Generativ AI til markedsforskning: Muligheder og risici

“Med stor magt følger stor ansvar.” Du behøver ikke at være en Marvel-entusiast for at genkende citatet, som er populæriseret af Spider-Man-franchisen. Og selvom udtrykket oprindeligt henviste til overmenneskelig hast, styrke, smidighed og robusthed, er det et nyttigt udtryk at holde i mente, når man forsøger at forstå opkomsten af generativ AI.

Mens teknologien i sig selv ikke er ny, satte lanceringen af ChatGPT det i hænderne på 100 millioner mennesker på blot 2 måneder, noget som for mange føltes som at få en superkraft. Men ligesom alle superkræfter handler det om, hvad man bruger dem til. Generativ AI er ikke anderledes. Der er potentiale for storhed, for godt og for ondt.

Verdens største mærker står nu i en kritisk vending for at afgøre, hvordan de vil bruge denne teknologi. Samtidig har økonomisk usikkerhed og stigende inflation været en fast bestanddel – og har efterladt forbrugerne usikre på, hvordan de skal prioritere deres udgifter.

Under betragtning af begge faktorer kan generativ AI hjælpe mærkerne med at få en fordel i kampen om forbrugeropmærksomhed. De skal dog tage en balanceret tilgang – se mulighederne, men også se risikerne, og nærme sig begge med en åben sind.

Hvad betyder generativ AI for indsigtarbejdet?

Markedsforskningsindustrien er ikke fremmed over for forandring – værktøjerne og metoderne, der er til rådighed for forbrugerindsigt professionelle, har udviklet sig hurtigt over de seneste årtier.

På dette stadie kan vi kun gisne om omfanget og hastigheden af de forandringer, som den stadig mere tilgængelige generative AI vil bringe. Men der er visse grundlag, der skal være på plads for at hjælpe beslutningstagerne med at reagere hurtigt, når der bliver tilgængeligt mere information.

Til sidst handler det hele om at stille de rigtige spørgsmål.

Hvad er mulighederne?

For tiden er den primære mulighed, som generativ AI tilbyder, forbedret produktivitet. Den kan dramatisk accelerere processen med at generere ideer, information og skrevne tekster, som f.eks. første udkast til e-mails, rapporter eller artikler. Ved at skabe effektivitet på disse områder giver det mulighed for at bruge mere tid på opgaver, der kræver betydelig menneskelig ekspertise.

Hurtigere tid til indsigt

For indsigtarbejde specifikt ser vi en stor potentiale i sammenfatning af information. F.eks. har Stravito-platformen allerede brugt generativ AI til at oprette auto-sammenfatninger af enkelte markedsforskningsrapporter, hvilket fjerner behovet for at manuelt skrive en original beskrivelse for hver rapport.

Vi ser også potentiale for at udvikle denne anvendelsesmulighed yderligere med muligheden for at sammenfatte store mængder af information for at besvare forretnings-spørgsmål hurtigt, i en let tilgængelig format. F.eks. kunne dette se ud som at taste et spørgsmål ind i søgefeltet og få et kort svar baseret på virksomhedens interne videnbase.

For mærkerne ville dette betyde, at de kan besvare simple spørgsmål hurtigere, og det kunne også hjælpe med at klare en stor del af det grundlæggende arbejde, når man dykker ned i mere komplekse problemer.

Demokratisering af indsigt gennem bedre selvbetjening

Generativ AI kunne også gøre det lettere for alle forretningsstakeholdere at få adgang til indsigt uden at skulle involvere en indsigtchef hver gang. Ved at fjerne barrierer for adgang kunne generativ AI hjælpe organisationer, der søger at integrere forbrugerindsigt dybere i deres daglige operationer.

Det kunne også hjælpe med at lette almindelige bekymringer forbundet med, at alle stakeholdere får adgang til markedsforskning, som f.eks. at stille de forkerte spørgsmål. I denne anvendelsesmulighed kan generativ AI hjælpe forretningsstakeholdere uden forskningsbaggrund med at stille bedre spørgsmål ved at fremhæve relevante spørgsmål i forbindelse med deres søgeforespørgsel.

Tilpasset kommunikation til interne og eksterne målgrupper

En anden mulighed, der følger med generativ AI, er evnen til at tilpasse kommunikation til både interne og eksterne målgrupper.

I en indsigtssammenhæng er der flere potentielle anvendelser. Det kunne hjælpe med at gøre videnudveksling mere effektiv ved at gøre det lettere at personliggøre indsigt-kommunikation til forskellige forretningsstakeholdere i hele organisationen. Det kunne også bruges til at tilpasse briefs til forskningsbureauer som en måde at strømline forskningsprocessen og minimere tilbagekald og frem.

Hvad er risikerne?

Generativ AI kan være et effektivt værktøj for indsigtshold, men det medfører også forskellige risici, som organisationer bør være bekendt med, før de implementerer det.

Prompt afhængighed

En grundlæggende risiko er prompt afhængighed. Generativ AI er statistisk, ikke analytisk, så den fungerer ved at forudsige det mest sandsynlige stykke information, der skal siges herefter. Hvis du giver den det forkerte prompt, er du stadig sandsynligvis at få et meget overbevisende svar.

Tillid

Det bliver endnu mere besværligt, da generativ AI kan blande korrekt information med forkert information. I lavrisikosituationer kan dette være underholdende. Men i situationer, hvor million-dollars forretningsbeslutninger skal træffes, skal input til hver beslutning være troværdige.

Derudover er mange spørgsmål om forbrugeradfærd komplekse. Mens et spørgsmål som “Hvordan reagerede millennials, der bor i USA, på vores seneste koncepttest?” måske kan generere et klart svar, kræver dybere spørgsmål om menneskelige værdier eller følelser ofte en mere nuanceret perspektiv. Ikke alle spørgsmål har et enkelt rigtigt svar, og når man søger at syntetisere store mængder af forskningsrapporter, kan nøgle detaljer falde mellem revnerne.

Gennemsigtighed

En anden vigtig risiko at være opmærksom på er manglen på gennemsigtighed i forhold til, hvordan algoritmerne er trænet. F.eks. kan ChatGPT ikke altid fortælle dig, hvor den fik sine svar fra, og selv når den kan, kan disse kilder være umulige at verificere eller endda eksistere i virkeligheden.

Og fordi AI-algoritmer, generative eller ikke, er trænet af mennesker og eksisterende information, kan de være fordomsfulde. Dette kan føre til svar, der er racistiske, sexistiske eller på anden måde krænkende. For organisationer, der søger at udfordre fordomme i deres beslutningstagning og skabe en bedre verden for forbrugerne, ville dette være et tilfælde, hvor generativ AI gør arbejdet mindre produktivt.

Sikkerhed

Nogle af de almindelige anvendelser af ChatGPT er at bruge den til at generere e-mails, mødeagendaer eller rapporter. Men at indsætte de nødvendige detaljer for at generere disse tekster kan være med til at sætte følsomt virksomhedsinformation i fare.

I virkeligheden fandt en analyse, der blev gennemført af sikkerhedsfirmaet Cyberhaven, at af 1,6 millioner videnarbejdere på tværs af industrier havde 5,6% prøvet ChatGPT mindst én gang på arbejdet, og 2,3% havde indsat fortrolig virksomhedsdata i ChatGPT.

Virksomheder som JP Morgan, Verizon, Accenture og Amazon har forbudt medarbejderne at bruge ChatGPT på arbejdet på grund af sikkerhedsbekymringer. Og for nylig blev Italien det første vestlige land, der forbød ChatGPT, mens de undersøgte privatlivsbeskyttelsesproblemer, og fik opmærksomhed fra privatlivsregulatorer i andre europæiske lande.

For indsigtshold eller nogen, der arbejder med proprietær forskning og indsigt, er det afgørende at være bekendt med risikerne forbundet med at indsætte information i et værktøj som ChatGPT og at holde sig opdateret om både virksomhedens interne datasikkerheds politikker og politikkerne for udbydere som OpenAI.

Det er vores faste overbevisning, at fremtiden for forbrugerforståelse stadig vil kræve en kombination af menneskelig ekspertise og kraftfuld teknologi. Den mest kraftfulde teknologi i verden vil være nytteløs, hvis ingen vil bruge den.

Derfor bør fokus for mærkerne være på ansvarlig eksperimentering for at finde de rigtige problemer at løse med de rigtige værktøjer og ikke blot implementere teknologi for dens egen skyld. Med stor magt følger stor ansvar. Nu er det tid for mærkerne at afgøre, hvordan de vil bruge den.