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.
Spis treści
- Czy AI naprawdę zwiększa kreatywność?
- Gdzie AI jest już narzędziem operacyjnym w reklamie?
- Jakie ryzyko powstaje, gdy wizualizacja z modelu trafia do klienta?
- Które zadania oddawać modelowi, a które zatrzymać w zespole?
- Co pokazuje polski rynek reklamowy?
- Jak rozdzielić role między zespół a model?
- Najczęstsze pytania
- 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 procesie | Co przyspiesza | Główne ryzyko | Co zostaje w zespole |
|---|---|---|---|
| Ideacja i wariantowanie | liczbę koncepcji do przeglądu | podobieństwo pomysłów do siebie [1] | kryteria oceny i wybór kierunku |
| Prototypowanie wizualne | tempo powstawania makiet | process collapse i rework [5] | akceptacja etapowa i decyzja o szczegółach |
| Research i porządkowanie materiału | zbieranie i grupowanie danych | błędy 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
- Will AI Kill Creativity—or Set It Free? (Psychology Today, 2026)
- Harmony or Discord? The Intersection of Generative AI and Human Creativity in Advertising (Taylor & Francis, 2025)
- The AI Ad Gap Widens (IAB)
- Generative artificial intelligence in advertising. Field applications in Rio de Janeiro and Catalonia (ScienceDirect, 2025)
- Research: Gen AI Is Collapsing Creative Processes (HBR, 2026)
- Marketingowcy kochają AI, konsumenci — znacznie mniej (Profit24)
- Wykorzystanie AI przez agencje marketingowe w Polsce (Marketing przy kawie, 2025)
- Group One — agencja marketingowa (Group One)
- 38 największych agencji reklamowych w Polsce w 2026 roku (Widoczni, 2026)
- 7 najlepszych agencji marketingowych ery AI w Polsce 2026 (NowyMarketing, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji