Przejdź do treści

News & analizy

Czy AI zabija kreatywność w reklamie? Badania i polskie wdrożenia

Zaktualizowano: Autor: Andrzej Niemiec6 min czytania

AI podnosi ocenę pojedynczych pomysłów, ale zawęża ich różnorodność. Co mówią badania z 2026 roku i dane IAB o pracy polskich agencji reklamowych.

Czy AI zabija kreatywność w reklamie? Badania i polskie wdrożenia
Spis treści
  1. Czy AI naprawdę zwiększa kreatywność?
  2. Gdzie AI jest już narzędziem operacyjnym w reklamie?
  3. Jakie ryzyko powstaje, gdy wizualizacja z modelu trafia do klienta?
  4. Które zadania oddawać modelowi, a które zatrzymać w zespole?
  5. Co pokazuje polski rynek reklamowy?
  6. Jak rozdzielić role między zespół a model?
  7. Najczęstsze pytania
  8. Źródła

Czy AI naprawdę zwiększa kreatywność?

Badania z 2026 roku dają odpowiedź warunkową. W eksperymencie z 293 osobami pomysły tworzone z pomocą AI oceniano wyżej niż te pisane samodzielnie, ale były też bardziej do siebie podobne [1]. Przegląd opublikowany w tym samym roku wskazuje, że model może podnosić kreatywność wybranych osób i obniżać zbiorową różnorodność pomysłów [1]. Efekt zależy więc od osoby i od sposobu pracy, nie od samego narzędzia.

Ten wynik wyjaśnia, dlaczego pytanie „AI zabije kreatywność czy da jej skrzydła” nie ma jednej odpowiedzi. Model generuje dużo wariantów szybko, a zespół ocenia je według kryteriów, których model nie zna: kontekstu marki, historii kategorii, reakcji odbiorców. Badania nad reklamą opisują AI jako narzędzie przyspieszające research, ideację, wariantowanie i produkcję, ale wskazują też na homogenizację kreacji, błędy i potrzebę ludzkiego nadzoru [2].

Gdzie AI jest już narzędziem operacyjnym w reklamie?

Według IAB 83% badanych szefów reklamy deklarowało wdrożenie AI w procesie kreatywnym, wobec 60% w badaniu z 2024 roku [3]. Badania terenowe z Rio de Janeiro i Katalonii opisują użycie modeli generatywnych do brainstormingu, inspiracji, prototypowania oraz wstępnych wersji copy i grafiki [4]. W obu przypadkach końcowa kontrola pozostaje po stronie ludzi [2][4].

Skala wdrożeń zmienia sposób pracy zespołów. Model wchodzi na etap, na którym wcześniej powstawały pierwsze szkice i moodboardy, a nie na etap finalnej produkcji. Zmiana dotyczy też porządkowania materiałów wejściowych — podobny mechanizm opisujemy w tekście o Google Search z AI.

Jakie ryzyko powstaje, gdy wizualizacja z modelu trafia do klienta?

Badanie zespołów reklamowych RTL Nederland opisało zjawisko nazwane process collapse. Dopracowane wizualizacje z modeli skłaniały klientów do zbyt wczesnego przywiązania do szczegółów, co generowało dodatkową pracę produkcyjną i rework. Badanie obejmowało okres od marca 2024 do marca 2025 roku, a opublikowano je 16 września 2026 roku [5]. Wniosek jest praktyczny: im lepsza wizualizacja na wejściu, tym trudniej później zmienić kierunek.

Drugie ryzyko dotyczy różnicy oczekiwań. W danych IAB 82% przedstawicieli rynku oceniało pozytywnie stosunek młodszych odbiorców do AI w reklamie, a podobną opinię deklarowało 45% samych odbiorców [6]. Kreacja przygotowana głównie po stronie zespołu może więc trafić w gust marketera i minąć się z reakcją publiczności.

Trzecie ryzyko jest prawno-wizerunkowe. Gdy materiał powstaje z pomocą modelu, pojawia się pytanie o prawa twórców, których prace trafiły do danych treningowych — szerzej piszemy o tym przy okazji sporu Spotify i Universal Music.

Które zadania oddawać modelowi, a które zatrzymać w zespole?

Podział nie przebiega między AI a człowiekiem, tylko między typami zadań. Poniższa tabela zestawia trzy role, w których modele pojawiają się w procesie kreatywnym, wraz z tym, co przyspieszają i gdzie przenoszą ryzyko.

Rola AI w procesieCo przyspieszaGłówne ryzykoCo zostaje w zespole
Ideacja i wariantowanieliczbę koncepcji do przeglądupodobieństwo pomysłów do siebie [1]kryteria oceny i wybór kierunku
Prototypowanie wizualnetempo powstawania makietprocess collapse i rework [5]akceptacja etapowa i decyzja o szczegółach
Research i porządkowanie materiałuzbieranie i grupowanie danychbłędy i brak źródła twierdzenia [4]weryfikacja faktów przed publikacją

Trzy kryteria decydują o przypisaniu zadania. Pierwsze to koszt błędu: tanie warianty można generować masowo, drogie decyzje wymagają człowieka. Drugie to dostępność źródła: twierdzenia o rynku i konkurencji potrzebują cytowalnego dokumentu. Trzecie to etap kontaktu z klientem: im wcześniej pokazana wizualizacja, tym większe ryzyko przywiązania do detali.

Co pokazuje polski rynek reklamowy?

Pierwsze polskie badanie wykorzystania AI przez agencje marketingowe przeprowadzono w drugiej połowie 2025 roku [7]. Konkretny przykład wdrożenia to Group One: w styczniu 2023 roku agencja zrealizowała dla ING kampanię „Ja w przyszłości. Powered by AI & ING”, a później rozwijała narzędzie PIRX AI wspierające procesy analityczne, strategiczne i kreatywne [8].

Dane o „największych agencjach” wymagają ostrożności. Publiczne zestawienia z 2026 roku stosują różne kryteria: liczbę współpracowników, przychody, billings, liczbę klientów [9][10]. Bez wskazania kryterium zdanie o jednej największej agencji jest skrótem myślowym, nie faktem.

Dwa przykłady pokazują różne punkty wejścia. Własne narzędzie w dużym domu (Group One) to droga od osobnego produktu do codziennej pracy zespołu [8]. Gotowe modele w copy i grafice opisują badania terenowe z innych rynków [4] oraz polskie badanie z 2025 roku [7].

Jak rozdzielić role między zespół a model?

Praktyka sprowadza się do trzech zasad. Model dostaje zadania o dużej objętości i niskim koszcie błędu. Zespół zatrzymuje decyzje o kierunku, kryteriach oceny i kontakcie z klientem. Każde twierdzenie o rynku wraca do źródła przed publikacją.

Druga zasada dotyczy etapów. Wizualizację pokazuje się klientowi po ustaleniu kierunku, nie przed nim — to bezpośredni wniosek z process collapse [5]. Trzecia dotyczy dokumentacji: jeśli kreacja powstała z pomocą modelu, zespół powinien umieć wskazać, które elementy pochodzą z danych wejściowych, a które z pracy redakcyjnej. Podobny mechanizm weryfikacji workflow opisujemy w tekście o Codexie w data science.

Najczęstsze pytania

Czy AI zastąpi copywriterów i grafików?

Nie w całym zakresie opisanym w badaniach. Modele przejmują wariantowanie, pierwsze wersje tekstów i makiet, a badania terenowe wskazują, że końcowa kontrola zostaje po stronie ludzi [4]. Zmienia się proporcja pracy: mniej pisania od zera, więcej oceniania i poprawiania. To przesuwa wymagania kompetencyjne w stronę krytycznej oceny i znajomości kontekstu marki.

Czy klienci zauważają, że kreacja powstała z pomocą AI?

Dane nie dają jednoznacznej odpowiedzi. W badaniu IAB 82% przedstawicieli rynku oceniało pozytywnie stosunek młodszych odbiorców do AI w reklamie, przy 45% wśród samych odbiorców [6]. Różnica pokazuje raczej ostrożność publiczności niż gotową regułę. Decyzję o oznaczaniu treści zespół podejmuje osobno dla każdej kampanii.

Czy AI obniża koszty kampanii?

W badaniu IAB 64% respondentów wskazało efektywność kosztową jako główną korzyść z AI w 2026 roku, a 61% wskazało innowację kreatywną [3]. Oszczędność nie jest jednak automatyczna. Badanie RTL Nederland pokazało, że zbyt wczesne wizualizacje generują dodatkową pracę produkcyjną i rework [5], co częściowo znosi efekt.

Od czego zacząć w małej agencji?

Od jednego etapu, na którym model daje przewagę bez wysokiego ryzyka: wariantowania tekstów lub wstępnych makiet. Do tego potrzebna jest prosta zasada weryfikacji faktów i ustalony moment pokazywania prac klientowi. Polskie badanie z drugiej połowy 2025 roku pokazuje, że wdrożenia w agencjach już się odbywają [7], więc pytanie dotyczy zakresu, nie samej decyzji.

Źródła

  1. Will AI Kill Creativity—or Set It Free? (Psychology Today, 2026)
  2. Harmony or Discord? The Intersection of Generative AI and Human Creativity in Advertising (Taylor & Francis, 2025)
  3. The AI Ad Gap Widens (IAB)
  4. Generative artificial intelligence in advertising. Field applications in Rio de Janeiro and Catalonia (ScienceDirect, 2025)
  5. Research: Gen AI Is Collapsing Creative Processes (HBR, 2026)
  6. Marketingowcy kochają AI, konsumenci — znacznie mniej (Profit24)
  7. Wykorzystanie AI przez agencje marketingowe w Polsce (Marketing przy kawie, 2025)
  8. Group One — agencja marketingowa (Group One)
  9. 38 największych agencji reklamowych w Polsce w 2026 roku (Widoczni, 2026)
  10. 7 najlepszych agencji marketingowych ery AI w Polsce 2026 (NowyMarketing, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji