Focusquali: AI-синтетические ответы не могут заменить реальные исследования
Искусственный интеллект способен выдавать убедительные ответы о поведении потребителей, однако эти ответы не следует воспринимать как свидетельство того, что реальные люди думают, чувствуют или переживают. Такую позицию занимает эксперт по качественным исследованиям Ракель Торрес.
Торрес, основатель и генеральный директор Focusquali, утверждает, что растущая изощрённость синтетических потребителей создаёт методологическую проблему для исследователей — особенно в тех случаях, когда ИИ-сгенерированные высказывания представляются как результаты от реальных участников.
В материале, опубликованном 4 ноября, Торрес отметила, что разграничение между предсказанием ответа человека и его непосредственным наблюдением становится всё важнее по мере того, как бизнес применяет ИИ для изучения потребительских установок и предпочтений.
Дискуссия затрагивает компании, которые опираются на потребительские исследования при формировании продуктов, маркетинговых стратегий и позиционирования брендов, — по мере того как синтетические данные становятся способны производить ответы, всё больше напоминающие человеческие.
Где проходит граница
Торрес признаёт, что синтетические потребители могут давать полезные insights о том, как люди могут реагировать на продукт, бренд или ситуацию. Вместе с тем модель, генерирующая правдоподобный ответ, не доказывает, что потребитель в реальности испытывал описанные чувства или находился в описанных обстоятельствах.
По её словам, качественное исследование — это не просто сбор высказываний. Исследователи также изучают, как люди приходят к своим взглядам, включая влияние личного опыта, социальных связей, воспоминаний и самой исследовательской среды.
Ответ участника может измениться в ходе интервью — когда вопросы активируют новые воспоминания или другие участники вводят иные точки зрения. Такие сдвиги способны обнаруживать противоречия между тем, что люди говорят о себе, и тем, как они ведут себя в действительности.
Например, участник может настаивать, что цена не влияет на его решения о покупке, а затем объяснить, что отказался от продукта после повышения цены. Это кажущееся противоречие способно дать ценный insight: оно может выявить различие между заявленными приоритетами и реальным поведением или показать, как потребитель интерпретирует ценность продукта.
Если ИИ-система генерирует те же два высказывания, формулировка может быть идентичной, но доказательная база — разной. Модель произвела правдоподобное противоречие; человек выразил его в рамках реального исследовательского контакта.
Как использовать синтетические данные правильно
Торрес предостерегает от того, чтобы считать синтетические данные заведомо ненадёжными. По её словам, такие инструменты могут применяться в исследовательской работе: помогать разрабатывать гипотезы, тестировать вопросы, изучать возможные интерпретации до проведения интервью с реальными участниками.
Синтетические потребители также способны помочь в изучении сценариев и выявлении вопросов, заслуживающих дальнейшего изучения, что может сокращать затраты на определённых этапах исследовательского проекта.
Проблема, по мнению Торрес, возникает тогда, когда смоделированные ответы представляются как свидетельства реального потребительского опыта. ИИ-персона может описывать предпочтение продукта убедительным образом, однако беглость ответа не доказывает, что человек принял это решение или пережил описываемую эмоцию.
Торрес настаивает на том, что исследователи должны чётко понимать, какой тип данных они используют и какие выводы он способен поддержать. Её позиция такова: синтетические данные и исследования с реальными людьми могут дополнять друг друга, но служат разным целям. ИИ помогает выявить, что потребители могут правдоподобно сказать; исследования с реальными людьми позволяют изучить, как формируются мнения и значения.
По мере того как синтетические потребители становятся более убедительными, исследователи должны уделять всё большее внимание различию между правдоподобным ответом и наблюдаемым человеческим опытом.