Na projektima koji uključuju razvoj novih proizvoda ili ponuda, posebno u B2B segmentu, često se nailazi na isti izazov: kako znati da je ono što nudimo zaista relevantno korisnicima? Konsultantski tim ICT Hub-a je nedavno radio upravo na jednom takvom zadatku – validaciji zajedničke ponude dve kompanije iz različitih industrija, sa ciljem diferencijacije i akvizicije novih klijenata. Ono što je ovaj projekat činilo drugačijim jeste činjenica da smo u svim fazama od istraživanja do analize uključili i AI alate, pre svega kroz korišćenje custom GPT modela. U ovom tekstu delimo kako je to izgledalo u praksi i šta smo naučili iz tog procesa.
Šta nam je bio zadatak?
Zajednička ponuda koju smo validirali bila je rezultat strateške saradnje dve kompanije koje dolaze iz različitih industrija, ali se obraćaju istom B2B segmentu. Ideja je bila da zajednički ponude proizvod koji bi klijentima doneli dodatnu vrednost – nešto što ne bi mogli da dobiju kroz pojedinačne ponude. Zajednička ponuda je imala jasan poslovni potencijal, ali su postojale bitne stavke koje je bilo potrebno proveriti pre izlaska na tržište. Zadatak našeg konsultantskog tima bio je da pružimo podršku u validaciji, dakle ne samo da potvrdimo da ponuda ima smisla, već i da jasno mapiramo šta treba prilagoditi da što bolje odgovorili na potrebe ciljne grupe.
Konkretno, naš zadatak je obuhvatao:
razumevanje potreba specifičnog B2B segmenta kojem je ponuda namenjena
testiranje toga koliko je zajednička ponuda relevantna i u kojim fazama životnog ciklusa klijenata
definisanje predloga vrednosti za ovu ponudu
davanje predloga za prilagođavanje paketa i komunikacije
davanje smernica za pilot i go-to-market pristup
Pristup i uloga AI alata u procesu
U realizaciji ovog zadatka prošli smo kroz sve ključne faze validacije – od definisanja pretpostavki do konkretnih preporuka za dalji razvoj ponude.
Naš pristup uključivao je sledeće korake:
- analizu konkurencije i primera dobrih praksi na tržištu,
- definisanje ciljne grupe i mapiranje specifičnih potreba i ponašanja,
- precizno formulisanje pretpostavki koje je bilo potrebno testirati,
- dizajn istraživačkog procesa – kombinaciju anketa i intervjua,
- prikupljanje i strukturiranje podataka,
- analizu i izvlačenje ključnih uvida,
- davanje konkretnih preporuka za oblikovanje ponude, pilot fazu i izlazak na tržište.
Tokom celog procesa, koristili smo AI, odnosno ChatGPT, kao podršku u različitim koracima ali uz vrlo jasno postavljene granice njegove uloge. Najveći benefit je bio u pripremi i analizi gde se pokazao kao koristan alatza ubrzavanje procesa, dodatnu proveru i razradu uvida.
Kako smo konfigurisali custom GPT-jeve i obezbedili bezbednost rada s podacima
Od samog početka bilo nam je važno da AI bude uključen na smislen i kontrolisan način. Znali smo da ChatGPT može da pomogne, ali pod uslovom da se koristi kao podrška jasno definisanom procesu i uz potpunu kontrolu nad time šta radi i sa čime radi.
Počeli smo od osnova – bezbednost podataka. Iako nismo koristili podatke koji bi se mogli svrstati pod osetljive, radili smo sa materijalima koji su deo internih analiza, istraživanja i planova naših klijenata. Zbog toga smo odmah isključili mogućnost da se naši podaci koriste za treniranje modela. Poslali smo zahtev za opt-out iz prikupljanja i obrade konverzacija (tzv. „do not use conversational data to improve models“) i sve što smo radili ostalo je unutar zaštićenog okruženja.
Zatim smo razvili dva custom GPT modela sa jasnom podelom uloga. Jedan GPT koristili smo u pripremi istraživanja: pomagao je u definisanju pretpostavki, formulisanju pitanja, kreiranju intervjua i anketa i proveri da li smo pokrili sve relevantne aspekte u odnosu na ciljnu grupu i poslovni kontekst. Drugi GPT je bio posvećen analizi podataka. Njegov posao bio je da obradi dokumentaciju iz istraživanja i pomogne u identifikaciji obrazaca, sintezi uvida i mapiranju preporuka – ali u okviru vrlo precizno definisanih pravila. Na ovaj način smo razdvojili logiku rada i izbegli mešanje konteksta, što nam je obezbedilo veću preciznost u svakom koraku. Za svaki model napisali smo detaljan set instrukcija i ograničenja. Na primer, kod modela za analizu, konfiguracija je obuhvatala:
- Da koristi isključivo podatke iz dokumenata koje smo uneli (intervjui, ankete, metodološki dokumenti),
- Da ne dodaje ili pretpostavlja ništa što nije eksplicitno sadržano u tim dokumentima,
- Da koristi profesionalan ton, ali da ne generiše generičke ili lepo upakovane odgovore,
- Da uvek koristi konkretne citate iz intervjua kao osnovu za svaki zaključak,
- Da izbegava prepričavanje ili simplifikaciju – već da razlikuje nijanse u odgovorima,
- Da koristi jezik i terminologiju iz dokumenata, kako bi se zadržala konzistentnost.
Takođe smo detaljno opisali kako da identifikuje uvide – recimo, da uvid nije stav pojedinca, već obrazac koji se ponavlja kod više ispitanika i može se povezati sa poslovnim implikacijama. Dali smo i primere uvida, kao i kontra–primere (šta nije uvid). U praksi, ova konfiguracija je zahtevala preciznost – ali i određene kompromise pa smo razmatrali šta je najvažnije da model zna, a šta možemo dodati naknadno tokom interakcije.
Kako smo strukturirali podatke i koristili modele u analizi?
Da bi AI imao smislenu ulogu u analizi, ključno je bilo kako ćemo pripremiti podatke. Zato smo pažljivo razmislili o strukturi i formatu svega što ćemo unositi u modele.
Podaci su dolazili iz nekoliko osnovnih izvora – baze podataka kompanija sa osnovim inofrmacija iz APR-a, anketa i intervjua. Anketni podaci su već bili delimično strukturirani, ali smo ih dodatno pripremili kako bi se model lakše kretao kroz odgovore i mogao da prepoznaje obrasce. Kod intervjua zapisnici su vođeni po istoj matrici, sa istim blokovima pitanja, kako bi se obezbedila komparabilnost između sagovornika. To nam je omogućilo da izvučemo kvalitetne uvide, ali i da GPT modelu damo šansu da radi analizu u konzistentnim uslovima.
Pored toga, modeli su imali pristup i metodološkim dokumentima – koji su sadržali kontekst istraživanja, ciljnu grupu, osnovne pretpostavke i smernice za formulisanje zaključaka. Na ovaj način, osigurali smo da model ne zaključuje izvan onoga što mu je poznato, već da se drži jasno postavljenog okvira.
U praksi, GPT je bio posebno koristan u obradi većih količina sadržaja – prolazio je kroz intervjue, prepoznavao ponavljajuće obrasce, i nudio sistematizovane uvide uz povezane citate. Takođe, bio je koristan kada smo želeli da proverimo da li postoji nešto što mi možda nismo primetili kao dodatni sloj validacije.
Međutim, tokom rada se pokazalo i ono što smo od početka pretpostavljali – da AI nije analitičar. Kada je došlo do potrebe za interpretacijom, prioritetizacijom uvida, povezivanjem sa biznis kontekstom i preporukama – tu je model počeo da gubi širinu. U pojedinim slučajevima je ulazio u “loop” i ponavljao gotovo iste zaključke u različitim varijacijama, bez dodate vrednosti.
Zbog toga smo AI koristili kao podršku i alat, ali nikada kao zamenu za donošenje odluka. Sav teži deo analize ostao je u rukama tima, a GPT je služio kao ubrzanje, dodatna provera, alat za brainstorm i pomoć u oblikovanju sirovih podataka.
Šta je klijent dobio i kako je nastao custom GPT?
Na kraju procesa, klijent je dobio mnogo više od izveštaja sa analizom i preporukama. Pored toga što smo validirali ponudu i precizno definisali šta funkcioniše, a šta je potrebno doraditi, pružili smo i konkretne smernice za:
- oblikovanje paketa proizvoda i usluga u okviru zajedničke ponude,
- dizajn pilot faze,
- go-to-market pristup usklađen sa fazom razvoja klijenata iz ciljne grupe.
Takođe smo sve uvide, dokumentaciju, intervjue, ankete i preporuke pretočili u alat koji klijent može da koristi i nakon završetka projekta – Custom GPT model, kreiran specijalno za internu upotrebu, sa ciljem da timovima iz različitih sektora – poput marketinga, inovacija, prodaje i razvoja proizvoda – omogući da brzo i efikasno dođu do korisničkih uvida iz istraživanja koje je sprovedeno.
Model funkcioniše kao interaktivni asistent koji razume: - koje su navike, stavovi i ponašanja korisnika iz ciljne grupe,
- kako izgledaju njihovi kriterijumi za donošenje odluka,
- u kojoj fazi korisničkog puta su najspremniji da prihvate određene proizvode,
- kako da se komunicira vrednost ponude u jeziku koji rezonuje s njima.
Pored uvida, GPT omogućava i ideaciju, bilo da je reč o razradi komunikacije, razvoju novih inicijativa ili pozicioniranju proizvoda. Sve to bez potrebe za dodatnim analizama, vraćanjem u dokumentaciju ili traženjem po folderima jer su svi podaci već uneti i sistematizovani u okviru modela. Dodatna vrednost ovog pristupa je u tome što alat ostaje u kompaniji, ne zahteva dodatnu obuku i može da se koristi u svakodnevnom radu, kada god zatreba.
AI kao podrška, a ne zamena
Ovaj projekat nam je potvrdio da upotreba AI alata u konsultantskom radu ima smisla ali samo kada postoji jasno postavljen okvir i kada znamo tačno šta od alata želimo. Naš pristup je bio da im damo jasnu ulogu i konkretan zadatak – i upravo tu su se pokazali kao najkorisniji.
AI nam je pomogao da brže analiziramo podatke, da proverimo da li propuštamo nešto važno, da oblikujemo uvide preciznije i sistematičnije. U nekim fazama je ubrzao proces i olakšao strukturu, ali razumevanje konteksta, donošenje preporuka i oblikovanje poruka ostao je u domenu tima.
U tom smislu, za nas je ovaj projekat bio mnogo više od validacije jedne ponude. Bio je prilika da eksperimentišemo, učimo i unapredimo sopstvenu metodologiju – da pronađemo način kako da AI zaista bude podrška u radu, a ne samo alat koji koristi trend. Verujemo da će ovakvi alati u budućnosti biti sve prisutniji u poslovnim procesima i da ono što pravi razliku nije alat sam po sebi, već način na koji se koristi. Ako razmišljate o tome kako da modernizujete sopstveni pristup validaciji ili istraživanju tržišta, možda vam ovo iskustvo može biti koristan orijentir.
Nama svakako jeste.
