In een eerder artikel spraken Sarah Gagestein van Taalstrategie en Stephanie Groot van Bureau Fris over de rol van AI: is het een innovator of een assistent? Deze keer gaat het over wat een taalmodel structureel mist als basis voor gedragsonderzoek. Want als je wilt weten wat mensen echt vinden, loop je met AI tegen een grens aan. In dit tweede artikel uit de reeks leggen Sarah en Stephanie uit waar die grens ligt.
AI leunt op wat er al is
Vraag een taalmodel hoe mensen over een nieuw product denken en je krijgt een keurig verhaal terug. Het probleem is dat zo'n verhaal een best guess is, gebaseerd op wat er al over dit onderwerp gezegd is. Volgens Sarah is zo'n antwoord niet eens data, eerder kale informatie. Er is geen meting, geen respondent, alleen tekst die op inzicht lijkt. Een model komt al snel uit bij het meest voor de hand liggende antwoord. Sarah geeft een voorbeeld uit haar praktijk. "Vraag je mensen wat ze belangrijk vinden aan tandpasta, dan zeggen ze al snel dat het goedkoop moet zijn. Kijk je naar hun koopgedrag, dan is dat lang niet altijd zo." Dat verschil tussen wat mensen zeggen en wat ze doen, ziet een taalmodel niet. Er is weinig ruimte voor twijfel en inconsistentie.
Juist de tegenspraak levert iets op
Een taalmodel doet niet mee aan het gesprek met jouw respondent. Het kan dus niet doorvragen op een aarzeling of een tegenstrijdigheid die op dat moment opduikt. Het voert geen gesprek met mitsen en maren en geeft je gewoon één antwoord. "Wat al die AI-modellen niet kunnen, is de menselijke geest simuleren", zegt Sarah. "En precies dat is waar je naar op zoek bent." Juist die menselijke kant levert veel op. "We zijn helemaal niet consistent in onze overtuigingen", legt ze uit. "De ene waarde is de brandstof voor een overtuiging op onderwerp A, die voor onderwerp B helemaal niet lijkt te spelen." Wat we antwoorden hangt af van de context, de vraagstelling en de mensen om ons heen. In een echt gesprek zie je de twijfel, de zijpaadjes in iemands hoofd en hoe iemand zichzelf soms tegenspreekt. Precies dat vertelt je iets. Hoe je een product of dienst presenteert, beïnvloedt wat mensen erbij denken en voelen. Dat krijg je niet boven tafel door het aan AI te vragen.
Emotie en de behoefte van morgen
Emotie in een gesprek 'voel' je, aan een stem, een stilte of een blik, en een taalmodel voelt dat niet. Bij behoeften die nog niet duidelijk zijn uitgesproken, heb je bovendien weinig aan alleen bestaande patronen. Stephanie vat het bondig samen: uit bestaande data haal je niet vanzelf waar de consument straks op zit te wachten. Sarah maakt het concreet met een nieuw kledingmerk. Een model zegt dan heus wel dat duurzame productie belangrijk is voor de consument van nu. Dat weet je al, dat is algemeen bekend. Met kwalitatief onderzoek bevraag je mensen juist op wat ze nog niet hardop hebben gezegd.
Het grootste risico is tunnelvisie
AI kan nuttig zijn als je helemaal vastloopt en een paar aanknopingspunten zoekt. Maar er is een adder onder het gras. Zodra een model iets uitspuugt, is het moeilijk om dat weer los te laten en eromheen te denken. Je krijgt een tunnelvisie, precies het tegenovergestelde van wat je met kwalitatief onderzoek wilt bereiken. Sarah houdt daarom een simpele regel aan. "Als ik iets moet bedenken, vraag ik het niet eerst aan AI. Ik denk eerst zelf na, en pas daarna check ik of ik iets gemist heb."
De bezwaren tegen kwalitatief onderzoek
Maar kun je met AI niet sneller werken, opschalen en objectiever onderzoek doen? Dat blijft de vraag. Daarover gaat het volgende en laatste artikel in deze reeks, met een verrassende omkering over wie hier nou eigenlijk subjectief is.
Benieuwd wat een echt gesprek jouw onderzoek kan opleveren? Bureau Fris denkt graag met je mee.
Dit artikel is gebaseerd op een gesprek met Sarah Gagestein (Taalstrategie) en Stephanie Groot (Bureau Fris).
