Ketua Pegawai Inovasi (CINO). Dua puluh tahun yang lalu, kedudukan ini dalam c-suite agak jarang berlaku. Tetapi hari ini ia adalah salah satu peranan yang paling penting yang bertanggungjawab untuk memacu pertumbuhan dalam Fortune 1000. Tetapi seperti yang digariskan oleh Darko Lovric dan Greig Schneider dalam Artikel Kajian Perniagaan Harvard 2019 mereka, peranan itu masih di peringkat awal. Akibatnya, kedua-dua tanggungjawab dan pendekatan terhadap peranan berbeza-beza berdasarkan cabaran perniagaan yang ingin diselesaikan oleh organisasi.
Jadi, apakah maksudnya untuk VP atau Pengarah yang bekerja dalam inovasi dan R&D? Terutama jika mereka ditugaskan untuk memaklumkan dan mendidik CINO mengenai peluang budaya dan ancaman kepada perniagaan?
Ini bermakna, anda bukan sahaja perlu mempertimbangkan jenis CINO yang anda bekerjasama. Anda juga perlu mempertimbangkan jenis input penyelidikan terbaik yang anda perlukan untuk memastikan mereka dimaklumkan dan terkini dalam pasaran pengguna yang pesat berubah.
Tetapi pelbagai jenis Ketua Pegawai Inovasi mempunyai harapan yang berbeza ketika datang ke penyelidikan.
Dalam siri enam jawatan ini, kami akan membina artikel HBR yang dirujuk di atas. Kami akan melihat enam jenis utama Ketua Pegawai Inovasi yang dikenal pasti oleh Lovric dan Schneider tetapi juga, menggariskan cara yang berbeza pendekatan antropologi berasaskan AI dapat melengkapkan keperibadian dan kemahiran unik CINO anda.
Ketua Pegawai Inovasi #1:
Penyelidik
Lovric dan Schneider mengenal pasti Penyelidik sebagai seseorang yang "menggunakan metodologi saintifik untuk menjinakkan profusi idea dan pandangan gusti dari pelbagai data". Ini adalah kot makmal anda yang mencintai Ketua Pegawai Inovasi. Mereka bangun pada waktu pagi, didorong untuk mencipta sesuatu yang benar-benar baru dan novel yang akan menjadi perkara besar seterusnya dalam kategori mereka.
Cabarannya ialah dalam usaha mereka untuk membangunkan harta intelek baru (IP), inovasi mereka boleh mempunyai kadar kegagalan yang lebih tinggi dan mewujudkan lebih banyak ketegangan dalam organisasi. Akibatnya, Lovric dan Schneider menekankan bahawa CINO jenis ini berkembang maju dalam satu pasukan di mana inovasi sama seperti memberi tumpuan kepada "menentukan soalan yang betul kerana ia adalah tentang mencari jawapan".
Di sinilah pendekatan antropologi yang tangkas boleh menjadi kritikal.
Apabila berurusan dengan "Penyelidik", kecenderungan saintifik mereka boleh membuat mereka kurang terbuka atau menerima penyelidikan kualitatif. Tetapi pemahaman budaya antropologi pengguna yang paling tepat dapat mengesahkan sama ada pasukan inovasi anda "bertanya soalan yang betul" ketika mempertimbangkan pembangunan IP baru.
Syukurlah, kemajuan dalam Antropologi AI bermakna kita dapat melihat set data besar, melalui lensa antropologi. Dengan meningkatkan saiz kumpulan data kami, kita boleh menghapuskan bias dan ketidaktepatan yang kadang-kadang CINO mengaitkan dengan kaedah kualitatif.
Sebagai permulaan antropologi AI menghapuskan heuristik ketersediaan seperti yang ditakrifkan oleh Ahli Ekonomi pemenang Hadiah Nobel Daniel Kahneman.
Heuristik ketersediaan adalah jalan pintas mental yang bergantung pada contoh segera yang terlintas di fikiran. Apabila anda cuba membuat keputusan atau menyimpulkan sesuatu, beberapa peristiwa atau situasi yang berkaitan segera muncul di barisan hadapan pemikiran anda. Dan kerana mereka segera datang kepada anda, anda menganggap mereka betul. Ini menyebabkan bias ketersediaan dan merupakan masalah dengan kebanyakan model penyelidikan kualitatif atau etnografi tradisional (dengan sampel N kecil), serta penyelidikan yang bergantung kepada bertanya kepada pengguna mengapa mereka melakukan apa yang mereka lakukan.
Dengan mewujudkan sistem AI yang menghapuskan faktor manusia (terutamanya dalam pengumpulan data, organisasi, dan tafsiran awal konteks dan motivasi), kita boleh memanfaatkan enjin antropologi untuk mengenal pasti corak di kalangan berjuta-juta (dan tidak puluhan) pengguna. Seperti yang ditunjukkan oleh Kahneman, semakin banyak data yang dimanfaatkan, semakin kurang kebarangkalian salah menafsirkan hasilnya.
Kedua, dengan melihat sejumlah besar data ini melalui lensa pemerhatian semata-mata, kita tidak mengganggu pengguna, dan sebaliknya benar-benar menenggelamkan diri kita dalam kehidupan orang-orang yang akan memilih produk kita atau mengambil berat tentang topik atau isu.
Akhir sekali, dan boleh dikatakan yang paling penting, AI Antropologi membolehkan kita mengukur perubahan dalam budaya. Dan seperti yang anda bayangkan, quantification itu dapat membantu 'penyelidik' CINO berasa lebih yakin tentang data budaya yang anda gunakan untuk memaklumkan inovasi dan keputusan R&D anda.
Apabila anda mengkaji topik atau trend, anda dapat meramalkan berapa banyak ia semakin relevan dalam budaya.
Mencapai ini bukanlah satu pencapaian yang mudah. Ia memerlukan kita untuk membina model yang menganalisis alam semesta topik sekitar istilah carian dan mengkaji perubahan dalam alam semesta topik sepanjang masa. Pada dasarnya, kami menggunakan mesin untuk memodelkan dan mengkaji buruj makna di sekitar mana-mana topik, idea, atau trend.
Khususnya, algoritma menentukan sama ada —
- Terdapat topik baru yang memasuki alam semesta topik sekitar istilah carian (ini tidak lain hanyalah budaya topik).
- Topik-topik baru ini lebih matang daripada yang kini membentuk topik alam semesta - iaitu adakah ia relevan dengan sebahagian besar penduduk?
- Jika topik-topik baru ini menjadikan topik alam semesta kurang pelbagai. Iaitu, topik yang lebih matang, set makna yang kurang pelbagai yang dibawanya.
- Topik-topik yang lebih matang ini semakin meningkat dalam kedua-dua kelantangan dan kekuatan sambungan ke istilah carian.
Berdasarkan hasil analisis empat peringkat ini, menggunakan empat tahun data mengenai topik itu, algoritma dapat menjalankan ramalan, dan juga menyediakan jangka masa untuk ramalan.
Setiap ramalan dilengkapi dengan beberapa metrik penting.
- Tempoh masa menunjukkan bilangan tahun yang diperlukan untuk mencapai hasil yang diramalkan.
- "Topik yang mendorong perubahan" merujuk kepada topik yang mendorong trend ke arah kanan pada lengkung kematangan, manakala "topik menentang" melakukan sebaliknya.
- Ramalan menunjukkan –
- Kedudukan masa depan lengkung kematangan, dan pasaran teras masa depan.
- Tahap turun naik yang dipamerkan oleh topik ini. Sekiranya topik itu sangat tidak menentu, maka sistem tidak akan memberikan ramalan. Anda akan melihat ini dari semasa ke semasa.
Apakah maksud ini untuk anda?
Ini bermakna anda boleh pergi ke CINO anda yang sangat analitikal dan membentangkan pandangan, bahawa walaupun sifat kualitatif adalah berdasarkan mengukur perubahan dalam budaya pengguna. Dan apabila mereka bertanya seberapa tepat ramalan ini, anda boleh mengatakan bahawa dalam lebih daripada 1000 carian menandakan bangku, di mana kami membandingkan ramalan pada masa lalu dengan hasil semasa, 80.4% daripada ramalan kami bertahan dengan margin kesilapan 4.8%.
Ini jauh mengatasi standard industri dan itulah sebabnya inisiatif inovasi bahagian depan pelanggan kami berjaya lebih banyak apabila berdasarkan penyelidikan kami.
Kesimpulan:
Lebih setahun yang lalu, kami telah bekerjasama dengan Pengarah Global Sains Deria di sebuah syarikat makanan CPG utama. Beliau bekerja dengan Ketua Pegawai Inovasi yang sangat berbakat yang sesuai dengan archetype "Penyelidik" dengan sempurna. Dan mereka akan melabur berjuta-juta dalam ruang kesejahteraan.
Tetapi ada sesuatu yang tidak duduk betul dengan Pengarah. Oleh itu, dia menugaskan kami untuk melakukan pecut 5 hari, dan menggunakan platform AI Antropologi kami untuk meneroka budaya kesejahteraan & kesejahteraan.
Kami bukan sahaja dapat menunjukkan bahawa kedua-dua istilah ini tidak dapat digunakan secara bergantian (Ketua Pegawai Inovasi yakin mereka bermaksud perkara yang sama), tetapi kami juga dapat mengenal pasti dan mengukur ruang permintaan untuk kesejahteraan, yang lebih baik sejajar dengan keperluan teknikal pasukan R&D dapat bertindak.
Kami dapat membantu Pengarah membuktikan kepada CINO mereka bertanya soalan yang salah dengan data besar yang berkaitan dengan budaya.
Dan apabila CINO melihat laporan itu, ia adalah saiz sampel yang besar dan jumlah data yang membolehkannya menerima bahawa dia telah salah menafsirkan pandangan pengguna.
"Nombor tidak berbohong." Katanya.
Itulah kuasa mengukur perubahan dalam budaya dengan AI dan Antropologi.
SETERUSNYA:
Ketua Pegawai Inovasi # 2: Jurutera