Sztuczna inteligencja generatywna w badaniach rynkowych: szanse i ryzyka

“Z wielką mocą przychodzi wielka odpowiedzialność.” Nie trzeba być fanem Marvela, aby rozpoznać tę cytaty, spopularyzowaną przez franczyzę Spider-Mana. I chociaż początkowo odnosiła się do nadludzkiej szybkości, siły, zwinności i wytrzymałości, jest to bardzo przydatna myśl, gdy próbujemy zrozumieć rozwój sztucznej inteligencji generatywnej.

Pomimo że sama technologia nie jest nowa, uruchomienie ChatGPT wprowadziło ją w ręce 100 milionów ludzi w zaledwie 2 miesiące, co dla wielu ludzi wydawało się zdobyciem supermocy. Ale jak wszystkie supermoce, to, co się liczy, to jak je używa się. Sztuczna inteligencja generatywna nie jest inna. Istnieje potencjał do wielkiego dobra, ale także do zła.

Największe marki na świecie stanęły teraz na rozdrożu, aby zdecydować, jak będą używać tej technologii. W tym samym czasie niepewność gospodarcza i rosnąca inflacja utrzymują się, pozostawiając konsumentów niepewnymi, jak priorytetować wydatki.

Biorąc pod uwagę oba czynniki, sztuczna inteligencja generatywna może pomóc markom uzyskać przewagę w walce o uwagę konsumentów. Jednak muszą one podejść do tego z zrównoważonym podejściem – widząc możliwości, ale także ryzyka, i podchodząc do obu z otwartym umysłem.

Czym jest sztuczna inteligencja generatywna dla pracy analitycznej

Branża badań rynkowych nie jest obca zmianom – narzędzia i metody dostępne dla profesjonalistów ds. badań konsumentów ewoluowały gwałtownie w ciągu ostatnich kilku dekad.

W tym stadium stopień i szybkość zmian, które coraz bardziej dostępna sztuczna inteligencja generatywna przyniesie, jest czymś, co możemy tylko przewidywać. Ale istnieją pewne podstawy, które powinny być w miejsce, aby pomóc osobom decyzyjnym szybko zareagować, gdy więcej informacji stanie się dostępnych.

Ostatecznie wszystko sprowadza się do zadawania odpowiednich pytań.

Jakie są szanse?

Obecnie podstawową szansą oferowaną przez sztuczną inteligencję generatywną jest zwiększona produktywność. Może znacznie przyspieszyć procesy generowania pomysłów, informacji i tekstów, takich jak pierwsze szkice e-maili, raportów lub artykułów. Tworząc wydajność w tych obszarach, pozwala na więcej czasu na zadania, które wymagają znacznej ekspertyzy ludzkiej.

Szybszy czas na wgląd

Dla pracy analitycznej konkretnie, jednym z obszarów, w którym widzimy duży potencjał, jest podsumowanie informacji. Na przykład, platforma Stravito już teraz wykorzystuje sztuczną inteligencję generatywną do tworzenia automatycznych podsumowań poszczególnych raportów badań rynkowych, usuwając potrzebę ręcznego pisania oryginalnego opisu dla każdego raportu.

Widzimy również potencjał do dalszego rozwoju tego przypadku użycia z możliwością podsumowania dużych ilości informacji, aby szybko odpowiedzieć na pytania biznesowe w łatwo przyswajalnym formacie. Na przykład, mogłoby to wyglądać jak wpisanie pytania w pasek wyszukiwania i uzyskanie zwięzłej odpowiedzi na podstawie wewnętrznej bazy wiedzy firmy.

Dla marek oznaczałoby to możliwość szybszego odpowiedzi na proste pytania i mogłoby również pomóc w wykonaniu dużej ilości pracy, gdy zagłębiają się w bardziej złożone problemy.

Demokratyzacja wglądów za pomocą lepszych samousług

Sztuczna inteligencja generatywna mogłaby również ułatwić wszystkim interesariuszom biznesowym dostęp do wglądów bez potrzeby bezpośredniego zaangażowania menedżera ds. wglądów każdym razem. Poprzez usuwanie barier dostępu, sztuczna inteligencja generatywna mogłaby pomóc organizacjom, które chcą głębiej integrować wglądy konsumentów w swoje codzienne operacje.

Mogłaby również pomóc w złagodzeniu powszechnych obaw związanych z dostępem wszystkich interesariuszy do badań rynkowych, takich jak zadawanie niewłaściwych pytań. W tym przypadku użycia sztuczna inteligencja generatywna mogłaby pomóc interesariuszom biznesowym bez wykształcenia w dziedzinie badań, proponując im odpowiednie pytania związane z ich zapytaniem.

Spersonalizowana komunikacja z wnętrza i na zewnątrz

Inną szansą, jaką oferuje sztuczna inteligencja generatywna, jest możliwość dostosowania komunikacji do wnętrza i na zewnątrz.

W kontekście wglądów istnieją kilka potencjalnych zastosowań. Mogłaby pomóc w tym, aby dzielenie się wiedzą było bardziej skuteczne, ułatwiając personalizację komunikacji wglądów dla różnych interesariuszy biznesowych w całej organizacji. Mogłaby również być wykorzystywana do dostosowania briefów do agencji badawczych jako sposób na usprawnienie procesu badawczego i minimalizację wymiany informacji.

Jakie są ryzyka?

Sztuczna inteligencja generatywna może być skutecznym narzędziem dla zespołów analitycznych, ale niesie również różne ryzyka, o których organizacje powinny być świadome przed wdrożeniem.

Zależność od podpowiedzi

Jednym z podstawowych ryzyk jest zależność od podpowiedzi. Sztuczna inteligencja generatywna jest statystyczna, a nie analityczna, więc działa poprzez przewidywanie najbardziej prawdopodobnej informacji, którą można powiedzieć jako następną. Jeśli podasz jej niewłaściwą podpowiedź, nadal możesz uzyskać bardzo przekonywującą odpowiedź.

Zaufanie

Czym jest jeszcze bardziej skomplikowane, jest to, jak sztuczna inteligencja generatywna może mieszać poprawne informacje z niepoprawnymi. W sytuacjach o niskim ryzyku może to być zabawne. Ale w sytuacjach, w których podejmowane są decyzje biznesowe o wartości milionów dolarów, dane wejściowe dla każdej decyzji muszą być godne zaufania.

Dodatkowo wiele pytań dotyczących zachowania konsumentów jest złożonych. Podczas gdy pytanie „Jak respondenci z USA zareagowali na nasz ostatni test koncepcyjny?” może wygenerować wyraźną odpowiedź, głębsze pytania dotyczące wartości ludzkich lub emocji często wymagają bardziej nuansowanego spojrzenia. Nie wszystkie pytania mają jedną prawidłową odpowiedź, a gdy próbujemy syntetyzować duże zestawy raportów badawczych, kluczowe szczegóły mogą umknąć.

Przejrzystość

Innym kluczowym ryzykiem, na które należy zwrócić uwagę, jest brak przejrzystości dotyczącej sposobu, w jaki algorytmy są szkolone. Na przykład, ChatGPT nie zawsze może powiedzieć, skąd pochodzą jego odpowiedzi, a nawet gdy może, te źródła mogą być niemożliwe do zweryfikowania lub nawet w ogóle istnieć.

Ponieważ algorytmy AI, generatywne czy inne, są szkolone przez ludzi i istniejące informacje, mogą być one tendencyjne. Może to prowadzić do odpowiedzi, które są rasistowskie, seksistowskie lub w inny sposób obraźliwe. Dla organizacji, które chcą wyzwolić tendencje w swoim podejmowaniu decyzji i stworzyć lepszy świat dla konsumentów, byłoby to przypadkiem, w którym sztuczna inteligencja generatywna sprawia, że praca jest mniej produktywna.

Bezpieczeństwo

Niektóre z powszechnych przypadków użycia ChatGPT to generowanie e-maili, planów spotkań lub raportów. Ale wprowadzanie niezbędnych szczegółów do generowania tych tekstów może narażać wrażliwe informacje firmy na ryzyko.

W rzeczywistości analiza przeprowadzona przez firmę bezpieczeństwa Cyberhaven wykazała, że spośród 1,6 miliona pracowników wiedzy z różnych branż 5,6% próbowało ChatGPT przynajmniej raz w pracy, a 2,3% wprowadziło poufne dane firmy do ChatGPT.

Firmy takie jak JP Morgan, Verizon, Accenture i Amazon zabroniły pracownikom używania ChatGPT w pracy ze względu na obawy bezpieczeństwa. I niedawno Włochy zostały pierwszym zachodnim krajem, który zabronił ChatGPT, prowadząc dochodzenie w sprawie problemów z ochroną danych, przyciągając uwagę regulatorów ochrony danych w innych krajach europejskich.

Dla zespołów analitycznych lub każdego, kto pracuje z własnymi badaniami i wglądami, jest niezwykle ważne, aby być świadomym ryzyk związanych z wprowadzaniem informacji do narzędzia takiego jak ChatGPT i aby być na bieżąco z wewnętrznymi politykami bezpieczeństwa danych organizacji oraz politykami dostawców takich jak OpenAI.

Uważamy, że przyszłość zrozumienia konsumentów nadal będzie wymagać połączenia ekspertyzy ludzkiej z potężną technologią. Najpotężniejsza technologia na świecie będzie bezużyteczna, jeśli nikt nie będzie chciał jej używać.

Dlatego też koncentracja marek powinna skupiać się na odpowiedzialnym eksperymentowaniu, aby znaleźć odpowiednie problemy do rozwiązania z odpowiednimi narzędziami i nie tylko wdrażać technologię dla samej technologii. Z wielką mocą przychodzi wielka odpowiedzialność. Teraz jest czas, aby marki zdecydowały, jak będą ją wykorzystywać.