Руководители компаний вложили значительные средства в понимание своих клиентов, однако большая часть этой информации хранится в папках, которые пылятся на полках. Правда в том, что ценные данные о клиентах не востребованы, поскольку отчеты записаны где-то на жестких дисках, стенограммы просто хранятся в целях соответствия нормативным требованиям, а реальный опыт клиентов оказывается разбросанным по папкам и отдельным подразделениям. Даниэль Джаффит, соучредитель Quartz Labs, рассказывает на портале Information Age о том, как концепция цифровых двойников может помочь объединить разрозненные подразделения организации.
Ирония заключается в том, что, хотя компании инвестируют в изучение своих клиентов больше, чем когда-либо прежде, решения по-прежнему принимаются на основе догадок или интуиции, а также расплывчатых выводов из прошлых исследований. Разрыв между тем, что организации знают, и тем, что они используют для стимулирования роста, становится все более значительным, и это происходит тогда, когда скорость и ясность важнее, чем когда-либо.
Итак, как же максимально эффективно использовать тот огромный массив данных, который в настоящее время скрыт в компаниях? Одно из наиболее эффективных решений — внедрение цифровых двойников в систему получения инсайтов.
Термин «цифровой двойник» первоначально описывал детерминированное моделирование физических систем в таких отраслях, как аэрокосмическая промышленность и производство, где инженерам необходимо было моделировать строго контролируемые процессы, прежде чем вносить изменения в реальные системы.
С появлением генеративного ИИ этот термин приобрел дополнительное значение: цифровые двойники людей, включая клиентов, заинтересованных сторон и пользователей. Эти цифровые двойники выполняют совершенно другую функцию — они воспроизводят логику и поведенческие модели отдельных людей, а не механических систем.
И первые исследования в этой области уже показали обнадеживающие результаты.
Больше, чем модное слово
Такие модные слова, как «синтетические пользователи», «ИИ-персоны» и «цифровые двойники», начинают появляться в презентациях, пилотных проектах и демонстрациях продуктов неслучайно. Для компаний, стремящихся к мгновенным и простым способам проверки идей, пересмотра прошлых исследований, изучения нестандартных ситуаций и снижения нагрузки, связанной с повторным набором персонала, эти предложения привлекательны, даже если они не совсем уверены в том, что эти модели на самом деле делают или насколько они надежны.
Цифровые двойники не являются универсальными заменителями ИИ; в лучшем случае это структурированные поведенческие модели, основанные на реальных данных о клиентах. Они предлагают надежный способ поддерживать актуальность, согласованность и доступность инсайтов по запросу. Именно в этом заключается их истинная стратегическая ценность.
Если говорить более детально, то наиболее эффективные цифровые двойники строятся на основе существующих данных о клиентах — стенограмм интервью, результатов опросов и поведенческих данных. Но вместо того, чтобы просто суммировать данные, они создают представление о том, как конкретный человек склонен мыслить. Их роль заключается не в том, чтобы имитировать точные слова человека, а в том, чтобы отражать лежащую в основе логику, предпочтения, мотивацию и слепые пятна.
В результате получается модель, в которой команды могут конструктивно пересматривать предыдущие исследования. Они могут задавать уточняющие вопросы двойнику спустя месяцы после проведения первоначальных интервью, изучая, как человек может отреагировать на новую структуру ценообразования, пересмотренную функцию или гипотетический сценарий. Важно отметить, что двойник может делать это таким образом, чтобы оставаться верным тому, что рассказал первоначальный участник.
Это превращает исследование из получения статичного результата в непрерывный, активный диалог, позволяющий командам продолжать взаимодействовать с клиентами, о которых у них уже есть данные.
Извлечение инсайтов из разрозненных источников
Исследования, как правило, носят эпизодический характер. Команды собирают мнения, выделяют темы, пишут отчеты, а затем переходят к следующему этапу. Потом начинается новый проект, и цикл повторяется.
Цифровые двойники разрывают эту цепочку, позволяя организациям сохранять глубину прошлых исследований и постоянно использовать ее. Продуктовые команды, стратеги, исследователи и новаторы по всему бизнесу могут работать с одними и теми же моделями клиентов, создавая общую точку отсчета для всех функций.
Эти общие знания становятся бесценными при работе в условиях неопределенности. Вместо того чтобы спрашивать, что могут подумать клиенты, команды могут изучить, как думает конкретная модель клиента прямо сейчас, используя реальные данные.
Мощь цифровых двойников реально проявляется в организациях, где хорошие идеи часто застревают. Вы знаете эту схему: кто-то предлагает что-то действительно многообещающее, а затем, обычно на поздней стадии процесса, вопросы осуществимости, комплаенса, качества или клиентского опыта сбивают темп.
Цифровые двойники меняют порядок вещей. Они позволяют командам исследовать, тестировать и проверять идеи на прочность до того, как кто-либо выделит время или бюджет. Вы можете увидеть, как могут отреагировать клиенты, где находятся проблемные точки и что нужно исправить задолго до того, как эти проблемы выйдут на реальный уровень.
Почему пришло время действовать
Нельзя отрицать тот факт, что для организаций
В течение многих лет цифровые двойники использовались для моделирования сложных систем в инженерии, аэрокосмической отрасли и производстве, где неудача обходится дорого, а итерации необходимы, прежде чем что-либо станет реальным. С появлением генеративного ИИ идея цифрового двойника получила дальнейшее развитие.
После года поспешных пилотных проектов в области ИИ и разочаровывающей рентабельности инвестиций руководители ищут подходы, которые действительно соответствуют тому, как работают предприятия. Цифровой двойник делает именно это: он основывается на привычных методах исследования, работает в рамках существующих рабочих процессов и позволяет командам безопасно изучать идеи, прежде чем принимать окончательное решение. Вместо того чтобы замедлять темпы развития, он помогает организациям принимать более обоснованные решения в то время, когда стоимость ошибок постоянно растет.
Цифровые двойники человека все еще являются экспериментальным сценарием использования, отчасти потому, что они включают в себя как непредсказуемость человека, так и эмерджентное поведение больших языковых моделей. Тем не менее, они уже доказывают свою полезность в тех моментах, когда команды в противном случае полагались бы только на инстинкт.
Это сочетание новых возможностей и практической применимости делает цифровые двойники привлекательным предложением для организаций.
