Waarom AI-transparantie crowdfunding kan bemoeilijken

Generatieve kunstmatige intelligentie kan een klein team helpen campagne‑afbeeldingen te produceren, teksten te schrijven en prototypes te ontwikkelen met minder middelen. Echter, de commerciële waarde van die efficiënties hangt af van of klanten nog steeds vertrouwen hebben in de mensen en producten erachter. Een goedkopere productiemethode biedt slechts een beperkt voordeel als het potentiële supporters aarzelt.

Een studie gepubliceerd in Decision Support Systems, “Zal jouw AI investeerders afschrikken? Bewijs uit Kickstarter’s AI-gebruik openbaarmakingsbeleid,” onderzoekt die spanning aan de hand van daadwerkelijke crowdfundingresultaten.¹ De bevindingen suggereren dat het zichtbaar maken van AI-betrokkenheid kan samenvallen met een aanzienlijk financieringsnadeel, zelfs nadat onderzoekers rekening hebben gehouden met verschillende verschillen tussen campagnes.

Voor makers, platforms en investeerders is de kans om te begrijpen welke vragen open blijven na een openbaarmaking. Het identificeren van AI‑gebruik vertelt het publiek iets over de productie. Het legt echter niet per se uit wie de belangrijke beslissingen heeft genomen, of een prototype werkt, of wie het beloofde product zal leveren.

Wat de Kickstarter‑AI‑openbaarmakingstudie heeft aangetoond

Onderzoekers Sonika Singhal, Yeongin Kim, Seonjun Kang en Victoria Yoon analyseerden 63,512 Kickstarter‑campagnes die tussen januari 2022 en december 2024 werden gelanceerd. Deze periode omvat de introductie van Kickstarter’s AI‑openbaarmakingseis in augustus 2023.

De onderzoekers identificeerden openbaar gemaakte AI‑gebruik via de aanwezigheid van een expliciete “Use of AI”-sectie. Ze maten het succes van een campagne aan de hand van of de toegezegde financiering het doel bereikte en onderzochten de deelname van backers, financieringsdoelen, taalkenmerken en de ervaring van de maker.

Ze maakten ook gebruik van propensity‑score matching om campagnes die AI openbaar maakten te vergelijken met campagnes met vergelijkbare waargenomen kenmerken. De gematchte steekproef bestond uit 8,959 campagnes. In hun belangrijkste specificaties werd openbaar gemaakt AI‑gebruik geassocieerd met een lager succes.

In het volledig aangepaste gematchte model komt de schatting overeen met ongeveer 50 % lagere odds om het financieringsdoel te bereiken. Dat is geen 50 % vermindering van de kans op succes. Ter illustratie leidt het halveren van de odds die bij een kans van 60 % horen tot een kans van ongeveer 43 %, niet 30 %. Dit voorbeeld verduidelijkt het statistische onderscheid; het is geen voorspelde uitkomst voor een specifieke campagne.

De bevinding over deelname is belangrijk. Het financieringsgat werd geassocieerd met minder mensen die projecten steunen, in plaats van dat makers consequent om meer geld vragen. Dit richt de aandacht op de evaluatie door het publiek en de bereidheid om deel te nemen.

Waarom AI‑labels een geloofwaardigheidskloof kunnen creëren

Crowdfunding vraagt mensen om iets te steunen dat vaak nog niet in afgewerkte vorm bestaat. Backers moeten zowel het voorgestelde product als het vermogen van de maker om het te leveren beoordelen. Campagnemateriaal fungeert daarom als bewijs van voorbereiding, bekwaamheid en toewijding.

AI bemoeilijkt die beoordeling omdat een gepolijste presentatie minder inspanning kan vergen dan voorheen. Een overtuigende afbeelding kan een werkend prototype, een ontwerpconcept of een volledig gegenereerde scène weergeven. Dezelfde visuele kwaliteit kan zeer verschillende voortgangsniveaus vertegenwoordigen.

Dit suggereert een economisch gevolg dat verder gaat dan de gemeten resultaten van het onderzoek: naarmate aantrekkelijke presentatie gemakkelijker te produceren is, kan verifieerbare uitvoering waardevoller worden. Demonstraties, ontwikkelingsdocumentatie en eerdere leveringen kunnen het publiek helpen projecten te onderscheiden die anders even indrukwekkend lijken.

De sterkere negatieve associatie van de studie in technologische campagnes is bijzonder interessant. Een publiek dat geïnteresseerd is in innovatie kan nog steeds bewijs van technische capaciteit eisen. Enthousiasme voor technologie verwijdert niet de zorgen over of een onbekend team een product kan bouwen en ondersteunen.

Deze redenering sluit ook aan bij de recente berichtgeving van Securities.io over vertrouwen van werknemers en ROI van automatisering. Verschillende belanghebbenden nemen verschillende beslissingen, maar technische capaciteit moet nog steeds worden omgezet in menselijke acceptatie voordat de volledige economische waarde tot uiting kan komen.

Betere AI‑transparantie vereist meer context

De bevindingen zouden makers niet moeten aanmoedigen AI‑betrokkenheid te verbergen. Kickstarter’s AI-openbaarmakingsbeleid stelde transparantievereisten vast zonder AI‑projecten te verbieden. Verbergen zou bovendien de onderliggende vragen over auteurschap en levering onopgelost laten.

Een nuttigere aanpak is om de reikwijdte van AI‑betrokkenheid uit te leggen naast bewijs van menselijke verantwoordelijkheid. Beschouw twee hypothetische campagnes die beide AI‑gegenereerde afbeeldingen openbaar maken. De ene gebruikt ze om een product te illustreren dat al in een werkende video is gedemonstreerd. De andere biedt gegenereerde weergaven aan als het belangrijkste bewijs van haalbaarheid. Een identiek label kan dat verschil niet overbrengen.

Makers kunnen de openbaarmaking informatiever maken door drie vragen te beantwoorden:

• Welke delen van het project maakten gebruik van AI, en met welk doel?
• Wie heeft de resultaten beoordeeld en blijft verantwoordelijk voor de levering?
• Welk bewijs toont voortgang aan die verder gaat dan gegenereerd materiaal?

Dit zijn voorgestelde communicatierichtlijnen, geen interventies die door deze studie als effectief zijn bewezen. De waargenomen relatie met leesbare, subjectieve beschrijvingen bewijst niet dat het herschrijven van een pagina de financiering zal verhogen. Noch betekent subjectiviteit het opgeven van specificaties. Persoonlijke toelichtingen kunnen vergezeld gaan van duidelijke technische bewijzen.

Platforms zouden openbaarmakingsformaten kunnen testen die promotionele ondersteuning onderscheiden van AI die in het product zelf is ingebed. Elk experiment moet begrip en geïnformeerde deelname meten, naast de financieringsresultaten. Een label dat toezeggingen verhoogt terwijl het backers verwart, zou een slechte maatstaf voor transparantie zijn.

Wat investeerders kunnen leren van vertrouwen in crowdfunding

Het onderzoek betreft belonings‑crowdfunding. Backers kopen niet per se eigendom of zoeken rendement op investeringen. Securities.io’s gids voor equity crowdfunding, bijgewerkt in 2026, legt het aparte model uit waarin bedrijven effecten verkopen. De Kickstarter‑schattingen mogen niet rechtstreeks op die aanbiedingen worden toegepast.

Desondanks biedt de studie een bruikbare vraag voor het beoordelen van AI‑bedrijven: vermindert een product de totale last voor de klant, inclusief verificatie? Snellere contentcreatie kan extra controlewerk genereren als gebruikers nauwkeurigheid, rechten of het onderscheid tussen concepten en eindproducten moeten controleren.

Dat schept een potentiële markt voor tools die generatie combineren met gedocumenteerde workflows en herkomst. Herkomst‑records beschrijven hoe content is gemaakt of bewerkt. Ze bewijzen niet op zichzelf dat de content waar is, dat elk juridisch vraagstuk is opgelost, of dat een bedrijf zijn beloften kan nakomen.

Adobe verbindt generatieve AI met content‑herkomst

Adobe biedt publiek verhandelde blootstelling aan dit kruispunt via zijn creatieve software, Firefly‑tools en Content Credentials‑initiatieven. De relevantie komt voort uit het bedienen van contentproductie en transparantie binnen hetzelfde bredere software‑ecosysteem.

In maart 2026, Adobe (ADBE ) kondigde een strategisch partnerschap met NVIDIA aan dat de volgende‑generatie Firefly‑modellen en creatieve en marketing‑workflows omvat. De aankondiging beschrijft ontwikkelingsplannen, in plaats van bewijs dat elke voorgestelde functionaliteit is geleverd.

Adobe heeft ook Content Authenticity for Enterprise geïntroduceerd, inclusief diensten voor het integreren van herkomst in creatieve en publicatieworkflows. De Firefly‑documentatie beschrijft Content Credentials als manipulatie‑detecterende metadata die context kan bieden over creatie en bewerking.

De investeringshypothese is dat professionele klanten tools kunnen waarderen die zowel de productie documenteren als versnellen. De Kickstarter‑studie toont echter geen vraag naar Adobe‑producten aan. Investeerders hebben nog steeds bewijs nodig dat deze functionaliteiten klantretentie, betaalde adoptie en winstgevende groei te midden van concurrentie ondersteunen.

Laatste Adobe (ADBE) nieuws en ontwikkelingen

AI‑productiviteit blijft afhankelijk van klantvertrouwen

De studie blijft observationeel. Matching verbetert vergelijkingen op gemeten kenmerken, maar niet‑geobserveerde projectverschillen kunnen de resultaten beïnvloeden. Het ontbreken van een openbaarmakingssectie bewijst ook niet dat er geen AI‑gebruik is. De onderzoekers hebben de backer‑percepties die werden voorgesteld om de financieringskloof te verklaren niet direct waargenomen.

Binnen die grenzen benadrukt het onderzoek een praktische uitdaging: AI kan communicatie indrukwekkender maken zonder de uitvoering gemakkelijker evalueerbaar te maken. Makers en softwareleveranciers hebben de kans om die kloof te dichten via duidelijkere uitleg en verifieerbaar bewijs. Naarmate productiekosten dalen, kan het aantonen van verantwoordelijkheid een steeds waardevollere component van het product worden.

Referenties:

¹ Singhal, S., Kim, Y., Kang, S., & Yoon, V. (2026). Zal uw AI backers afschrikken? Bewijs uit Kickstarter’s AI‑gebruik openbaarmakingsbeleid. Decision Support Systems, 211, Article 114773. https://doi.org/10.1016/j.dss.2026.114773