I vilka steg i analyser av marknadsundersökningar är AI användbart?
Som alla vet sker utvecklingen av AI mycket snabbt, men där vi står idag kan AI utgöra en mycket effektiv hjälp som sparar tid och minskar risken för misstag. Däremot verkar det inte som att AI kan göra allt jobb, utan bäst blir det när det blir ett samspel mellan olika typer av AI lösningar och kompetenta analytiker. Det finns också en stor risk att AI gör fel eller ger svar som inte är sanna vilket ökar efterfrågan på riktig erfarenhet.
På IABs seminarium om AI den 7:e maj 2024 presenterade Karin Nelson, Demoskop en jämförelse mellan att låta deras AI “Stella” sammanställa en analys av enkätsvar och när samma analys gjordes helt och hållet av en människa. AI var mycket snabbare, men mycket av det som AI-verktyget kom fram till var inte relevant. För människan tog det 17-21 timmar att komma fram till en bra och intressant analys på ca 15 sidor, medan AI tog 15 minuter på sig för att ta fram drygt tusen bilder med en mängd olika teman som inte hängde ihop. Deras slutsats var att det är i samspelet mellan människa och maskin man fick den bästa effekten i form av relevanta insikter tillgängliga på kort tid. Enligt Demoskops slutsatser så bör inläsning och sortering av data göras av både människa och AI, dataanalysen görs av AI, att hitta insikter görs bäst av människan, AI förbereder rapporten och människan skriver rapporten och kvalitetskontrollerar.
Behov av erfarenhet
I THE HANDBOOK FOR USING AI IN ADVERTISING RESEARCH från ARF beskriver man hur man testat AI för att översätta ett frågeformulär till många olika språk. AI översatte mycket snabbt och korrekt, till 90%, men de sista 10% kräver mycket hög språkkunskap för att kunna göra korrekt.
Några arbetsmoment där AI är särskilt effektivt: Skriva syntaxer, konstruera frågor, syntetiska intervjuer, analysera och kategorisera öppna svar, bearbeta ostrukturerad data, hitta samband, förutspå beteende baserat på historisk data. AI kan bearbeta stora mängder data otroligt mycket snabbare än en människa, men i dagsläget behövs fortfarande en kompetent människa som kan se om slutsatserna är rimliga.
Arbetsuppgifter som AI gör bra är: Klassificera, förutspå och transformera och det mycket snabbt. Exempel på klassificeringar är segmentering där AI snabbt kan hitta likheter, AI är också bra på att t ex förutspå vilken siffra som ska komma i en nummerserie eller vilket ord som kommer näst i en ordföljd. AI är också bra på att hitta något som avviker bland andra saker som är lika varandra.AI kan snabbt bygga tidsserier av ostrukturerad data och att hitta kombinationer och mönster. Detta har AI kunnat göra länge men det som generativ AI framför allt har kunnat transformera är t ex att korta ned text, att kunna ändra en faktatext till dikt, att ändra text till bild (promptning). Allt detta kan AI göra oerhört fort.
Risker
Det AI kan göra framstår nästan som magiskt, men det finns en risk i magin och det är att AI ger svar även om svaret är fel och det kan nästan framstå som att AI:n hallucinerar. Det är inte alltid lätt att upptäcka att AI:n har gjort fel (se ovan om översättningar). För att undvika att AI ger felaktiga svar gäller det att se till att datan som den tränas på är korrekt, ej innehåller “bias” och tillräckligt stor. Den som sätter upp AI-agenten måste också ha goda tekniska kunskaper. (Man ska inte fråga om saker man inte förstår, svårt att kritiskt granska) Man bör inte heller ställa frågor till AI:n där det inte finns ett svar, det måste vara troligt att datasetet innehåller det svar man letar efter. Det får inte heller finnas tvetydigheter i frågorna man ställer, t ex ord som kan ha flera betydelser.
Marknadsanalyser behöver vara korrekta, det skulle kunna bli ödesdigra misstag om AI tar över för stor del av arbetet. Företaget Displayr som erbjuder verktyg för automatisering av visualisering av data menar på att de arbetsmoment där man har störst nytta av AI är att: Kategorisera/koda text (t ex öppna svar), analysera längre öppna svar i kvalitativa undersökningar, skriva frågeformulär, tvätta och sortera data, skriva summeringar samt skriva kod.
Inom den närmaste tiden så kommer vi troligen att se en utveckling av att använda chatbotar som frågeställare samt automatisering av rapportskrivande.
Skapad hösten 2024
Lyssna på avsnittet genom en AI-genererad podcast:
