним ещё ничего не проверено. В рабочей записи остаются источник, редакция, открытые вопросы и человек, который принял решение.

Проследите данные до конечного получателя

Для тренировки хватит искусственных обращений без подробностей о клиентах. В рабочем процессе сначала решают, какие поля нужны и в какой среде с ними можно работать, и только потом передают выгрузку. Например, чтобы сгруппировать причины отказа, контакты человека могут и не понадобиться.

Если убрать имя и телефон, раскрывается меньше, но по связям с другими данными человека иногда всё равно можно узнать. Поэтому смотрят на всё сразу: что в записи, у кого к ней доступ и кому она уходит. Замена контакта кодом - ещё не вся оценка процесса.

У поставщика ИИ различают четыре вещи: использует ли он материалы для обучения, как их хранит, кто из сотрудников к ним допущен и передаются ли они подключённым сервисам. Обещание по одному пункту ничего не говорит об остальных. Ответственный за данные записывает, какие источники, поля и операции разрешены и как удаляются временные копии.

Для материала с образом или голосом сохраняют источник и согласованную область использования. Разрешение на внутреннюю запись и план внешней рекламы - два разных вопроса. На проверку вместе с конечным файлом передают цель, каналы, срок, изменения и контекст. Если сервис ИИ обрабатывает данные за рубежом, загрузку в него персональных данных, например фото лица, по нашему прочтению стоит считать трансграничной передачей. Закон «О персональных данных и их защите» (с изменениями на 14.09.2026) в п. 6 ст. 7 требует на неё согласия, кроме случаев из ст. 16, а в согласии такая передача должна быть названа (пп. 5 п. 4 ст. 8).

Сделайте решение воспроизводимым

У каждого материала есть человек, который принимает решение по существу, в нашем примере это Лаура. В записи остаются версия, источники фактов и место размещения. Если поменялись обещание или условия, материал возвращается на проверку: разрешение на действие агента относится к точной версии текста и параметрам публикации.

NIST AI RMF можно взять как добровольную рамку для работы с рисками ИИ. Команде она помогает связать сценарии ошибок, проверки и ответственных. Допустима ли кампания, всё равно зависит от её условий и применимых требований.

Если ложное обещание обнаружилось после запуска, его первым делом снимают со всех площадок. Ответственный находит все копии и версии, сохраняет сведения об ошибке и выясняет, кого она задела. Потом вместе с профильными специалистами организует исправление и решает, кого и как уведомить.

Правка промпта влияет только на будущие выпуски, а уже размещённые копии убирают отдельно, на каждой площадке. По итогам разбора команда меняет ту проверку, которая пропустила ошибку: например, редактор больше не принимает цифру клиента без источника.

Задание: подготовьте исправленную версию баннера

Команда считает, что подпись «создано ИИ» закрыла все вопросы. Напишите, что нужно поменять в самом объявлении, какие материалы понадобятся для проверки и кто согласует итог. Затем возьмите один результат генерации из своего проекта и проследите его путь от исходного источника до публикации.

С баннера первым уходит придуманный отзыв. На его место ставят объяснительный пример с понятной подписью или настоящий кейс, когда данные сверены. Дальше смотрят, откуда взят образ, какие вопросы маркировки применимы и как всё выглядит в итоговом формате. На согласование уходит исправленная версия, а прежнюю снимают со всех активных размещений.

Расчёт удвоения показывает, зачем нужна проверка по существу, даже когда арифметика верна. Выросшая сумма и доказанный эффект продукта отвечают на разные вопросы. В своём проекте держите эту границу: что известно, чем подтверждено и какое решение остаётся открытым.