A mesterséges intelligencia (AI) gyors elterjedése a reklámiparban hasonlóan működik, mint korábbi technológiai zavarok: növekedési motor, rendszerszakadás forrása és felgyorsítója a már zajló átrendeződéseknek. A McKinsey „AI in Advertising Survey” felmérése (2026. február) 182, USA-alapú ügynökségi és marketingvezető válaszára épül, akik C-szintű, elnöki, alelnöki és igazgatói szerepekben dolgoznak, és éves marketingköltségüket 5 millió dollártól több mint 5 milliárd dollárig jelölték meg. A válaszadók háromnegyede azt várja, hogy az AI növeli a teljes médiaköltést, és egyharmaduk szerint az AI legalább 10 százalékkal javíthatja a return on ad spend (ROAS) értékét.
Ugyanakkor a költések elmozdulhatnak az open webtől: egyre több direkt médiaügylet kerülhet a közvetítők és programmatikus rendszerek megkerülésével.
A hagyományos modell és mi változik
Az elmúlt húsz évben a digitális reklám egy viszonylag egyszerű modell köré épült: a márkák fizettek a fogyasztói figyelemért—keresési találat, weboldal vagy hirdetési felület révén—miközben technológiai és adatközvetítők kötötték össze a figyelem vásárlóit és eladóit. A rendszer egy jól szegmentált, humán döntéshozatalra és jelentős adatszéttelenségre épülő tölcsérre volt optimalizálva.
Ez a modell átalakulóban van. Egyre több fogyasztó használ AI-eszközöket termékek kutatására és vásárlási döntések meghozatalára; hosszabb távon az ügynök-szerű vásárlási döntések korlátozott aktív emberi beavatkozással is megszülethetnek. A válaszadók több mint 50 százaléka szerint az AI átalakította a felfedezést és a mérlegelést.
Ennek következtében a marketing-sikert ma már nem csupán az adatvezérelt megjelenések és a márka-vezérelt kreatív biztosítása határozza meg. Egyre fontosabb, hogy a rendszerek — amelyek alakítják, mit látnak és mit vásárolnak a fogyasztók — ajánlják, jelenítsék meg vagy válasszák ki a márkát.
A cikk saját kutatásra, 182 döntéshozó körében végzett felmérésre és szakértői interjúkra támaszkodva vizsgálja, hogyan formálja át az AI a reklámgazdaságot, hová vándorol a érték az ökoszisztémán belül, és mit tehetnek a vezetők, hogy előnyre tegyenek szert. A technológia és hatásai gyors változása miatt a bemutatott helyzetkép 2026. júniusára vonatkozik.
A három legfontosabb átalakulás
- Felfedezés: az open webről AI-vezérelt környezetekbe
- Több mint 50 százalékát teszik ki azoknak a Google-kereséseknek, amelyek AI-generált áttekintést tartalmaznak, és 2030-ra a hagyományos open-web keresés forgalmának 20–50 százaléka lehet veszélyben.
- A nagy integrált platformokon az AI-rangsorolás alakítja a legtöbb fogyasztói figyelmet: az Instagramon megtekintett tartalom több mint 50 százaléka, TikTokon pedig a nézettség több mint 95 százaléka algoritmikus, nem követett fiókokból származik. Meta jelentései szerint az AI-ajánlások 2025 Q3-ban 5 százalékkal növelték a Facebookon töltött időt, és az Instagram Reels amerikai nézettségét több mint 30 százalékkal emelték az előző évhez képest.
- Kétoldalú eltolódás a tranzakció körül
- Hirdetői oldal: a válaszadók több mint 90 százaléka használ AI-t média tervezésre, költségvetés állítására, célzás optimalizálására és kreatívok generálására.
- Fogyasztói oldal: AI-ügynökök és asszisztensek rangsorolják a termékeket, összehasonlítanak alternatívákat, és egyes esetekben tranzakciókat is végrehajtanak a felhasználó helyett. Bizonyos korai bevezetéseknél az AI-vezérelt vásárlói élmények akár 60 százalékkal magasabb konverziót eredményeztek.
- Előrejelzések szerint az elkövetkező években az e-kereskedelmi tranzakciók 10–35 százalékát indíthatják, befolyásolhatják vagy zárhatják le AI-native élmények, bár a független ügynökök és a kiskereskedői AI-eszközök pontos szerepe még bizonytalan.
- A value koncentrálódása AI-native platformok és walled gardenök felé
Ahogy figyelem, döntéshozatal, vásárlás, konverzió és mérés integrált környezetekbe költözik, az érték egyre inkább azoknál a platformoknál koncentrálódhat, amelyek ezeket a képességeket egyetlen AI-kezelt termékbe csomagolják. Ez a közvetítők (pl. tőzsdék, hirdetési hálózatok, hagyományos ügynökségek) szerepének visszaszorulását eredményezheti.
Ez növelheti a hirdetők függését a platformok által szolgáltatott adatoktól, és átláthatatlanná teheti a mérés folyamatát: a felmérésben a hirdetők 42 százaléka említette, hogy a „black box optimalizációs” rendszerek kockázatot jelentenek médiabefektetési stratégiájukra nézve.
Mit mutat a felmérés az eddigi átcsoportosításokról?
-
Teljes költés növekedése: a megkérdezettek közel háromnegyede várja a teljes médiaköltés növekedését a következő 12 hónapban, részben új use case-ek (pl. AI vásárlási ügynökök) és AI-vezérelt ROAS-javulás miatt. Egyharmaduk úgy véli, hogy a ROAS több mint 10 százalékkal javulhat AI hatására.
-
Befektetések AI-vezérelt formátumokba: több mint 50 százalék jelezte, hogy AI-generált válaszokba ágyazott hirdetésekbe fektetnek, miközben a márkák AI-asszisztált kereskedelmi és ajánlórendszerekben kísérleteznek a formátumokkal. Az ilyen AI-vezérelt költések körülbelül 40 százaléka nem teljesen új pénz — ezek átcsoportosulnak a hagyományos keresésről és az open webről olyan platformokra, amelyek erősebb adat-, mérési és tranzakciós képességeket kínálnak.
-
Direkt vásárlások növekedése: a direkt hirdetésvásárlás 2019 és 2024 eleje között közel megháromszorozódott, és az AI további erősítőt adhat ennek a trendnek. Amint a felfedezés, vásárlás és mérés integrálódik, a hirdetők egyre gyakrabban kerülhetik meg az ügynökségeket és programmatikus közvetítőket.
Négy lehetséges jövőpálya és közös kihívás
A szerzők négy lehetséges pályát azonosítanak — az alapesettől indulva, melyhez további erők adódhatnak, amelyek önmagukban vagy együttesen erőteljesebb zavarokat okozhatnak. Mindegyik forgatókönyvben központi kérdés marad, hogy ki birtokolja az adatot, a döntéshozást és a tranzakciót — ez határozza meg a versenyelőnyt.
Az átrendeződés már látszik: a forgalomra, kézi végrehajtásra és töredezett mérésre épülő hagyományos modellek nyomás alá kerülnek, míg azok a platformok és ökoszisztémák, amelyeknek erősebb adat-, tranzakciós és integrált mérési képességük van, egyre nagyobb értékrészt ragadnak el.
Ökoszisztéma-szereplőkre szabott hatások és stratégiák
-
Ügynökségek: az exekúcióról az összehangolás felé—vagy diszintermediáció
- Az ügynökségek erősen ki vannak téve, mert a média tervezés, vásárlás, riportálás és kreatív gyártás mind olyan tudásmunka, amelyet az AI gyorsan átalakíthat. A túlélés kulcsa az orchestration: AI-munkafolyamatok tervezése, automatizált döntések kormányzása, platformjelek értelmezése és üzleti eredmények igazolása.
- Korai vezetők három kategóriába fektetnek: saját AI- és adatvagyon (pl. audience graphok, ügyfél-IP-re hangolt generatív modellek), kormányzási szolgáltatások (brand-safety, AI-elfogultság, megfelelőség), valamint eredményalapú árazás.
-
Ad tech: közvetítésből specializált infrastruktúra
- Az ad tech középső rétege összehúzódik: AI-native vásárlóügynökök a cross-platform optimalizációt egyetlen munkafolyamatban meg tudják oldani, ezzel kiszorítva bizonyos SSP-ket, tőzsdéket és nem megkülönböztetett middleware-t.
- Az érdemi szerep a zárt kertű platformok és AI-eszközök közötti összekötő infrastruktúra szolgáltatása lehet: semleges, cross-platform azonosítás és mérés, független teljesítmény-auditok, validációs szolgáltatások és tesztelési platformok.
-
Kiadók: méretről a megkülönböztetett túlélésére
- Az open web gyengülő gazdasága gyorsulhat az AI-vel: kattintásalapú, méretfüggő szerkesztőségi modellek egyre kevésbé fenntarthatók. A leginkább veszélyeztetettek a long-tail, SEO-érzékeny oldalak, amelyeknél nincs előfizetői bázis.
- Előre lépési lehetőségek: tartalom licencelése AI-platformok számára (részbeni kompenzáció), generatív engine optimalizáció (GEO) a láthatóság biztosítására AI-válaszokban, vagy hitelesített közösségi/premium készletet kínáló koalíciók kialakítása.
-
Commerce media networkök (CMN): készletből döntési előnyre
- A kereskedelemhez közelebb álló hálózatok előnye nő, ha zárt hurkú mérésük van, amely követi a teljes vásárlói utat és a tranzakciókat. AI-ügynökök magasabb konverziót hoznak, a valódi érték azonban az automatikus ajánlásokba vagy ügynöki összehasonlító készletekbe való bekerülés lehet.
- A CMN-ek egyre gyakrabban árazzák szolgáltatásaikat ellenőrzött értékesítési emelkedés (sales lift) alapján, nem pusztán megjelenések alapján.
-
Walled gardenök: média platformból döntésplatformmá
- A nagy zárt platformok jó pozícióban lehetnek, mert egyszerre tudják kombinálni a felfedezést, vásárlást, mérési és tranzakciós láthatóságot. TikTok várhatóan mintegy 30 milliárd dollár kereskedelmi árbevételt érhet el 2028-ig; YouTube-nál a kereskedelem prioritás, és Meta AI-ügynököket integrál applikációiba.
- A stratégiai döntés az, hogy mennyire mennek túl a figyelem monetizálásán a kereskedelmi és ügynöki ajánlatok felé.
-
AI-native platformok (LLM-ekhez kötődők): felületből hirdetési modell
- Platformok mint a ChatGPT, Gemini, Perplexity és Claude növekvő részt hasítanak ki a termékkutatásból és a felfedezésből, mivel konverzációs interfészeik gyors és hasznos javaslatokkal szolgálnak.
- Hiányzik még egy kiforrott hirdetési modell: tesztelnek szponzorált válaszokat, ügynök-olvasó formátumokat, affiliate kereskedelmet és ajánlati rendszereket, de egyetlen formátum sem emelkedett győztesként.
- A kritikus kérdés: saját walled garden építése, CMN-ekkel és kiadókkal való partnerség, vagy semlegesség fenntartása, amelyre a márkák GEO-val optimalizálhatnak.
Mit tehetnek a vezetők most?
A szerzők négy kulcskérdés köré ajánlanak fókuszt: kockázatelemzés több lehetséges jövőre; értékmedencék azonosítása; a nehezen lemásolható eszközök erősítése (adatok, termékek, ügyfélkapcsolatok); és gyors képességépítés, partnerségek és működési modellek átalakítása. Általános levers: adat és termék; üzleti modell; tehetség; kormányzás és bizalom; partnerségek; ügyfélközpontúság.
A rövid válasz az, hogy az AI beágyazódásával a reklám egyre automatizáltabbá, integráltabbá és koncentráltabbá válik néhány walled garden és AI-native platform javára. A kérdés az, kik írják majd a szabályokat a következő AI-vezérelt reklámmodellhez, és kik maradnak a mások által diktált játékszabályok szerint játszók.
Szerzők és köszönet
A cikk szerzői: Jack Trotter (McKinsey, Denver partner), Marc Brodherson (McKinsey, New York szenior partner), Quentin George (McKinsey, New York kiemelkedő partner) és Aparna Srinath (McKinsey, társult partner). Köszönet a cikkhez Arianna Sancheznek, Gabriel Borsuknak, Kaitlyn Mahernek, Shreya Jagginak és Veronica Retanának. A cikk szerkesztője Daniel Eisenberg, McKinsey New York-i executive editor.
