AI-Generated Ads in the Wild: How Much of Native Is AI in 2026?

ไม่มีสถิติสาธารณะที่ผ่านการตรวจสอบสำหรับส่วนแบ่งของโฆษณาเนทีฟที่สร้างด้วย AI — ใครก็ตามที่อ้างเปอร์เซ็นต์ที่แม่นยำกำลังอนุมานจากเครื่องมือตรวจจับที่ตัวมันเองก็เป็นแบบความน่าจะเป็น สิ่งที่สามารถพูดได้อย่างตรงไปตรงมานั้นมาจากการสังเกต ในดัชนีของ OpenAdLibrary ที่มีครีเอทีฟโฆษณาเนทีฟมากกว่า 725,000 ตัวที่กำลังแสดงอยู่บน 49 เครือข่าย (มิถุนายน 2026) ภาพที่สร้างด้วย AI ได้ย้ายจากสิ่งใหม่มาเป็นเรื่องปกติในบางกลุ่ม — ข้อเสนอด้านสุขภาพ ความงาม และบ้านที่เน้นการตอบสนองโดยตรงเป็นหลัก — ในขณะที่ครีเอทีฟแบรนด์และ B2B ยังคงเป็นภาพถ่ายเป็นส่วนใหญ่ บทความนี้ครอบคลุมว่าทำไมไม่มีตัวเลขพาดหัวที่เชื่อถือได้ สิ่งที่เราเห็นจริงๆ ทั่วทั้งดัชนี วิธีตรวจสอบครีเอทีฟ AI ด้วยตาเปล่า และวิธีการที่สามารถอ้างอิงได้สำหรับการวัดส่วนแบ่งด้วยตัวเองในอุตสาหกรรมที่คุณซื้อโฆษณา

เหตุผลที่ไม่มีตัวเลขพาดหัวที่เชื่อถือได้#

ปัญหาโครงสร้างสี่ประการทำให้การอ้างว่า "X% ของโฆษณาคือ AI" ยังคงอยู่ในขอบเขตของการตลาด แทนที่จะเป็นการวัดผล:

• การตรวจจับเป็นแบบความน่าจะเป็นและเสื่อมลงเร็ว ตัวแยกประเภทที่ฝึกกับโมเดลสร้างภาพรุ่นหนึ่งทั่วไปแล้วกับรุ่นถัดไปได้ไม่ดี ตัวตรวจจับที่เคยใช้ได้เมื่อสิบแปดเดือนที่แล้ว ตอนนี้ระบุผลลัพธ์ปัจจุบันผิดทั้งสองทาง
• กระบวนการโฆษณาทำลายหลักฐานทางนิติวิทยาศาสตร์ เครือข่ายเนทีฟเข้ารหัสใหม่และปรับขนาดครีเอทีฟทุกตัวเพื่อการจัดส่ง สัญญาณบีบอัด ข้อมูลเมตา และสัญญาณที่มาจะถูกลบหรือเขียนทับก่อนที่โฆษณาจะเรนเดอร์ในฟีดเสียอีก มาตรฐานใบรับรองเนื้อหา เช่น C2PA มีอยู่จริงเพื่ออยู่รอดจากสิ่งนี้ แต่ห่วงโซ่การจัดส่งโฆษณายังคงไม่รักษามันไว้ในทางปฏิบัติ
• ไม่มีใครถูกบังคับให้เปิดเผย ณ กลางปี 2026 โดยทั่วไปเครือข่ายโฆษณาเนทีฟไม่บังคับหรือแสดงป้ายกำกับว่าสร้างด้วย AI เหมือนกับที่แพลตฟอร์มโซเชียลบางแห่งเริ่มทำ ตรวจสอบนโยบายปัจจุบันของแต่ละเครือข่ายแทนที่จะสมมติ — แต่คำตอบในทางปฏิบัติในฟีดเนทีฟคือไม่มีป้ายกำกับให้นับ
• การสร้างบางส่วนทำให้หมวดหมู่นี้ไม่ชัดเจน ภาพถ่ายผลิตภัณฑ์จริงที่นำมาประกอบกับพื้นหลังที่สร้างขึ้น การรีทัชแบบจำลองด้วย AI ภาพสต็อกที่อัพสเกล — "สร้างด้วย AI" เริ่มตรงไหน? เปอร์เซ็นต์ใดๆ ที่ไม่ได้นิยามสิ่งนี้เป็นการยืนยันไม่ได้

ดังนั้นท่าทีที่ซื่อตรงคือ: อธิบายการกระจาย ไม่ใช่ประมาณการแบบจุด และวัดอย่างแคบๆ ในที่ที่คุณสามารถควบคุมคำนิยามได้

สิ่งที่เราเห็นทั่วทั้งครีเอทีฟมากกว่า 725,000 ตัวที่กำลังแสดงอยู่#

ดัชนีทำให้เรามีขนาดที่เพียงพอที่จะสังเกตรูปแบบได้ แม้จะไม่มีป้ายกำกับ AI/ไม่ใช่ AI ที่ผ่านการรับรองในแต่ละครีเอทีฟ เพื่อให้เห็นภาพ อุตสาหกรรมที่จัดหมวดหมู่ได้ใหญ่ที่สุดในดัชนี (มิถุนายน 2026) คือ สุขภาพ ประมาณ 24,500 ครีเอทีฟ การเงิน 24,100 การประกันภัย 22,400 อีคอมเมิร์ซ 19,400 และความบันเทิง 18,200 นั่นคือขนาดของอุตสาหกรรม ไม่ใช่ส่วนแบ่งของ AI — แต่มันสำคัญเพราะอุตสาหกรรมที่ภาพ AI มองเห็นได้ชัดเจนที่สุดก็เป็นอุตสาหกรรมที่ใหญ่ที่สุดเช่นกัน นั่นคือเหตุผลที่รู้สึกเหมือนฟีดเปลี่ยนไปมากกว่าที่องค์ประกอบของผู้ลงโฆษณาพื้นฐานได้เปลี่ยน

ในเชิงคุณภาพ มีรูปแบบบางอย่างที่สม่ำเสมอพอที่จะระบุได้:

• ด้านสุขภาพและความงามที่เน้นการตอบสนองโดยตรงนำการใช้งาน ปลายตลาดที่ใช้กลยุทธ์ "เคล็ดลับประหลาด" ทดสอบครีเอทีฟทุกวันและมองว่าภาพเป็นสินทรัพย์ทดสอบที่ใช้แล้วทิ้ง นี่คือจุดที่ภาพสังเคราะห์เห็นได้ชัด — การจัดวางเปรียบเทียบที่เป็นไปไม่ได้ ผิวดุจขี้ผึ้ง ภาพผลิตภัณฑ์ที่ไม่น่าเป็นไปได้ทางกายภาพ — รวมตัวกัน
• โฆษณา teaser ทางการเงินและการประกันภัยใช้สไตล์ภาพประกอบและการเรนเดอร์ 3 มิติ ที่มีมาก่อนเครื่องมือสร้างภาพ แต่ตอนนี้ต้นทุนการสร้างต่ำมากจนแยกจากกันยาก — และทำให้ส่วนแบ่ง AI ของอุตสาหกรรมนี้ไม่สามารถรู้ได้จากพิกเซลเพียงอย่างเดียว
• แคมเปญแบรนด์ยังคงเป็นภาพถ่าย โฆษณาเนื้อหาด้านการเดินทาง ร้านค้าปลีก การศึกษา และ B2B ในดัชนียังคงใช้ภาพถ่ายจริงเป็นส่วนใหญ่ เพราะครีเอทีฟต้องผ่านการตรวจสอบแบรนด์ แทนที่จะถูกเลือกจากอัตรากดเพียงอย่างเดียว
• น้ำท่วมตัวแปรคือลายเซ็นที่ชัดเจนที่สุด รูปแบบทั่วไปที่เราเห็นทั่วทั้งดัชนี: กลุ่มครีเอทีฟที่เกือบเหมือนกันจากผู้ลงโฆษณาเดียว ต่างกันแค่พื้นหลัง แบบจำลอง หรือโทนสี — ร่องรอยที่ไม่ผิดพลาดของการสร้างราคาถูกที่ป้อนการทดสอบปริมาณ การตัดซ้ำด้วย perceptual hash คือสิ่งที่รักษาความเป็นเหตุผลของดัชนีไว้ได้ นี่ก็เป็นตัวแทนที่ใช้ได้สำหรับการวัดพฤติกรรมนี้
• การอยู่รอดไม่เปลี่ยนแปลง โฆษณาที่รักษาตำแหน่งได้เป็นสัปดาห์ — การทำงานที่ยาวนานที่สุดที่สังเกตได้ในดัชนีของเราคือ 38 วันของการบันทึกอย่างต่อเนื่อง ณ มิถุนายน 2026 — ชนะเพราะมุมมอง ไม่ใช่เพราะภาพถูกสร้างมาอย่างไร สัญญาณอายุขัยโฆษณา จัดเรียงครีเอทีฟ AI และมนุษย์ด้วยกฎเดียวกันเป๊ะ ดูว่า ระยะเวลาการทำงานหมายถึงอะไร สำหรับวิธีการทำงานของหน้าต่างการสังเกต

วิธีตรวจสอบครีเอทีฟเนทีฟที่สร้างด้วย AI ด้วยตาเปล่า#

ที่ขนาดธัมบ์เนล การตรวจจับต่อภาพไม่น่าเชื่อถือ — ความไม่น่าเชื่อถือนั้นคือเหตุผลว่าทำไมสถิติพาดหัวจึงเป็นการคาดเดา แต่รายการตรวจสอบปฏิบัติการจับได้มากที่สุดเมื่อคุณตรวจสอบครีเอทีฟที่ขนาดเต็ม:

• กายวิภาคบริเวณขอบ มือ ฟัน หู และเครื่องประดับยังคงล้มเหลวบ่อยกว่าใบหน้า มองไปที่จุดที่วัตถุสัมผัสกับผิวหนัง
• ข้อความอ่านไม่ออก ข้อความบนฉลาก ป้าย และบรรจุภัณฑ์ในภาพที่สร้างขึ้นมักจะเป็นตัวอักษรที่ไม่มีความหมาย ธัมบ์เนลเนทีฟไม่ค่อยต้องการข้อความ ดังนั้นการมีอยู่และคุณภาพของข้อความจึงให้ข้อมูลไม่ทางใดก็ทางหนึ่ง
• การจัดวางที่เป็นไปไม่ได้ ผลิตภัณฑ์ลอยตัวผิดปกติเล็กน้อย เงาที่ไม่ตรงกับแสงเงา การสะท้อนที่ไม่ได้สะท้อนอะไร
• ความมันวาว พื้นผิวผิวหนังที่สม่ำเสมอ พื้นผิวที่สะอาดเกินไป และเกรดสีที่ไม่มีกล้องไหนผลิตได้โดยบังเอิญ
• คนเดิมๆ ที่วนมา ใบหน้าสังเคราะห์เดิมๆ ที่ปรากฏในแบรนด์และข้อเสนอที่ไม่เกี่ยวข้องกันเป็นสัญญาณที่ชัดเจน — การค้นหาภาพย้อนกลับไม่พบที่มาของ "ภาพถ่าย" ก็เป็นอีกสัญญาณหนึ่ง
• พฤติกรรมเป็นชุด ครีเอทีฟเดียวพิสูจน์อะไรได้น้อย ตัวแปรที่เกือบเหมือนกันสิบห้าตัวที่อัปโหลดในสัปดาห์เดียวกันคือลายนิ้วมือพฤติกรรมของการสร้างภาพ

วิธีวัดด้วยตัวเอง: วิธีการที่สามารถอ้างอิงได้#

หากคุณต้องการตัวเลข — สำหรับงานนำเสนอกลยุทธ์ ลูกค้า หรือการวางแผนของคุณเอง — สร้างมันขึ้นมาแบบแคบๆ แทนที่จะยืมตัวเลขที่เสีย:

1. นิยามขอบเขตให้แคบ หนึ่งเครือข่าย หนึ่งอุตสาหกรรม หนึ่งภูมิภาค โฆษณาที่กำลังแสดงอยู่เท่านั้น "เนทีฟ" ทั้งหมดไม่สามารถวัดได้; "ข้อเสนอสุขภาพบน Taboola US desktop เดือนนี้" คือการศึกษา เริ่มจากจุดที่มีปริมาณ — ดู อุตสาหกรรมโฆษณาเนทีฟยอดนิยม สำหรับการแบ่งส่วนของตลาด
2. สุ่มตัวอย่างครีเอทีฟที่กำลังแสดงอยู่ 100–200 ตัว จากไลบรารีโฆษณา แทนที่จะเป็นฟีดของคุณเอง (ฟีดของคุณถูกปรับแต่งเฉพาะบุคคล ไลบรารีไม่ใช่) คุณสามารถสุ่มตัวอย่างโดยเครือข่ายและอุตสาหกรรมได้โดยตรงใน แพลตฟอร์มข่าวกรองโฆษณาของ OpenAdLibrary หรือเรียกดูคลังสินค้าของเครือข่ายเดียว — เช่น ดัชนี Taboola ที่กำลังแสดงอยู่
3. จัดหมวดหมู่ด้วยผู้ตรวจสอบที่เป็นมนุษย์สองคนบวกตัวตรวจจับอัตโนมัติหนึ่งตัว โดยใช้คำนิยามที่เป็นลายลักษณ์อักษรของ "สร้างด้วย AI" ที่ตัดสินใจกรณีขอบของการประกอบ/รีทัชไว้ล่วงหน้า นับเฉพาะครีเอทีฟที่ผู้ตรวจสอบเห็นด้วยกันเท่านั้น รายงานอัตราการไม่เห็นด้วยพร้อมกับการประมาณการ
4. รายงานเป็นช่วง ไม่ใช่จุด "ระหว่าง 25% ถึง 40% ขึ้นอยู่กับการจัดหมวดหมู่ของการประกอบ" นั้นซื่อตรง; "31.7%" เป็นการแสดงละคร
5. ให้น้ำหนักตามจำนวนผู้ลงโฆษณา ไม่ใช่ครีเอทีฟ ตัวแปรห้าสิบตัวของผู้ลงโฆษณาเดียวคือนิสัยการทดสอบของผู้ลงโฆษณาเดียว ไม่ใช่ผู้ใช้ห้าสิบคนที่เป็นอิสระกัน กำจัดการซ้ำโดยผู้ลงโฆษณาก่อนการสรุปทั่วไป
6. ทำซ้ำทุกเดือน แนวโน้มมีประโยชน์ต่อการตัดสินใจมากกว่าระดับ และระยะความผิดพลาดของระดับนั้นกว้าง

นี่คือระเบียบวินัยเดียวกับที่อยู่เบื้องหลังงานข้อมูลที่เราเผยแพร่เอง — สถานะของโฆษณาเนทีฟ และ สถิติโฆษณาเนทีฟ โดยรวม ทั้งสองต่างอาศัยการนับที่สังเกตได้และทำซ้ำได้ แทนที่จะเป็นส่วนแบ่งที่จำลองขึ้นมา และเราแยกทั้งสองอย่างออกจากกันชัดเจน

สิ่งนี้หมายถึงอะไรสำหรับผู้ซื้อสื่อ#

คำถามเรื่องส่วนแบ่งสำคัญน้อยกว่าผลที่ตามมา ซึ่งเห็นได้ชัดเจนอยู่แล้ว:

• ปริมาณการทดสอบเพิ่มขึ้น ดังนั้นความล้าเกิดขึ้นเร็วขึ้น เมื่อการสร้างภาพฟรี ทุกคนก็ท่วมตลาด ฟีดบรรจบกันที่สไตล์ภาพเดียวกัน และ ความล้าของครีเอทีฟ โจมตีสุนทรียภาพทั้งหมดพร้อมกัน รอบการรีเฟรชที่เคยใช้ได้ในปี 2024 ช้าเกินไปแล้วตอนนี้
• คูเมืองย้ายจากการผลิตไปสู่การเลือก ใครก็สามารถสร้างภาพได้ การรู้ว่ามุมมองไหนสมควรมีภาพคือปัจจัยนำเข้าที่หายาก — มุมมองโฆษณาเนทีฟที่พบบ่อยที่สุด ควบคู่กับการวิจัยคู่แข่งแบบเรียลไทม์ชนะความสามารถในการสร้างภาพ
• การปฏิบัติตามกฎระเบียบไม่ได้เปลี่ยน ข้อความอ้างอิงที่ไม่ได้รับการสนับสนุนทำให้บัญชีถูกแบน ไม่ใช่พิกเซล AI เพียงแค่เขียนข้อความอ้างอิงที่ไม่ได้รับการสนับสนุนได้เร็วกว่ามนุษย์
• เฝ้าดูผู้อยู่รอด ไม่ใช่ผู้มาใหม่ การท่วมท้นทำให้ "อะไรคือสิ่งใหม่" มีเสียงรบกวนมาก และ "อะไรที่ยังคงทำงานอยู่หลังจาก 30 วัน" มีคุณค่ามากขึ้น — ซึ่งเป็นสิ่งที่การวิเคราะห์ โฆษณาเนทีฟที่ทำประสิทธิภาพดีที่สุด คัดกรองหา

สรุปอย่างซื่อตรง: ครีเอทีฟที่สร้างด้วย AI ตอนนี้เป็นส่วนปกติที่ไม่น่าสนใจของแกนกลางการตอบสนองโดยตรงของโฆษณาเนทีฟ ไม่ได้ถูกวัดที่ระดับรวมและไม่น่าจะถูกวัดอย่างน่าเชื่อถือได้ในเร็ววัน ใครที่ต้องการตัวเลขควรสร้างมันขึ้นมาเองจากตัวอย่างที่แคบและทำซ้ำได้ — และใครที่เพียงแค่ต้องการแข่งขันควรใช้ความพยายามกับมุมมองและข้อมูลอายุขัยแทน