AI-asistirano targetiranje i mikro-persuazija

---

PSIHOLOGIJA DRUŠTVENIH MREŽA

11. AI-POJAČANE MANIPULACIJE

---

Klasično digitalno targetiranje, zasnovano pretežno na demografskim kategorijama (uzrast, pol, lokacija), danas deluje grubo u poređenju sa savremenim praksama.

Napredak u veštačkoj inteligenciji, posebno u mašinskom učenju i obradi prirodnog jezika, omogućio je prelazak sa targetiranja grupa na predviđanje i oblikovanje individualnih stavova, emocionalnih stanja i ranjivosti, često u realnom vremenu.

Ovaj pomak možemo opisati kao AI-asistirano targetiranje i mikro-persuaziju. Njegova posebnost nije u uvođenju novih psiholoških principa, već u njihovoj preciznoj, kontinuiranoj i skalabilnoj primeni na pojedince. Digitalne platforme se time transformišu iz prostora distribucije informacija u okruženja za sistematsko usmeravanje pažnje, emocija i odluka.

---

Od podataka do predikcije i prilagođenog uticaja

Mehanizam

---

Proces funkcioniše kao zatvoren ciklus u kojem se podaci neprestano prikupljaju, analiziraju i koriste za optimizaciju narednih poruka.

1. Napredna profilacija ponašanja

Savremeni AI sistemi ne analiziraju samo eksplicitne signale poput „lajkova“ ili deljenja sadržaja. U obzir se uzimaju i suptilniji obrasci:

• brzina i način skrolovanja,
• zadržavanje pažnje na pojedinim delovima sadržaja,
• jezički stil u komentarima i porukama,
• obrasci emocionalnih reakcija.

Na osnovu ovih tragova moguće je izvesti psihometrijske procene crta ličnosti, vrednosnih orijentacija i emocionalnih tendencija. Empirijska istraživanja pokazuju da digitalni tragovi mogu sa značajnom tačnošću predviđati osobine poput otvorenosti, neuroticizma ili političkih sklonosti (Kosinski et al., 2013).

Važno je naglasiti: ove procene nisu savršene, ali su dovoljno precizne da budu operativno korisne u velikim sistemima.

2. Prediktivno modeliranje ranjivosti

Sledeći korak nije samo pitanje ko smo, već i kada smo podložniji uticaju. Algoritmi analiziraju vremenske obrasce aktivnosti, reakcije na aktuelne događaje, promene u tonu komunikacije, pa čak i podatke koji dolaze iz drugih povezanih uređaja i servisa.

Na taj način mogu se predvideti periodi povećane emocionalne osetljivosti: trenuci frustracije, nesigurnosti, usamljenosti ili pojačanog uzbuđenja. U tim intervalima, određene poruke imaju znatno veći efekat nego u neutralnom stanju.

3. Generisanje i isporuka personalizovane poruke

Na osnovu profila i procene trenutnog stanja, sistem može automatizovano:

• odabrati najefikasniju verziju sadržaja iz postojeće biblioteke (naslov, slika, format),
• generisati novu, personalizovanu poruku pomoću generativnih AI modela, prilagođenu jeziku, temama i emocionalnom registru korisnika,
• odrediti optimalan trenutak i kanal isporuke kako bi se povećala verovatnoća reakcije.

---

Primena na nivou pojedinca

Psihološki principi u skaliranju

---

AI-asistirano targetiranje ne uvodi nove mehanizme uticaja, već omogućava njihovu preciznu i ponovljivu primenu.

Prilagođeno okvirivanje

(framing) Ista informacija može biti predstavljena kroz različite interpretativne okvire. Poruka o javnoj politici, na primer, može biti naglašena kao pitanje bezbednosti, pravednosti ili lične odgovornosti u zavisnosti od vrednosnog profila korisnika.

Eksploatacija afektivnog stanja

Poruke koje izazivaju strah, bes ili osećaj pripadnosti plasiraju se onda kada je korisnik emocionalno prijemčiviji za takve impulse. Emocija tada postaje filter kroz koji se procenjuje sadržaj, aktivirajući afektivnu heuristiku.

Mikro-valjanost i izgradnja poverenja

Dosledno slanje tačnih, ali blago personalizovanih informacija (o lokalnim događajima, nišnim interesovanjima) stvara osećaj da izvor „razume“ korisnika. Ovo postepeno gradi kredibilitet, koji kasnije može biti iskorišćen za prihvatanje problematičnijih ili manipulatívnih poruka.

---

Ciljevi i potencijalne štete

---

Isti mehanizmi koji se koriste u komercijalnom oglašavanju mogu imati ozbiljne društvene posledice:

• Politička i ideološka polarizacija
  Postepenim pomeranjem poruka ka ekstremnijim stavovima, algoritmi mogu suziti Overtonov prozor pojedinca i učvrstiti filter mehure.
• Eksploatacija emocionalnih i finansijskih ranjivosti
  Targetiranje osoba u kriznim trenucima porukama o „brzim rešenjima“ povećava rizik od zloupotrebe poverenja i donošenja štetnih odluka.
• Slabljenje autonomije odlučivanja
  Kada su informacije i emocionalni podsticaji sistematski prilagođeni našim slabostima, prostor za refleksivno, autonomno odlučivanje se smanjuje. Odluke postaju rezultat interakcije između algoritamske optimizacije i ljudske kognitivne ograničenosti.

---

Pomeranje pažnje sa sadržaja na sistem

Ograničavanje uticaja

---

Odbrana od mikro-persuazije ne zasniva se na ignorisanju sadržaja, već na razumevanju infrastrukture koja ga isporučuje.

• Svest o mehanizmu
  Pitanje „zašto mi je ovo sada prikazano?“ često je važnije od pitanja „da li se slažem“.
• Upravljanje digitalnim otiskom
  Svaka interakcija doprinosi budućem profilisanju. Revizija podešavanja privatnosti i ograničavanje praćenja smanjuju preciznost modela.
• Namerno uvođenje raznolikosti
  Aktivno praćenje različitih izvora i perspektiva otežava formiranje zatvorenih, predvidivih profila i smanjuje efekat algoritamskog iznenađenja.

---

Zašto ne volim društvene mreže?

---

Napredna analiza podataka omogućava prilagođavanje poruka specifičnim osobinama i ranjivostima pojedinaca. Ubeđivanje postaje personalizovano do mere koja je ranije bila tehnički neizvodljiva. Granica između informisanja i manipulacije postaje nejasnija.

---

Napomena: Ovi obrasci opisuju moguće zloupotrebe AI tehnologija u digitalnom okruženju i ne znače da je svaka primena veštačke inteligencije štetna. AI ima i brojne korisne primene, ali razumevanje rizika pomaže odgovornijem korišćenju i razvoju ovih sistema.

Alek.B.