SlovenskoUniverzity a výskum·4 minOdborný rozbor

KInIT opísal audit TikToku: páry účtov a VLM ukázali medzeru definície reklamy v DSA

KInIT vo svojom texte z 20. júla 2026 zhrnul peer-reviewed audit TikToku zameraný na reklamu vo feede maloletých. Pre vývojárov AI je podstatná najmä metóda: paralelné páry minor/dospelý účet, 10-dňové sledovanie feedu a detekcia neoznačenej komercie pomocou vision-language modelu overeného na ľudskej vzorke.

AI ilustrácia: KInIT opísal audit TikToku: páry účtov a VLM ukázali medzeru definície reklamy v DSA
AI ilustrácia vytvorená pre AI INDUSTRY. Nezobrazuje skutočné zariadenie, prevádzku ani produkt.

Čo KInIT zverejnil

Kempelen Institute of Intelligent Technologies (KInIT) 20. júla 2026 publikoval text o vlastnom výskume „The DSA’s Blind Spot: Algorithmic Audit of Advertising and Minor Profiling on TikTok“. Nejde o oznámenie produktu ani o regulačné rozhodnutie, ale o odborný opis výskumného auditu platformy TikTok a jeho záverov z pohľadu pravidiel EÚ pre reklamu voči maloletým. Zdroj zároveň uvádza, že práca vyšla v zborníku konferencie ACM FAccT 2026. 1

Ako audit fungoval

Podľa KInIT tím vytvoril páry TikTok účtov: vždy jeden účet vystupoval ako maloletý a druhý ako dospelý, pričom mali zhodné záujmy aj polohu a líšili sa iba vekom. Takéto páry bežali paralelne desať dní a výskumníci zaznamenávali a klasifikovali videá, ktoré im odporúčací systém zobrazoval. Zdroj tiež spomína otázku, či boli štyri záujmové kategórie dostatočné, no plný experimentálny protokol v balíku chýba. 1

Kľúčový technický prvok bol zameraný na obsah, ktorý sa ako reklama formálne neoznačuje. KInIT píše, že TikTok označuje platené reklamy, no neoznačuje napríklad zľavové kódy v popise, product placement alebo zmienku značky priamo vo videu. Na zachytenie takéhoto obsahu výskumníci použili vision-language model (VLM), trénovaný na rozpoznávanie vizuálnych a textových znakov komerčného obsahu bez disclosure štítku. Jeho výstup porovnali s manuálnou kontrolou vzorky videí a zdroj uvádza približne 90 % zhodu s ľudskými anotátormi. 1

Praktický význam pre AI vývoj

Pre vývojárov AI systémov je na tomto podklade zaujímavý najmä auditný vzor, nie marketingové alebo regulačné závery. Zdroj ukazuje kombináciu troch vrstiev: kontrolovaný experiment s účtami, automatizovanú detekciu skrytej komercie vo videu a následné porovnanie modelu s ľudským hodnotením. To je použiteľný rámec pre tímy, ktoré riešia trust & safety, audit odporúčacích systémov alebo moderáciu komerčného obsahu. 1

Samotné kvantitatívne zistenia treba čítať opatrne. KInIT tvrdí, že pri úzko definovanej kategórii reklám, na ktoré podľa textu dopadá DSA, našli pri maloletých takmer žiadne cielenie. Zároveň však pri širšej kategórii komerčného obsahu mimo právnej definície reklamy zdroj tvrdí 5- až 8-násobne silnejšiu personalizáciu voči deklarovaným záujmom maloletých než pri reklamách, ktoré zákon povoľuje dospelým. V tomto balíku však nemáme plný článok, dáta, kód ani nezávislú replikáciu, preto tieto čísla nemožno prezentovať ako nezávisle potvrdený stav platformy. 1

Hranice poznania

Najväčším obmedzením je zdrojová báza: k dispozícii je iba primárny text domovskej inštitúcie autorov. To stačí na vecný rozbor metódy a toho, čo autori tvrdia, nie na nezávislý verdikt o porušovaní DSA ani na potvrdenie reprodukovateľnosti experimentu. Praktická hodnota správy preto spočíva skôr v tom, že ukazuje, ako možno merať neoznačenú komerciu v odporúčacom feede, než v tom, že by sama uzatvárala spor o súlade platformy s reguláciou. 1

Technický kontext

Stav overenia: Spracované podľa zdroja; redakcia postup nereprodukovala.

Verzie: Zdroj neuvádza konkrétne verzie.

Dátum pôvodného zdroja: 20. júla 2026

Podmienky použitia: Čitateľ by mal poznať základy auditovania odporúčacích systémov, rozdiel medzi označenou reklamou a neoznačeným komerčným obsahom a princíp vision-language modelov.

Obmedzenia: Balík obsahuje len jeden primárny zdroj od domovskej inštitúcie autorov. Chýba plný paper, dataset, kód, detailné experimentálne nastavenie aj nezávislá replikácia. Kvantitatívne výsledky preto treba chápať ako tvrdenia zdroja, nie ako nezávisle overený stav platformy.

Claims → evidence

Tvrdenia a ich podklady

Percentá vyjadrujú redakčný odhad modelu, nie nezávisle nameranú pravdepodobnosť pravdivosti. Tvrdenia môžete porovnať s uvedenými zdrojmi.

96%
KInIT 20. júla 2026 publikoval text o výskume „The DSA’s Blind Spot: Algorithmic Audit of Advertising and Minor Profiling on TikTok“ a v texte uvádza, že práca vyšla v zborníku ACM FAccT 2026.Zdroje: Kempelen Institute of Intelligent Technologies
96%
Podľa zdroja audit používal páry TikTok účtov — maloletý a dospelý účet so zhodnými záujmami a polohou, líšiace sa vekom — ktoré bežali paralelne desať dní.Zdroje: Kempelen Institute of Intelligent Technologies
95%
KInIT uvádza, že na zachytenie neoznačeného komerčného obsahu vo videách použil vision-language model zameraný na rozpoznávanie product placementu, zmienok značiek a promo kódov bez disclosure označenia.Zdroje: Kempelen Institute of Intelligent Technologies
82%
KInIT zároveň tvrdí, že pri širšej kategórii komerčného obsahu mimo právnej definície reklamy boli reklamy pre maloletých personalizované podľa deklarovaných záujmov 5- až 8-násobne silnejšie než v prípade reklám, ktoré zákon povoľuje dospelým.Zdroje: Kempelen Institute of Intelligent Technologies
90%
V tomto balíku je k dispozícii len primárny text domovskej inštitúcie autorov; chýba plný paper, dáta, kód a nezávislá replikácia, takže kvantitatívne výsledky nemožno považovať za nezávisle overené.Zdroje: Kempelen Institute of Intelligent Technologies

Zdroje a atribúcie

Na ďalšie overenie

  1. Kempelen Institute of Intelligent Technologies ↗The DSA’s Blind Spot: Ads Teenagers Still See on TikTok - KInIT · podklad načítaný 15. septembra 2026