Nr 7/2020 Proces projektowy
5 Czy boty przyspieszą rewolucję na rynku badań?

Nr 7/2020 Proces projektowy

Biblioteka
  1. Wstęp

  2. Po co dzisiaj badać i opisywać proces projektowy

  3. Design thinking nie wystarczy

  4. Odczytywanie niewypowiedzianego

  5. Badania, które pomagają projektować

  6. Czy boty przyspieszą rewolucję na rynku badań?


5 Czy boty przyspieszą rewolucję na rynku badań?

Od kilku lat mówi się o tym, że sztuczna inteligencja i boty mogą przyspieszyć rewolucję na rynku badań marketingowych. Warto zastanowić się nad tym, czy dysponujemy technologią, która byłaby w stanie zastąpić człowieka na przykład podczas moderowania wywiadu i czy badacze są na to gotowi.

1. Wprowadzenie

W ciągu ostatnich 50 lat badania marketingowe stały się jednym z niezbędnych elementów procesu wdrażania nowych i rozwijania istniejących produktów i usług. Wyniki badań satysfakcji, testów użyteczności, produktów, reklam i innowacji z taką samą siłą popychają nowe koncepty na rynek, jak i eliminują te najsłabsze. Nic dziwnego zatem, że rola badań sięgnęła rangi ekspertyzy, a badaczy coraz częściej nazywa się konsultantami.

Wraz ze wzrostem roli badań marketingowych urosła wartość rynkowa firm, które się nimi zajmują, oraz zainteresowanie inwestorów. Od 10 lat obserwujemy, jak małe i średnie agencje badawcze wykupywane są przez te największe, które z kolei trafiają do portfolio funduszy inwestycyjnych1. Produkty badawcze traktowane są dziś przez inwestorów tak samo jak inne: muszą być opłacalne, powtarzalne i łatwo skalowalne – wtedy łatwiej jest kontrolować ich rentowność i sprzedawać je dalej z zyskiem. Z drugiej strony można zaobserwować, że coraz więcej agencji wybiera wąskie specjalizacje, na rynku pojawiają się technologiczne start-upy badawcze, a wielu pracowników odchodzi z dużych agencji i zakłada własne butiki2.

Duża dynamika branży może powodować poczucie niepewności. Do tego pandemia uświadomiła nam, że era niezapośredniczonych cyfrowo badań się kończy. Naturalne środowisko etnografów i moderatorów uległo całkowitej zmianie: sale fokusowe, kawiarnie i teren zostały zastąpione przez komunikatory wideo, portale internetowe i społeczności online. Jeszcze przed pandemią obserwowaliśmy, jak tradycyjne raporty z badań coraz częściej wspierane są przez analizę big data oraz jak wiele z narzędzi badacza ulega automatyzacji. „Nowa normalność” sprawiła, że to, co jeszcze niedawno było opcją, stało się nowym standardem i zaczęło wymagać od badaczy szybkiego przystosowania dawnych narzędzi do nowych warunków. Po raz kolejny w bardzo krótkim czasie zmienia się zakres obowiązków badaczy, a razem z nim przewartościowaniu ulegają niezbędne kompetencje oraz styl pracy.

Mówiąc krótko: rewolucja na rynku badań marketingowych i opinii już się dzieje3. Aby odpowiedzieć na nowe potrzeby branży, wiele firm obecnie pracuje nad rozwiązaniami opartymi na sztucznej inteligencji i wykorzystującymi interfejsy botów do kontaktu z badaczami i badanymi. Rolą tego artykułu jest prezentacja i omówienie nowych rozwiązań.

Podczas pisania próbowałem znaleźć odpowiedzi na pytania:

  • W jaki sposób sztuczna inteligencja i boty mogą przyspieszyć rewolucję na rynku badań?
  • Czy badacze są gotowi na rozwiązania oparte na sztucznej inteligencji lub te wykorzystujące boty?
  • Czy rola badacza zmieni się pod wpływem nowych technologii?

W artykule przedstawiłem kilka hipotez i przeanalizowałem różne scenariusze użycia sztucznej inteligencji i botów. Wykorzystałem także częściowe wyniki z badania ilościowego, którego metodologię opisałem w przedostatniej części: Nota metodologiczna.

2. Nadchodzi czwarta rewolucja

10 lutego 1996 roku komputer IBM Deep Blue pokonał w rozgrywkach szachowych światowego mistrza, Garriego Kasparowa4 – od tego dnia sztuczna inteligencja (artificial intelligence)5 wzbudza entuzjazm fanów nowych technologii, rozpala wyobraźnię pisarzy i reżyserów, rodzi nadzieję wśród przedsiębiorców i nie znika z pola zainteresowań naukowców6. Jednak z powodów technologicznych możliwości jej zastosowania przez lata pozostawały jedynie w sferze (często futurystycznych) wizji. Po 50 latach intensywnych prac i eksperymentów sztuczna inteligencja doczekała momentu, w którym świat nie tylko jest na nią gotowy, ale wręcz potrzebuje jej, aby móc wykonać kolejny krok.

Równoległy, szybki rozwój prac nad miniaturyzacją i wydajnością procesorów, przepustowością sieci komputerowych, blockchainem, internetem rzeczy i big data, drukiem 3D i rzeczywistością rozszerzoną, nanotechnologią i biotechnologią sprawił, że po raz czwarty w dziejach ludzkości mówimy o rewolucji przemysłowej (Industry 4.0)7. To nie pojedyncze technologie (takie jak nowe protokoły przesyłu danych) lub zjawiska (na przykład cyfryzacja) świadczą o przełomie, ale właśnie ich połączenie i wzajemne wzmacnianie się, które skutkuje powstawaniem nowych, bardziej dojrzałych technologii8 – Joseph Schumpeter w swojej teorii rozwoju nazywał je nowymi kombinacjami9. Tym, co pozwala połączyć wyżej wymienione technologie i zoptymalizować ich działanie, jest właśnie sztuczna inteligencja, uznawana za motor czwartej rewolucji10.

Sztuczna inteligencja – artificial intelligence – AI
Pojęcie sztucznej inteligencji odnosi się do systemów informatycznych, które są w stanie analizować swoje otoczenie i samodzielnie podejmować działania adekwatne do sytuacji i kontekstu dla osiągnięcia określonych celów.

AI pozwala na analizę dużych zbiorów danych, automatyzację procesów i przeniesienie wielu decyzji z gestii ludzi do kompetencji maszyn – stanowi to tak zwane zakłócenie dotychczasowej równowagi (disruptions11) i wywiera duży wpływ na rozwój wielu dziedzin nauki i gałęzi gospodarki12. To, co jeszcze niedawno było wizją, dziś staje się rzeczywistością. Sztuczna inteligencja z powodzeniem pomaga obecnie na wielu polach nauki, gospodarki i biznesu13. 58% pracowników kadry zarządzającej amerykańskich firm przewiduje, że w ciągu trzech najbliższych lat przeorganizuje swoje modele biznesowe tak, by uwzględnić potencjał sztucznej inteligencji14. Od kilku lat obserwujemy także znaczący rozwój botów – robotycznych interfejsów umożliwiających prowadzenie interakcji na linii człowiek–komputer (Human Computer Interaction; HCI)15. Proste boty konwersacyjne oparte na algorytmach regułowych (if-then) znane są od kilkudziesięciu lat i nie stanowią żadnej innowacji16. Dopiero wykorzystanie bota w połączeniu ze sztuczną inteligencją sprawiło, że możemy mówić o innowacji17. Boty nowej generacji pojawiają się coraz częściej w naszym życiu. Towarzyszą nam przy porannej kawie (Alexa, Google Home), pomagają zrobić zakupy (The Wine Bot – Lidl), zapisać się do fryzjera (Jean Louis David18) czy do lekarza (Sensely) lub po prostu dostarczają rozrywkę (MemeGenerator Bot). Występują w postaci prostych chatbotów, interfejsów wizualnych lub głosowych. Są coraz bardziej inteligentne i wygadane, a niektóre z nich uczą się każdego dnia19. Przewiduje się, że wielkość rynku chatbotów wzrośnie z 2,6 mld dolarów w 2019 roku do 9,4 mld dolarów do 2024 roku przy rocznej stopie wzrostu (CAGR) na poziomie 29,7%20. Jednak ocena działania większości powszechnie dostępnych botów przez użytkowników nie pozostawia większych złudzeń: zdaniem badanych, boty są wciąż nieintuicyjne i irytujące, mają problemy z interpretacją nawet prostych zadań, bywają nudne i wciąż powtarzają to samo21. Czy podobnie jest z rozwiązaniami dla badaczy?

3. Scenariusze przyszłości
Zielone światło dla badań ilościowych

Wzrost popularności sztucznej inteligencji doprowadził do wzrostu inwestycji w nowe, innowacyjne rozwiązania oferowane badaczom22. Wśród dostępnych obecnie rozwiązań znajdziemy głównie wirtualnych asystentów głosowych (na przykład Talkie.ai, CRISbot) oraz rozwiązania wykorzystujące sztuczną inteligencję do analizy dużych zbiorów danych i przygotowywania rekomendacji na tej podstawie (na przykład SurveySparrow). 81% pracowników branży badawczej spotkało się już z takimi rozwiązaniami, ale wciąż tylko 10% korzysta z nich w swojej pracy23.

Badani przyznają, że rozwój technologii sprawił, że styl ich pracy w ciągu ostatnich trzech lat zmienił się i większą uwagę przykładają do kwestii technologicznych – z tym stwierdzeniem zgadza się 48% zapytanych (top 2 box24; kolejne dwie najwyższe odpowiedzi to w sumie 37,5%). Celem nowych narzędzi opartych na AI jest automatyzacja procesów, optymalizacja finansowa, oszczędność czasu i poprawa doświadczenia pracy oraz dostarczenie nowej jakości, co ma także przełożyć się na wzrost konkurencyjności firm inwestujących w te rozwiązania25. Duża część pracowników branży uważa, że rozwój sztucznej inteligencji i botów sprawi, że styl ich pracy zmieni się w ciągu najbliższych dwóch – trzech lat, z tym stwierdzeniem zgadza się 61% badanych (top 2 box; kolejne dwie najwyższe odpowiedzi to w sumie 24%). Aż 74% badaczy (co prawda, z pewnymi wątpliwościami lub tylko w opcji bieżącej obserwacji pracy bota) powierzyłoby sztucznej inteligencji opracowanie skryptu rekrutacyjnego na podstawie zdefiniowanych przez siebie celów badania (natomiast 12% respondentów zrobiłoby to bez wahania, a tylko 14% nie zdecydowałoby się na to wcale). Pokazuje to dużą otwartość branży na nowe rozwiązania i gotowość do wykorzystywania sztucznej inteligencji w codziennej pracy, zwłaszcza jeśli są to małe i możliwe do skontrolowania zadania.

Naturalną konsekwencją rozwoju sztucznej inteligencji wydają się boty, które potrafią samodzielnie moderować ankietę w trakcie rozmowy telefonicznej lub przeprowadzać rekrutację do dowolnych badań – takim rozwiązaniem jest na przykład CRISbot. 45% pracowników branży badawczej zgodziłoby się na to, by bot zrealizował badanie ilościowe w formie ankiety (top 2 box; tylko 10% zdecydowanie odmówiło – bottom 2 box). 7,5% ankietowanych powierzyłoby realizację rekrutacji botowi bez żadnych wątpliwości, a 19% nie zrobiłoby tego wcale; aż 73,5% badanych zrobiłoby z pewnymi wątpliwościami lub przy opcji kontroli pracy bota.

Bo robot nie zastąpi człowieka

O ile w przypadku prostych ankiet boty radzą sobie doskonale, o tyle przy bardziej złożonych odpowiedziach napotykają problemy. Sprawy nie ułatwia jakość połączeń telefonicznych i trudna składnia języka polskiego. Konfiguracja asystenta głosowego w badaniach ilościowych często wymaga przygotowania dodatkowych list synonimów, zwłaszcza dla trudnych fraz. Jak mówi Michał Kluczek, CATI Team Manager w Kantar Polska, „sposób uczenia bota jest żmudny i trudny, szczególnie gdy budujemy niestandardowe skale. Wymagany jest pilotaż i zbieranie próbek. Konfiguracja badania staje się przez to czasochłonna i droga, co jednak z nawiązką rekompensuje nam skalowalność narzędzia”. Dostałem też od Michała ciekawy przykład, który ilustruje ten problem: w przypadku frazy „Borys Szyc” bot rozumiał często zupełnie coś innego, na przykład: „chwyt”, „Olsztyn”, „Boryszew”, „powietrze” czy „żywiec”.

Grafika: Baza synonimów dla frazy „Borys Szyc” przygotowana na podstawie próbek; dzięki uprzejmości: Michał Kluczek (Kantar Polska)

A to tylko wierzchołek góry lodowej. W przypadku gdy zrozumienie frazy sprawia tak duży problem, trudno jest oczekiwać, by sztuczna inteligencja mogła skutecznie uchwycić kontekst wypowiedzi26. Podobnie jak konsumenci27 badacze nie do końca ufają sztucznej inteligencji, przede wszystkim wątpią w jej empatię, zdolność do wychwycenia ironii, wieloznaczności czy po prostu żartu. Z tych powodów pomysł wykorzystania bota opartego na AI do moderowania badań jakościowych został przez badaczy oceniony bardzo słabo. 61% respondentów (bottom 2 box) nie powierzyłoby botowi przeprowadzenia wywiadu lub grupy fokusowej na podstawie przygotowanego przez siebie scenariusza (zrobiłoby to tylko 14% badanych – top 2 box).

Wśród swobodnych wypowiedzi w przeprowadzonym przeze mnie badaniu często pojawiały się zdania o tym, że „robot nie zastąpi człowieka”. Badacze swoją niechęć do wykorzystania bota w moderacji uzasadniali w ten sposób:

  • „Nie sądzę, żeby sztuczna inteligencja była w stanie odczytać emocje, ironię, metafory, kontekst kulturowy oraz adekwatnie reagować na dynamikę grupy, budując relację z respondentami w trakcie wywiadu grupowego”.
  • „Chodzi o umiejętność elastycznego podążania za klientem, parafrazowanie, dostosowywanie się do emocji”.
  • „Grupę trzeba moderować, dopytać. Nie wierzę, że bot może to zrobić”.
  • „Obawiam się niskiej energii rozmowy”.

Badacze nie wierzą też w umiejętności czysto moderatorskie oraz (co ciekawe) w pamięć bota: „Nie wiem, czy bot byłby w stanie zapamiętywać i rozpoznawać wypowiedzi poszczególnych uczestników grupy fokusowej i swoim zachowaniem stopować tych nadgorliwych uczestników oraz aktywizować tych bardziej wycofanych”.

Jednak wiele firm (na przykład inca od Nexxt Intelligence; GroupSolver) próbuje odpowiedzieć na to wyzwanie i pracuje nad sztuczną inteligencją, która wykorzystuje mechanizmy przetwarzania języka naturalnego (NLP). Rozwiązanie to pozwoli na analizę całych wypowiedzi, osadzanie ich w kontekście i „wyciąganie” sensów, które opierają się na skojarzeniach i ukrytych znaczeniach. Szacunki wskazują, że będzie to możliwe za mniej więcej 13 lat – wówczas systemy AI będą w stanie zrozumieć długie, złożone sekwencje zdań wypowiadanych przez wiele osób podczas wspólnej rozmowy28.

4. Nota metodologiczna

Zrealizowane badanie ilościowe zostało przeprowadzone w formie CAWI (Computer-Assisted Web Interview) z wykorzystaniem ankiety. Dobór próby był celowo-losowy: link do ankiety został udostępniony za pomocą list mailingowych oraz na grupach i platformach internetowych zrzeszających badaczy w Polsce. Badanie zostało przeprowadzone w dniach 13–31 stycznia 2021 roku. W badaniu wzięły udział 84 osoby. Wśród badanych, w zależności od kryterium, można wyróżnić (najczęściej wskazywane odpowiedzi):

  • ze względu na stanowisko: 21% – badacz ilościowy; 18% – kadra zarządzająca; 14% – UX researcher; 10% – badacz jakościowy ; 6% – insight specialist; 5% – client service; 4% – analityk;
  • ze względu na miejsce pracy: 51% – firma badawcza; 20% – dział badawczy w firmie, która korzysta z usług firm badawczych; 7% – firma, która między innymi świadczy usługi badawcze; 7% – freelancerzy; 4% – prowadzący własną działalność badawczą;
  • ze względu na wielkość firmy: 74% – powyżej 100 osób; 16% – do 10 osób; 4% – 40–100 osób; 4% – 11–20 osób;
  • ze względu na rodzaj wykonywanych zadań: 40% – badanie satysfakcji; 35% – testy produktów; 29% – testy innowacji; 29% – testy reklam; 29% – testy użyteczności; 20% – badania etnograficzne; 18% – badania retail.

Zakładając, że wielkość populacji (liczba pracowników merytorycznych pracujących w branży badawczej w Polsce) wynosi 500029 to przy ufności wynoszącej 90% i wielkości frakcji 0,5, błąd maksymalny dla uzyskanych wyników wynosi 9%.

Ankietę, którą wypełniali badani podzielono na trzy części30: badania jakościowe, badania ilościowe, codzienna praca badacza.

W pierwszej i drugiej części badanym zostały przedstawione po dwa typy rozwiązań. W odniesieniu do zaprezentowanych rozwiązań badani zostali zapytani: czy wcześniej się już z nimi spotkali (pomiar stopnia znajomości rozwiązania); na ile prezentowane rozwiązania wydają się im atrakcyjne (pomiar oceny atrakcyjności); na ile zdecydowaliby się na wykorzystanie rozwiązania w pracy (pomiar poziomu zaufania do AI i botów); na ile ich zdaniem prawdopodobne jest powszechne stosowanie rozwiązania w branży w przeciągu najbliższych 18 miesięcy (poziom oceny gotowości branży na rozwiązania) oraz jak oceniają wpływ COVID-19 na rozwój prezentowanego rozwiązania. Na większość z tych pytań badani odpowiadali za pomocą siedmiostopniowej skali Likerta, która pozwala na duże zróżnicowanie odpowiedzi badanych. W prezentacji wyników w artykule zaprezentowano odpowiedzi dla wybranych pytań, stosując agregacje właściwe: top 2 box (T2B; zsumowane wskazania dla dwóch najwyższych ocen: 6 i 7) i bottom 2 box (B2B; zsumowane wskazania dla dwóch najwyższych ocen: 1 i 2). W pytaniach otwartych badani mieli możliwość napisania, dlaczego skorzystaliby lub dlaczego nie skorzystaliby z danego rozwiązania.

W części trzeciej badani zostali poproszeni o odpowiedzi na pytania o skłonność do współpracy ze sztuczną inteligencją i botami przy rekrutacji oraz o wpływ technologii na ich rozwój zawodowy. Dodatkowo w ankiecie umieszczono metrykę, w której zostały zebrane dane na temat stanowisk osób badanych; wielkości i profilu firm, w których pracują; rodzaju najczęściej wykonywanych projektów badawczych oraz wieku.

5. Podsumowanie

Wyniki badań pokazują, że pracownicy branży badawczej są otwarci i gotowi na rozwiązania oparte na sztucznej inteligencji i wykorzystujące boty, jeśli mogą one przyspieszyć i poprawić ich pracę w obszarze badań ilościowych. W przypadku badań jakościowych respondenci wykazywali dużą nieufność i ostrożność względem nowych rozwiązań.

Zarysowane w artykule problemy i obawy stanowią realne wyzwania. Rynek botów jest już na tyle rozwinięty, a technologia ich tworzenia na tyle oswojona i zaawansowana, że w kolejnych latach powinniśmy przygotować się raczej na to, że omawiane w artykule ograniczenia będą przekraczane, a boty zyskają ludzką twarz i jeszcze więcej mocy obliczeniowej, niż na to, że o nich zapomnimy.

Tak francuscy graficy widzieli rok 2000 na przełomie XIX i XX wieku. Źródło: https://www.christopherroosen.com/blog/2019/9/17/victorian-visions-of-the-future-say-a-lot-about-the-power-of-our-assumptions

źródło: https://gajitz.com/ooh-la-la-1910-french-cards-predict-life-in-the-year-2000/

Francuskie pocztówki mające przedstawiać rok 2000 tworzone na przełomie XIX i XX wieku pokazują, jak trudno jest przewidzieć przyszłość, bazując tylko na wiedzy o dostępnych aktualnie technologiach. Zaawansowane prace nad sztuczną inteligencją sprawiają jednak, że istnieje cień szansy na to, że boty kolejnej generacji staną się przyjazne, dowcipne, odważne i inspirujące, będą bezbłędnie interpretować nasze intencje, dopasowywać się do naszego nastroju, zapamiętywać nasze rekomendacje i uwagi i skracać czas naszej pracy. Jeśli faktycznie tak się stanie to boty-badacze są coraz bliżej. Jak wówczas zmieni się rola badacza-człowieka? Czy będzie operatorem, mentorem lub partnerem dla bota-badacza, a może tylko jego pomocnikiem? Dowiemy się już niedługo.