Cultural Alignment in the Age of Large Language Models: Understanding How Young Danes Decode LLM-Generated Commercials
Translated title
Cultural Alignment in the Age of Large Language Models
Author
Jacobsen, Victor Kirketerp
Term
4. term
Publication year
2025
Pages
71
Abstract
Specialet undersøger, hvordan unge danske voksnes vurdering af reklamer påvirkes af, om LLM-genererede reklamefilm opleves som kulturelt på linje med dansk kommunikationsstil eller ej. I takt med at generativ AI fylder mere i markedsføring, bliver det afgørende, om modeller kan afspejle lokale normer frem for at falde tilbage på en anglocentrisk stil. Udgangspunktet er et socialkonstruktivistisk perspektiv, hvor kultur forstås som noget, vi skaber sammen gennem mening. Analysen tager afsæt i Iben Jensens ramme for interkulturel kommunikation – kulturelle forudsætninger, kulturel selvopfattelse, kulturelle fikspunkter og erfaringspositioner – for at belyse, hvordan publikum afkoder AI-formidlede budskaber. Metodisk bygger studiet på semistrukturerede interviews med fire deltagere (24–27 år) og en refleksiv tematisk analyse (Braun & Clarke) af deres reaktioner på to verificerede AI/LLM-assisterede danske reklamer: Fleggaards julefilm 2023 og en brandfilm for Kim’s Kloakservice. Analysen viser, at kulturel tilpasning vægtes højere end den tekniske kvalitet eller realisme i reklamerne. Når reklamerne udtrykker træk, som deltagerne forbinder med dansk kommunikation – fx ironi, oprigtighed og mådehold – opleves de som relaterbare og autentiske. Når sproget derimod virker overdrevet, mekanisk eller for salgsagtigt, beskrives det som kunstigt og distancerende. Med andre ord er kulturelt fit afgørende for, om AI-genererede budskaber accepteres eller afvises. Specialet peger på tre praktiske implikationer: For det første skal promptning og redigering være kulturelt forankret fra start, så humor, underspil og idiomatisk dansk er tænkt ind. For det andet er menneskelig efterredigering vigtig, fordi publikum bemærker, når manus ligner uredigeret modeloutput. For det tredje bør åbenhed om brugen af AI overvejes; transparent og selvbevidst brug kan styrke tillid, mens uklarhed kan svække den. Konklusionen er, at oplevet kulturel tilpasning direkte former unge danskeres modtagelse og vurdering af LLM-genererede reklamer. Tilpasning øger troværdighed, tillid og engagement, mens misalignment skaber afstand og skepsis. Fordi de fleste LLM’er primært er trænet på engelsksprogede data, er der risiko for, at de reproducerer kommunikationsstile, som ikke rammer danske forventninger. Succes med AI-assisteret reklame kræver derfor ikke kun teknisk præcision, men også kulturel sensitivitet og evnen til at afspejle lokale normer.
This thesis examines how young Danish adults evaluate advertising when commercials produced with large language models (LLMs)—AI systems that generate text—feel culturally aligned or misaligned with Danish communication norms. As generative AI becomes more common in marketing, a central question is whether model outputs can reflect local styles rather than defaulting to Anglocentric ones. The study takes a social constructivist view of culture as a dynamic process of meaning-making. It applies Iben Jensen’s intercultural communication framework—cultural presuppositions, cultural self-perception, cultural fix points, and positions of experience—to understand how audiences decode AI-mediated messages. Methodologically, it uses semi-structured interviews with four participants aged 24–27 and a reflexive thematic analysis (Braun & Clarke) of their reactions to two verified AI/LLM-assisted Danish commercials: Fleggaard’s 2023 Christmas ad and a brand spot for Kim’s Kloakservice. Findings show that cultural alignment shapes evaluations more than technical quality or realism. When commercials display traits participants associate with Danish communication—such as irony, sincerity, and moderation—they are seen as relatable and authentic. When the language feels exaggerated, mechanical, or overly promotional, it comes across as artificial and disengaging. In short, cultural fit is decisive for whether AI-generated messages are accepted or rejected. The thesis offers three practical implications. First, prompting and editing should be culturally situated from the outset so that humor, understatement, and idiomatic Danish are built in. Second, human oversight matters because audiences notice when scripts read like unedited model output. Third, disclosure and transparency should be considered; transparent, self-aware uses of AI can build trust, while ambiguous uses can undermine it. Overall, the thesis concludes that perceived cultural alignment directly shapes young Danes’ reception and evaluation of LLM-generated commercials. Alignment enhances credibility, trust, and emotional engagement, whereas misalignment fosters distance and skepticism. Because most LLMs are trained primarily on English-language data, they risk reproducing communicative styles that may not resonate with Danish expectations. Successful AI-assisted advertising therefore requires not only technical accuracy but also cultural sensitivity and the ability to reflect evolving local norms.
[This summary has been rewritten with the help of AI based on the project's original abstract]
Keywords
Documents