Kot pravijo in pišejo danes lahko umetna inteligenca (UI) pripravi vprašalnik, izvede raziskavo, analizira podatke in oblikuje poročilo – vse to hitro, poceni in s presenetljivo prepričljivostjo. V takem svetu se zdi, kot da tržnih raziskovalcev sploh ne potrebujemo več. Tudi zadnji Microsoftov seznam 40 delovnih mest med top delovna mesta, ki jih najbolj ogroža UI, umešča analitike tržnih raziskav. Ampak, vse to je nevarna iluzija.
Avtorji te študije namreč opozarjajo, da se moramo zaposleni na delovnih mestih z visokim tveganjem prilagoditi z izpopolnjevanjem znanja, vlagati v pismenost na področju UI in se prilagajati hibridnemu sodelovanju med človekom in UI.
Adam Riley in David Smith v članku »Beware AI’s Siren Song« gresta dlje in opozarjata, da bomo k temu, koliko bomo še relevantni, popolnoma prispevali sami, če se bomo pustili zapeljati UI, ki vabi s svojo hitrostjo, učinkovitostjo in obljubo preprostih rešitev. Za to učinkovitostjo se namreč skriva velika nevarnost: izguba globine, konteksta in predvsem zdrave presoje (ali kot radi rečemo po slovensko: izguba zdrave kmečke pameti – ZKP).
V tem kontekstu mi je zelo zelo všeč naslov članka, saj ‘sirenin klic’ ni naključna metafora. Gre za močan simbol, ki izhaja iz grške mitologije in ima zelo specifičen pomen. V grški mitologiji so sirene magična bitja, pogosto upodobljena kot pol ženske, pol ptice ali pol ženske, pol ribe. S svojim čudovitim petjem so privabljale mornarje, ki so zapeljani z glasom izgubili orientacijo, nasedli na skale in umrli … dobra vzporednica, a ne?
Omenjeni članek lepo povzema moj pogled na UI – ne vidim je kot grožnjo, niti kot sovražnika, niti ni smiselno tekmovati z njo – sploh ne tam, kjer nas je že zdavnaj premagala.
UI kot orodje za rutino – ne za razumevanje
UI že dokaj dobro obvlada številne elemente ali naloge raziskovalnega procesa: generira ideje za vprašanja, išče in povzema vire, naredi osnutek transkriptov, predlog vizualizacije itn. A raziskave niso samo posamezne nepovezane naloge. So celovit proces, ki zahteva veliko odločitev, razumevanja, povezovanja, interpretacije in seveda poguma za implementacijo.
Če raziskovanje poenostavimo na tehnično izvedbo, tvegamo, da se izgubi prav tisto, kar daje raziskavam vrednost: zmožnost postaviti pravo vprašanje, razumeti spremembe na trgu, zaznati, kaj je v ozadju vedenja strank … in priti do celovitih uvidov, ki jih drugi ne vidijo.
Kje UI (še) ne zadostuje – skozi perspektivo raziskovalnega procesa
Mogoče bo malo dolgočasno, ampak je z namenom. Želim spomniti na ključne faze, ki se jih (še) vedno preskakuje, saj me je strah, da jih bo navdušena raba UI potisnila v pozabo.
1. faza: Opredelitev problema
Že leta 2010 (ja, res!) sva z Meto pripravili predavanje, kako je nujno najprej res dobro definirati odločevalski oz. managerski problem. Tega se držimo v Arhei, saj velja dvoje: 1) dobro definiran problem je že na pol rešen, in 2) managerji naloge definiranja problema ne smejo delegirati na nižje nivoje! To je faza, v kateri nas managerji nimajo preveč radi, saj ‘kompliciramo’. Že čutim, kako postaja še bolj zakomplicirano, ko UI v podjetjih ‘piše briefe’ – običajno je to seznam logičnih vprašanj, ki so hkrati raziskovalni cilji, brez vsakršnega poslovnega konteksta. Kako nevarna past za nas tržne raziskovalce, še posebej tiste z manj izkušenj, strokovnega znanja in poznavanja področij, kjer podjetja delujejo (domenska znanja). Na drugi strani pa, če bomo preveč komplicirali, nas pa tudi ne rabijo, saj nimajo časa, pa tudi zmorejo (z UI) sami.
2. faza: Načrtovanje raziskave
UI zna tistim, ki ga pravilno vprašajo seveda, predlagati, kako bi se lahko lotili določene raziskave, koga vse vključiti in na kakšen način, tudi idejno zasnovo vprašanj zna narediti, vsaj za tiste, ki jim je hitro ‘dovolj dobro’. Zagotovo pa ne zna presoditi, katera metoda ali kombinacija njih je ustrezna za konkretni cilj raziskave, za določene značilnosti ciljne skupine itd. Tega se žal ne da avtomatizirati – to je čista strokovna presoja.
3. faza: Zbiranje podatkov
V tej fazi je UI že močno prisotna – in prav je tako, še posebej, če je v pomoč pri rutinskih nalogah (pregledovanju spletnih strani, kontroli podatkov, pasivnem spremljanju vedenja itn.). Tam, kjer gre za bolj kompleksne raziskave, ki morajo temeljiti tudi na kvalitativnih pristopih (intervjuji, opazovanje …) ali zahtevne ciljne skupine, še vedno šteje pristna človeška izkušnja. To po mojem kar vsi vemo, je pa ena druga past – navdušenje nad uporabo UI in vse več zajemanja podatkov pospešeno vodi v vse več izvajanja raziskav. Ampak, npr. slabo sestavljeni vprašalniki z napačnim pristopom do anketirancev nižajo odziv in kakovost tržnih raziskav. To se zna zgoditi, ko podjetje navdušeno vpelje nove IT sisteme, ki mu omogočajo tudi kakšen modul za anketiranje in se potem raziskovanja lotijo sami. Zelo dobrodošlo bi bilo, da si podjetje od nas izkušenih raziskovalcev vzame vsaj nekaj ur izobraževanja ali mentorstva po poti ‘learning by doing’, pa bomo vsi lažje sedeli na veji, ne da bi si jo odžagali – bazen sodelujočih v raziskavah je potrebno negovati in zelo dobro razumeti.
4. faza: Analiza podatkov in priprava poročila
UI je tukaj viden kot močan zaveznik. Zna hitro analizirati ogromne količine podatkov, poiskati korelacije in vzorce. A nemalokrat zaradi svoje samozavesti ponudi napačne ali zavajajoče zaključke – t. i. “halucinacije”, na katere opozarjata tudi avtorja prej omenjenega članka. Tako reče tudi naš glavni razvijalec orodja AIDA (tj. AI data agent), pri katerem smo razvojni partner. Gre za orodje, ki poizveduje po bazah podatkov izvedenih raziskav in omogoča brez znanja analiz ali globokega poznavanja vsebine, priti do hitrih odgovorov oz. podatkov, po katerih povprašujejo iz drugih oddelkov in nam lahko jemljejo čas ali koncentracijo pri delu, v najhujšem primeru se pa izvede nova raziskava, ker pozabimo, da smo to že spraševali v nedavni raziskavi. Pri analizi podatkov in uvidih, tudi skozi uporabo AI orodij, se pokaže, kako močan filter je raziskovalec, ki zna vprašati in razume, v tem obdobju pa tudi, kje je res v ozadju UI, ki zna razlikovati UI klepetalnike od uporabe UI orodij ter na koncu še preveriti, ali je interpretacija UI na mestu, v ali izven konteksta, torej sklep, ali to ‘pije vodo’ v realnem svetu.
5. faza: Implementacija rezultatov
Tu je naša vloga še posebej nenadomestljiva. UI lahko napiše povzetek, ne zna pa prepoznati, kako podatki vplivajo na konkretno podjetje, njegovo kulturo, cilje ali komunikacijo. Raziskovalec je tisti, ki zna zgraditi most med številkami in strategijo, med uvidom in poslovno odločitvijo. In to mora narediti na način, da ga odločevalci upoštevajo in slišijo. Najlepše je slišati, ko naročnik reče: Arhea vedno naredi raziskavo tako, da jo je možno takoj uporabiti!
Zaključek: Vrednost raziskav se ne meri v preživetju, ampak v relevantnosti
UI torej ni konec raziskav – je le nov kontekst, v katerem jih izvajamo. Je nov močan preizkus, koliko res razumemo, zakaj raziskave obstajajo.
Včasih se zdi, kot da nas UI sili v novo vlogo – kot da moramo postati nekaj drugega. Ni tako. Naša vloga se v svojem bistvu ni spremenila. Vedno smo bili prevajalci med realnostjo trga in vprašanji podjetij. Med podatki in odločitvami. Med kaosom in pomenom. To ostaja enako.
Kar se spreminja, so pričakovanja – o tem, kako hitro delamo, koliko zmoremo, kaj se “splača” in kdaj smo sploh še potrebni. Spreminja se tudi sestava našega dela – UI nam jemlje operativne faze in nas sili višje: v svet interpretacije, strateškega svetovanja, povezovanja vsebin. V svet, kjer si moramo svojo vrednost izboriti z znanjem, držo in pogumom. In nenazadnje, spreminja se tudi naš vsakdan: hitrost odločanja, viri podatkov itn.
Kot opozarja članek »Beware AI’s Siren Song«, težava ni v UI. Težava je, če se pustimo zapeljati – da je to dovolj dobro. Da lahko preskočimo razmislek. Da kontekst ni pomemben. Da je vsak uvid, dober uvid. In ravno zato – da nas ne zapelje UI kot sirene Odiseja – moramo biti kot on: privezani na drog, da slišimo, razumemo, a ne podležemo.
To, o čemer sem pisala in o čemer razmišljam v tej kolumni, velja za vse nas, kadar smo v vlogi tržnega raziskovalca. Da vas ne zmedem – sebe in tudi vse moje naročnike vidim kot osebe, ki opravljamo delo tržnega raziskovalca. Vseeno so eni zaposleni pri uporabniku (interni tržni raziskovalci), drugi smo zaposleni na strani agencij ali svetovalnih podjetij za tržne raziskave. Zato še en del zaključka posvetim slednjim. Kaj torej UI pomeni za nas? Tukaj vidim tudi eno past za vse nas. Za nas se namreč ni pomembno spraševati samo, ali in kje nam bo pomagala ali kje nas bo zamenjala UI, ampak, ali znamo sodelovati pri tranziciji, ki se že dogaja in jo podjetjem pomagati narediti lažjo, hitrejšo in boljšo.
Če bodo podjetja UI uvajala sama, bodo to naredila s tistimi, ki znajo v tem kaosu nuditi pravo strokovno in procesno podporo. Največja nevarnost torej tudi za nas ni UI – temveč iluzija, da lahko ostanemo tam, kjer smo in se po možnosti še borimo z mlini na veter, zakaj od nas želijo nekaj drugačnega in ne razumejo, da mi še vedno želimo delati samo kvalitetne in dobre raziskave, ker te oni res rabijo.
Ne bomo vsi ostali relevantni. Relevantni bomo ostali tisti, ki se bomo prilagodili in spremenjena pričakovanja naših strank znali umestili v spremembo svojih storitev. To ni boj z mlini na veter – to kar se dogaja, je povabilo, da tudi mi raziščemo potrebe trga, razumemo res dobro, kaj se dogaja na trgu in potem oboroženi z zavedanjem in znanjem, dokažemo, da raziskave niso stvar preteklosti, ampak orodje prihodnosti. In ta ni samo umetna.
Objavljeno v Marketing magazinu september 2025, #532.