Generativ AI til markedundersøgelser: Muligheder og risici

“Med stor magt kommer stor ansvar.” Du behøver ikke at være en Marvel-fan for at genkende citatet, som er populæret af Spider-Man-franchisen. Og selvom udtrykket oprindeligt var i reference til overmenneskelig hast, styrke, smidighed og udholdenhed, er det et hjælpsomt udtryk at holde i mente, når man forsøger at forstå opkomsten af generativ AI.

Mens teknologien i sig selv ikke er ny, fik 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 er det vigtigt, hvad man bruger dem til. Generativ AI er ikke anderledes. Der er potentiale for godt, for godt og for ondt.

Verdens største mærker står nu ved en kritisk skillevej for at beslutte, hvordan de vil bruge denne teknologi. Samtidig har økonomisk usikkerhed og stigende inflation været vedvarende – og har efterladt forbrugere usikre på, hvordan de skal prioritere deres udgifter.

Når man tager både disse faktorer i betragtning, kan generativ AI hjælpe mærkerne med at få en fordel i kampen om forbrugeropmærksomhed. Men de skal tage en balanceret tilgang – se mulighederne, men også se risikerne, og nærme sig begge med en åben sind.

Hvad betyder generativ AI for indsigtarbejde?

Markedsundersøgelsesindustrien er ikke fremmed for forandring – værktøjerne og metoderne, der er til rådighed for forbrugerindsigtsexperten, er udviklet hurtigt over de seneste årtier.

På dette stadium kan vi kun spekulere over, hvilken omfang og hvilken hastighed de forandringer, som stadig mere tilgængelig generativ AI vil bringe, vil have. 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 alt sammen 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 processerne for at generere ideer, information og skrevne tekster, som f.eks. første udkast til e-mails, rapporter eller artikler. Ved at skabe effektivitet i disse områder giver det mulighed for at bruge mere tid på opgaver, der kræver betydelig menneskelig ekspertise.

Hurtigere indsigt

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

Vi ser også potentiale for at udvikle denne anvendelse yderligere med muligheden for at sammenfatte store mængder information for at besvare forretnings-spørgsmål hurtigt og på en lettilgængelig måde. F.eks. kunne dette se ud som at skrive et spørgsmål 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 kan også hjælpe med at klare en 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 kan generativ AI hjælpe organisationer, der søger at integrere forbrugerindsigt dybere i deres daglige operationer.

Det kan også hjælpe med at lette almindelige bekymringer i forbindelse med, at alle stakeholdere har adgang til markedundersøgelser, som f.eks. at stille de forkerte spørgsmål. I denne anvendelse kan generativ AI hjælpe forretningsstakeholdere uden forskningsbaggrund med at stille bedre spørgsmål ved at fremme 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 kan hjælpe med at gøre videnudveksling mere effektiv ved at gøre det lettere at tilpasse indsigtsskommunikation til forskellige forretningsstakeholdere i organisationen. Det kan også bruges til at tilpasse briefs til forskningsbureauer som en måde at strømline forskningsprocessen og minimere tilbagekald og fremkald.

Hvad er risikerne?

Generativ AI kan være et effektivt værktøj for indsigtshold, men det stiller også visse 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 den mest sandsynlige information, der skal siges herefter. Hvis du giver den den forkerte prompt, er du stadig sandsynligvis at få et overbevisende svar.

Tillid

Hvad der bliver endnu mere besværligt, er måden, hvorpå generativ AI kan blande korrekt information med forkert information på. I lavrisikosituationer kan dette være underholdende. Men i situationer, hvor milliondollarsforretningsbeslutninger skal træffes, skal input til hver beslutning være troværdige.

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

Transparens

En anden vigtig risiko at være opmærksom på er manglen på transparens 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 kilderne være umulige at verificere eller kan ikke engang eksistere.

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

Sikkerhed

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

Faktisk 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 følsom 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 det undersøgte privatlivsproblemer, og fik opmærksomhed fra privatlivsreguleringsmyndigheder i andre europæiske lande.

For indsigtshold eller hvem som helst, der arbejder med proprietær forskning og indsigt, er det afgørende at være bekendt med risikoen for 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 kraftfuldeste teknologi i verden vil være nytteløs, hvis ingen faktisk ønsker at 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 teknologiens skyld. Med stor magt kommer stor ansvar. Nu er tiden kommet for mærkerne til at beslutte, hvordan de vil bruge det.