ЭРА РАСКРЫТИЯ ИНФОРМАЦИИ ОБ ИИ — ЭТО КЛАДЕЗЬ ВОЗМОЖНОСТЕЙ ДЛЯ НАТИВНЫХ РЕКЛАМОДАТЕЛЕЙ, КОТОРЫЕ УМЕЮТ ЭТО ЧИТАТЬ

Если вы читали отраслевые издания в этом месяце, вы уже знаете заголовок: платформы ужесточают контроль над объявлениями, созданными с помощью ИИ. Google внедряет раздел "Как было создано это объявление" в панели "Мой центр объявлений", доступ к которому можно получить глобально через меню из трех точек в объявлениях в Поиске, YouTube и Discover. Эта панель будет указывать, использовался ли генеративный ИИ для создания или редактирования объявления — автоматически, если рекламодатель использовал собственные инструменты Google, или вручную, если творческая часть была создана с помощью стороннего ИИ. Тем временем Meta обновляет собственные метки раскрытия информации для объявлений, созданных с помощью ИИ, добавляя требования к прозрачности в экосистему Advantage+, которая уже автоматизирует многие задачи, ранее выполнявшиеся специалистами по медийной закупке. В отдельных юрисдикциях — Европейский союз, Индия и штат Нью-Йорк — эти сведения не будут скрыты в меню; как отмечает Search Engine Roundtable, на самих объявлениях будут появляться видимые накладные метки, включая способ создания рекламы в пользовательский контент, независимо от желания рекламодателя.

Последствия с точки зрения соблюдения требований являются реальными, и именно на них сейчас сосредоточено всеобщее внимание. Командам, которые разделяют творческую подготовку и управление кампаниями между разными людьми или разными агентствами, теперь необходимо фиксировать, когда и где ИИ использовался при создании материала до его размещения в рекламной платформе. Требование Google к раскрытию информации означает, что рекламодатели, использующие внешние генеративные инструменты ИИ, должны заранее указывать этот факт с помощью нового инструмента, который внедряется в Google Ads, Display & Video 360, Campaign Manager 360 и Merchant Center. Пропустите этот шаг — и вы рискуете, полагаясь, по сути, на систему добровольного самоограничения, выражение, которое даже наблюдатели за отраслью стали использовать вполне серьезно.

Между тем давление со стороны регулирования не ограничивается политикой платформ. Законопроект Нью-Йорка о раскрытии информации о синтетических исполнителях, как объяснила Real FiG Advertising + Marketing, нацелен на случаи, когда ИИ создаёт или заменяет живого исполнителя — цифровые аватары, спикеры на основе ИИ, синтетические голоса, — проводя четкую грань между косметическим редактированием и фальшивыми исполнителями. Это различие важно, потому что оно показывает, куда в конечном итоге направлена активность по контролю: не на отредактированный с помощью ИИ снимок продукта, а на синтетический «отзыв клиента», который никогда не поступал от реального пользователя.

Именно здесь общепринятый нарратив — это всего лишь бюрократическая нагрузка — терпит крах. Да, ваш процесс проверки креативов необходимо обновить. Но отойдите назад и посмотрите, что только что произошло с точки зрения структуры. Две крупнейшие рекламные экосистемы в мире теперь публично указывают способ создания каждого показываемого ими объявления. Не за входом в систему. Не скрыто в API. А прямо в панели, которую любой пользователь — или любой конкурент — может открыть одним щелчком.

Это не просто шаг к прозрачности. Это новый уровень данных, накладывающийся на каждую рекламу, которую запускают ваши конкуренты, и доступный в режиме реального времени. До июля 2026 года, если вы хотели узнать, использует ли конкурент генеративный ИИ в масштабах для создания креативов, вам приходилось гадать, основываясь на визуальных артефактах или метаданных водяных знаков. Теперь об этом сообщает вам сама платформа. Представьте себе новый столбец, который внезапно появился во всех значимых таблицах по анализу конкурентов — столбец, разделяющий бренды, которые по-прежнему делают ставку на творчество, созданное людьми, и те, что перешли на массовую автоматизацию. Те рекламодатели, кто воспримут это как формальность, просто поставят галочку и двинутся дальше. А те, кто увидит в этом источник разведданных, получат преимущество.

До появления этих меток раскрытия информации конкурентная разведка в нативной рекламе ограничивалась наблюдаемыми результатами: заголовком, миниатюрным изображением, целевой страницей, размещением в сети. Вы могли видеть, что запускает конкурент, но методология создания этого оставалась черным ящиком. Эта асимметрия только что исчезла. Когда Google объявил, что его панель «Мой рекламный центр» теперь будет указывать, была ли реклама создана или отредактирована с помощью ИИ, — при этом видимые водяные знаки уже обязательны для кампаний, ориентированных на ЕС, Индию и Нью-Йорк, — это фактически стало внедрением уровня метаданных, которого раньше никогда не существовало в истории цифровой рекламы. А когда Meta последовал этому примеру, автоматически помечая рекламу, созданную с инструментами вроде Background Generation, Image Generation и Add Animation, а также отмечая креативы, отредактированные сторонними инструментами вроде Photoshop и DALL-E, с помощью обнаружения C2PA, этот сигнал стал охватывать все платформы.

Представьте себе следующую ситуацию: вы — шеф-повар, который соревнуется с дюжиной ресторанов на одном квартале, и в один момент выходит закон, обязывающий все заведения указывать, какие блюда приготовлены вручную, а какие содержат готовые ингредиенты. Вы сразу начнёте иначе читать эти меню — не из снобизма, а потому что понимание производственной модели конкурента раскрывает вам его структуру издержек, возможности масштабирования, а также показывает, где он экономит или, наоборот, уделяет максимум внимания качеству.

Для тех, кто уже использует инструменты шпионажа за native-рекламой по типу Anstrex, эти теги ИИ становятся новым фильтруемым, сортируемым и отслеживаемым параметром, добавленным к уже существующим библиотекам креативов. Практическое применение очевидно и конкретно. Во-первых, теперь вы можете фильтровать креативы конкурентов по признаку «созданные ИИ» или «сделанные людьми» в рекламных системах Google и Meta, разделяя целые рекламные портфели по методу производства, а не только по формату или тематике. Во-вторых, вы можете отслеживать переход конкретного рекламодателя с человеческих креативов на генерируемые ИИ, определив точную неделю или месяц, когда он начал активно использовать генеративные инструменты. В-третьих — и именно здесь появляется реальная польза — вы можете коррелировать изменения в методах производства с наблюдаемыми показателями эффективности: продолжительностью размещения рекламы, распространением по издательским сайтам и скоростью масштабирования, измеряемой тем, как быстро креатив переходит от нескольких показов к сотням.

Этот уровень корреляции важен, потому что превращает предположения на основе отдельных случаев в проверяемые гипотезы. Если миниатюры, созданные ИИ у конкурента, демонстрируют более короткий срок жизни в размещениях Taboola или Outbrain по сравнению с их креативами, разработанными людьми, это сигнал о скорости устаревания креативов, созданных машиной. Если варианты, произведённые ИИ у другого рекламодателя, быстрее масштабируются по сетям, но концентрируются на издательских сайтах низшего качества, это указывает на то, как алгоритмы рекомендации контента относятся к таким креативам — или на собственные пороги качества рекламодателя, когда он может производить варианты практически при нулевой предельной стоимости.

Инфраструктура раскрытия информации, встроенная Google в панель прозрачности рекламы, была разработана для доверия потребителей, а не для конкурентной разведки. Использование компанией Meta отраслевых методов обнаружения, таких как C2PA, для выявления использования сторонних инструментов ИИ предназначалось для обозначения потенциально вводящих в заблуждение изображений, а не для предоставления конкурирующим рекламодателям информации о производстве. Но намерение и полезность — вещи разные. Для нативных рекламодателей, которые уже отслеживают творческие шаблоны в больших наборах данных — отмечая, какие ракурсы, форматы и визуальные стили набирают популярность в широком масштабе — метка ИИ — это не сноска о соблюдении требований. Это фильтр конкурентной разведки, скрывающийся на видном месте, превращающий каждую публичную рекламную библиотеку в окно не только в то, что говорят конкуренты, но и в то, как на самом деле устроена их творческая работа.

Когда вы видите, что рекламодатель заполняет нативную рекламную сеть десятками вариантов креативов с пометкой ИИ за одну неделю, это не просто выбор способа производства — это признание в стратегии. Такой рекламодатель почти наверняка вовлечён в цикл высокочастотного тестирования с быстрой итерацией, перебирая заголовки, миниатюры и варианты текста с такой скоростью, которую могут обеспечить только генеративные инструменты, безжалостно оптимизируя показатели привлечения внимания и стоимость привлечения клиента. Конкурент, чьи самые эффективные объявления работают месяцами без пометки об использовании ИИ, говорит о чём-то совершенно ином: он вложился в креативы, созданные людьми, настолько сильные, что их длительное использование оправдано, и полагается на их устойчивость, а не гонится за незначительным повышением эффективности за счёт искусственных итераций. Ни один из этих сигналов изначально не превосходит другой, но теперь оба доступны для анализа каждому, кто обращает внимание, и последствия для сопоставительного анализа огромны.

Искушение рассматривать креативные кампании с сильным участием ИИ как признак изощрённости требует тщательного анализа. Как утверждает AdExchanger, маркетологи всё чаще становятся последователями "культа эффективности", в котором сигналы вовлечённости, предпочитаемые платформами, — клики, показы, приписываемые конверсии — рассматриваются как единственные значимые метрики, даже если креативы, порождающие эти сигналы, мягко говоря, разрушают бренд. Внешнее проявление этого культа выражается в самых странных, гипероптимизированных изображениях, которые как раз останавливают внимание на этой неделе; с внутренней стороны платформы незаметно перестраивают модели приписывания заслуг и механизмы таргетинга, чтобы продукты на базе ИИ выглядели незаменимыми. Когда весь креативный портфель рекламодателя помечен как созданный с помощью ИИ, стоит задаться вопросом: действительно ли он опережает рынок, или просто превосходит собственные предыдущие показатели в замкнутом цикле, поощряющем дешёвые вовлечённости.

Это различие важно, потому что рекламные системы на базе ИИ стремятся оптимизировать измеримые и дешёвые показатели, а не обязательно те, что формируют устойчивое восприятие бренда. Крупнейшими покупателями низкокачественной рекламной инвентаризации, созданной исключительно для рекламы, как отмечено в том же анализе AdExchanger, являются рекламные продукты платформ с поддержкой ИИ, которые преследуют приписываемые сигналы в сомнительных размещениях по всему интернету. Если креативы конкурента с пометкой ИИ генерируют впечатляющие показатели кликабельности, частично это объясняется тем, что платформы направляют эти объявления в среды и аудитории, склонные к поверхностному взаимодействию, а не к тем потребителям с высокой готовностью к покупке, которые приносят долгосрочный доход.

Тем временем изменяющийся подход самой Meta к раскрытию информации об ИИ добавляет еще один уровень читаемой аналитики. Теперь компания автоматически маркирует рекламный контент, созданный или значительно отредактированный с помощью генеративных инструментов ИИ — как собственных, так и сторонних продуктов, таких как DALL-E и генеративные функции Photoshop, — используя отраслевые стандартные методы определения, например метаданные C2PA. Это означает, что разделение на ИИ и человека в библиотеке рекламы конкурента основывается не только на самоотчетности; оно отражает обнаружение на уровне платформы, что делает сигнал более устойчивым к манипуляциям и надежным для конкурентного анализа.

Стратегический вопрос, который должны задавать сейчас рекламодатели, работающие в формате интегрированной рекламы, заключается не просто в «стоит ли мне использовать креативы ИИ?». Это более детальная настройка: «Превосходят ли мои креативы на ИИ рыночные креативы на ИИ по стабильным показателям, или я просто радуюсь улучшению по сравнению с собственным предыдущим уровнем, созданным людьми?». Если каждый конкурент в вашей нише перешел на варианты, созданные ИИ, а ваш ручной креатив по-прежнему соответствует или превосходит их результаты, это сильный сигнал о том, что вы создали брендовый капитал, который ваши конкуренты активно разрушают. Если ваши креативы на ИИ выигрывают только в истории вашей учетной записи, но отстают от конкурентов, которые вложились в уникальные работы, созданные людьми, метки раскрытия информации только что предоставили вам неудобный, но бесценный диагноз. Данные всегда были в панелях эффективности. Новое — это контекст для их интерпретации.

Каждая система раскрытия информации сильна лишь настолько, насколько сильен её самый слабый механизм обеспечения соблюдения, а структуры маркировки ИИ, внедряемые в настоящее время на крупных рекламных платформах, имеют преднамеренную структурную слабость, которую специалистам по конкурентной разведке следует изучить особенно внимательно. Когда Google представила свою панель «Как было сделано это объявление», она провела чёткое разграничение между двумя категориями креативов, созданных ИИ: объявлениями, созданными с помощью собственных генеративных инструментов Google, которые автоматически получают пометку, и объявлениями, созданными с помощью сторонних ИИ-инструментов за пределами экосистемы Google, для которых полностью полагаются на добровольное сообщение со стороны рекламодателя. Это различие не является ошибкой — это архитектурное решение, создающее любопытную асимметрию для всех, кто обращает внимание.

Система добровольного соблюдения правил, применяемая здесь, поразительно легко обходится. Рекламодатель может использовать Midjourney для миниатюр, Claude для создания заголовков и Runway для монтажа видео, а затем загрузить готовые материалы в Google Ads, вообще не включая функцию раскрытия информации об ИИ. Если юрисдикция не требует специально видимую метку на рекламе — а, как отметил Search Engine Roundtable, на данный момент такие видимые метки появляются только в кампаниях, ориентированных на Европейский союз, Индию и Нью-Йорк — рекламодатель не сталкивается с автоматической проверкой своей честности. На панели My Ad Center просто не будет отображаться участие ИИ, и обычный зритель никогда не узнает разницы.

Подход Meta пытается устранить этот пробел с помощью технического обнаружения, а не исключительно самораскрытия, используя отраслевые стандартные методы, такие как метаданные C2PA, чтобы определять, когда контент рекламы был создан или отредактирован сторонними генеративными инструментами ИИ. Однако C2PA работает только в том случае, если исходный инструмент изначально внедряет эти метаданные — а не все инструменты это делают. Рекламодатель, который обрабатывает сгенерированные ИИ изображения путем конвертации формата, удаляет EXIF-данные или просто использует инструмент, который не внедрил C2PA, пройдет слой обнаружения Meta без меток. Система обнаруживает только совместимые цепочки инструментов, а всё остальное упускает.

Для опытных аналитиков нативной рекламы этот разрыв не должен быть источником разочарования — он должен быть источником сигнала. Когда рекламодатель добровольно раскрывает участие ИИ на рынке, где никакая маркировка не требуется, это подлинный значимый показатель: либо они необычайно добросовестны, демонстрируя осведомлённость в ИИ как ценность бренда, либо действуют в рамках внутренних нормативных правил, требующих прозрачности. Каким бы ни был случай, такое раскрытие говорит вам нечто реальное о позиции организации.

Однако отсутствие этикетки ИИ заслуживает равного внимания в анализе. Отсутствие раскрытия информации не является подтверждением авторства человека. Когда вы замечаете, что рекламодатель производит тридцать вариантов заголовков в неделю на нескольких нативных платформах без единой метки ИИ, а контент демонстрирует признаки генеративного производства — постоянный тон, подозрительно однородный синтаксис, слегка чрезмерно отполированные изображения в стиле стоков, — отсутствие метки становится самостоятельным показателем. Это указывает либо на стратегическое уклонение от маркировки, либо на производственный процесс, полностью выходящий за рамки существующих систем обнаружения.

Со временем это создает богатый аналитический набор данных. По мере увеличения числа рекламодателей, раскрывающих информацию, доля аккаунтов, не предоставляющих сведений, сокращается и становится более интерпретируемой. Сопоставление скорости выпуска творческих материалов, количества вариаций и стилистической последовательности с наличием или отсутствием маркировки ИИ позволит группам по сбору конкурентной разведки создавать вероятностные модели использования ИИ без раскрытия информации. Рекламодатели, которые раскрывают данные, предоставляют вам подтвержденную методологию. Те, кто этого не делает, предоставляют вам гипотезу, заслуживающую проверки, а в конкурентной разведке хорошо сформулированная гипотеза зачастую ценнее, чем данные, которые можно воспринимать как само собой разумеющиеся.

Описанные в предыдущих разделах платформы полезны только в том случае, если вы можете внедрить их на практике — если вы можете превращать сигналы раскрытия в повторяемый процесс мониторинга, который из недели в неделю будет питать вашу креативную стратегию и решения в области закупки медиа. Ниже описано, как создать такой процесс с нуля.

Шаг 1: Сегментируйте креативы конкурентов по признаку раскрытия использования ИИ. Начните с извлечения всех активных рекламных объявлений конкурентов из Библиотеки объявлений Meta и панели Google My Ad Center. Как сообщила компания Google при запуске функций прозрачности, раздел "Как было создано это объявление" доступен по всему миру через выбор значка меню из трёх точек или значка информации в рекламе на Полном, YouTube и Discover. Эта панель покажет, было ли данное рекламное объявление создано или отредактировано с помощью ИИ, по крайней мере, в тех случаях, когда рекламодатель использовал собственные генеративные инструменты Google, вызывающие автоматическое раскрытие информации. Что касается Meta, компания пояснила, что она использует отраслевые стандартные методы обнаружения, такие как C2PA, чтобы определить, было ли рекламное содержимое создано или изменено с помощью сторонних генеративных инструментов ИИ, после чего соответствующим образом маркирует контент. Создайте электронную таблицу или загрузите эти данные в свой инструмент конкурентной разведки. Каждый креатив конкурента должен иметь двоичный тег: раскрыто использование ИИ или нет.

Шаг 2: Отслеживайте долговечность и тенденции масштабирования в каждом сегменте. Как только вы разметили все рекламные креативы конкурентов, начните отслеживать, сколько времени работает каждое объявление, и увеличивается ли охват, остаётся ли стабильным или прекращается. Креативы с указанием использования ИИ, которые работают дольше десяти дней и демонстрируют рост охвата, уже доказали свою эффективность — они прошли фильтры алгоритмов платформы и соответствуют внутренним стандартам рекламодателя. Долгоживущие креативы без указания использования ИИ дают вам иную точку сравнения. За несколько недель у вас сформируется чёткое представление о том, как в вашей нише ИИ-креативы сгорают быстрее или, наоборот, дольше выдерживают по сравнению с созданными людьми.

Шаг 3: Установите контрольные показатели эффективности, разделяющие нормы ИИ-креативов и нормы человеческих креативов. На этом этапе данные начинают накапливаться. Как отмечал MarTech, ведущие рекламодатели сегодня внедряют непрерывные циклы оптимизации креативов с помощью ИИ, в рамках которых ИИ анализирует сигналы вовлечённости и автоматически совершенствует сообщения для повышения эффективности. Если ваши конкуренты запускают такие циклы, их креативы с указанием ИИ будут демонстрировать характерные закономерности — большее количество вариантов, более короткий срок жизни каждого варианта, но устойчивые тематические группы. Отслеживайте эти закономерности отдельно от показателей креативов, созданных людьми. Вам необходимо понимать, как выглядит «хороший» результат в каждой категории, чтобы принимать обоснованные решения по инвестициям в собственную производственную цепочку.

Шаг 4: Отслеживайте региональные различия, чтобы выявить, связаны ли видимые метки ИИ с изменениями в вовлечённости. Это самый недоиспользуемый шаг, и в то же время самый ценный. Политика Google создаёт естественный эксперимент: для кампаний, ориентированных на Европейский союз, Индию и Нью-Йорк, объявления, отмеченные как созданные или отредактированные ИИ, будут включать видимые оверлеи непосредственно в объявлении, тогда как объявления, запускаемые в других местах, содержат раскрытие информации лишь на фоновом экране. Это означает, что один и тот же креатив от одного и того же рекламодателя может запускаться с меткой ИИ на объявлении в Берлине и без неё в Чикаго. Если вы отслеживаете конкурентов, охватывающих оба рынка, сравните продолжительность и поведение масштабирования их креативов в этих регионах. Креатив, который активно масштабируется на рынках без меток, но быстро исчезает там, где оверлей виден, говорит о том, что видимое раскрытие информации об использовании ИИ подавляет вовлечённость. Такие данные напрямую должны влиять на вашу стратегию маркировки, распределение инвестиций в креативы и географическую таргетинговую политику.

Запускайте этот рабочий процесс еженедельно. В течение квартала у вас появится собственный набор данных, который нельзя воспроизвести ни в одном отчете третьей стороны, — он будет построен на основе реального поведения рынка, а не ответов на опросы или теоретических моделей. Этот набор данных станет основой для каждого творческого решения, стратегии раскрытия информации и принятия решений по распределению бюджета, которые ваша команда будет принимать в дальнейшем.