En primer lugar, los avances en el procesamiento del lenguaje natural (NLP) y los modelos de aprendizaje automático llevarán a la automatización de los análisis de datos (¡y esto ya está sucediendo!). En segundo lugar, los avances en la generación de lenguaje natural y otras técnicas de aprendizaje profundo impulsarán la automatización de la recopilación de datos por medio de conversaciones con seres humanos y digestión pasiva de datos. En tercer lugar, a partir de los datos recopilados y analizados automáticamente, la inteligencia artificial aprenderá, por ejemplo, cómo las personas convierten esta información esclarecedora en informes, lo cual llevará a la automatización de la generación de informes. Por último, tomando como base las capas de automatización descritas, la inteligencia artificial puede comenzar a generar y entender el panorama de las posibles acciones que debemos emprender. Luego, utilizando la información esclarecedora que se derive de los datos disponibles, esquematizará estas acciones con respecto a los resultados más probables. Después de sopesar estos resultados en comparación con la meta deseada, la inteligencia artificial recomendará la acción, o el curso de acciones, con más probabilidades de lograr la meta deseada. A lo largo de este recorrido, es importante comprender la función que desempeña una «meta»: la inteligencia artificial puede ser considerada una máquina que optimiza variables para lograr una meta específica. El poder de la inteligencia artificial está creciendo y su capacidad para lograr metas con mayor perfección está aumentando. Por consiguiente, podemos emplear este paradigma como si fuera una lente para considerar la ética de metas concretas, evaluando qué ocurriría si se lograran dichas metas a la perfección.LA AUTOMATIZACIÓN
Para los investigadores de mercado se destacan tres categorías generales de metas: la primera es entender mejor las necesidades de los consumidores para que se pueda desarrollar un producto que responda más ajustadamente a ellas, la segunda es tener un mejor entendimiento de cómo comunicar la oferta de un producto con precisión a los consumidores para que conozcan lo bien que responde a sus necesidades, y la tercera es entender la psicología de los consumidores para que puedan ser manipulados y que compren productos que no necesariamente necesitan. Si extrapolamos las dos primeras metas, obtenemos un mundo en el que las empresas fabrican productos que responden perfectamente a las necesidades de los consumidores y en el que los consumidores entienden perfectamente qué productos responden mejor a sus necesidades. En un mundo así, se fabrican productos cuando se identifica una necesidad, y estos productos evolucionan rápidamente a medida que lo hacen las necesidades de los consumidores. Por el contrario, si extrapolamos la tercera meta, obtenemos un mundo en el que las creencias fundamentales que tienen las personas sobre sí mismas y el mundo en que habitan se distorsionan sistemáticamente para aumentar al máximo el número de productos que compran (o por quién votan). En este mundo, el énfasis no recae en los productos que responden a necesidades, sino en cómo manipular la psicología de las personas para que crean que necesitan comprar un producto que una empresa ya fabrica. Para mí, está claro que trabajar en pos de uno de estos mundos es éticamente permisible y que aspirar al otro no lo es. Uno mejora la vida de los seres humanos mientras que el otro aumenta al máximo las ganancias. Tomando en cuenta lo dicho, creo que es importante que nosotros, como industria de investigadores de mercado, seamos conscientes de las consecuencias de las metas que nos proponemos alcanzar. Desempeñamos un papel fundamental para crear el mundo del futuro en el que vivirán nuestros hijos y nietos, y es importante que tomemos esta responsabilidad con seriedad. Andrew Konya, Director general (CEO) de Remesh.aiLas metas de la inteligencia artificial en la investigación de mercado
Andrew Konya es el fundador y Director general (CEO) de Remesh. Tras formarse como físico computacional, ha dedicado los últimos 8 años al desarrollo y la aplicación de algoritmos de inteligencia artificial y aprendizaje automático a problemas de la ciencia de los materiales, tecnología de biosensores, análisis de tráfico e imágenes y lenguaje. En estos últimos tiempos se ha enfocado en el desarrollo de inteligencia artificial para entender y comprometer a grandes muchedumbres con Remesh.
Si desea más información sobre Remesh, diríjase a remesh.ai 
