Survei telah digunakan untuk mengetahui lebih banyak tentang masyarakat, bisnis, dan opini masyarakat sejak dahulu kala. Meskipun metodenya mungkin telah berubah selama ribuan tahun, ada satu hal yang tidak berubah: Kebutuhan akan manusia, banyak sekali orang.
Namun bagaimana jika Anda tidak bisa mendapatkan cukup banyak orang untuk membentuk kelompok yang cukup besar untuk menghasilkan hasil yang baik? Atau, bagaimana jika Anda bisa mendapatkan cukup banyak orang, namun keterbatasan anggaran membatasi jumlah orang yang dapat Anda jangkau dan wawancarai?
Di sinilah Fairgen ingin membantu. Sebuah startup Israel hari ini meluncurkan platform yang menggunakan “statistik AI” untuk menghasilkan data buatan yang diklaim sama bagusnya dengan data asli. Perusahaan ini juga mengumumkan pendanaan baru sebesar $5,5 juta dari Maverick Ventures Israel, The Creator Fund, Tal Ventures, Ignia, dan beberapa angel investor, sehingga jumlah total yang terkumpul sejak putaran awal menjadi $8 juta.
“Data Palsu”
Data mungkin merupakan sumber kehidupan AI, namun data juga telah menjadi landasan riset pasar sejak dahulu kala. Jadi ketika kedua dunia ini bertabrakan, seperti yang terjadi di dunia Fairgen, pentingnya data yang baik menjadi kurang terlihat.
Didirikan di Tel Aviv, Israel, pada tahun 2021, Fairgen sebelumnya berfokus pada mengatasi diskriminasi dalam AI. Namun menjelang akhir tahun 2022, perusahaan telah memilih produk baru, Fairboost, yang memulai versi beta.
Fairboost berjanji untuk “memperluas” kelompok kecil hingga tiga kali lipat, menciptakan kesadaran yang lebih besar di bidang-bidang yang mungkin sulit atau mahal untuk dijangkau. Dengan menggunakan ini, perusahaan dapat melatih algoritme pembelajaran mesin mendalam pada data apa pun yang mereka masukkan ke platform Fairgen, dengan metode pembelajaran AI di berbagai bidang penelitian.
Gagasan tentang “penemuan” – sesuatu yang terdiri dari imajinasi dan bukan berdasarkan pengalaman dunia nyata – bukanlah hal baru. Akarnya berasal dari masa awal komputasi, ketika digunakan untuk menguji program dan algoritma, serta mensimulasikan proses. Namun data buatan, seperti yang kita kenal sekarang, telah berkembang pesat, terutama dengan munculnya pembelajaran mesin, yang banyak digunakan untuk melatih model. Kita dapat mengatasi masalah kelangkaan data dan privasi dengan menggunakan data yang tidak mengandung informasi privasi apapun.
Fairgen adalah startup terbaru yang menguji data produksi, dan menjadikan riset pasar sebagai fokus utamanya. Perlu dicatat bahwa Fairgen tidak mengambil data begitu saja, atau membuang jutaan survei lama ke dalam wadah peleburan yang digerakkan oleh AI – peneliti pasar harus melakukan survei kecil terhadap pasar yang mereka inginkan, dan dari sana, Fairgen. itu menyiapkan cara untuk meningkatkan model. Perusahaan mengatakan dapat menjamin peningkatan dua kali lipat pada sampel pertama, tetapi rata-rata dapat meningkatkannya tiga kali lipat.
Dengan cara ini, Fairgen dapat memastikan bahwa seseorang dengan usia dan/atau tingkat pendapatan tertentu lebih mungkin menjawab pertanyaan dengan cara tertentu. Atau, gabungkan sejumlah data untuk mengekstrak dari kumpulan data asli. Hal ini tentang membuat apa yang dikatakan oleh salah satu pendiri dan CEO Fairgen, Samuel Cohen, sebagai “komponen yang lebih kuat, lebih tahan lama, dengan lebih sedikit cacat.”
“Hal yang dapat diambil dari hal ini adalah semakin banyaknya orang yang mobile – merek perlu beradaptasi dengan hal tersebut, dan mereka perlu memahami segmen pelanggan,” jelas Cohen kepada TechCrunch. “Sektor-sektornya sangat berbeda – Generasi Z mempunyai cara berpikir yang berbeda dibandingkan orang-orang yang lebih tua. Dan untuk dapat memahami pasar ini di tingkat sektor, dibutuhkan banyak uang, dibutuhkan banyak waktu dan sumber daya. Dan saat itulah saya menyadari bahwa rasa sakitnya. Kami tahu bahwa produk memiliki peran yang dibutuhkan di sana.”
Keberatan yang jelas – yang diakui oleh perusahaan sebagai tantangannya – adalah bahwa semua ini tampak seperti jalan pintas untuk terjun ke lapangan, mewawancarai orang-orang nyata dan mengumpulkan pendapat nyata.
Tentunya kelompok yang kurang terwakili harus khawatir bahwa suara mereka yang sebenarnya digantikan oleh suara-suara palsu?
“Setiap pelanggan yang kami ajak bicara di pusat penelitian memiliki titik buta yang besar – target audiens yang sulit,” kata kepala pertumbuhan Fairgen, Fernando Zatz, kepada TechCrunch. “Mereka tidak menjual pekerjaan karena jumlah orangnya tidak mencukupi, terutama di negara yang beragam dimana Anda mempunyai banyak segmen pasar. Kadang-kadang mereka tidak bisa pergi ke negara lain; mereka tidak bisa pergi ke kelompok tertentu, sehingga mereka kehilangan pekerjaan. karena mereka tidak dapat mencapai jumlah mereka. Mereka memiliki jumlah (pelamar) yang rendah), dan jika mereka tidak mencapai jumlah itu, mereka tidak menjual apa yang mereka ketahui.”
Fairgen bukan satu-satunya perusahaan yang menggunakan AI untuk riset pasar. Qualtrics tahun lalu mengatakan pihaknya menginvestasikan $500 juta selama empat tahun untuk menghadirkan AI buatan ke platformnya, meskipun mereka berfokus pada penelitian perilaku. Namun, ini adalah bukti lebih lanjut bahwa kecerdasan buatan telah ada dan akan tetap ada.
Namun validasi hasil akan memainkan peran penting dalam meyakinkan masyarakat bahwa ini adalah inisiatif nyata dan bukan upaya penghematan biaya yang hanya akan memberikan hasil terbatas. Fairgen melakukan ini dengan membandingkan nilai tambah “nyata” dengan nilai tambah “buatan” – ia mengambil sedikit sampel data, menambahkannya, dan menyisihkannya dengan yang asli.
“Dengan setiap pelanggan yang kami daftarkan, kami melakukan pengujian yang sama,” kata Cohen.
Dengan perhitungan
Cohen memiliki gelar MSc dalam ilmu komputasi dari Universitas Oxford, dan PhD dalam pembelajaran mesin dari UCL London, yang mencakup sembilan bulan sebagai ilmuwan peneliti di Meta.
Salah satu pendiri perusahaan adalah ketua Benny Schnaider, yang sebelumnya bekerja di industri perangkat lunak bisnis, dengan empat perjalanan atas namanya: Ravello ke Oracle sebesar $500 juta pada tahun 2016; Qumranet ke Red Hat seharga $107 juta pada tahun 2008; P-Cube ke Cisco sebesar $200 juta pada tahun 2004; dan Pentacom ke Cisco seharga $118 pada tahun 2000.
Lalu ada Emmanuel Candès, profesor statistik dan teknik elektro di Universitas Stanford, yang merupakan kepala penasihat ilmiah Fairgen.
Bisnis ini adalah tulang punggung matematika dan nilai jual utama bagi sebuah perusahaan yang mencoba membuktikan kepada dunia bahwa data palsu bisa sama bagusnya dengan data asli, bila digunakan dengan benar. Beginilah cara dia dengan jelas mendefinisikan sifat teknologinya dan batasannya – ukuran sampel yang harus digunakan untuk mencapai kinerja maksimal.
Menurut Cohen, mereka membutuhkan setidaknya 300 responden untuk survei tersebut, dan dari situ Fairboost dapat mempromosikan porsi yang tidak akan melebihi 15% dari survei yang lebih besar.
“Di bawah 15%, kami dapat memastikan kenaikan 3x lipat setelah mengonfirmasi dengan ratusan tes serupa,” kata Cohen. Rata-rata, keuntungan tidak melebihi 15%. Data sudah menunjukkan tingkat keandalan yang baik, dan responden kami hanya dapat menyamainya atau memberikan sedikit peningkatan. Dari sudut pandang pemasaran, tidak ada kerugian di atas 15% – merek bisa sudah mengambil pelajaran dari kelompok-kelompok ini; mereka hanya berpegang pada level khusus.”
Faktor tanpa LLM
Perlu dicatat bahwa Fairgen tidak menggunakan modul bahasa besar (LLM), dan platformnya tidak menciptakan solusi “bahasa Inggris biasa” ala ChatGPT. Alasannya adalah LLM akan menggunakan informasi yang dipelajari dari banyak sumber lain di luar penelitian, sehingga meningkatkan kemungkinan timbulnya bias yang tidak konsisten dengan penelitian kuantitatif.
Fairgen hanya menangani model statistik dan data tabular, dan pelatihannya bergantung pada konten data yang diunggah. Hal ini memungkinkan peneliti pasar untuk menciptakan responden baru dan terstruktur dengan mengekstraksi segmen yang berdekatan dari survei.
“Kami tidak menggunakan LLM karena alasan yang sangat sederhana, yaitu jika kami mengajarkan banyak penelitian (lainnya), hal itu hanya akan memberikan kesan yang salah,” kata Cohen. “Karena Anda mungkin memiliki kasus di mana Anda telah mempelajari sesuatu dalam penelitian lain, dan kami tidak menginginkan hal itu. Itu semua tergantung pada kredibilitas.”
Sedangkan untuk model bisnisnya, Fairgen dijual sebagai SaaS, dengan perusahaan mengunggah penelitian mereka dalam format standar apa pun (.CSV, atau .SAV) ke platform cloud Fairgen. Menurut Cohen, dibutuhkan waktu hingga 20 menit untuk melatih model pada survei tertentu, tergantung jumlah pertanyaannya. Pengguna memilih “segmen” (sekelompok responden dengan karakteristik tertentu) – misalnya “Gen Z bekerja di perusahaan x,” – kemudian Fairgen menyediakan file baru yang dibuat dengan cara yang sama seperti file pelatihan asli, yang berisi file yang sama pertanyaan. , hanya baris baru.
Fairgen digunakan oleh BVA dan IFOP Perancis untuk jajak pendapat dan riset pasar, yang telah memasukkan teknologi tersebut ke dalam operasi mereka. IFOP, yang mirip dengan Gallup di AS, menggunakan Fairgen untuk melakukan pemungutan suara pada pemilu Eropa, meskipun Cohen berpendapat bahwa IFOP juga dapat beradaptasi dengan pemilu AS pada akhir tahun ini.
“IFOP sebenarnya adalah stempel persetujuan kami, karena sudah ada selama 100 tahun,” kata Cohen. “Mereka membuktikan teknologinya dan merupakan mitra manufaktur pertama kami. Kami juga sedang menguji atau sudah bermitra dengan perusahaan riset pasar besar di seluruh dunia, yang belum boleh saya sampaikan.”
