Thor Olof Philogène, Straviton perustaja ja toimitusjohtaja – Haastattelusarja: Paluu keskusteluun

Thor Olof Philogène on Straviton perustaja ja toimitusjohtaja, joka on luonut Insights Intelligence -alustan, jota globaalit brändit luottavat muuttaakseen tiedon varmuuden luomaan kasvua ja kiihdyttääkseen markkinavaikutusta.

Edellisessä haastattelussamme keskustelimme Stravito Assistantista, joka on keskustelupohjainen, tekoälykäyttöinen liittymä, joka mahdollistaa tiimien etsimisen, tutkimisen ja vuorovaikutuksen oman sisäisen tutkimuksen ja oivallusten kanssa. Vuosi sitten, miten yritysten tiimit käyttävät Assistantia päivittäin, ja mitä yllättävää on ollut siinä, miten se sopii todellisiin työprosesseihin?

Vuosi sitten tiimit käyttivät Stravito AI Assistantia pääasiassa tutkimuksen nopeamman löytämisen ja pinnan viimeistelyn vuoksi. Mitä muuttuu, on, miten tiimit käyttävät sitä strategisten oletusten vahvistamiseen ennen suuria päätöksiä ja todisteiden synteesiin eri markkinoilla ennen suuntautumisen sitoutumista.

Varhaisessa omaksumisessa aika säästyi. Nyt, kun Deep Research Agent on käytössä, Stravito AI Assistant suunnittelee itsenäisesti monivaiheisen tutkimuksen, analysoiden kokonaisia raportteja rinnakkain, tarkistaa löydökset ja toimittaa täysin lähteisiin perustuvan synteesin, joka perustuu yksinomaan yrityksen omiin tietoihin. Tuloksena on analyytikkojen syvyysvastaukset, jotka tarjoavat todisteita, joiden takana päätöksentekijät voivat seistä.

Siitä lähtien, kun viimeksi puhuimme, Stravito on laajentanut tekoälyn käyttöä tukemaan dynaamisempia tapoja työskennellä oivalluksilla, mukaan lukien ominaisuuksia kuten AI Personas. Miten asiakkaat käyttävät näitä ominaisuuksia käytännössä, siirtymisen jälkeen ideoinnista tai kokeilusta?

Stravito AI Personas muuttaa staattiset segmentointitutkimukset interaktiivisiksi kuluttaja-profiileiksi, jotka perustuvat yrityksen omiin tutkimuksiin, jotta tiimit voivat testata kaikkea pakkaamisesta kampanjakäsitteisiin ja tuotekäsitteisiin ennen suurten budjettien lukitsemista.

Esimerkiksi Lavazza Group integroi Stravito AI Personas markkinointi- ja innovaatioprosessiinsa, luoden kuluttaja-profiileja tuhansista haastatteluista. Jo he ovat tarkentaneet pakkaus- ja kampanjapäätöksiä.

Mitä aiemmin vaati viikkoja ja viivästyi, voi nyt aloittaa keskittyneillä työskentelyistunnilla, ennen siirtymistä edelleen testaamiseen, pitäen tulokset aina alkuperäisessä tutkimuksessa alusta alkaen. Tarkoituksena on vähentää riskiä aikaisemmin, toistaa tehokkaammin ja priorisoida vahvempia ideoita ennen sijoittamisen sitoutumista.

Kun Stravito on esitellyt enemmän tekoälyominaisuuksia alustalleen, mitkä uudet kysymykset yritykset esittävät hallinnosta, valvonnasta ja vastuusta, ja miten Stravito on sopeutunut näihin huolenaiheisiin?

Kysymys, jota yritykset aiemmin esittivät, oli “mitä se voi tehdä?” Nyt se on “voimmeko seistä sen takana?” Stravitolle hallinto on aina ollut prioriteetti, ja se näkyy siinä, miten alusta on rakennettu.

Yleinen tekoäly on rakennettu internet-tietojen varaan ilman liiketoimintakontekstia. Stravito on rakennettu kokonaan yrityksen omiin validoituihin tutkimuksiin. Ei internetin hakua tai jaettuja lähteitä.

Esimerkiksi Deep Research Agentin kanssa tutkimussuunnitelma on näkyvissä ennen analyysin aloittamista, ja jokainen johtopäätös on täysin lähteisiin perustuva, joten mikä tahansa vastaus voidaan jäljittää takaisin alkuperäiseen lähteeseen. Stravito täyttää myös korkeimmat yritysten turvallisuus- ja tietosuojastandardit, ISO 27001 -sertifikaatin, SOC 2 Tyypin II -vahvistuksen ja sopimussitoumuksen, jonka mukaan asiakastietoja ei käytetä kouluttamaan suuria kieliä.

Vastuun osalta tekoäly käsittelee synteesiä ja tutkimussuunnittelua. Ihmiset käsittelevät arvostelua, strategiaa ja lopullista päätöstä.

Monet organisaatiot kamppailevat ei niinkään uusien työkalujen omaksumisella, vaan niiden upottamisella päivittäisiin päätöksiin. Mitä olet oppinut muutoksen hallinnasta, kun Stravito otetaan käyttöön laajoissa, globaaleissa organisaatioissa?

Organisaatiot, jotka upottavat Straviton parhaiten, tekevät kolme asiaa hyvin.

He asettavat selkeän odotuksen alusta alkaen: mikään suuri päätös ei tehdä ilman liiketoiminnan jo omistamaa älykkyyttä. Kun se muuttuu standardiksi, alustan käyttäminen loppuu olemasta valinnainen.

He panostavat sisäisiin mestareihin. Kun muut katselevat heitä, he etsivät alustalta tietoa liiketoimintakatsauksissa, suunnittelukeskusteluissa ja innovaatiokeskusteluissa, ja omaksuminen seuraa.

Ja he yhdistävät pääsyn mahdollistamiseen ja tukeen. Tiimien on opittava, miten kysyä oikeita kysymyksiä ja mitä tehdä vastauksilla. Se muuttaa alustan, jota ihmiset omistavat, alustaksi, jota ihmiset käyttävät.

Stravito esittää itsensä yhtenäisenä totuutena markkina- ja kuluttajatutkimuksille. Todellisuudessa yritykset usein jakavat tutkimuksensa useille järjestelmille. Miten onnistuneita asiakkaat ovat olleet yhdistämään tietämysjärjestelmäänsä, ja missä he kohtaavat edelleen vastustusta?

Usein tutkimus on olemassa. Liiketoimintatiedot, kuluttajatiedot ja markkinatiedot ovat jakautuneet järjestelmiin, alueisiin ja toimintoihin. Ongelma on, että ne eivät ole yhdistettyjä, joten suuret päätökset innovaatiosta, laajentumisesta ja markkinoinnista tehdään ilman niitä. Se on ongelma, jonka Stravito ratkaisee.

Yhdistäminen tapahtuu vaiheittain. Organisaatiot aloittavat arvokkaimmalla tutkimuksellaan ja laajentavat siitä eteenpäin, ja jokainen vaihe luo kaupallisen tapauksen seuraavalle. Heineken on hyvä esimerkki, kun he yhdistivät älykkyytensä yhteen paikkaan, ja ohjasivat CMI-ajan pois tutkimuksen etsimisestä ja kohdistivat sen strategisempiin, arvokkaampiin töihin.

Jos vastarinta ilmenee, se on usein organisaatiota eikä teknistä. Organisaatiot, jotka liikkuvat nopeimmin ja tehokkaimmin, ovat selkeästi omistajia ja sisäisiä mestareita, jotka voivat tuoda eri alueet ja toiminnat mukaan. Kaupallinen tapaus, nopeammin tehtävät päätökset paremmalla näytöllä, on se, mikä siirtää keskustelun eteenpäin.

Yksi Straviton tavoitteista on ollut demokratisoida pääsy oivalluksiin perinteisten tutkimustiimien ulkopuolelle. Viimeisen vuoden aikana, miten laajempi pääsy on muuttanut suhdetta oivallustiimien ja liiketoimintaviranomaisten välillä?

Kun enemmän tiimejä voi osallistua suoraan kuluttaja- ja markkinatietoon, oivallukset pääsevät päätöksiin aikaisemmin. Sidosryhmät eivät enää odota staattisia raportteja. He ovat vuorovaikutuksessa suoraan oman älykkyytensä kanssa muokkaamaan päätöksiä asemasta, pakkaamisesta ja siitä, mihin laajentaa seuraavaksi.

Tämä on myös muuttanut sitä, mihin oivallustiimit käyttävät aikaansa. Vähemmän aikaa vietetään pyynnön ja tutkimuksen etsimiseen, ja he työskentelevät yhä enemmän strategisina neuvonantajina, varmistaen, että näytöt muokkaavat päätöksiä, jotka ovat tärkeimmät.

Henkilökohtaisuus on usein mainittu yhtenä tekoälyn edusta organisaatioiden ohjelmistossa. Miten Stravito-asiakkaat räätälöivät oivallusten löytämisen roolin, alueen tai toiminnan mukaan, ja mitä vaikutusta on ollut tutkimuksen käyttämiseen?

Kun tiimit näkevät tutkimuksen, joka on relevanttia heidän päätöksiinsä, he osallistuvat siihen aikaisemmin ja käyttävät sitä yhä enemmän. Globaali kategoriapäällikköllä on eri prioriteetteja kuin alueellisella markkinointijohtajalla, ja Stravito ymmärtää sen.

Kokoelmat ovat yksi käytetyimmistä ominaisuuksistamme. Ne toimivat kuin soittolistat, jolloin tiimit voivat ryhmitellä tutkimuksen aiheen, alueen tai toiminnan mukaan, esimerkiksi kokoelma, joka on omistettu perehdytykselle tai kestävyydelle. Stravito-tekoäly sitten jatkuvasti tuo esiin relevanttia tutkimusta sen perusteella, mitä on jo kokoelmassa, jotta tiimit pysyvät ajan tasalla siitä, mikä on tärkeää ilman, että heidän tarvitsee etsiä.

Kun tekoäly muuttuu yhä enemmän osaksi oivallusten työprosesseja, miten organisaatiot päättävät, milloin luottaa tekoälyyn perustuvaan kontekstiin ja milloin jättää ihmisille, erityisesti suurten päätösten kohdalla?

Organisaatiot, jotka tekevät tämän hyvin, ovat selkeästi jaettu työ. Tekoäly käsittelee raskaan työn synteesiä ja tutkimussuunnittelua. Ihmiset käsittelevät arvostelua, strategiaa ja lopullista päätöstä.

Käytännössä työkalut kuten Deep Research Agent Stravito AI Assistantissa tiivistävät aikaa kysymyksen ja näytön välillä, toimittaa täysin lähteisiin perustuvia vastauksia, jotka perustuvat yrityksen omiin tutkimuksiin. AI Personas antavat tiimille mahdollisuuden testata oletuksia vastaan todellisia kuluttajaperspektiivejä ennen sijoittamisen sitoutumista. Molemmat on suunniteltu vahvistamaan perustaa, jolla päätökset tehdään.

Kuitenkin se, mitä tuotetaan, on aloituskohta. Ihmiset päättävät, mitä näytöt merkitsevät, punnitsevat vastakkain ja omistavat lopullisen päätöksen.

Integraatio on toistuva haaste organisaatioiden ympäristössä. Mitä kaavoja olet havainnut asiakkailla, jotka ovat onnistuneet integroimaan Straviton olemassa oleviin analytiikka-, tutkimus- tai tiedonhallintajärjestelmiinsä?

Organisaatiot, jotka näkevät suurimman vaikutuksen, ovat selkeästi määritelleet, mitä Stravito on. Ei toinen repositorio, vaan kerros, joka yhdistää olemassa olevan oivalluksen ja tuo sen päätöksiin, jotka tarvitsevat sitä.

Käytännössä Stravito toimii rinnakkain tutkimuksen ja analytiikkaa tarjoavien asiakkaiden käyttämien järjestelmien kanssa, tuoden liiketoimintatiedot, kuluttajatiedot ja markkinatiedot yhteen paikkaan, jotta tieto, joka on jakautunut järjestelmiin, voi tulla päätöksiin, jotka tarvitsevat sitä.

Edetessäsi, mitä organisaatiot yhä aliarvioivat tekoälyn toiminnallisesta käytöstä oivallusten hallinnassa, ja miten se muokkaa Straviton tuotekehitystä?

Tehtävä on pystyväksi tuottamaan vastauksia välittömästi. Mitä organisaatiot aliarvioivat, on kaikki se, mitä tapahtuu sen jälkeen. Virheellisen oivalluksen seuraamisen kustannukset ovat liian suuret, jotta output voisi käsitellä johtopäätöksenä.

Organisaatiot, jotka etenevät, eivät ole niitä, jotka automatisoivat eniten. He ovat niitä, jotka käyttävät sitä, mitä he jo tietävät, tekemään parempia päätöksiä nopeammin ja luottavaisemmin.

Se on se, mikä muokkaa tuotekehitystämme. Esimerkiksi Deep Research Agent toimittaa vaaditun tarkkuuden ja verifiointikelpoisuuden, jota suuret päätökset vaativat. AI Personas tuo kuluttajaperspektiivin prosessiin ennen sijoittamisen sitoutumista. Molemmat on suunniteltu varmistamaan, että mikään suuri päätös ei tehdä ilman älykkyyttä, jonka organisaatio jo omistaa.

Kiitos haastattelusta, lukijat voivat lukea edellisen haastattelumme tai vierailla Stravitossa.