AI bestaat al sinds het begin van de jaren vijftig en is vandaag alomtegenwoordig. Generatieve AI daarentegen breekt nu pas echt door. Dit type AI kan leren van ervaringen uit het verleden, context onthouden en beslissingen nemen op basis van die kennis. Met andere woorden, met de juiste vragen en opdrachten kan het nieuwe, unieke output genereren. Arjan Veninga van Human8 schreef er een artikel over.
Bij Human8 ontwikkelden we een persoonlijke onderzoeksassistent – met ChatGPT als onderliggend algoritme – om veilig te experimenteren met generatieve AI in ons dagelijks werk. Hier een overzicht van wat we geleerd hebben:
1. AI tilt onderzoek naar een hoger niveau
Van inzichten genereren, het vertalen en samenvatten van onderzoeksresultaten in elke mogelijke taal, tot het maken van een heel onderzoeksdesign…. AI helpt ons om effectiever te worden in ons dagelijks werk. Bij de start van een onderzoeksproject kan het ook helpen bij het opstellen van hypothesen, waardoor de opzet naar een hoger niveau worden getild.
We hebben bijvoorbeeld AI gebruikt om de resultaten van een conceptvalidatie voor een nieuwe game te voorspellen. Onze AI-onderzoeksassistent creëerde een lijst met ‘likes en dislikes’ die we als hypothesen voor deze studie hebben gebruikt.
2. AI heeft menselijke controle nodig
Het is essentieel om het systeem te voeden met de juiste contextuele informatie. Om AI effectief te kunnen gebruiken, moeten we de juiste vragen stellen, de behoeften van de klant volledig begrijpen en het systeem op de juiste manier stimuleren. We ontdekten dat AI in ongeveer 65% van de gevallen reacties heel goed modereert, maar in 32% van de gevallen geeft het een resultaat dat niet relevant is binnen de context van het onderzoek. Opletten dus.
Toen een respondent ‘geen tijd’ antwoordde op de vraag ‘Waarom kijk je geen Netflix?’, peilde de chatbot verder met ‘Van welke andere vormen van entertainment geniet je normaal gesproken in je vrije tijd?’ De vraag is op zich niet verkeerd, maar niet relevant in een onderzoek dat zich richt op het merk Netflix en niet op de entertainmentsector in het algemeen.
3. AI heeft menselijke data nodig
AI-tools zijn erg nuttig voor het verzamelen en analyseren van primaire data. In een A/B-test vroegen we onze onderzoeksassistent om de kennis van ChatGPT te gebruiken om nieuwe inzichten te vinden over wat welzijn betekent voor Gen Z in Hong Kong. Daarnaast kreeg de assistent ook de opdracht om community-data rond dit onderwerp te interpreteren en te analyseren. We ontdekten dat hoewel de beschikbare kennis van ChatGPT ons een helder theoretisch raamwerk gaf over welzijn, de menselijke analyse van de community-data een emotionele, menselijke laag toevoegde die veel bruikbaarder was. De community-data gaven ook aanvullende inzichten die niet werden opgepikt door onze AI-assistent.
4. AI helpt de waarde van longitudinale data te ontsluiten
Na verloop van tijd kunnen AI-systemen echte kennis- en inzichtassistenten worden. Ze kunnen gemakkelijk inzichten samenstellen (en delen) uit de vele onderzoeksprojecten die je elk jaar uitvoert. Denk maar eens aan de data van communities die al meerdere jaren lopen. Met één goede prompt kun je een antwoord krijgen op vragen als: ‘Hoe is de perceptie van duurzaamheid veranderd voor onze drie belangrijkste doelgroepen in vijf belangrijke markten?’ Om dergelijke meta-learnings te kunnen opstellen, moeten AI-tools worden gevoed met data van hoge kwaliteit. Dit betekent dat alle onderliggende dimensies, zoals de kwaliteit van respondenten of het stellen van de juiste vragen, uiterst belangrijk zijn en blijven. Het gaat erom AI-systemen te voeden met hoogwaardige (longitudinale) data om tot relevantere, interessantere en meer waardevolle output te komen.
Voorzichtig
Machines hebben mensen nodig en mensen hebben machines nodig. Het enthousiasme rond AI is terecht, maar we moeten voorzichtig zijn met hoe we ze gebruiken. Als de basis niet aanwezig is – hoogwaardige (longitudinale) data en bekwame menselijke onderzoekers – kunnen AI-tools mogelijk meer kwaad dan goed doen in het sturen van beslissingen. We kunnen dan zelfs spreken van artificiële domheid in plaats van artificiële intelligentie. Wij blijven alvast verder experimenteren om nog beter te begrijpen hoe we AI zo effectief mogelijk kunnen inzetten.
Wil je meer weten rond het gebruik van generatieve AI in de research industrie? Neem contact op met ons.
Auteur: Arjan Veninga – Senior Business Director Human8
Human8 is Kennispartner van Daily Data Bytes