La evolución de los métodos de investigación

A lo largo de dos mesas redondas, un grupo de clientes y proveedores de diversos países, entre ellos Japón y Túnez, debatimos las implicaciones de la Inteligencia Artificial (IA) en la evolución de los métodos de investigación.

Escrito por Ray Poynter.
Lectura 5 minutos
2 de enero 2024

¿Qué podría no cambiar?

Como parte de la evaluación de la evolución de los métodos de investigación, debatimos sobre las cosas que es menos probable que cambien en un futuro próximo. El elemento clave que se consideró que permanecería constante fue todo aquello en lo que primara el toque humano. Por ejemplo, las entrevistas humanas que requieren empatía y profundidad, el trabajo con los clientes para comprender las cuestiones de investigación y de negocio, y la utilización de la narración para comunicar las ideas.

En términos de análisis cualitativo, podría haber una dicotomía entre la IA que analiza grandes cantidades de datos cualitativos (aunque de forma superficial) y el análisis humano profundo, que trabaja con cantidades más pequeñas de datos cualitativos, sondeando verdades más profundas. Cosas como la etnografía humana seguirán siendo necesarias.

Si la IA generativa sigue siendo muy estadounidense, la mayor parte del análisis cultural tendrá que seguir centrándose en el ser humano.

Diseño de la investigación

Algunos miembros del grupo informaron de que utilizaban la IA Generativa como ayuda para la lluvia de ideas, el diseño de conceptos y la creación de cuestionarios. Otro aspecto del diseño de la investigación será el uso de la IA para probar y evaluar cuestionarios y guías de debate.

Recogida inteligente de datos

Muchos clientes utilizan sistemas de autoservicio/DIY, que siguen exigiendo que el usuario diseñe el proyecto adecuado, redacte un buen cuestionario, seleccione una muestra apropiada y lleve a cabo el análisis. La IA creará sistemas inteligentes de bricolaje, que co-crearán la investigación, realizarán el estudio y llevarán a cabo el análisis básico. Esto hará que el autoservicio/bricolaje sea mucho más seguro y permitirá a un mayor número de personas realizar investigaciones sin especialistas ni agencias.

Más calidad

La IA permite procesar más datos abiertos, imágenes y vídeos. Esto sugiere que se recopilarán más datos cualitativos. Este cambio hace que pasemos de centrarnos en lo que puede medirse fácilmente a centrarnos en lo que puede generar información. Este aumento en la cantidad de cualificación que se lleva a cabo ya es evidente en el informe ESOMAR Global Market Research Report 2023.

Datos sintéticos

El enfoque de los datos sintéticos es más rápido y barato, lo que puede ampliar el abanico de situaciones en las que se utiliza la investigación. Una de las cuestiones que debatimos se refería al tiempo que los datos sintéticos pueden permanecer «actualizados». Para algo como el seguimiento ocular virtual (que se basa en el comportamiento humano típico), el proceso sintético puede durar años, pero las opiniones sobre marcas concretas en el mercado pueden tener una vida útil mucho más corta.

En los mercados en los que CAPI y CATI siguen siendo factores importantes, como Túnez, podemos ver que los datos sintéticos suponen una enorme diferencia en cuanto a velocidad y costes: los datos sintéticos no tienen por qué construirse únicamente a partir de la recopilación de datos en línea. Los enfoques de datos sintéticos pueden utilizarse para reducir el tamaño de los cuestionarios actuales, recopilando conjuntos de datos con grandes cantidades de datos que faltan, que pueden estimarse.

Datos secundarios

La IA puede ser la clave para desbloquear los datos que los clientes ya tienen. El primer nivel consiste en utilizar la IA para combinar y organizar conjuntos de datos dispares. A continuación, la IA permitirá al usuario utilizar consultas en lenguaje natural para buscar información en las bases de datos. Si no se dispone de respuestas completas, el sistema puede interpolar la información.

¿Nuevas soluciones?

En ambas sesiones, preguntamos a los miembros de la parte cliente por el tipo de problemas a los que la RM actual se esfuerza por dar respuesta. La principal respuesta fue el análisis de la competencia. ¿Qué piensan los clientes de sus competidores y cómo ven el mundo? ¿Podrían ser los datos sintéticos una respuesta parcial a esta necesidad?

Vemos que Hollywood está utilizando la IA Generativa para escribir guiones y crear actores virtuales y voces en off. ¿Podría utilizarse para crear mejores informes? Utilizar la IA para crear modelos predictivos y prescriptivos también sería una gran extensión.

Cambios en el ecosistema de Insights

El bricolaje inteligente aumentará la cantidad de insights realizados internamente por los clientes. Es probable que el aumento del uso de insights internos se produzca a través de managers, diseñadores, etc., en lugar de por equipos de insights. No está claro si los principales ganadores en el lado de los proveedores serán a) las grandes agencias, que pueden crear grandes soluciones globales impulsadas por la IA, o b) las pequeñas agencias que se centran en la consultoría y aprovechan la IA para hacer el trabajo pesado.

¿Un futuro escenario de cliente?

En una reunión con un cliente, alguien hace una pregunta a la IA relacionada con la información.

Paso 1) ¿Conocemos ya la respuesta?

Paso 2) Si no sabemos la respuesta, ¿podemos interpolarla a partir de la información que tenemos?

Paso 3) ¿Podemos utilizar datos sintéticos para estimar una respuesta?

En todos estos casos, el equipo obtiene la respuesta en cuestión de minutos. A continuación, la IA pregunta al equipo si desea «validar» la respuesta. Si el equipo dice que sí a la validación, la IA redacta una encuesta, la rellena, la analiza, actualiza la base de datos y envía una actualización al equipo; en este escenario, la validación podría llegar, digamos, 48 horas después.

Fuente: Research World

Traducción realizada con la versión gratuita del traductor DeepL.com

Sobre el autor

Ray Poynter es Presidente de ESOMAR.

La IA permite procesar más datos abiertos, imágenes y vídeos. Esto sugiere que se recopilarán más datos cualitativos. Este cambio hace que pasemos de centrarnos en lo que puede medirse fácilmente a centrarnos en lo que puede generar información.

Path Copy Created with Sketch.
X