Технологии ИИ, конечно же, начали использовать в маркетинговых исследованиях. Прописывают роль, просят из нее отвечать на вопросы анкеты. Более аккуратные списывают роли с реальных респондентов и подробно, менее аккуратные – описывают большие типовые группы. Да-да, и британские ученые, и уже давно.
Соблазн слишком велик, невозможно отказаться. Экономия времени, денег и человеческого включения колоссальные.
Самые тщательные ученые и бизнес-маркетологи делают сравнение ответов ИИ и ответов кожаных респондентов. И получают «достаточно похожие ответы».
Правда, эта «достаточная похожесть» распространяется не на все группы респондентов. Например, для некоторых стран такое не работает.
Кто разобрался в LLM, понимает, что дело в исходных данных. Кто написал про себя и от себя больше текстов, того модели лучше имитируют и понимают.
Так и что мы получаем? Прямой путь к замене реального респондента синтетическим. И еще через полшага принятие ответов синтетических респондентов вместо реальных. Потому что «достаточная похожесть», когда она значительно дешевле, непреодолимо соблазнительна.
Дальше мы строим на синтетических результатах бизнес-модели, перестаем доверять исследованиям, перестаем опираться на результаты. Хотя просто нарушили правила исследования людей и забыли об этом, потому что вокруг все так делают.
Дальше мне хочется долго приводить доводы из социологии и психологии. Но я себя останавливаю. Общая идея и для пользователей, и для разработчиков техно-сервисов опять в зоне выбора. Выбирать профессиональных подход с его душнотой сложнее, но это правильнее. На длинной дистанции хотя бы больше 3 лет он окупается, потому что генерирует меньше «технического долга», меньше ошибок нужно искать и исправлять. Правда, такое будет интересовать только тех людей, кто планирует отвечать за результат эти 3 года. Но это тоже зона личного и профессионального выбора.
Что делать исследователю или заказчику исследования? Конечно, использовать ИИ. И использовать его правильно. Например:
- пилотировать анкеты с ИИ на синтетических респондентах, чтобы понять, работают ли вопросы. Или, напимер, все отвечают «да».
- моделировать сценарии для разных больших групп респондентов или гипотезы. Не ответы, а именно исследовательские предположения. ИИ поможет не пропустить важное из-за излишней веры исследовательской команды в свою идею
- прорабатывать результаты с LLM. Тоже, чтобы шире видеть, искать другие интерпретации.
И, если вы все-таки приняли решение опрашивать синтетических респондентов, то постоянно, регулярно и строго проверять себя с реальными респондентами. Не началось ли расхождение синтетических ответов и реальных.
…дальше у меня мысль побежала в ИИ-исследования ИИ-агентов. Вот где интересно тоже будет.
«А вы что, и есть за меня будете?» (кто смотрел мультик, тот понимает)
Про человека и технологии | Ядова Екатерина