Сфера аналитики и исследований переживает период перемен, вызванных развитием новых технологий, таких как искусственный интеллект и синтетические данные . Какие навыки помогут нынешним и будущим исследователям адаптироваться к этому новому миру ?
Анализ результатов работы ИИ
Генеративный ИИ меняет подход к исследованиям . Однако ключевым навыком является понимание того, где ИИ действительно может быть полезен, а также наличие знаний в предметной области, позволяющих оценить достоверность полученной информации . ИИ не является непогрешимым , и исследователям необходимо уметь выявлять отклонения , галлюцинации и ошибки в его результатах.
« Исследователям необходимо стать высокоэффективными пользователями ИИ, сохраняя при этом экспертные знания и критическое мышление, необходимые для того, чтобы противостоять ему », — говорит Рэй Пойнтер, председатель комитета по профессиональным стандартам Esomar и управляющий директор The Future Place .
« Технологии развиваются настолько быстро, что это требует непрерывного обучения, экспериментов и, порой, отказа от старых привычек. Искусственный интеллект может создавать впечатляющие результаты, но он также может совершать элементарные или, казалось бы, правдоподобные ошибки».
« Исследователи, понимающие как возможности, так и ограничения ИИ, и способные работать с ним итеративно, а не просто принимать его результаты, будут становиться все более ценными. В будущем решающим фактором станет не доступ к ИИ, поскольку он будет у каждого, а способность использовать его разумно, критически и ответственно».
Ребекка Коул, генеральный директор Cobalt Blue и президент Общества маркетинговых исследований , добавляет: « Все говорят о том, как важно научиться хорошо управлять инструментами искусственного интеллекта. Это справедливо, но на самом деле это не самый важный навык».
« Важнее всего критическая оценка результатов, полученных с помощью ИИ: синтетические данные, которые не выдерживают критики, интервью, модерируемое ИИ, которое упускает суть, или краткое изложение дословных высказываний, в котором сглажен важный момент. Клиенты часто этого не замечают. Исследователям же это необходимо » .
Экспериментирование
Новые технологии открывают новые возможности, но и сопряжены с рисками при их использовании. Будущим исследователям необходимо будет проявлять готовность к апробации новых инструментов и учиться не только механически, но и методом проб и ошибок.
Келли МакНайт , исполнительный директор Verve, объясняет: « Традиционная подготовка в области исследований сосредоточена на методологии — разработке опросов, проведении интервью и анализе стенограмм для понимания поведения. Специалисты, работающие в сфере искусственного интеллекта, учатся на практике, методом проб и ошибок» .
« Исследователи, готовые к внедрению ИИ, тестируют подсказки, сравнивают ответы моделей и проводят симуляции, чтобы увидеть, как ведут себя имитированные аудитории. Они проводят A/B-тестирование подсказок, персон или баз знаний — изменяя одну переменную и наблюдая за реакцией системы. Как описал один из них, этот процесс часто включает в себя « пробы, наблюдение за результатами и доработку » .
Коул говорит, что дело не обязательно в отдельных технологиях или подходах: «Какой бы инструмент или метод ни был передовым сейчас, через два года им уже не будет. На самом деле людей отличает не то , что они знают сегодня, а то, насколько быстро они могут освоить что-то новое и понять, насколько это полезно».
« Это сложнее включить в резюме , чем список умений , но именно это работодатели и должны искать » .
Понимание потребностей клиента
Партнерам по исследованиям необходимо будет уделять больше внимания прогнозированию потребностей клиентов и заинтересованных сторон, а также использованию результатов исследований для предложения полезных решений проблем, с которыми сталкивается организация. Исследователи должны проявлять инициативу, помогая выявлять ключевые проблемы, стоящие перед брендами .
«Понимание реальной деловой необходимости, лежащей в основе запроса на исследование, всегда было важным, но в будущем оно станет еще более центральным аспектом карьеры исследователя », — говорит Пойнтер . « По мере того, как ИИ автоматизирует все больше процессов сбора, анализа и представления информации, большая ценность будет заключаться в определении правильной проблемы, выявлении того, что осталось невысказанным, и обеспечении того, чтобы работа приводила к полезному решению или действию».
« Исследователи, способные связать доказательства с потребностями бизнеса, останутся востребованными, потому что они не просто реализуют проекты; они помогают организациям принимать более взвешенные решения».
Благодаря способности ИИ давать простые ответы, глубокие знания в предметной области и стремление правильно понять бизнес клиентов окажутся бесценными.
« Исследователи, способные связать доказательства с потребностями бизнеса, останутся востребованными, потому что… они помогают организациям принимать более взвешенные решения».
Пол Гриффитс , основатель Client Advocates, говорит: «Главное, на что действительно должны быть способны исследователи рынка, — это коммерческое мышление. В этом контексте, проводить исследования, касающиеся конкретного бренда, конкретной проблемы клиента или конкретной потребности клиента… »
« Клиенту по -прежнему понадобится кто-то, кто сядет и скажет: „ Вот что вам нужно сделать в результате этого “ . Это возвращает нас к коммерческим знаниям , пониманию и выявлению этих коммерческих потребностей, этих коммерческих требований и пониманию человека, с которым вы разговариваете » .
Рассказывание историй
Успешные исследователи уже должны уметь извлекать ключевые выводы из информации . Однако умение создавать нарративы окажется решающим фактором для завоевания доверия руководства как внутри компании, так и за ее пределами, а также для стимулирования действий .
« Одним из важнейших факторов является влияние », — говорит Грант Феллер, бывший журналист и основатель Every Rung . « Исследователям необходимо оказывать большее влияние на свои организации ; их командам необходимо быть ближе к процессу принятия решений».
« Слишком часто руководство не ценит результаты исследований, и отчасти это происходит из -за способа их распространения и доступа к ним. Они хранятся в презентациях PowerPoint или на информационных панелях и не содержат убедительных причин для взаимодействия с ними. Рассказывание историй — это не сюжетные линии, не лаконичные предложения и не инновационный дизайн, это влияние и уверенность » .
Критическое мышление и способность к принятию решений
Поскольку искусственный интеллект автоматизирует многие исследовательские процессы, исследователям необходимо уметь определять ключевые тенденции и то, как компания должна на них реагировать. Это означает наличие как любопытства к изучению идей, в том числе нестандартных, так и умения выбирать правильный подход.
« По мере того, как ИИ берет на себя все больше механической работы, реальная ценность смещается в сторону того, что люди умеют делать лучше всего: формулировать более точные вопросы, принимать взвешенные решения и знать, каким ответам можно доверять », — говорит Ники Морли, глобальный управляющий директор по инновационным решениям в Kantar .
Морли предупреждает, что существует риск поверить в правоту ИИ просто потому, что это звучит слишком уверенно. Она говорит: « Исследователи, которые выделятся , — это те, у кого достаточно опыта , любопытства и скептицизма, чтобы постоянно подвергать сомнению ответ. Умение использовать ИИ важно , но умение оспаривать его, обучать его и понимать, когда не следует принимать первый ответ, может быть еще важнее » .
Макнайт говорит: « Системы искусственного интеллекта мощны, но они также склонны к предвзятости, искажениям и чрезмерной самоуверенности. Большая часть работы заключается в выявлении признаков несоответствия — в проверке предположений, корректировке подсказок и обеспечении того, чтобы поведение персонажей ИИ было узнаваемо человечным».
« Результаты работы ИИ часто технически верны, но стратегически абсурдны: внутренне согласованы, но оторваны от того, как реальные люди ведут себя в культуре и на рынках. Другими словами, задача состоит не просто в том, чтобы принять результат , а в том, чтобы оценить его. И анализ, и оценка — это формы исследовательского мышления , но по мере того, как ИИ берет на себя все большую аналитическую нагрузку, человеческое суждение — и умение справляться с неопределенностью — становятся более ценными, а не менее ценными » .
Создание мира
В последние годы всё большую популярность приобретают синтетические потребители . Исследователям необходимо понимать, когда можно использовать синтетические данные и как применять их таким образом , чтобы получить наилучшие результаты . Также исследователям следует знать сильные и слабые стороны использования синтетических персон и цифровых двойников , а также какие проекты и методологии лучше всего подходят для такого подхода .
Макнайт говорит: « Цель состоит в том, чтобы создать миры, где ИИ может вести себя как узнаваемые человеческие аудитории: потребители, эксперты или сообщества, чьи точки зрения можно изучать и проверять».
« Традиционно начальные исследовательские должности выглядели иначе. Большая часть работы заключалась в обучении структурированию информации на основе имеющихся данных — составлении графиков, обобщении интервью и постепенном построении логических аргументов , ведущих к ясному выводу. Оба подхода позволяют получить ценные выводы. Но один фокусируется на построении аргумента, а другой — на создании мира, который его порождает » .
Программирование
Традиционно это не входило в компетенцию исследователей. Однако, подобно тому как знание иностранного языка полезно при работе за границей, знание языков программирования может помочь исследователям общаться с теми сотрудниками организации, которые разрабатывают и поддерживают технологии, от которых может зависеть будущее рабочее место.
Коул говорит, что исследователям следует стремиться к развитию своего опыта в « базовом программировании (Python/R), понимании того, как обучаются модели ИИ и где у них есть «слепые зоны», а также в уверенном использовании инструментов визуализации данных », добавляя, что мотивация состоит «не в том, чтобы стать специалистами по анализу данных, а в том, чтобы вести содержательные беседы с людьми, которые ими являются ».
Понимание вашей ценности
В конечном итоге, исследователям , успешно адаптирующимся к изменившейся отрасли, необходимо будет понимать, какое место они занимают в новой среде, и сделать свою нишу прибыльной.
Гриффитс говорит : « Мы, как отрасль, настолько поглощены и сосредоточены на том, что делаем, что довольно часто упускаем из виду ценность, которую создаём, и результаты, которые получаем , а следовательно, и ту ценность, за которую мы должны взимать плату».
« Суть в том, чтобы сказать клиенту : „ Я думаю, это хороший способ решить вашу проблему “ ».
- MRS запустила программу обучения A
