På campus AI står klar til å revolusjonere markedsføring. Produktplassering har utviklet seg til en presis vitenskap om anbefalinger. Store maskinlæringsmodeller bruker nå enorme mengder forbrukerdata for å forutsi preferanser, skreddersy innhold og optimalisere engasjement i sanntid—noe som fundamentalt endrer hvordan merker samhandler med sine målgrupper. For eksempel er anbefalingssystemer avgjørende for plattformers suksess, spesielt innen netthandel og innholdsstrømming; på Amazon står de for over 50 % av salg av produkter, mens de på Netflix står for 80 % av den totale seetiden, noe som understreker deres betydelige innvirkning på forbrukeratferd og engasjement. Likevel fungerer disse avanserte AI-modellene som «svarte bokser», med liten åpenhet om datagenereringsprosessene eller forståelse av årsakene bak forbrukervalgene. Samtidig gir flere tiårs markedsføringsforskning dyp innsikt i forbrukermotivasjon og atferd. Dette gir en unik mulighet: å integrere slik markedsføringskunnskap i AI-utvikling kan føre til mer robuste, tolkelige og menneskesentriske løsninger som øker den langsiktige effekten av disse plattformene. Men disse svarte boksene bringer også risikoer.

Personvern er en stor bekymring—AI sitt avhengighetsforhold til omfattende forbrukerdata reiser viktige spørsmål om innsamling, lagring og bruk av data. Den økende kompleksiteten i datautveksling mellom selskaper og plattformer gjør at forbrukere ofte er uvitende om hvordan informasjonen deres håndteres, noe som kompliserer etterlevelse av stadig strengere personvernlover som GDPR og CCPA. I tillegg frykter markedsførere at algoritmisk skjevhet kan føre til forvrengte markedsføringsstrategier eller diskriminering. Denne problematikken er spesielt viktig innen kundesegmentering, produktanbefalinger og målrettet reklame, hvor subtile skjevheter kan ha stor innvirkning på både virksomheter og forbrukere. Konferansen, arrangert av Stanford Graduate School of Business, varer i to dager og samler eksperter fra akademia og næringsliv. Den fokuserer på følgende temaer: Nye Metoder: Fremskritt mot mer robuste, generaliserbare og menneskesentriske AI-løsninger som går utover svarte bokser-metoden; Nye Data: Utnyttelse av dagens mangfoldige, ustrukturerte datakilder (som tekst, bilder, brukergenerert innhold) for å utvikle mer innsiktsfulle og handlingsorienterte markedsføringsstrategier; Nye Risikoer: Utforsking av hvordan AI kan brukes etisk og effektivt i markedsføring, sammen med strategier for å balansere innovasjon med ansvar. Sammen tar vi sikte på å finne en vei som utnytter AI sin transformative kraft, samtidig som vi opprettholder forpliktelsen til åpenhet, etisk innovasjon og bærekraftig optimalisering.