Date: 2025-09-27
Спикер: Александр Земсков
Общее саммари встречи
Александр показал «честный» эксперимент: как ИИ (GPT-5) помогает пройти весь цикл количественного исследования — от брифа и табличных отчётов до PPT-презентации с выводами.
Кейсовая база — бренд Demix в категории кроссовок; цели включали оценку знания/покупки, имидж, позиционирование и демографику.
Демонстрировались две стратегии взаимодействия с моделью: «отдать ответственность ИИ» и «жёстко вести ИИ по шаблонам», причём вторая дала более стабильный результат.
Модель смогла построить корректные графики, оппозиционные карты/карты соответствий и слайды с заголовками-выводами. Узкие места — контекст, многовариантные шкалы/мультисеты и итеративная доводка визуализаций.
На Q&A обсудили точность (нужны системные проверки на серии диаграмм), выгоды по времени (сокращение подготовки отчёта до ~дня) и риски конфиденциальности/деперсонализации. Есть потенциал в автоматизации таблиц, визуализации по шаблонам и «инсайт-майнере», при этом остаются вопросы инфраструктуры и enterprise-политик.
Саммари
- Цели эксперимента
- Проверить, стоит ли инвестировать в ИИ, где больше value и как приоритизировать внедрение на пайплайне quant-исследований.
- Бизнес-боли покрываются на этапах DP/Tables/PPT/Reco/Story.
- Кейсовая постановка (Demix, «кроссовки»)
- Бриф: задача повысить прибыль и средний чек; нужно измерить знания/покупки, построить «лестницу здоровья» бренда и конкурентов, изучить имидж и влияние атрибутов на метрики и готовность платить больше; сделать демопортрет и отличия.
- Где ИИ экономит время (ожидания)
- Приём/чистка данных; взвешивание; кросс-табуляции со значимостью и авто-подсветкой «живых» ячеек; визуализация → PPT; открытые ответы; Conjoint/MaxDiff; «инсайт-майнер»; авто-Implications; финальный чек-лист.
- Два сценария взаимодействия с моделью
- Сценарий А: минимум вмешательства, «ИИ ведёт процесс».
- Сценарий Б: жёсткие шаблоны/референсы, декомпозиция, ответственность у исследователя.
Результат: подход Б даёт управляемую точность и ближе к «агентскому» качеству.
- Что получилось на практике
- Построены базовые графики знания/пользования, «пирамиды/лестницы», сравнительные «паутинки», позиционные карты и анализ соответствий; часть графиков требовала нескольких итераций и точного словаря/шаблонов.
- Итерации были умеренными (в среднем ~5), «думающая модель» работала устойчивее для графики.
- Финальная PPT: заголовки-выводы на слайдах и сводные рекомендации — приемлемые как draft для доработки мидлом/сеньором.
- Точность, скорость, конфиденциальность (Q&A)
- По точности: на простых расчётах — хорошо; на серии диаграмм нужна выборочная верификация и регламент «контрольных точек».
- По времени: при отлаженных шаблонах подготовка отчёта возможна в пределах ~одного дня (vs. 2–3 дня у опытного джуна/мидла).
- По данным: острые вопросы enterprise-гарантий и деперсонализации панельных данных; обсуждались варианты on-prem/опенсорс-моделей.