Nathan Richter 是 Wakefield Research 的高级合伙人，Wakefield Research 是一家被全球顶级品牌和机构信赖的公司，包括 50 家 Fortune 100 公司，跨越近 100 个国家。他领导一个团队，专门使用研究进行思想领导、赢得媒体报道、潜在客户生成和其他营销应用。他的工作曾在无数媒体渠道中被报道，例如 The New York Times、USA Today、NPR、CNBC 和 The Wall Street Journal。
人工智能正在改变公关和思想领导力领域的研究创建和使用方式。曾经需要数周时间来设计和分析的调查现在可以在几天或甚至几小时内完成。对于通信专业人员来说，吸引力是显然的：人工智能使得能够生成与新闻周期同步的洞察力。但是，这些洞察力的质量如何呢？在速度方面，一个令人不安的事实正在浮现。人工智能可能使研究的某些方面变得更容易，但它也为非专业人员创造了巨大的陷阱。记者们理所当然地期望研究是透明的、可验证的和有意义的。这种可信度不能被妥协。然而，过度依赖人工智能可能会危及研究的基本特征，使其成为公关和思想领导力的强大工具。这是机会和风险汇聚的地方。人工智能可以帮助研究发挥其作为媒体报道驱动力和公关的潜力，但仅当它被负责任地使用，而不是作为专业人员的替代品时。没有监督或由未经训练但有良好意愿的沟通人员使用，人工智能会产生看似令人印象深刻的数据，但在审查下会失败。明智地使用，人工智能可以增强和提高研究过程，但永远不会取代它。诱惑：更快、更便宜、可扩展人工智能已经颠覆了传统的研究节奏。编写问题、清理数据、编码开放式响应和构建报告需要数天的手动努力。现在，许多这些任务可以被自动化。 草稿： 生成模型可以在几秒钟内创建调查问题，为公关团队提供了设计的头脑风暴。 调查： 人工智能可以帮助识别欺诈或机器人式的响应。 分析： 大型数据集可以几乎瞬间被总结，开放式文本响应可以在没有大量编码员的情况下被分类。 报告： 工具可以生成数据摘要和可视化，使洞察力更容易被理解。 加速是有吸引力的。理论上，公关专业人员可以在趋势达到峰值之前生成调查并将数据插入媒体对话中。机会是真实的，但它带有一个条件：速度只在研究经得起审查时才有意义。风险：无法站住脚的数据人工智能可以更快地创建研究，但不一定更好。完全自动化的工作流程通常缺乏获得媒体报道所需的标准。考虑合成受访者，人工智能生成的模拟人类回答调查问题的人物，训练有素的数据来自以前的调查。表面上，它们提供了对调查问题的即时答案。但是，研究表明 ，它们在测试不同群体和背景时与真正的人类数据有所不同。这个问题不仅限于调查。即使在模型级别，人工智能输出也不可靠。 OpenAI自己的系统卡显示，尽管其最新模型GPT-5有所改进，但仍然有近10％的时间会产生错误的说法。对于记者来说，这些缺陷是令人担忧的。记者和编辑希望知道受访者如何被选取，问题如何被提问，以及发现是否被验证。如果答案只是“人工智能生成的”，那么可信度就会崩溃。更糟糕的是，错误可能会损害品牌声誉。旨在支持公关的研究应该建立信任，而不是冒险。为什么记者要求更多，而不是更少公关团队的现实是，记者被推销的信息淹没了。这种数量使编辑变得更加挑剔，令人信服的数据可以使推销信息与竞争对手区分开来。研究通常会带来三件事： 清晰度： 方法被明确解释。 背景： 结果与观众关心的趋势或问题相关联。 可信度： 发现是基于合理的设计和透明的分析。 这些期望已经加强。公众对媒体的信任处于历史低点。只有31％的美国人对新闻有“很大”或“相当多”的信任，同时，36％的人对媒体“完全没有信任”，这是盖洛普在50多年追踪中记录的最高水平。记者们知道这一点，并在发表任何研究之前进行了更严格的审查。对于公关专业人员来说，影响是明显的：人工智能可以加快流程，但除非发现符合编辑标准，否则它们永远不会被发表。为什么人类监督是必不可少的人工智能可以处理大量数据，但它无法复制人类研究人员的判断力或责任感。监督在四个领域最为重要： 定义目标： 人类决定哪些问题是值得报道的或符合活动目标，以及哪些叙述值得测试。 解释细微差别： 机器可以对情绪进行分类，但在识别讽刺、文化背景和情感线索方面很糟糕，这些线索塑造了有意义的洞察力。 责任： 当发现被发表时，人们——而不是算法——必须解释方法并为结果辩护。 偏见检测：...
