На протяжении десятилетий исследовательская индустрия определяла качество данных посредством строгости контроля — например, с помощью дизайна выборки, формулировки вопросов, логики маршрутизации и проверок достоверности. Эти механизмы, возможно, хорошо служили отрасли в прошлом, но они были созданы для мира, в котором исходные материалы исследований в основном основывались на мнениях. Как бы тщательно ни было зафиксировано мнение, это все равно всего лишь утверждение; реконструкция, повествование или отражение того, как люди хотят, чтобы их воспринимали.
Искусственный интеллект сейчас заставляет коренным образом переосмыслить то, что на самом деле означает «качество». Насколько ценными и эффективными могут быть данные для вашего бизнеса, если вам приходится сомневаться в происхождении источника? Появление новых технологий выявило ограничения в исследованиях, основанных на простом вердикте людей, когда благодаря новым технологиям мы можем наблюдать за их действиями. Это новое понимание знаменует собой поворотный момент от предположения, что заявленные данные являются наивысшим стандартом истины.
Хотя в научных кругах к искусственному интеллекту часто относятся неоднозначно, можно с уверенностью сказать, что его роль в поддержке отрасли намного шире, чем многие исследователи могут себе представить. ИИ — это больше, чем просто новый инструмент. Это сила, которая полностью меняет нашу отрасль, влияя на способность исследователей уверенно действовать и давать рекомендации на основе своих выводов.
Этот сдвиг не является абстрактным, он имеет практический характер. Он означает переход к моделям, использующим ИИ для выявления закономерностей, противоречий и путей принятия решений, которые традиционные методы просто не могут обнаружить.
Где данные об общественном мнении недостаточны
В отрасли всегда знали, что данные об общественном мнении имеют свои ограничения. Память ненадежна. Намерения меняются. Существуют предвзятости. Социальная желательность формирует ответы таким образом, что сами респонденты могут не до конца это осознавать.
Исследователи давно компенсируют эти проблемы за счет тщательного проектирования и интерпретации, но компенсация — это не то же самое, что решение. Когда ИИ позволяет наблюдать за реальным поведением, разворачивающимся во времени, каналах и контекстах, разрыв между тем, что люди сообщают, и тем, как они действуют, становится невозможно игнорировать.
Например, все чаще встречаются неполные или неточные ответы на опросы, что приводит к мошенническим и вводящим в заблуждение результатам. Нередко наши исследования искажаются ботами, заполняющими опросы от имени человека, или людьми, предоставляющими ложную информацию для более быстрого получения вознаграждения, а это значит, что исследователям приходится отбрасывать свои данные, чтобы не допустить дальнейшего снижения их качества.
Наиболее важный вклад ИИ в качество данных заключается уже не в скорости и автоматизации, а в новом уровне наблюдаемости, которого нам так не хватает. Анализируя агрегированные, анонимизированные поведенческие сигналы, ИИ позволяет нам видеть решения в режиме реального времени, по мере их принятия, а не по мере их последующего описания.
Это важно, потому что поведение обладает качествами, которые невозможно передать через личное мнение. Оно контекстуально, формируется под влиянием конкурирующих стимулов, временных ограничений и эмоционального состояния. Оно непрерывно, раскрывая последовательности, а не отдельные моменты. Оно также экологически обосновано, отражая реальные действия, совершаемые в реальной среде.
Введите поведенческие доказательства
В разных категориях поведенческие данные часто противоречат заявленному опыту из-за социальных предубеждений или того, что Google называет « сложной серединой» . Именно здесь ИИ может укрепить, а не поставить под угрозу роль исследователя.
Вполне понятно беспокойство по поводу влияния ИИ на качество данных, особенно в связи с появлением синтетических респондентов и автоматизированной генерации контента. Однако наблюдаемое поведение гораздо сложнее сфабриковать, чем высказанное мнение. Наблюдаемое поведение снижает зависимость от воспоминаний, наиболее уязвимой части исследования. Оно выявляет несоответствия, которые в противном случае остались бы скрытыми, и позволяет более честно сопоставить то, что люди говорят, и то, что они делают.
Важно отметить, что ИИ не интерпретирует смысл. Он не понимает культурных нюансов, эмоционального контекста или организационных приоритетов. Это остается прерогативой исследователей. Вместо этого он устраняет элемент догадок, позволяя экспертам сосредоточиться на оценке, а не на очистке данных.
Вместо того чтобы искать однозначные ответы на гипотетические вопросы, исследователи могут изучать динамические сценарии: если ситуация меняется, как меняется поведение? Если конкурент перемещается, какие закономерности проявляются? Если трение уменьшается, какие новые пути открываются?
Новый стандарт качества данных
Будущее качества данных — это поведение, наблюдаемое в масштабе и в контексте. Это более широкое и обоснованное определение доказательств, рассматривающее высказанное мнение лишь как один из входных параметров, а поведенческую реальность — как якорь, обеспечивающий достоверность полученных данных.
Переключив внимание с слов на то, что люди демонстрируют на деле, мы приближаемся к нашей главной цели: помогать организациям понимать мир таким, каким он есть на самом деле.
Тревор Самнер — генеральный директор компании I-Genie.ai.
Тревор Самнер утверждает, что, сместив акцент с слов на то, что люди демонстрируют, искусственный интеллект может помочь исследователям понять мир таким, какой он есть.
Источник:
https://www.research-live.com/article/opinion/how-ai-redefines-quality-in-data-research/id/5151277
