INTELIGENCIA ARTIFICIAL GENERATIVA COMO FORMA DE CREAR MATERIALES PROMOCIONALES: UNA APLICACIÓN EN EL MERCADO CINEMATOGRÁFICO
DOI:
https://doi.org/10.56238/arev7n8-196Palabras clave:
Inteligencia Artificial Generativa, Industria Cinematográfica, Comportamiento del Consumidor, CineResumen
Este artículo examina cómo la inteligencia artificial generativa (IAG) añade valor comunicativo a los recursos de marketing cinematográfico. Utilizando un marco que diferencia los juicios funcionales (claridad, pertinencia, legibilidad) de los juicios expresivos (originalidad, valor estético) y considera el papel de la autenticidad/autoría en los recursos simbólicos, comparamos las respuestas de la audiencia a dos carteles de la misma película taquillera: un cartel oficial (humano) y un cartel alternativo generado por IA. Las percepciones e intenciones se midieron en una escala de Likert y se analizaron mediante pruebas t para muestras independientes. Los resultados muestran una ventaja para el cartel generado por IA en la dimensión de "claridad argumental" y paridad en originalidad, valor estético, interés, composición, identificación con el género, intención de visionado y disposición a pagar. En el umbral teórico, el estudio propone una interpretación contingente de los efectos de la IAG en los recursos simbólicos: cuando el juicio movilizado es predominantemente funcional, la IA tiende a igualar o superar las alternativas humanas; En el ámbito expresivo, la paridad prevalece en ausencia de una etiqueta de autoría destacada, lo que sugiere que el contenido y la congruencia estilística tienen mayor peso que el origen algorítmico. Desde el punto de vista gerencial, los hallazgos respaldan avances pragmáticos: emplear la IA como motor de exploración de atributos de diagnóstico (claridad narrativa, jerarquía informativa), mantener la selección humana de los rasgos de identidad e implementar pruebas —incluido el encuadre de autoría— vinculadas a las métricas de atención y entusiasmo.
Descargas
Referencias
Bellaiche, L., Shahi, R., Turpin, M. H., Ragnhildstveit, A., Sprockett, S., Barr, N., Christensen, A. P., & Seli, P. (2023). Humans versus AI: Whether and why we prefer human-created compared to AI-created artwork. Cognitive Research: Principles and Implications, 8, 42.
Castelo, N., Bos, M. W., & Lehmann, D. R. (2019). Task-dependent algorithm aversion. Journal of Marketing Research, 56(5), 809–825.
Cillo, P., & Rubera, G. (2025). Generative AI in innovation and marketing processes: A roadmap of research opportunities. Journal of the Academy of Marketing Science, 53, 684–701.
Davenport, T. H., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24–42.
DEADPOOL & WOLVERINE. [Cartaz]. [S.l.]: Marvel Studios, 2024.
Dellarocas, C., Zhang, X. M., & Awad, N. F. (2007). Exploring the value of online product reviews in forecasting sales: The case of motion pictures. Journal of Interactive Marketing, 21(4), 23–45.
Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114–126.
Eliashberg, J., & Shugan, S. M. (1997). Film critics: Influencers or predictors? Journal of Marketing, 61(2), 68–78.
Field, A., Field, Z., & Miles, J. (2012). Discovering statistics using R.
Hong, J.; Curran, N. (2019). Artificial intelligence, artists, and art: attitudes toward artwork produced by humans vs. artificial intelligence. ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), v. 15, n. 2s, p. 1-16, 2019.
Huang, M.-H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service Research, 21(2), 155–172.
Huang, M.-H., & Rust, R. T. (2021). Engaged to a robot? The role of AI in service. Journal of Service Research, 24(1), 30–41.
Jussupow, E., Benbasat, I., & Heinzl, A. (2020). Why are we averse towards algorithms? A comprehensive literature review on algorithm aversion.
Karniouchina, E. V. (2011). Impact of star and movie buzz on motion picture distribution and box office revenue. International Journal of Research in Marketing, 28(1), 62–74.
Kim, Y., Kim, H. J., & Park, K. K. C. (2025). From visuals to value: leveraging generative AI to explore the economic implications of movie poster. Journal of Business Research, 198, 115498.
Liu, Y. (2006). Word of mouth for movies: Its dynamics and impact on box office revenue. Journal of Marketing, 70(3), 74–89.
Logg, J. M., Minson, J. A., & Moore, D. A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90–103.
Newman, G. E., & Bloom, P. (2012). Art and authenticity: The importance of originals in judgments of value. Journal of Experimental Psychology: General, 141(3), 558–569.
Puntoni, S., Walker Reczek, R., Giesler, M., & Botti, S. (2021). Consumers and artificial intelligence: An experiential perspective. Journal of Marketing, 85(1), 131–151.
Wedel, M., & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing, 80(6), 97–121.
Writers Guild of America West. (2023). Summary of the 2023 WGA MBA. Disponível em https://www.wga.org/contracts/contracts/mba/summary-of-the-2023-wga-mba. Acesso em 13/08/2025.
