Un controllo del volume per i contenuti pubblicitari nativi dell’IA

La «luna di miele» dell’IA popolare non è ancora del tutto finita. Se dovessimo paragonarla al passaggio dall’età d’oro di Netflix all’attuale balcanizzazione e commercializzazione dei servizi di streaming, saremmo intorno al 2019. L’operatore storico (OpenAI) deve ormai fare i conti con una nutrita schiera di concorrenti ben finanziati, nessuno dei quali ha conquistato una posizione abbastanza solida da rischiare di imporre annunci pubblicitari alla propria volubile base di utenti.

Allo stesso modo, al momento ChatGPT limita la pubblicità nelle chat agli utenti dei piani Free e Go; gli annunci di Gemini compaiono solo nelle AI Overviews e in AI Mode; Perplexity ha abbandonato i suoi piani pubblicitari lo scorso inverno; xAI dovrebbe introdurre annunci pubblicitari prima o poi; Microsoft Copilot li ha già; e Claude esclude del tutto questa possibilità.

Ma sappiamo che non può durare: quando emergerà il vero costo dell’inferenza e le prossime IPO delle aziende di IA porteranno in primo piano le pressioni degli azionisti, la storia suggerisce che possiamo aspettarci di dover esaminare attentamente, prima o poi, i risultati degli LLM per distinguere i contenuti basati sulla pubblicità da quelli non commerciali.

Alzare il volume fino a 11

Oltre a questioni come il grado di personalizzazione degli annunci e le modalità di selezione dei gruppi demografici da raggiungere, i fornitori dovranno considerare la portata e la tipologia dell’integrazione dei contenuti commerciali.

Non è facile: se gli annunci sono troppo discreti, si mantengono più utenti ma si perdono inserzionisti di maggior valore; un’integrazione più spinta dei contenuti pubblicitari, che può aggirare le normative sulla trasparenza, può far ottenere contratti pubblicitari migliori, ma anche suscitare polemiche e produrre altre conseguenze negative.

Inoltre, le piattaforme pubblicitarie basate su livelli di abbonamento potrebbero richiedere diversi gradi di «volume» e integrazione, anche se le variabili degli LLM sono piuttosto difficili da quantificare. Per esempio, un precedente metodo ideato per creare una sorta di «regolatore del volume» degli annunci nei risultati degli LLM finiva per includere nella chat persino i termini usati per quantificare il livello in chat:

Dal nuovo studio, un esempio di etichette di un precedente sistema di «regolazione del volume» che finiscono per comparire nel testo generato. Fonte

L’esempio qui sopra è tratto da un nuovo studio* che affronta due questioni fondamentali della pubblicità basata sugli LLM: controllare quanto risalto viene dato agli annunci nelle risposte dei chatbot e individuare quali parti di quelle risposte costituiscono pubblicità a pagamento:

Schema del nuovo approccio AdKnob. A sinistra, Subway è una delle diverse raccomandazioni oppure il fulcro della risposta, a seconda del livello pubblicitario selezionato. A destra, le evidenziazioni verdi indicano i contenuti pubblicitari all’interno della risposta generata.

L’approccio, denominato AdKnob, usa una scala a quattro livelli per stabilire con quale intensità un chatbot promuove un prodotto e, al contempo, individuare le frasi che contengono pubblicità. L’obiettivo è rendere facile l’identificazione dei contenuti pubblicitari senza dover ricorrere a modelli aggiuntivi né rallentare in alcun modo il processo, tradizionalmente uno dei più rapidi settori in circolazione.

Nel materiale supplementare del nuovo studio, alcuni esempi di testo con annunci inseriti sono evidenziati in rosso.

Il metodo AdKnob è stato testato su sei modelli di IA di Alibaba, Microsoft e Meta. In ciascun caso, la quantità di pubblicità poteva essere regolata su quattro livelli, da una menzione occasionale di un prodotto a una risposta quasi interamente dedicata alla promozione di un marchio.

Al livello di «volume» più aggressivo di AdKnob (qui è «4», non il mitico «11»), i messaggi del marchio tendono a dominare il risultato.

È stato necessario usare modelli open-weight perché, durante l’addestramento, occorreva modificarne i parametri interni ed esaminare i loro schemi di attenzione per individuare la pubblicità nelle risposte generate. Sono stati quindi esclusi i test sui modelli di frontiera accessibili solo tramite API.

I risultati sono stati testati con 913 persone tramite Amazon Mechanical Turk. Nel confronto tra le risposte di AdKnob e quelle di quattro metodi concorrenti, le prime sono state preferite in una percentuale compresa tra il 75% e quasi il 90% dei casi.

A quanto pare, tra le ragioni principali indicate figuravano l’utilità e la chiarezza delle indicazioni pubblicitarie. Anche con l’impostazione pubblicitaria più alta, le risposte hanno ottenuto una valutazione media della qualità di 3,1 su 4, contro 3,6 con l’impostazione più bassa.

Secondo gli autori, AdKnob si è dimostrato anche più efficace nell’identificare le frasi che contenevano pubblicità; inoltre, su uno dei modelli testati, questo processo di verifica richiedeva appena tre millisecondi per risposta: un costo computazionale aggiuntivo accettabilmente basso, che non richiedeva la generazione di token dedicati, a differenza di diversi approcci precedenti.

Per alimentare il nuovo sistema, è stato sviluppato il MI-KnobSet, un dataset basato sul precedente Webis Generated Native Ads 2024, ampliato per includere diversi livelli di pubblicità nelle risposte dei chatbot e composto da 3.946 esempi di addestramento e 913 casi di test.

Gli autori affermano:

«[AdKnob] consente a un singolo LLM di generare risposte con un’ampia gamma di intensità pubblicitarie. La funzione di perdita per l’attribuzione degli annunci rafforza ulteriormente l’attribuzione tra i token di input correlati agli annunci e i contenuti pubblicitari generati, consentendo di etichettare accuratamente gli annunci al momento dell’inferenza.»

«Gli esperimenti condotti su sei modelli di base e gli studi sugli utenti dimostrano che AdKnob supera costantemente i metodi di riferimento esistenti sia per la qualità degli annunci sia per la loro etichettatura. Il nostro lavoro offre una base pratica per una pubblicità nativa degli LLM trasparente e controllabile nei servizi del mondo reale.»

Metodo

A differenza del precedente approccio citato sopra, in cui le parole usate per quantificare un livello di intensità finivano per trapelare nell’output, il nuovo metodo utilizza quattro token di controllo specifici, ciascuno dei quali rappresenta una diversa intensità pubblicitaria:

q̂ = q ⊕ [AD_LV_n]

Naturalmente, il token n qui sopra rappresenta un numero potenzialmente arbitrario, ma in questo caso AdKnob ne limita l’intervallo da 1 a 4 (probabilmente un livello di granularità pressoché massimo per queste specifiche variabili, ovvero quanto siano «evidenti» e quanto siano «invadenti» i contenuti pubblicitari).

Poiché questi token astratti non hanno un significato preesistente, il modello può apprenderne la funzione prevista senza confonderli con il linguaggio comune.

Come spiegano gli autori, il modello viene quindi addestrato con l’ottimizzazione diretta delle preferenze (DPO), per allineare i token di controllo al livello di intensità desiderato:

«[We] basano quindi la costruzione delle preferenze su due metriche: la pubblicità [score], che misura quanto il marchio e il testo pubblicitario siano integrati nella risposta in modo prominente e positivo, e la qualità della risposta [score], che misura quanto bene la risposta soddisfi la richiesta dell’utente [query].»

Per creare il dataset di coppie, le risposte candidate sono state valutate in base all’intensità pubblicitaria, alla pertinenza, alla scorrevolezza e alle informazioni mantenute rispetto a una risposta priva di pubblicità; i punteggi sono stati poi utilizzati per selezionare gli esempi di addestramento per ciascun livello pubblicitario.

Per ogni scenario pubblicitario, sono state generate 25 possibili risposte con GPT-4o, usando prompt che incoraggiavano diversi gradi di promozione dei prodotti. Per ciascun livello obiettivo è stata selezionata la risposta con il punteggio più alto, insieme a tre alternative deliberatamente inferiori, caratterizzate da scarsa qualità, intensità pubblicitaria errata o entrambe:

Punteggi pubblicitari per 25 risposte candidate generate usando cinque prompt diversi. La notevole sovrapposizione tra le cinque curve mostra perché il solo prompting non fosse in grado di produrre in modo affidabile livelli pubblicitari distinti.

Questi confronti sono stati usati per addestrare il modello con la tecnica DPO citata in precedenza, insegnandogli a produrre risposte conformi al livello pubblicitario richiesto, ma comunque utili e naturali.

Test

AdKnob è stato valutato su quattro livelli di intensità pubblicitaria e su sei modelli: Qwen3-4B-Instruct; Phi-4-Mini-Instruct (3.8B); LLaMA-3.2-3B-Instruct; Qwen2.5-14B-Instruct; Phi-4 (14B); e LLaMA-3.1-8B-Instruct.

L’intensità pubblicitaria e la qualità delle risposte sono state valutate separatamente, mentre l’accuratezza dell’etichettatura degli annunci è stata misurata con ROC-AUC; precisione e richiamo; e F1.

I modelli sono stati ottimizzati con l’adattamento a basso rango (LoRA); le risposte generate erano limitate a 500 token e la soglia per l’etichettatura degli annunci era pari a 0,005. Tutti gli esperimenti sono stati condotti su una singola GPU NVIDIA H200, dotata di ben 141 GB di VRAM HBM3e, una quantità da capogiro.

Sono stati usati quattro metodi come riferimento. Nel caso della categoria a due fasi , la pubblicità veniva inserita in una risposta generata in precedenza; con l’approccio basato sui prompt, invece, la pubblicità veniva integrata tramite prompt di sistema.

Gli altri due metodi erano: JU-NLP, che si basava sull’ottimizzazione del modello per favorire una pubblicità meno evidente; e NL-prompt (prompt di sistema ordinari che specificavano l’intensità pubblicitaria, senza ulteriore addestramento), che utilizzava istruzioni in linguaggio naturale per richiedere quattro livelli di intensità pubblicitaria: discreto (L1); moderato (L2); intenso (L3); e massimo (L4).

Sono stati confrontati tre metodi di etichettatura della pubblicità: Marker, che chiedeva al modello di contrassegnare gli annunci mentre scriveva; BERTScore, che segnalava le frasi simili al testo pubblicitario fornito; e AttnLRP, utilizzato per tracciare l’influenza della pubblicità attraverso i meccanismi interni del modello:

Risultati dei test che confrontano l’intensità pubblicitaria e la qualità delle risposte in quattro modelli di IA. AdKnob (in blu) ha ottenuto un intervallo di livelli pubblicitari più ampio e con una distribuzione più uniforme (L1–L4) rispetto ai metodi concorrenti, mantenendo in genere una qualità delle risposte superiore a intensità pubblicitarie comparabili.

AdKnob ha prodotto un intervallo di intensità pubblicitarie più ampio e uniforme rispetto ai metodi concorrenti, fornendo in genere risposte di qualità migliore a livelli comparabili. Il risultato è stato attribuito ai suoi nuovi token di controllo e al rifiuto, durante l’addestramento, delle risposte di scarsa qualità.

Gli autori affermano:

‘JU-NLP viene messo a punto per rendere meno visibili gli annunci, senza un controllo esplicito dell’intensità, e produce risposte con un’intensità fissa. NL-prompt copre invece più livelli di intensità, ma il suo intervallo è ristretto e i punteggi pubblicitari sono incoerenti, a conferma che i prompt in linguaggio naturale non bastano a controllare l’intensità.

‘Al contrario, AdKnob copre un intervallo ampio e uniforme di intensità pubblicitarie.

‘Questo è possibile grazie ai nostri token di controllo degli annunci, privi di semantica preaddestrata e utilizzati specificamente come segnali di condizionamento per controllare l’intensità pubblicitaria. Ciò consente a DPO di stabilire una corrispondenza precisa tra ciascun token e l’intensità desiderata.’

Secondo quanto riportato nell’articolo, l’approccio degli autori ha prodotto anche risposte di qualità superiore rispetto ai metodi concorrenti a intensità pubblicitarie simili; il miglioramento è stato attribuito a esempi di addestramento in cui le risposte peggiori venivano esplicitamente rifiutate.

È stata poi valutata la capacità del sistema di etichettare gli annunci:

Risultati del rilevamento della pubblicità in quattro modelli di IA. I punteggi più alti indicano una maggiore accuratezza; i risultati migliori sono mostrati in grassetto.

AdKnob ha ottenuto la più alta accuratezza complessiva di rilevamento in tutti e quattro i modelli, identificando la pubblicità in appena 2,5-7,3 millisecondi per risposta. BERTScore ha invece richiesto circa 1.800 millisecondi: sul modello più piccolo tra quelli testati, AdKnob è risultato oltre 500 volte più veloce.

Gli autori aggiungono:

‘AdKnob addestra il modello a stabilire una forte attribuzione tra i token di input relativi agli annunci e i segmenti pubblicitari, grazie a indicazioni esplicite basate sull’ablazione, ottenendo i migliori valori di AUC e F1 in tutti i modelli.’

‘Inoltre, AdKnob consente l’etichettatura in tempo reale senza costi aggiuntivi di inferenza, a ∼3 ms per risposta su [Qwen3-4B.]

In un test qualitativo, la pubblicità di Nintendo Switch è stata inclusa come una raccomandazione tra le varie proposte al livello 1. Al livello 4, il marchio dominava la risposta; AdKnob ha identificato i passaggi promozionali a entrambi i livelli di intensità:

Esempi di risposte a una domanda su Walmart e il Black Friday a due livelli di intensità pubblicitaria. I passaggi evidenziati e contrassegnati con [AD] identificano i contenuti promozionali.

Infine**, gli autori hanno condotto uno studio con 913 partecipanti, che hanno valutato l’intensità pubblicitaria e la qualità delle risposte, confrontato AdKnob con i metodi concorrenti e valutato l’accuratezza con cui venivano identificati i contenuti promozionali:

Risultati delle valutazioni umane di AdKnob. La tabella mostra i punteggi relativi all’intensità pubblicitaria e alla qualità delle risposte, le percentuali di preferenza rispetto ai metodi concorrenti e l’accuratezza del rilevamento della pubblicità. Le celle verdi indicano percentuali di preferenza superiori al 50%.

Gli autori concludono:

‘AdKnob ottiene i valori più alti di AUC e F1. In particolare, AdKnob presenta un’elevata capacità di richiamo e pochi falsi negativi. Questo è fondamentale dal punto di vista normativo, poiché non dichiarare un segmento pubblicitario comporta gravi rischi legali e può compromettere la fiducia.’

Conclusioni

Un aspetto interessante della pubblicità all’interno dei LLM, che non mi pare abbia ricevuto attenzione, riguarda ciò che accade quando l’output non pubblicitario e quello basato sulla pubblicità coincidono.

Per esempio, se si chiede un consiglio su un ristorante della zona e le uniche opzioni sono un McDonald’s e un bar con pessime valutazioni, ma McDonald’s ha pagato per essere messo in evidenza, presumibilmente verrà presentato nel contesto di un annuncio pubblicitario, perché questo è funzionale agli obiettivi del framework ospitante… anche se sarebbe stata comunque la scelta più ovvia?

Leggere di queste cose, di cui scrivo abbastanza spesso su questo sito, mi fa sentire come un tacchino che sfoglia un catalogo di forni. È bene ricordare che, anche con l’etichettatura minima richiesta in alcuni territori, i contenuti «ingannevoli» nei nostri output non verranno messi in evidenza. La gamma molto limitata di esempi presentati in questo e in articoli simili mostra un livello particolarmente grave di intrusione dei contenuti commerciali in quelli nativi.

E, naturalmente, questi sono gli esempi selezionati con cura: quelli che hanno funzionato e non hanno generato allucinazioni, creato associazioni oltraggiose o offensive o provocato controversie in altro modo. Su vasta scala, per architetture così inclini a episodi di discredito pubblico, questo potrebbe forse essere un motivo in più per cui la maggior parte dei servizi di frontiera si sta avvicinando alla pubblicità con cautela.

* Intitolato «AdKnob: controllo dell’intensità degli annunci ed etichettatura per la pubblicità nativa degli LLM», a firma di sei autori della Scuola di Informatica della KAIST.

** Come di consueto, omettiamo gli studi di ablazione (tranne nei casi in cui costituiscano una parte del valore fondamentale del lavoro, anziché una semplice verifica a campione).

Pubblicato per la prima volta giovedì 5 novembre 2026