Námořní cestu arktickými oblastmi využívá pro přepravu ropy a dalších komodit stále více tankerů a lodí, které vyplouvají z ruských přístavů do čínských.
Námořní cestu arktickými oblastmi využívá pro přepravu ropy a dalších komodit stále více tankerů a lodí, které vyplouvají z ruských přístavů do čínských.
Velmi vysoké teploty neškodí jen lidskému tělu a zvířatům, ale také potravinám a lékům. Jak se však horka projeví na účincích léčivých přípravků a jejich vlivu na naše zdraví?
Velmi vysoké teploty neškodí jen lidskému tělu a zvířatům, ale také potravinám a lékům. Jak se však horka projeví na účincích léčivých přípravků a jejich vlivu na naše zdraví?
Zaměstnanci stavebních úřadů si zčásti rvou vlasy, zčásti se rozčilují a hrozí stávkou, jejich nadřízení píšou naléhavé výzvy ministru pro místní rozvoj Ivanu Bartošovi, shrnuje Pavel Páral.
Zaměstnanci stavebních úřadů si zčásti rvou vlasy, zčásti se rozčilují a hrozí stávkou, jejich nadřízení píšou naléhavé výzvy ministru pro místní rozvoj Ivanu Bartošovi, shrnuje Pavel Páral.
„Raketa“, kterou hledá každý venture kapitálový investor. Brněnský Lakmoos vytvořil 10 milionů digitálních Čechů, kteří odpoví na každý průzkum a nikdy se nenaštvou. Startup už získal dvě investice a chce dál růst. „Máme snad nějakou jinou možnost?“ říká jeho zakladatelka Kamila Zahradníčková.
Princip fungování tohoto brněnského startupu není snadné popsat ve zkratce. Asi nejlépe ho tak uvede medailonek jeho zakladatelky Kamily Zahradníčkové na LinkedInu: „Klonujeme respondenty a zkoumáme, jak AI zrychluje průzkumy trhu.“ Lakmoos je přitom projekt, který letí raketově vzhůru – a stojí za to jej sledovat.
„Úplně v základu: děláme predikci čísel, ne písmen nebo slov. To znamená, že máme jiné analytické přístupy než mají jazykové modely jako je třeba ChatGPT. Spojujeme data jinak – a máme přesnější predikce,“ vysvětluje v rozhovoru pro Hrot24 pětadvacetiletá Zahradníčková, která startup založila společně s Janem Polišenským a Romanem Konečným zhruba před rokem.
Lakmoos chce do roku 2030 transformovat 20 procent tradičních průzkumů, čímž by se podle startupu celosvětově ušetřily nejen miliardy dolarů, ale i miliardy hodin lidské práce. Jeho umělá inteligence umí modelovat lidské rozhodovací procesy bez potřeby živých respondentů – firma si tak může vyhotovit průzkum veřejného mínění v podstatě ihned.
Na svůj rozjezd získal startup už dvě kola investic, to poslední letos v březnu v pre-seedu od Presto Ventures. Vojta Roček, partner tohoto fondu, k tomu tehdy řekl, že Lakmoos je přesně ta „raketa“, kterou hledá každý venture kapitálový investor. Co tím myslel? Jak zvládá Zahradníčková, která se dostala mezi top 5 podnikatelek v oblasti umělé inteligence, skloubit práci ve startupu i akademickou dráhu? A jaká evropská vláda si ji na měsíc pozvala, aby jí pomohla nakopnout tamní systém bankovnictví a pojišťovnictví?
Já jsem spíš napůl akademička, napůl startupistka. To znamená, že mě většinou nemají moc rádi ani na akademické půdě, ani mezi startupy, protože jsem na ně buď příliš rigorózní, nebo moc komerční. Mně tahle kombinace ale přijde hrozně užitečná. Mám opravdu velmi ráda výzkum, začala jsem se v něm angažovat už jako teenagerka. Původně jsem chtěla působit čistě jen na akademické půdě, ale pak jsem přišla na to, že tam ten svět plyne strašně pomalu. Navíc ráda aplikuji výzkum tak, aby byl užitečný a nekončil jen tím, že se otiskne v odborném časopise.
Výzkumně se zabývám například tím, jak může AI přispět inovačnímu managementu a jak poté vypadá srovnání digitálních a lidských respondentů. V Lakmoosu navíc jdeme do hloubky, to znamená, že můžeme dělat kvalitnější produkt, protože víme, jak ho otestovat pořádně. Není to o tom, že bychom jenom publikovali odborné články a jezdili po konferencích – naše práce má reálný dopad na to, jak se firmy dokáží orientovat v názorech svých cílových skupin a jak to poté zvládnou zužitkovat.
Obvykle buď vznikne něco, co plně nevyužije svůj potenciál, nebo naopak něco, co se sice prodává, ale pořádně nefunguje. Za mě je náš projekt optimálním spojením dvou světů – akademického i startupového.
Ani ne. Nejprve jsem začala konzultovat různé projekty v rámci aplikovaných behaviorálních věd. To znamená, že jsem zkoumala například průzkumy o tom, jak se lidi chovají a jaký mají vztah k udržitelnosti. Pak jsem pomáhala s poměrně velkými kampaněmi, které měly za cíl změnit nějaké chování určité masy lidí. A v tomto prostoru jsem zjistila, jak málo průzkumů se dělá – tedy jak málo se firmy lidí ptají. Většinou se vymyslí nějaký produkt a až potom se mezi klienty testují dvě tři varianty, namísto průběžného testování.
Proto jsem se do toho víc ponořila a zjistila tak, že dnešní průzkumy jsou příliš drahé, náročné a pomalé. Napadlo mě, že je tady příležitost průzkumy – které jsou samy o sobě opravdu důležité, zvlášť pro směrování kampaní, produktů a služeb – automatizovat. Dnes je možné podívat se na historické tabulky prodejů a jít se ptát lidí na ulici nebo na internetu. Doteď tu ale chyběl další dílek toho puzzle. A to je právě náš model.
Doplňuje se to. Kdybych měla oddělený výzkum a k tomu oddělenou firmu, tak bych určitě nestíhala, i kdybych nespala a nejedla. Ale v momentě, kdy se mi všechno prolíná a mám i podporu univerzity, tak si myslím, že to funguje krásně. Navíc nejsem tradiční student, který by chodil na každou přednášku. Každopádně často publikuju, i o mých zkušenostech s Lakmoosem, takže jsem pro školu přínosem – a sbírám tím akademické bodíky.
Zároveň akademické angažmá není kritérium, ve kterém bych se na startupové scéně dočkala uznání. Už jen proto, že startupistům nebo investorům je tato oblast obvykle cizí. Nicméně je z toho vůbec neviním. Startupový svět kouká spíš na to, kolik máme klientů, kolik máme pilotů, s kým se bavíme. Ne moje odborné články.
Myslím si, že naše generace je hodně odolná. A zároveň vidím jako obrovskou výhodu to, že když do tohoto prostředí přijde schopný člověk, tak vůči němu nepanují předsudky ohledně jeho věku nebo juniority. Naopak se cení neotřelý přístup. To se mi líbí.
Je hodně mladých lidí, kteří chtějí dělat nové věci, vidí problém a chtějí na něj reagovat, mají dobré nápady. Nesmí jim ale chybět ten „Sitzfleisch“, tedy vytrvalost. Člověk si to musí na té židli odsedět, vyhrnout si rukávy a vydržet všechno, i když to občas bolí. Každopádně si myslím, že o šikovné mladé lidi v Česku nouze není.
Výzvou pro mě určitě bylo a stále je to, že všechno je pro mě nové. Základna zkušeností, na které můžu stavět, je logicky menší než u někoho, kdo si zakládá firmu ve čtyřiceti. Na druhou stranu jsem ani já, ani nikdo z raného týmu nezačínali od nuly. Všichni jsme měli zajímavé zkušenosti z předchozích prací, jen jsme prostě neměli žádné kontakty. Nebo jsme třeba nevěděli, jak sestavit finanční plán.
Naštěstí jsme kolem sebe objevili spousty lidí, kteří nám byli ochotní pomoct. A já se hrozně moc ráda ptám na všechno možné, takže jsem neustále dostávala nějaké feedbacky na svou práci. Ovšem je to z mé strany trochu sebemrskačství – pořád jsem pak slýchávala, jak jsem něco udělala špatně.
Ano, je to výborné, ale prostě se to blbě poslouchá. Jasně, když chci feedback, tak nehledám chválu, pochválit se můžu sama. Hledám problém, který zrovna nevidím. Takže první tři měsíce jsem trávila tím, že jsem naši myšlenku konzultovala s různými lidmi, abychom například vytvořili skvělý a propracovaný finanční plán, který nebude jen excelovou tabulkou o pěti řádcích.
Pak jsme ještě třeba řešili, jakým způsobem nabírat nové lidi, abychom náš produkt nastartovali co nejrychleji už v průběhu loňských prázdnin. To se povedlo, zároveň ale nastaly nové situace, které jsem doposud neznala.
To už jsem znala. Ovšem do pre-seedu jsme měli vždy peníze jen na měsíc nebo dva dopředu. Byla jsem ale zodpovědná za to, že naši lidé dostanou svoje peníze včas. Nikdy jsem nezažila takovou míru nejistoty jako v tomto období, byla to výzva. A je zázrak, že jsme ještě nevyhořeli. Naštěstí máme spoustu energie, pracuje se nám s lehkostí.
Ta situace mi přijde hodně podobná. Posledních pár let jsem se dost pohybovala v Nizozemsku, jsem taky hodně spjatá se startupovou scénou v Belgii. A nepřijde mi, že by tam bylo moc žen, zvlášť ne v technologiích. To, že je nás obecně málo, má své výhody i nevýhody.
Úplně sobecky vnímám, že na networkingových akcích mě obvykle člověk, se kterým se začnu bavit, nepošle hned do háje. Roli asi hraje nejen to, že mám metr šedesát, ale i fakt, že jsem žena. To pomáhá, protože u mě rychle opadl strach začít konverzaci s někým cizím.
Zároveň je ale docela nepříjemné, když v libovolně velké místnosti plné podnikatelů jsou jen dvě nebo tři ženy. Navíc často vnímám předsudky vůči ženám ve vedoucích pozicích, kdy se předpokládá, že svedou maximálně dělat marketing nebo se starat o sociální sítě. Je ale naprosto v pořádku se s takovými lidmi nebavit. Pokud vycítím, že ten člověk preferuje u kormidla muže, tak proč ne, ať si jedná jen s muži. Já se můžu obrátit na x jiných hráčů, kteří mě podpoří a nebudou řešit to, že jsem žena.
Spíš ojediněle. Teď už nastal efekt sněhové koule, protože jsem se dostala do prostředí, v němž jsem odfiltrovala lidi, kteří na mě koukali zvláštně nebo měli nevhodné poznámky. A na druhou stranu ti, se kterými se bavím, neberou to, že jsem žena, jako něco mimořádného, ale spíše jako standard. A to je dobře.
To bylo opravdu milé překvapení. Byla jsem moc ráda, že jsem se dostala na toto gala vyhlášení, už jen kvůli konverzacím. Byly tam neuvěřitelné příběhy mimořádně úspěšných žen, které začaly dělat AI ještě před tím, než to začalo být cool. Když mi popisovaly své začátky, tak jsem si říkala, že si vlastně dneska nemáme na co stěžovat. A když jsme se bavily o tom, jak se situace žen podnikatelek v AI vyvíjí, tak jsme došly k názoru, že jsme na celé dobré cestě. Bylo to optimistické a plné naděje. A pro mě to byla velká čest, byť jsem si tam připadala až nepatřičně.
Klonujeme to, jak se rozhodují. Což znamená, že se snažíme udělat kopii toho, jak lidé přemýšlejí, jak se chovají, co cítí. Nechceme klonovat jen to, co říkají navenek, chceme jít o vrstvu hlouběji – a dokázat udělat napodobeninu toho, jak se skutečně rozhodují.
Úplně v základu: děláme predikci čísel, ne písmen nebo slov. To znamená, že máme jiné analytické přístupy než mají jazykové modely jako je třeba ChatGPT. Naše metoda nám umožňuje dělat přesné výpočty, ne jenom napodobovat to, jak lidé mluví. Umělá inteligence Lakmoosu interaguje tak, jako by interagoval reálný člověk nebo jazykový model, její informace ale pocházejí z našeho modelu. Prostě spojujeme data jinak – a máme přesnější predikce.
Náš přístup není jen o jedničce a nule – tedy o tom, že by buď říkal pravdu, nebo lhal. Musíme si to představit na škále, kdy do té doby, než budeme mít naprosto univerzální vševědoucí model, který přesně ví, jak se lidé rozhodují, stavíme náš model po vrstvách.
Podívejme se třeba na vrstvu z odvětví bankovnictví a automobilového průmyslu. V momentě, kdy se někdo zeptá na otázku ohledně kosmetiky, tak ten model neví, jak odpovědět, protože například netuší, jaký šampon lidé používají. Proto vám řekne, že nemá dost dat, aby provedl tento výpočet.
Ne, to je právě ta predikce čísel. Může vzniknout například početní chyba, ale umělá inteligence Lakmoosu nebude halucinovat jako v případě jazykových modelů, kde se předpovídá každé další písmeno, slovo nebo slabika. V oblastech, ve kterých náš model trénujeme, se provádí validace, tedy takové kapkové, průběžné a jednotlivé analytické kroky. A ten model se pak vyvíjí stejně jako svět kolem nás.
Teď v lednu jsme provedli velkou validační studii, kdy jsme ověřovali, že naši digitální respondenti odpovídají stejně přesně jako ti lidští. Tuto komparativní studii již přijaly dvě akademické konference, z nichž jednu pořádá Evropská sociologická asociace. Z toho máme velkou radost.
Ano. Je to právě o tom kompozitním materiálu. My nemáme jeden velký model, kde by se něco dělo a nikdo ani nevěděl, co přesně. Máme spoustu malinkatých modelů, které se vzájemně vrství. Nejdřív začínáme kopií, kde máme jedna ku jedné 10 milionů digitálních Čechů. Na ni pak nasedají jednotlivé vrstvy, tedy bankovnictví, stavitelství, energetika, a podobně. Ta poslední vrstva už pak není oborová, ale specificky firemní. To znamená, že společnost, která začne využívat naše služby, si potom rozloží svá data do této oddělené instance.
Ne, je to taková jednosměrka. Celkový model obohacuje jejich vrstvu, jednotlivé firmy tedy mohou čerpat ze základních dat o všech 10 milionech digitálních Čechů – a můžou jim pokládat otázky, aniž by se ptali reálných lidí. Naopak jejich vlastní data už do modelu zpátky neproudí, tudíž se nikdy nestane, že by tímto způsobem obohacovala konkurenci.
Necílíme na to, aby náš model nahradil průzkumy stoprocentně. Čas od času se ty klasické budou dělat i v budoucnu, a to ze dvou důvodů. Zaprvé někteří klienti chtějí občas vidět nějaký dotazník v mailu, i kdyby na něj neodpovídali, nebo se jim líbí být osloveni na prodejně a říct svůj názor osobně. Zároveň je to pro firmy dobré PR.
Nicméně ta data budou čerstvá i v případě našeho modelu. Počítáme s tím, že z firmy budou do dané vrstvy pořád proudit nějaké informace, ať už to budou archivní i nové průzkumy, CRM, analytika z reklam nebo dalších kampaní. Dále ty společnosti můžou používat data, která automaticky zpracováváme z veřejných zdrojů. Řeč je třeba o aktuálních údajích o inflaci, hypotékách nebo sčítání lidu.
Dokážu si představit situace, kdy náš model nebude umět odpovědět na položenou otázku. Například na to, kolik lidí má ráno hlad. Tedy na věci, které se týkají tělesnosti a nějakým způsobem se dotýkají lidských fyzikálních potřeb. Pořád se budeme muset lidí ptát na to, zda ten produkt páchne nebo jestli mají dost prostoru pro nohy. Tohle za ně umělá inteligence neřekne.
Ty umíme. Predikujeme sentiment ke každému tématu, který řešíme. A našemu modelu to jde velice pěkně. Problém nastává, když má počítačový model předpovídat něco z těla – protože ho nemá. Jak si má představit, že nějaký materiál na stole nebo pohovce je nepříjemný?
Jasně, pokud se třeba výrobce nábytku zaměřuje na to, jak dělat své produkty udržitelněji a jak tuto novou strategii komunikovat, tak mu náš model pomoci může. Ale v případě, kdy bude vymýšlet novou řadu kuchyní a bude zkoumat, jaký materiál použít na desku, aby byl pro člověka co nejpříjemnější, mu umělá inteligence asi moc nepomůže.
Ano, společně hledáme win-win model, který bude smysluplný pro klienty, agentury i pro nás. Mmáme teď první pilot, ve kterém predikujeme sentiment amerických voličů ohledně prezidentských kandidátů. Myslím si, že pro tuto agenturu jsme zajímaví, protože se toho nebojíme a nepřišli jsme všechno zbourat, naopak chceme odvětví veřejných průzkumů transformovat a posunout.
V momentě, kdy agentura může jít do terénu jen v polovině nebo třetině případů, tak je pro ni i zadavatele levnější a rychlejší, když využijí naši pomoc. Proč do toho nejít, když to může otevřít úplně nové příležitosti právě v průzkumu obecně.
Tomu nepřikládáme takovou důležitost. My potřebujeme přesvědčit lidi na manažerských nebo průzkumnických pozicích, že náš produkt dává smysl. U nich se liší jen délka vysvětlování, každý je totiž novým technologiím a umělé inteligenci nakloněn jiným způsobem. Bylo by podezřelé, kdybychom někam přišli a v té firmě nám hned řekli, že Lakmoos může od zítřka nahradit všechny jejich průzkumy a interní rozhodování. Soustředíme se tedy spíš NA odezvu od lidí, kteří tomu buď rozumí, nebo si dokáží představit, jak náš model funguje.
Bavíme se o nižších desítkách firem. Doteď jsme se zabývali především produktem a validací, obchodní tým teprve postupně budujeme. Vzhledem k tomu, že děláme s velkými a zavedenými firmami, se soustředíme hlavně na piloty a první integrace, aby bylo všechno v pořádku. A abychom uměli i do budoucna správně měřit a optimalizovat náš model.
V září budeme mít devět pilotů s klienty na korporátní úrovni. Tento kohortový systém pak chceme pořádně nastartovat od začátku září, kdy ty skupiny pilotů chceme mít každý kvartál. Vždy budou zaměřené na nějaké specifické odvětví.
Jednak nám teď skončil pilot s jednou velmi známou automobilkou, kde momentálně pokračujeme v jednáních o plném kontraktu. Řešíme, jak bychom mohli dlouhodobě dodávat i její průzkumy a v jakém rozsahu. Také nám v tuto chvíli běží pilot s Raiffeisenbank.
Určitě. Buď koncem roku, nebo příští rok na jaře. Záleží, jak se vyvinou zmíněné pilotní projekty.
Jde o náš přístup – myslím, že jsme dost brutální. Velmi rychle se adaptujeme na nové podmínky a máme šílenou rychlost. Valíme prostě dopředu.
Máme snad nějakou jinou možnost?
Ano, v tuto chvíli je nás v týmu 24 – s dalšími nábory počítáme, ale zase to nechceme úplně přestřelit. S vyšším počtem lidí obvykle přichází zpomalení. Takže to teď hodně vyvažujeme. Ale tím, jak jsme shlukli firmy v pilotech do skupin, tak je teď rychleji odbavujeme.
Ano, a kromě odvětví chceme růst i do dalších zemí. Zatím působíme v Česku a v USA a chystáme se přidat další středoevropské státy.
Přesně tak, ale to je na tom to krásné. My máme vrstvy, které mezi sebou interagují, i pro ty jednotlivé cizí země. Zjednoduším to: když víme, kolik má člověk na účtu, tak dokážeme predikovat, mezi jakými šampony se rozhoduje. A stejné je to i v případě zahraničí. Nemáme samostatné modely pro každý stát, ale opět vrstvy v rámci toho celkového modelu. V zahraničí tedy nezačínáme na zelené louce, pouze vše postupně nabalujeme, čímž se naše AI zpřesňuje.
Už víme, že další zemí, kam pronikneme, bude Rakousko. Teď nás na měsíc pozvala tamní vláda, abychom jim mohli obohatit tamní systém bankovnictví, pojišťovnictví a další.
To zas ne, mám i jiné závazky. Během tohoto časového úseku jedu na konference do Belgie a Estonska, zároveň musím být občas také v Praze. Ovšem ve Vídni budeme mimo jiné spolupracovat s agenturou Vienna Business Agency. Ta hledá stakeholdery ve firmách, pro které bychom mohli být užiteční. Díky ní bychom se mohli dostat mezi ty správné lidi.
V pilotu nabízíme firmám v rámci jednoho měsíce pět průzkumů. Reálně si jich ale ty firmy vyzkoušejí desítky až nižší stovky. V momentě, kdy se můžou neomezeně ptát všech částí populace, včetně klientů konkurence, tak zjistí, že se jim najednou pracuje lépe. Ke klasickému průzkumu je totiž obvykle těžké získat schválení a budget, probíhá kvůli tomu spousta schůzek. Na samotný průzkum je pak omezený čas, lidi to navíc příliš nezajímá. Otázky přitom musí být velmi přesné, výborně formulované, nesmí jich být mnoho.
Když namísto tohoto přichází na scénu digitální respondent, který se nemůže naštvat a nepřestane ho to najednou bavit, tak najednou ta omezená kapacita času a pozornosti mizí. Už se nemusí tak úzkostlivě a zdlouhavě chystat otázky, může se experimentovat s různými formulacemi a lze jít do hloubky, když firma narazí na něco, o čem ani nevěděla, že to může být zajímavé. A pak je tu díky Lakmoosu také možné přicházet s doplňujícími dotazy až poté, co je k dispozici výsledek průzkumu.
Podle mého názoru vede náš model k demokratizaci výzkumů. Najednou už nejsou dotazníky výsadou jednoho oddělení, které je navíc stejně přetížené tím, že po něm všichni chtějí nějaká data a průzkumy. Teď už bude možné, aby se kdokoliv ve firmě zeptal digitálních respondentů na to, co je zajímá, čímž dojde ke zlepšení jejich práce. A výsledky nebudou za dva týdny nebo měsíc, ale v podstatě okamžitě.
My tu nabídku ohraničujeme něčím, co je zajímavé, dostupné a zároveň uvěřitelné. Když pak přijdeme do dané firmy a zjistíme, že si těch průzkumů neudělali pět, ale padesát, tak aspoň vidíme, že tam poptávka po našem produktu je – a že naše technologie funguje. A ta společnost zjistí, že je vlastně potřeba dělat mnohem více průzkumů, než na kolik byla doposud zvyklá. Je to dobrý argument.
To právě spočívá v síle celkového modelu. My známe rozložení celé populace – tedy nejen klienty dané firmy, ale i konkurence A a konkurence B. A pravděpodobnostně víme parametry těchto lidí. To znamená, že se každý digitální respondent tvoří na základě stovek tisíc datových klientů, což si můžeme zjednodušit na 200 nebo 300 atributů, které začínají věkem a končí třeba averzí vůči nějakému riziku. Takže tady vidíme škálu modelování jednotlivých lidí, tedy to, jak každý člověk uvažuje. Není to jen nějaký prompt, co zadáte do ChatGPT, ale přesný údaj – například to, kdo používá šampon X a kdo šampon Y.
V našem nástroji jsou dvě základní cesty, kudy se můžou uživatelé vydat. Buď to jsou rychlé otázky a odpovědi, kdy se na poradě třeba řeší, jestli na trh půjde modrý nebo červený šampon. Klient tam přirozeně přítomný není, protože má obvykle lepší věci na práci, než sedět na nějaké cizí poradě. Stačí tedy vytáhnout notebook nebo mobil a zeptat se segmentu digitálních klientů, který z těch dvou šamponů by viděli raději. A umělá inteligence může samozřejmě odpovědět například: „Hele, nám je to jedno, dejte nám radši slevu 20 procent.“
Ta je za mě osobně zajímavější. Firmy mají dnes tendenci si zakládat řekněme vlastní interní agentury či konzultační společnosti. To může být zdlouhavé, nákladné a těžko udržitelné – a právě proto je tu alternativa v podobě Lakmoosu. Od firem potřebujeme jen to, aby nám jejich AI research expert dal o fungování firmy kvalitní brief. Díky němu pak dokáže náš nástroj automaticky sestavovat hypotézy a otázky, navíc navrhne i vzorkování.
Zde je důležité říci, že nejdeme jenom po demografii, ale umíme filtrovat třeba lidi, kteří jsou odpůrci biopotravin, lidi, kteří nikdy necestovali, nebo lidi, kteří si nemyslí, že se Donald Trump stane opět americkým prezidentem. Takže vlastně zastupujeme i prescreening, tedy předvýběr.
Poté se provede plnohodnotný průzkum. Pokud má nějaká skupina v rámci segmentace 150 tisíc lidí v Česku, je možné ptát se všech těchto 150 tisíc lidí. Metodologicky je to samozřejmě hloupost, ale teoreticky je to díky nám možné. Během poslední fáze průzkumu se může výzkumník doptat tří až třiceti respondentů z této skupiny ještě hloubkově. Stíráme tedy rozdíl mezi kvalitativním a kvantitativním výzkumem – průzkum od AI Lakmoos na 150 tisících respondentech tak může mít i kvalitativní charakter.
Model odpovídá, proč si někdo něco myslí nebo proč se chová nějakým určitým způsobem. A zároveň k tomu přidá kontext, tedy údaj o tom, kolik lidí z té dané skupiny souhlasí s prezentovaným názorem. To znamená, že ačkoliv může výstup vypadat tradičně, například „70 procent lidí si myslí tohle, 30 procent zase tamto“, lze u něj mít doplňující text, který popisuje motivaci respondentů více do hloubky.
Začnu z druhé strany. Jak se dnes dělají průzkumy? Zajímá nás například, co si Emilové v Praze myslí o pomerančích. Vylosujeme si tedy v Praze pár náhodných Emilů, třeba deset nebo sto, a těch zeptáme, jaký mají názor na pomeranče. Z jejich odpovědí pak vytvoříme obecný poznatek o Emilech.
My ale máme k dispozici úplně všechny Emily. Pak nastává otázka, jaký průzkum firma potřebuje. V případě nějakého hloubkového, o kterém jsme se už bavili, si může navolit, kolika Emilů se zeptá – buď všech, nebo náhodných, ať už jednotek, stovek či tisícovek. Průzkum na velkém vzorku digitálních respondentů může trvat desítky minut – což je ale pořád jen zlomek času a prostředků, které by vyžadoval tradiční průzkum. Pokud vyžaduje firma odpověď okamžitě, může se zeptat jen jednoho průměrného Emila. To pak trvá jen několik vteřin.
Naše umělá inteligence by to určitě zvládla, ale zatím nejsme rozhodnutí, jak s touto oblastí naložit a komu tyto nástroje případně poskytnout. Pro nás to jsou tak těžká témata, že se do politiky zatím pouštět nechceme.
