Протягом останніх двох років дослідницька індустрія зіткнулася з загрозою існування: демократизацією збору та аналізу даних. Завдання, які колись вимагали груп спеціалістів, тривалих часових рамок і великих бюджетів, тепер можуть виконуватися на стороні клієнта однією людиною за допомогою сучасних інструментів за незначну вартість і за невелику частку часу.
Ця зміна порушила традиційне рівняння цінностей і поставила ключове питання: якщо будь-хто може збирати й аналізувати дані, у чому полягає цінність дослідницького агентства?
Багато агентств досі покладаються на моделі «витрати плюс», побудовані на рівні людей і процесів. У кращому випадку вони дають багату експертну інформацію; у гіршому випадку вони повільні, дорогі та неефективні.
AI перевернув цю модель, створивши цінність, видаливши шари для підвищення ефективності, але часто ціною глибини. Нові учасники технологій пропонують швидкість і масштаб, але водночас ризикують це помиї: великий обсяг, низька кількість змісту.
Тоді як клієнти можуть прийняти “досить добре” результати для проектів з низьким рівнем ризику, щоб заощадити час і гроші, агентства відчувають зростаючий тиск у відповідь на зниження цін.
Але щоб уникнути короткострокової гонки до дна, цей зрив можна розглядати як запрошення перерахувати рівняння вартості навколо того, що, як чітко показує ринок, має найбільше значення для сприйняття вартості: глибина та швидкість.
Наступні квадранти показують, як ці два ключові чинники цінності співвідносяться один з одним і формують поточний ринок:
1 ) Мілко та повільно: мертва зона
Це та частина ринку, яка раніше виживала, виконуючи основи: збір даних, простий аналіз, шаблонні звіти. Без доданої цінності стратегічного розуміння чи оперативної гнучкості цей квадрант тепер може запропонувати занадто мало. Час, який він був проданий, тепер є ціною, яку клієнти не бажають платити. Цей кінець ринку поступово припиняється, і це непогано.
2) Повільно та швидко: бум автоматизації
Саме тут найбільше ажіотажу та найбільше шуму. Нові інструменти штучного інтелекту та цифрових досліджень спрощують розгортання опитувань, тестування креативних матеріалів або отримання зворотного зв’язку щодо напрямку за кілька кліків. Для простих проектів із низьким рівнем ризику цей квадрант значно економить час і гроші, тому він зростає.
Однак надто часто команди виявляють, що вони не завжди можуть довіряти результатам або що цей підхід не може вирішити більш складні проблеми, які їм потрібно вирішити.
Існує також ризик створення «дослідницького парадоксу Джевонса»: оскільки дослідження стають ефективнішими, вони використовуються більше, знецінюються та дають менше розуміння. Клієнти можуть купувати дешевші дослідження частіше, зберігаючи витрати, але зменшуючи вплив. Через надмірну довіру команди потопають у даних, але не знають сенсу.
3. Глибоко та повільно: Спадщина ремесел
Це батьківщина традиційного дослідницького ремесла. Це те, куди ви йдете, коли ставки високі, а запитання складні. Однак це також дорого, часто повільно і все більше не відповідає тому, як хочуть працювати сучасні команди. Його сила, людський досвід, також є його обмеженням, якщо цей досвід не можна надавати швидше чи гнучкіше.
Це квадрант, де традиційно траплялися найкращі роботи; робота, якій можна довіряти, яка відкриває можливості дивуватись і проникає в суть речей. Цю сферу завжди цінуватимуть, і в міру зростання конкуренції виникне прагнення додавати ще більше цінності вгору за течією, причому новими й глибоко людськими способами. Чудова новина як для клієнтів, так і для галузі.
4. Швидко та глибоко: збільшена перевага
Це чудова можливість переглянути спосіб створення вартості. Кабінетне дослідження, яке раніше займало кілька днів, порівнюючи попередні дослідження, загальнодоступні дані та інформацію про конкурентів, тепер займає хвилини. Команди можуть отримувати ключові ідеї та формувати гіпотези для швидкої польової роботи, використовуючи фірмові інструменти штучного інтелекту для прискорення аналізу, поверхневих тем і застосування фреймворків.
У центрі — невеликі команди експертів, які розробляють індивідуальні інструменти RAG (доповнена генерація пошуку), навчені на основі підібраних знань, адаптованих до кожного клієнта та завдання. Вони поєднують наявні дані, особисті дослідження та чітке людське мислення, щоб виконувати роботу, яка є не просто швидшою, але глибшою та більш стратегічною.
Клієнти не просто отримують звіт, вони отримують багаторазовий інструмент ШІ, який розвивається з часом. Це відкриває двері до нових моделей: від повного обслуговування до «Готово з вами» та DIY insight-as-a-service, перехід від оплачуваних годин до масштабованих моделей ліцензування на основі підписки, щоб застосувати мислення вашого агентства та підходи до даних через API.
Стратегічний зсув: від автоматизації до розширення
Якщо перша хвиля досліджень штучного інтелекту була пов’язана з автоматизацією, то наступна хвиля обіцяє розширення: надання невеликим експертним командам можливості виконувати роботу набагато більших груп і надання клієнтам нових результатів завдяки створенню спеціальних інструментів і послуг ШІ.
З цієї точки зору, розвиток штучного інтелекту не є екзистенційною загрозою дослідницькій індустрії, можливо, це просто екзистенційна загроза рівнянню цінності, на якому історично базується наша галузь (і багато інших компаній, що надають послуги).
Далі з’являється можливість побудувати щось краще: глибоко людську роботу, яка розширює та покращує найкраще, що ми можемо запропонувати.
Роб Харрісон-Пластоу є засновником Source Nine Strategic Insights