michael bartl Por Michael Bartl. CEO de HYVE.

La Inteligencia Artificial (IA) está de moda en todos los sectores. La IA potencia aún más las tecnologías centrales clave de los últimos años, por ejemplo, la Internet de los objetos (IO), la realidad virtual, los vehículos de autoconducción, los agentes inteligentes o los robots inteligentes. Representa el viaje de los sistemas automatizados a los sistemas autónomos. La diferencia radica en el hecho de que la automatización sigue procesos predefinidos mientras que los sistemas autónomos pueden alcanzar objetivos definidos de forma independiente.

Andrew Ng, fundador de Coursera y antiguo director de IA en Google y Baidu, describe la IA como la nueva electricidad. Esta es una analogía muy apropiada si se tiene en cuenta que la electricidad ha revolucionado la movilidad, la industrialización, la agricultura, la medicina y la vida cotidiana de las personas en todo el mundo. Si se mira hacia atrás en el tiempo, el poder mental humano estaba disponible para enfrentar los desafíos del siglo XIX. En el siglo XX programamos ordenadores para resolver nuestros problemas y, en el siglo XXI, formamos a la IA para que pueda resolver los problemas por sí misma sin seguir reglas estrictas.

 

¿Qué tiene que ver la IA con la investigación de mercado?

Las aplicaciones de IA de hoy en día involucran a los robots de chat que responden a las preguntas de los usuarios, aprenden de ellas y pueden obtener información más detallada sobre el comportamiento de los consumidores. Las aplicaciones basadas en IA utilizan los perfiles de movimiento de las personas para servicios personalizados y marketing basado en la localización o clasifican la probabilidad de enfermedades como depresiones basadas en imágenes publicadas y funciones de filtro utilizadas en Instagram. En última instancia, todos estos ejemplos se refieren a la recopilación, el procesamiento, el análisis y la interpretación de datos para apoyar la toma de decisiones. El vínculo con la investigación de mercado se hace evidente.

A continuación, queremos arrojar luz sobre tres niveles de aplicación de la IA en la investigación de mercado.

El primer nivel se refiere a la mejora de la eficiencia de los flujos de trabajo existentes o de determinadas tareas dentro de un proceso. Basta pensar en los métodos de Data Mining utilizados para analizar el enorme volumen de datos de las plataformas de opinión y las fuentes de los medios sociales. Hasta ahora, los análisis de sentimientos, los análisis de ruido y los análisis de redes se han utilizado ampliamente para la investigación de mercado. Los métodos de Aprendizaje Automático (ML) introducen el siguiente paso evolutivo del análisis de medios sociales para clasificar las masas de datos con mayor precisión en categorías y subcategorías, y para resaltar sus complejas relaciones. Un ejemplo es el uso del LD para analizar grandes cantidades de datos de financiación colectiva. En un estudio destinado a revelar nuevas tendencias tecnológicas, se exploraron y analizaron las descripciones de los proyectos de innovación presentados en la plataforma Kickstarter, utilizando la asignación latente de Dirichlet. Posteriormente, los grupos temáticos identificados podrían vincularse al éxito de la financiación en la plataforma y se podría aislar el ADN de las ideas exitosas.

El segundo nivel de aplicación de la IA en la investigación de mercados es la IO, que promete investigación y respuesta en tiempo real. En el futuro, los sensores inteligentes generarán los datos que actualmente nos lleva un año generar, en sólo una fracción de segundo. El principal motor de este fenómeno es el inmenso número de dispositivos conectados en red que superarán los 50.000 millones en pocos años. Estos dispositivos recopilan datos de uso del consumidor que van desde el cuidado dental matutino, la conducción hasta el trabajo, el uso de pulseras de fitness, el uso de procesadores de alimentos y el ajuste del termostato. Todo esto proporciona a los investigadores de mercado un enorme campo de juego para explorar el comportamiento de los clientes en estudios longitudinales, mientras que actualmente la mayoría de los proyectos de investigación de mercado sólo ofrecen instantáneas de la vida de los consumidores. Además, gracias a la interacción de la IO y la IA, los modelos de previsión se convertirán en una parte cada vez más importante de la investigación de mercado. Los análisis predictivos utilizados para minimizar los daños a los electrodomésticos o reducir los accidentes en el lugar de trabajo son sólo dos ejemplos de esta tendencia.

Un tercer nivel de aplicación de la IA en la investigación de mercado se basa en el campo de la innovación emergente de la computación afectiva. La computación afectiva se ocupa de la investigación y el desarrollo de sistemas que pueden reconocer e interpretar las emociones humanas. Su objetivo es permitir a las máquinas tener en cuenta el estado emocional del usuario y adaptar su comportamiento para proporcionar una reacción adecuada a las emociones del usuario.

El proyecto de investigación y puesta en marcha TAWNY.ai es un ejemplo de computación afectiva. Los datos biométricos como la variabilidad de la frecuencia cardíaca o la resistencia cutánea de la piel se recopilan con la ayuda de pulseras o cámaras para clasificar las emociones humanas y los estados afectivos. Basándose en esta información, los dispositivos conectados en red se vuelven empáticos y pueden mejorar significativamente la experiencia del usuario. Por ejemplo, las futuras casas inteligentes saben qué ajustes hacen que sus residentes se sientan más cómodos. Netflix podría ofrecer pronto recomendaciones de programas dependiendo del estado de ánimo del espectador. Y el lugar de trabajo también podría adaptarse pronto a los estados afectivos de los empleados. En el futuro, la investigación de mercado será capaz de combinar datos fisiológicos con análisis de expresión facial, análisis de voz, análisis de texto y análisis de sentimientos en una entrada multimodal para obtener un perfil emocional completo de los consumidores.

 

Unir fuerzas con su cliente

Entonces, ¿qué se necesita para comenzar el viaje de la IA con sus clientes? Aunque la creación de capacidades de IA dentro de su organización y la definición de una oferta de servicio utilizando la IA son aspectos cruciales para empezar, queremos compartir algunas experiencias sobre cómo trabajar en equipo con su cliente y dar algunos primeros pasos.

En primer lugar, antes de hablar de un proyecto potencial, nos gusta dar a los clientes una introducción a la IA en función de su nivel actual de conocimientos. Especialmente desde que la IA se ha convertido en la bala mágica para cualquier tipo de problema de negocios, un buen entendimiento es esencial más que nunca. El manual proporciona una base común de conocimiento que permite discusiones constructivas y ayuda a manejar las expectativas de lo que la IA puede hacer. Por ejemplo, introducimos principios clave del aprendizaje de la máquina, como el aprendizaje supervisado y no supervisado, la ingeniería de características, así como los requisitos previos de los datos de entrenamiento y su interacción con el desarrollo de algoritmos.

En segundo lugar, las ‘auditorías de datos’ breves demostraron ser muy útiles para la exploración de oportunidades. En este sentido, el conocimiento que los investigadores de mercado tienen sobre los datos de sus clientes (por ejemplo, el conocimiento que usted ha adquirido en proyectos anteriores) no tiene precio. Con un breve estudio de las fuentes de datos, la accesibilidad y la calidad, puede destacar los potenciales y activar el proceso creativo. Por ejemplo, la mera visión general de las fuentes de datos a menudo sirve de estímulo para la ideación. La vinculación de este “empuje de datos” con ejemplos existentes de cómo otras empresas han aprovechado datos similares puede ayudar aún más a los clientes a hacer coincidir sus necesidades con su tesoro de datos. Como efecto secundario, esta auditoría inicial ayuda a revelar y abordar problemas urgentes relacionados con la gestión de datos.

Tercero, encontramos que los talleres utilizados para iniciar un proceso de innovación basado en datos deben estar diseñados específicamente para adoptar y considerar la IA como una tecnología de solución potencial. Esto incluye la estructura del taller y los materiales utilizados. El objetivo es integrar suficientemente la perspectiva de los datos en la metodología y complementar la perspectiva del usuario, la tecnología y el negocio. La creación de ideas para productos basados en datos, por ejemplo, requiere un conjunto de ayudas diferente (por ejemplo, estímulos creativos, marcos u hojas) que la ideación en ámbitos que no se centran en los datos.

Un fenómeno típico que observamos en los talleres que se centran en la creación de ideas basadas en la IA es la naturaleza vaga de estas ideas. La IA sirve como el marcador de posición chispeante en la descripción de la idea, lo que sofoca cualquier elaboración o discusión de la idea. Para superar este ‘black-boxing’, intentamos animar a los equipos a que desarrollen las ideas añadiendo la capa de datos. A lo largo de un proceso guiado y de hojas estructuradas, los equipos aprenden a vincular las ideas con los datos introducidos en la auditoría y a crear conceptos más ricos.

Por último, la constelación de equipos para estas sesiones merece una mirada más atenta. Independientemente de su afiliación (es decir, consultoría vs. cliente), creamos equipos formados por las siguientes personas: pensadores de diseño que tienen la mentalidad correcta y el conocimiento del proceso; “propietarios” de datos, que tienen un conocimiento profundo sobre la disponibilidad de los datos y que incluso pueden acceder a ellos durante la sesión de forma pragmática; científicos de datos y expertos en inteligencia artificial que aportan los conocimientos técnicos para que el equipo pueda descubrir y realizar el potencial de los datos; propietarios de productos que tienen la visión de los usuarios y una buena comprensión de la estrategia de producto. Facilitar una reunión de propietarios de datos y productos estimula el proceso creativo y establece nuevas y fructíferas relaciones en la organización de sus clientes.

En tiempos en los que todo el mundo habla de la IA, es crucial llevar el tema a la práctica. Si bien desmitificar la IA puede ser decepcionante para los equipos en ocasiones, es gratificante para los equipos poder aprovechar esta tecnología tan versátil.

Artículo publicado en Research World. Marzo 2019