Generativ AI för marknadsundersökningar: Möjligheter och risker

“Med stor makt följer stort ansvar.” Du behöver inte vara en Marvel-entusiast för att känna igen citatet, som populariserats av Spider-Man-franchisen. Och medan uttalandet ursprungligen hänvisade till övermänsklig hastighet, styrka, smidighet och motståndskraft, är det ett användbart uttalande att ha i åtanke när man försöker förstå den ökande populariteten av generativ AI.

Medan teknologin i sig inte är ny, gjorde lanseringen av ChatGPT det möjligt för 100 miljoner människor att använda det på bara 2 månader, något som för många kändes som att få en superkraft. Men liksom alla superkrafter är det viktigt att använda dem på rätt sätt. Generativ AI är inget undantag. Det finns potential för stort gott, men också för ont.

Världens största varumärken står nu vid ett kritiskt vägskäl för att bestämma hur de ska använda denna teknologi. Samtidigt har ekonomisk osäkerhet och stigande inflation varit bestående — och lämnat konsumenter osäkra på hur de ska prioritera sina utgifter.

När man tar hänsyn till båda faktorerna kan generativ AI hjälpa varumärken att få en fördel i kampen om konsumenternas uppmärksamhet. Men de måste ha en balanserad syn — se möjligheterna, men också riskerna, och närma sig båda med en öppen inställning.

Vad generativ AI innebär för insiktssarbete

Marknadsundersökningsbranschen är ingen främling för förändring — de verktyg och metoder som finns tillgängliga för konsumentinsiktspersonal har utvecklats snabbt under de senaste decennierna.

På detta stadium kan vi bara spekulera om omfattningen och hastigheten på de förändringar som alltmer tillgänglig generativ AI kommer att medföra. Men det finns vissa grundläggande principer som bör finnas på plats för att hjälpa beslutsfattare att snabbt svara när mer information blir tillgänglig.

Till slut handlar allt om att ställa rätt frågor.

Vilka är möjligheterna?

För närvarande är den primära möjligheten som erbjuds av generativ AI förbättrad produktivitet. Den kan dramatiskt påskynda processerna för att generera idéer, information och skriven text, som till exempel första utkasten till e-post, rapporter eller artiklar. Genom att skapa effektivitet i dessa områden möjliggör det att mer tid kan ägnas åt uppgifter som kräver betydande mänsklig expertis.

Snabbare tid till insikt

För insiktssarbete specifikt ser vi en stor potential i sammanfattning av information. Till exempel har Stravito-plattformen redan använt generativ AI för att skapa auto-sammanfattningar av enskilda marknadsundersökningsrapporter, vilket eliminerar behovet av att manuellt skriva en originalbeskrivning för varje rapport.

Vi ser också potential att utveckla detta användningsfall ytterligare med möjligheten att sammanfatta stora mängder information för att besvara affärsfrågor snabbt, i ett lättkonsumerat format. Till exempel kan detta se ut som att skriva en fråga i sökfältet och få ett kort svar baserat på företagets interna kunskapsbas.

För varumärken skulle detta innebära att de kan besvara enkla frågor snabbare, och det kan också hjälpa till att ta hand om en hel del av det grundläggande arbetet när man gräver djupare i mer komplexa problem.

Insiktssdemokratisering genom bättre självbetjäning

Generativ AI kunde också göra det lättare för alla affärspartner att få tillgång till insikter utan att behöva direkt involvera en insiktchef varje gång. Genom att ta bort barriärer för tillgång kunde generativ AI hjälpa organisationer som vill integrera konsumentinsikter mer djupt i sin dagliga verksamhet.

Det kunde också hjälpa till att lindra vanliga problem som är förknippade med att alla partner har tillgång till marknadsundersökningar, som att ställa fel frågor. I detta användningsfall kan generativ AI hjälpa affärspartner utan forskningsbakgrund att ställa bättre frågor genom att ge dem relevanta frågor i samband med deras sökfråga.

Anpassad kommunikation till interna och externa målgrupper

En annan möjlighet som kommer med generativ AI är förmågan att anpassa kommunikationen till både interna och externa målgrupper.

I ett insiktssammanhang finns det flera potentiella tillämpningar. Det kunde hjälpa till att göra kunskapsdelning mer effektiv genom att göra det lättare att anpassa insiktsskommunikationen till olika affärspartner inom organisationen. Det kunde också användas för att anpassa briefs till forskningsbyråer som ett sätt att strömlinjeforma forskningsprocessen och minimera det bakåt- och framåtriktade arbete som är involverat.

Vilka är riskerna?

Generativ AI kan vara ett effektivt verktyg för insiktsteam, men det medför också olika risker som organisationer bör vara medvetna om innan implementering.

Promptberoende

En grundläggande risk är promptberoende. Generativ AI är statistisk, inte analytisk, så den fungerar genom att förutsäga den mest sannolika informationen att säga härnäst. Om du ger den fel prompt kommer du fortfarande att få ett övertygande svar.

Förtroende

Vad som blir ännu knepigare är det sätt på vilket generativ AI kan blanda korrekt information med felaktig information. I lågriskssituationer kan detta vara underhållande. Men i situationer där miljondollarsbeslut fattas behöver insatserna för varje beslut vara tillförlitliga.

Dessutom är många frågor om konsumentbeteende komplexa. Medan en fråga som “Hur svarade millennials som bor i USA på vår senaste koncepttest?” kan generera ett tydligt svar, kräver djupare frågor om mänskliga värderingar eller känslor ofta en mer nyanserad syn. Inte alla frågor har ett enda rätt svar, och när man syftar till att syntetisera stora uppsättningar av forskningsrapporter kan viktiga detaljer falla mellan sprickorna.

Transparens

En annan viktig risk att uppmärksamma är bristen på transparens när det gäller hur algoritmerna tränas. Till exempel kan ChatGPT inte alltid berätta var den fick sina svar ifrån, och även när den kan, kan källorna vara omöjliga att verifiera eller till och med existera.

Och eftersom AI-algoritmer, generativa eller annorlunda, tränas av människor och befintlig information, kan de vara fördomsfulla. Detta kan leda till svar som är rasistiska, sexistiska eller på annat sätt stötande. För organisationer som vill utmana fördomar i sitt beslutsfattande och skapa en bättre värld för konsumenter vore detta ett exempel på hur generativ AI kan göra arbetet mindre produktivt.

Säkerhet

Några av de vanligaste användningsfallen för ChatGPT är att använda det för att generera e-post, mötesagenda eller rapporter. Men att lägga in de nödvändiga detaljerna för att generera dessa texter kan innebära att känslig företagsinformation sätts i fara.

I själva verket visade en analys som utfördes av säkerhetsföretaget Cyberhaven att av 1,6 miljoner kunskapsarbetare inom olika branscher hade 5,6% försökt ChatGPT minst en gång på jobbet, och 2,3% hade lagt in konfidentiell företagsinformation i ChatGPT.

Företag som JP Morgan, Verizon, Accenture och Amazon har förbjudit personalen från att använda ChatGPT på jobbet på grund av säkerhetsproblem. Och nyligen blev Italien det första västerländska landet att förbjuda ChatGPT medan man undersöker integritetsproblem, vilket väckte uppmärksamhet från dataskyddsregulatorer i andra europeiska länder.

För insiktsteam eller alla som arbetar med proprietär forskning och insikter är det viktigt att vara medveten om riskerna som är förknippade med att mata in information i ett verktyg som ChatGPT, och att hålla sig uppdaterad om både organisationens interna datasäkerhetspolicy och leverantörers policy, som OpenAI.

Det är vår fasta övertygelse att framtiden för konsumentförståelse fortfarande kommer att behöva kombinera mänsklig expertis med kraftfull teknik. Den kraftfullaste tekniken i världen kommer att vara värdelös om ingen faktiskt vill använda den.

Därför bör fokus för varumärken ligga på ansvarsfull experiment, för att hitta rätt problem att lösa med rätt verktyg, och inte bara implementera tekniken för dess egen skull. Med stor makt följer stort ansvar. Nu är tiden för varumärken att bestämma hur de kommer att använda den.