Generativ AI for markededsforskning: Muligheter og risiko

“Med stor makt kommer stor ansvar.” Du trenger ikke å være en Marvel-entusiast for å kjenne igjen denne sitaten, som ble popularisert av Spider-Man-franchisen. Og selv om uttalelsen opprinnelig var i sammenheng med overmenneskelig hastighet, styrke, smidighet og motstandskraft, er det en nyttig en å huske på når man forsøker å forstå oppblomstringen av generativ AI.

Mens teknologien i seg selv ikke er ny, var lanseringen av ChatGPT et vendepunkt da det havnet i hendene på 100 millioner mennesker på bare 2 måneder, noe som for mange føltes som å få en superkraft. Men som alle superkrefter er det viktig å huske på hva man bruker dem til. Generativ AI er ingen unntak. Det finnes potensial for godt, for bedre og for verre.

Verdens største merkevaremerker står nå ved et kritisk skille og må bestemme hvordan de vil bruke denne teknologien. Samtidig har økonomisk usikkerhet og stigende inflasjon fortsatt – og har etterlatt forbrukerne usikre på hvordan de skal prioritere utgiftene.

Med tanke på begge faktorer kan generativ AI hjelpe merkevaremerker å få en føring i kampen om forbrukeroppmerksomheten. Likevel må de ha en balansert holdning – se mulighetene, men også se risikoene, og nærme seg begge med en åpen sinn.

Hva betyr generativ AI for innsikt-arbeid?

Markedsforskningsindustrien er ingen fremmed for endring – verktøyene og metodene som er tilgjengelige for forbruker-innsikt-profesjonelle har utviklet seg raskt over de siste tiårene.

På dette stadiet kan vi bare spekulere på omfanget og hastigheten av endringene som stadig mer tilgjengelig generativ AI vil bringe. Men det finnes visse grunnleggende elementer som må være på plass for å hjelpe beslutningstakere å reagere raskt når mer informasjon blir tilgjengelig.

Til slutt handler det om å stille de riktige spørsmålene.

Hva er mulighetene?

For tiden er den primære muligheten som generativ AI tilbyr økt produktivitet. Den kan dramatisk øke hastigheten på prosesser som å generere ideer, informasjon og skrevne tekster, som for eksempel første utkast til e-poster, rapporter eller artikler. Ved å skape effisiens i disse områdene, åpner det opp for mer tid til å brukes på oppgaver som krever betydelig menneskelig ekspertise.

Raskere tid til innsikt

For innsikt-arbeid spesifikt ser vi mye potensial i sammenfatting av informasjon. For eksempel har Stravito-plattformen allerede begynt å bruke generativ AI til å lage auto-sammenfatninger av enkeltmarkedundersøkelser, og fjerner behovet for å manuelt skrive en original beskrivelse for hver rapport.

Vi ser også potensial til å utvikle denne bruksområdet videre med evnen til å sammenfatte store mengder informasjon for å svare på forretnings-spørsmål raskt, i en enkel og lett å forstå format. For eksempel kunne dette se ut som å skrive et spørsmål i søkefeltet og få et konsist og sammenfattet svar basert på bedriftens interne kunnskapsbase.

For merkevaremerker ville dette bety å kunne svare på enkle spørsmål raskere, og det kunne også hjelpe med mye av grunnarbeidet når man dykker ned i mer komplekse problemer.

Innsikt-demokratisering gjennom bedre selvbetjening

Generativ AI kunne også gjøre det enklere for alle forretnings-stakeholdere å få tilgang til innsikt uten å måtte involvere en innsikt-sjef hver gang. Ved å fjerne barrierer for tilgang, kunne generativ AI hjelpe organisasjoner som søker å integrere forbruker-innsikt dyptere i sine daglige operasjoner.

Det kunne også hjelpe med å lettelse vanlige bekymringer forbundet med at alle stakeholdere får tilgang til markedundersøkelser, som å stille feil spørsmål. I dette bruksområdet kan generativ AI hjelpe forretnings-stakeholdere uten forsknings-bakgrunn til å stille bedre spørsmål ved å fremme relevante spørsmål relatert til deres søke-spørsmål.

Tilpasset kommunikasjon til interne og eksterne målgrupper

En annen mulighet som kommer med generativ AI er evnen til å tilpasse kommunikasjon til både interne og eksterne målgrupper.

I en innsikt-kontekst er det flere potensielle bruksområder. Det kunne hjelpe med å gjøre kunnskapsdeling mer effektiv ved å gjøre det enklere å tilpasse innsikt-kommunikasjon til ulike forretnings-stakeholdere gjennom hele organisasjonen. Det kunne også brukes til å tilpasse oppdrag til forskningsbyråer som en måte å strømlinje forskningsprosessen og minimere tilbake-og-frem-meldinger.

Hva er risikoene?

Generativ AI kan være et effektivt verktøy for innsikt-lag, men det innebærer også flere risikoer som organisasjoner bør være klar over før implementering.

Prompt-avhengighet

En grunnleggende risiko er prompt-avhengighet. Generativ AI er statistisk, ikke analytisk, så det fungerer ved å forutsi det mest sannsynlige informasjonen å si neste. Hvis du gir det feil prompt, er du likevel sannsynlig å få et overbevisende svar.

Tillit

Hva blir enda vanskeligere er måten generativ AI kan blande korrekt informasjon med feil informasjon på. I lav-risiko-situasjoner kan dette være morsomt. Men i situasjoner hvor millioner av dollar i forretnings-beslutninger blir tatt, må innputtene for hver beslutning være pålitelige.

I tillegg er mange spørsmål om forbruker-atferd komplekse. Mens et spørsmål som “Hvordan reagerte millenials som bor i USA på vår siste konsept-test?” kan generere et klart svar, krever dypere spørsmål om menneskelige verdier eller emosjoner ofte en mer nyansert perspektiv. Ikke alle spørsmål har ett enkelt riktig svar, og når man søker å syntetisere store sett med forsknings-rapporter, kan nøkkel-detaljer falle mellom kakkene.

Gjennomsiktighet

En annen viktig risiko å være oppmerksom på er mangel på gjennomsiktighet når det gjelder hvordan algoritmene er trent. For eksempel kan ChatGPT ikke alltid fortelle deg hvor den fikk sine svar fra, og selv når den kan, kan disse kildene være umulige å verifisere eller faktisk eksistere.

Og fordi AI-algoritmer, generativ eller ikke, er trent av mennesker og eksisterende informasjon, kan de være fordomsfulle. Dette kan føre til svar som er rasistiske, sexistiske eller på annen måte offensive. For organisasjoner som søker å utfordre fordommer i sine beslutninger og skape en bedre verden for forbrukerne, ville dette være et tilfelle der generativ AI gjør arbeid mindre produktivt.

Sikkerhet

Noen av de vanlige bruksområdene for ChatGPT er å bruke det til å generere e-poster, møte-agender eller rapporter. Men å sette inn de nødvendige detaljene for å generere disse tekstene kan være å plassere følsomme bedrifts-opplysninger i fare.

I virkeligheten fant en analyse utført av sikkerhetsfirmaet Cyberhaven at av 1,6 millioner kunnskaps-arbeidere over industrier, 5,6% hadde prøvd ChatGPT minst en gang på jobb, og 2,3% hadde satt konfidensielle bedrifts-data inn i ChatGPT.

Selskaper som JP Morgan, Verizon, Accenture og Amazon har forbudt ansatte fra å bruke ChatGPT på jobb på grunn av sikkerhets-bekymringer. Og nylig ble Italia det første vestlige landet til å forby ChatGPT mens de undersøkte personvern-bekymringer, og trakk oppmerksomhet fra personvern-regulatorer i andre europeiske land.

For innsikt-lag eller noen som arbeider med proprietær forskning og innsikt, er det essensielt å være klar over risikoene forbundet med å sette inn informasjon i et verktøy som ChatGPT, og å holde seg oppdatert på både organisasjonens interne datasikkerhets-politikk og politikken til leverandører som OpenAI.

Det er vår faste overbevisning at fremtiden for forbruker-forståelse vil fortsatt trenge å kombinere menneskelig ekspertise med kraftfulle teknologier. Den mest kraftfulle teknologien i verden vil være nytteløs hvis ingen faktisk ønsker å bruke den.

Derfor bør fokuset for merkevaremerker være på ansvarlig eksperimentering, å finne de riktige problemene å løse med de riktige verktøyene, og ikke bare implementere teknologi for teknologiens skyld. Med stor makt kommer stor ansvar. Nå er tiden for merkevaremerker å bestemme hvordan de vil bruke den.