Il Chief Innovation Officer (CINO). Vent'anni fa, questa posizione nella c-suite era piuttosto rara. Ma oggi è uno dei ruoli più importanti, responsabile della crescita delle aziende Fortune 1000. Ma come hanno sottolineato Darko Lovric e Greig Schneider nel loro articolo del 2019 sulla Harvard Business Review, questo ruolo è ancora agli inizi. Di conseguenza, sia le responsabilità che l'approccio al ruolo variano in base alle sfide aziendali che l'organizzazione sta cercando di risolvere.
Cosa significa questo per un vicepresidente o un direttore che lavora nel settore dell'innovazione e della ricerca e sviluppo? Soprattutto se hanno il compito di informare ed educare il CINO sulle opportunità culturali e sulle minacce per l'azienda?
Ciò significa che non dovete solo considerare il tipo di CINO con cui lavorate. Dovete anche considerare i migliori tipi di input di ricerca necessari per mantenerli informati e aggiornati in un mercato dei consumatori in rapida evoluzione.
Ma i diversi tipi di Chief Innovation Officer hanno aspettative diverse quando si tratta di ricerca.
In questa serie di sei post, ci baseremo sull'articolo della HBR citato in precedenza. Esamineremo i sei tipi principali di Chief Innovation Officer identificati da Lovric e Schneider, ma illustreremo anche i diversi modi in cui un approccio antropologico basato sull'IA può integrare la personalità e le competenze uniche del vostro CINO.
Chief Innovation Officer #1:
Il ricercatore
Lovric e Schneider identificano il ricercatore come colui che "usa la metodologia scientifica per domare la profusione di idee e strappare intuizioni da una moltitudine di dati". È il vostro Chief Innovation Officer amante del camice da laboratorio. Si sveglia la mattina, spinto a inventare qualcosa di completamente nuovo e inedito che si rivelerà la prossima grande novità della sua categoria.
La sfida è che nella loro ricerca di sviluppare nuova proprietà intellettuale (IP), le loro innovazioni possono avere un tasso di insuccesso più elevato e creare maggiori tensioni nell'organizzazione. Di conseguenza, Lovric e Schneider sottolineano che questo tipo di CINO prospera in un team in cui l'innovazione si concentra tanto sulla "determinazione delle domande giuste quanto sulla ricerca delle risposte".
È qui che un approccio agile e antropologico può essere fondamentale.
Quando si ha a che fare con un "Ricercatore", la sua inclinazione scientifica può renderlo meno aperto o meno disposto alla ricerca qualitativa. Ma è la comprensione culturale dei consumatori da parte dell'antropologia che può verificare con maggiore precisione se il vostro team di innovazione sta "facendo le domande giuste" quando considera lo sviluppo di una nuova proprietà intellettuale.
Fortunatamente, i progressi dell'antropologia dell'intelligenza artificiale ci consentono di esaminare grandi insiemi di dati attraverso una lente antropologica. Aumentando le dimensioni del nostro pool di dati, possiamo eliminare i pregiudizi e le imprecisioni che il CINO talvolta associa ai metodi qualitativi.
Per cominciare, l'antropologia dell'IA elimina l'euristica della disponibilità, definita dall'economista premio Nobel Daniel Kahneman.
L'euristica della disponibilità è una scorciatoia mentale che si basa su esempi immediati che vengono in mente. Quando si cerca di prendere una decisione o di dedurre qualcosa, una serie di eventi o situazioni correlate balzano immediatamente in primo piano nei pensieri. E siccome vi vengono subito in mente, pensate che siano giusti. Ciò causa un pregiudizio di disponibilità ed è un problema della maggior parte dei modelli tradizionali di ricerca qualitativa o etnografica (con piccoli campioni N), nonché delle ricerche che si basano sul chiedere ai consumatori perché fanno ciò che fanno.
Creando un sistema di intelligenza artificiale che elimina il fattore umano (soprattutto nella raccolta dei dati, nell'organizzazione e nell'interpretazione iniziale del contesto e della motivazione), possiamo sfruttare un motore antropologico per identificare modelli tra milioni (e non decine) di consumatori. Come sottolinea Kahneman, maggiore è il numero di dati sfruttati, minore è la probabilità di interpretare male i risultati.
In secondo luogo, guardando a questa grande quantità di dati attraverso una lente puramente osservativa, non interrompiamo i consumatori, ma ci immergiamo davvero nella vita delle persone che sceglieranno il nostro prodotto o si interesseranno a un argomento o a una questione.
Infine, e probabilmente la cosa più importante, l'antropologia dell'intelligenza artificiale ci permette di quantificare i cambiamenti nella cultura. E come potete immaginare, questa quantificazione può aiutare il "ricercatore" CINO a sentirsi più sicuro dei dati culturali che sta utilizzando per informare le sue decisioni in materia di innovazione e ricerca e sviluppo.
Quando si esamina un argomento o una tendenza, si è in grado di prevedere quanto stia aumentando la sua rilevanza nella cultura.
Raggiungere questo obiettivo non è stato facile. Abbiamo dovuto costruire un modello che analizza l'universo di argomenti che circonda un termine di ricerca ed esamina i cambiamenti all'interno dell'universo di argomenti nel corso del tempo. In sostanza, usiamo la macchina per modellare e studiare la costellazione di significati intorno a qualsiasi argomento, idea o tendenza.
In particolare, l'algoritmo determina se -
- Ci sono nuovi argomenti che entrano nell'universo tematico che circonda un termine di ricerca (questo non è altro che la cultura di un argomento).
- Questi nuovi argomenti sono più maturi di quelli che attualmente compongono l'universo degli argomenti - cioè sono rilevanti per una porzione molto più ampia della popolazione?
- Se questi nuovi argomenti rendono l'universo tematico meno vario. Cioè, più un argomento è maturo, meno è variegato l'insieme di significati che porta con sé.
- Questi argomenti più maturi stanno aumentando sia in termini di volume che di forza di connessione con il termine di ricerca.
Sulla base dei risultati di questa analisi in quattro fasi, utilizzando quattro anni di dati su quell'argomento, l'algoritmo è in grado di eseguire una previsione e di fornire anche un arco temporale per la previsione.
Ogni previsione è accompagnata da alcune importanti metriche.
- La tempistica indica il numero di anni necessari per raggiungere il risultato previsto.
- Gli "argomenti che guidano il cambiamento" si riferiscono ad argomenti che stanno spingendo la tendenza verso destra sulla curva di maturità, mentre gli "argomenti che resistono" stanno facendo il contrario.
- La previsione indica -
- La posizione futura della curva di maturità e il futuro mercato principale.
- Il livello di volatilità dell'argomento. Se l'argomento è molto volatile, il sistema non fornirà una previsione. Questo si vedrà di tanto in tanto.
Cosa significa questo per voi?
Significa che potete andare dal vostro CINO altamente analitico e presentare intuizioni che, pur essendo di natura qualitativa, si basano sulla quantificazione dei cambiamenti nella cultura dei consumatori. E quando vi chiederanno quanto sono accurate queste previsioni, potrete dire che in oltre 1.000 ricerche di benchmarking, in cui abbiamo confrontato le previsioni del passato con i risultati attuali, l'80,4% delle nostre previsioni ha retto con un margine di errore del 4,8%.
Questo supera di gran lunga lo standard del settore ed è il motivo per cui le iniziative di innovazione front-end dei nostri clienti hanno più successo quando si basano sulla nostra ricerca.
Conclusione:
Più di un anno fa, lavoravamo con il Direttore globale della scienza sensoriale di un'importante azienda alimentare CPG. Lavorava con un Chief Innovation Officer di grande talento che corrispondeva perfettamente all'archetipo del "ricercatore". E stavano per investire milioni nel settore del benessere.
Ma qualcosa non quadrava per il Direttore. Così ci ha incaricato di fare uno sprint di 5 giorni e di utilizzare la nostra piattaforma di antropologia dell'intelligenza artificiale per esplorare la cultura del benessere.
Siamo riusciti non solo a dimostrare che questi due termini non possono essere usati in modo intercambiabile (il Chief Innovation Officer era convinto che significassero la stessa cosa), ma anche a identificare e quantificare gli spazi di domanda per il benessere, che si allineavano meglio con i requisiti tecnici su cui il team di ricerca e sviluppo era in grado di agire.
Siamo stati in grado di aiutare il direttore a dimostrare al CINO che stava ponendo la domanda sbagliata con big data culturalmente rilevanti.
E quando il CINO ha visto il rapporto, la dimensione del campione e il volume dei dati gli hanno permesso di accettare che aveva interpretato male il punto di vista del consumatore.
"I numeri non mentono". Ha detto.
Questo è il potere di quantificare i cambiamenti nella cultura con l'IA e l'antropologia.
PROSSIMO AGGIORNAMENTO:
Responsabile dell'innovazione n. 2: l'ingegnere