Inteligencia Artificial ¿Amigo o enemigo?

Por Marcel Slavenburg, Senior Director de SKIM, Países Bajos.

Lectura 7 minutos
24 de enero 2020

Cinco consejos sobre cómo añadir automatización a la investigación de mercado

 

Por Marcel Slavenburg, Senior Director de SKIM, Países Bajos.

Desde los autoconductores de Uber hasta los robots de los almacenes de Amazon, la inteligencia artificial (IA) parece estar alcanzando la destreza a nivel humano casi en todas partes. Tal vez se pregunte, como nosotros, cómo es que las marcas están aprovechando la innovación de la automatización de última generación en la investigación de mercado hoy en día. ¿Puede la IA identificar mejores conocimientos de forma más barata? ¿Las computadoras y los robots harán inútiles a los investigadores humanos? Como investigadores de mercado, que también son seres humanos, hemos estado explorando muchas de las mismas preguntas!

Danone, una de las principales compañías alimentarias del mundo, ha intentado recientemente comprender los factores que impulsan el consumo de los consumidores para una nueva categoría de productos.

Cuando William Serfaty, director de estrategia global e insights, se dirigió a nuestro equipo para que le proporcionara insights cualitativos para informar sobre las afirmaciones de comunicación en un plazo muy ajustado, vimos la oportunidad de poner a prueba estos robots. Con Danone a bordo, nos asociamos con Voxpopme, una plataforma de investigación de vídeo automatizada, para estudiar hasta qué punto las soluciones automatizadas pueden sustituir o mejorar la práctica de la investigación cualitativa.

Juntos, lanzamos «(Wo)man vs. Machine», una competición cara a cara entre investigadores humanos y tecnología de automatización. Cada equipo tenía la tarea de analizar los vídeos de consumo autograbados utilizando diferentes metodologías de investigación. Un equipo tuvo acceso a herramientas automatizadas, mientras que el otro equipo de investigadores de SKIM se basó en métodos de análisis humanos tradicionales. En total, se produjeron tres informes que fueron juzgados por William Serfarty en Danone:

  1. en su mayoría automatizada;
  2. sólo humano, y
  3. combinación de humano y máquina.

Al final del proyecto, William, resumió bien nuestros hallazgos: «¡El resultado fue una agradable sorpresa! Ahora podemos obtener un informe más rápido que proporciona el nivel de detalle que se obtendría de un informe tradicional» – ¡y mi equipo estaba igualmente sorprendido pero emocionado con este resultado!

Lo que aprendimos

Aquí comparto cinco consejos basados en nuestros aprendizajes sobre por qué deberías considerar las herramientas de automatización y cómo puedes incorporar con éxito la IA en tus planes de investigación de mercado cualitativa este año (la buena noticia para nosotros es que los humanos todavía tienen un papel crucial que desempeñar).

1: El escepticismo inicial sobre la IA será inevitable; supéralo para cosechar los beneficios de la automatización: Aunque hay mucho movimiento en la industria en torno a la IA y otras tecnologías de automatización de nueva generación, desafortunadamente, las máquinas no ofrecen una «bala mágica» para satisfacer las necesidades de conocimiento de su marca. Sin embargo, mientras que la IA y las salidas de automatización por sí solas no ofrecen mucho valor y carecen de sofisticación, estas herramientas son ciertamente útiles durante el proceso de análisis cualitativo humano. Nuestro estudio «Mujer vs. Máquina» resultó en un informe de investigación completo, producido en la mitad de tiempo usando herramientas de automatización, vs. el informe completo creado sólo por mi equipo humano.

William, en Danone, se complació al descubrir que los beneficios de tiempo y costo que cosechamos no fueron a expensas de la calidad de la información. De hecho, en una evaluación a ciegas, prefirió el informe colaborativo hombre-máquina a las versiones totalmente automatizadas y generadas por humanos. En lugar de reemplazar las percepciones humanas y la experiencia consultiva, nos gusta pensar en la automatización como un «impulso turbo» para los investigadores cualitativos tradicionales.

2: No espere que las máquinas proporcionen las respuestas: Todos estamos de acuerdo en que las oportunidades de automatización parecen estar más en línea con la investigación cuantitativa. Dada la naturaleza humana de la investigación cualitativa, entramos en este experimento cuestionando si la automatización es siquiera posible. Aunque hemos visto desarrollos en el procesamiento del lenguaje natural, estamos lejos de lograr la automatización total todavía.

En la actualidad, cuando se realiza un análisis cualitativo, el valor de las herramientas automatizadas sin participación humana es limitado. Los resultados que se producen son palabras y gráficos que tienen poco significado por sí mismos y con una precisión que es un éxito o un fracaso. Las máquinas no pueden conectar los puntos, determinar cuáles de los puntos de vista son realmente claves o identificar los impulsores. Incluso para crear un informe inicial, se requiere un análisis humano para revisar los resultados automatizados, entender su significado y reducir la información relevante. Aunque con el tiempo es probable que su inteligencia aumente, al menos por ahora, las herramientas de automatización no pueden proporcionar respuestas independientes. Por lo tanto, es importante entender cómo utilizarlas de la mejor manera posible para nuestro beneficio.

3: Utilizar las salidas de IA como punto de partida para el análisis humano: Aunque no proporcionan una solución mágica, aprendimos que las herramientas de automatización pueden capacitar a los investigadores cualitativos para realizar análisis mucho más rápido. En contraste con nuestro equipo de análisis humano que tuvo que pasar una semana revisando todas las transcripciones de los vídeos, el punto de partida de nuestro equipo automatizado fueron las salidas de la máquina. Analizando estos, en lugar de los datos en bruto, en un solo día fuimos capaces de construir una imagen de la historia general e identificar los aprendizajes clave.

4: Espere que el análisis de alta velocidad produzca resultados de alto nivel: Cuando se recurre a estas herramientas es importante tener las expectativas adecuadas. Si la presión del tiempo interno significa que se requieren respuestas inmediatas, esta tecnología puede ayudar. Sin embargo, el resultado del análisis de alta velocidad es una vista de pájaro, lo que significa hallazgos de muy alto nivel – no los conocimientos de buceo profundo y las recomendaciones estratégicas que usted ha llegado a esperar de los estudios cualitativos.

5: Ser estratégico lleva tiempo; no corte esta esquina: En una evaluación a ciegas, William Serfaty, de Danone, prefirió un informe colaborativo (IA + investigador humano) a las versiones mayormente automatizadas y las generadas totalmente por humanos. Los informes que se basaban en gran medida en resultados automatizados pueden ser más rápidos, pero la velocidad se consigue a costa de conocimientos estratégicos y procesables.

Por lo tanto, se requiere más tiempo y un análisis humano más profundo para explicar y traducir la información de alto nivel en directrices y recomendaciones claras. No obstante, este proceso requiere que los investigadores cualitativos dediquen la mitad del tiempo que dedican a las herramientas automatizadas para ayudarles. Como resultado, en SKIM somos comprensiblemente optimistas sobre el potencial futuro de la automatización y de las metodologías de investigación cualitativa mejoradas por la IA.

La colaboración con las máquinas puede, en efecto, mejorar la eficiencia, sin comprometer la profundidad y la calidad de los conocimientos.

Path Copy Created with Sketch.
X