Seperti apa sosok peneliti pasar generasi BERIKUTNYA di era kecerdasan buatan (AI)?

Tiga puluh lima tahun yang lalu, seorang peneliti pasar memerlukan seperangkat keterampilan teknis tertentu untuk menjalankan pekerjaannya dengan baik. Merancang kuesioner, mengelola kerja lapangan, menganalisis data, dan menyusun laporan membutuhkan keahlian, waktu, dan sumber daya yang cukup besar. Tentu saja, peneliti terbaik tidak hanya mengandalkan kompetensi teknis dalam pekerjaan mereka. Rasa ingin tahu, kreativitas, dan kemampuan memahami perilaku manusia selalu menjadi bagian dari nilai penelitian itu sendiri.

Saat ini, banyak tugas yang dulu memakan waktu berhari-hari atau berminggu-minggu kini dapat diselesaikan dalam hitungan jam, bahkan terkadang menit. Dan dengan kemajuan AI yang begitu pesat, wajar jika kita bertanya-tanya seberapa banyak dari pekerjaan yang dilakukan peneliti saat ini yang masih akan membutuhkan keterlibatan manusia sepuluh atau dua puluh tahun dari sekarang.

Saya merasa prospek tersebut lebih menarik daripada mengancam. Teknologi telah mengubah mekanisme penelitian sebelumnya, tetapi AI memunculkan pertanyaan yang lebih mendasar tentang di mana nilai profesional kita akan terletak di masa depan.

Apakah keahlian teknis masih akan menjadi pembeda bagi yang terbaik di profesi kita? Atau apakah keunggulan akan semakin dimiliki oleh para peneliti yang menggabungkan keahlian metodologis dengan rasa ingin tahu, imajinasi, dan kemampuan untuk mengantisipasi perubahan?

Generasi berikutnya mungkin perlu memiliki kemampuan teknis yang sama baiknya dengan pendahulunya, tetapi keterampilan yang membuat seseorang menjadi luar biasa bisa jadi akan terlihat sangat berbeda.

Tiga puluh lima tahun dapat mengubah sebuah profesi

Coba ingat kembali seperti apa riset pasar pada tahun 1991. Wawancara telepon, survei tatap muka, kuesioner kertas, dan kelompok fokus merupakan bagian yang sudah lazim dalam pekerjaan ini. Pekerjaan lapangan membutuhkan koordinasi yang substansial, pemrosesan data memakan waktu, dan penyusunan laporan melibatkan upaya manual yang jauh lebih besar daripada yang dialami kebanyakan peneliti saat ini.

Namun, profesi ini tidak pernah sekadar tentang mengumpulkan informasi. Seorang peneliti yang baik perlu tahu pertanyaan apa yang harus diajukan, mengenali saat responden tidak menceritakan seluruh kisahnya, dan menafsirkan temuan dalam konteks bisnis klien. Keterampilan-keterampilan tersebut sama pentingnya saat itu seperti halnya saat ini.

Yang berubah secara dramatis adalah teknologi di sekitarnya. Tugas-tugas yang dulu membutuhkan seluruh tim kini dapat dikelola melalui platform digital, sistem otomatis, dan alat analisis yang semakin canggih. Hambatan teknis dalam menghasilkan penelitian telah berkurang, dan kecepatan pengumpulan serta pemrosesan informasi telah berubah drastis.

Namun, mungkin perubahan yang lebih menarik adalah bagaimana transformasi tersebut mendefinisikan ulang keahlian yang diharapkan klien dari para peneliti.

Apa yang Diubah AI dalam Penelitian

Riset pasar telah mengalami transformasi yang luar biasa. Panel online, pelacakan perilaku digital, dasbor otomatis, dan analitik yang semakin canggih telah memungkinkan pengumpulan dan pemrosesan informasi dalam skala yang sulit dibayangkan 35 tahun yang lalu.

Dan kini, AI semakin mempercepat transformasi tersebut. Tugas-tugas seperti membersihkan dataset, mengkode tanggapan kualitatif, mengidentifikasi pola, membuat visualisasi, dan menyusun ringkasan awal kini semakin sering dapat diselesaikan dengan bantuan AI, sehingga secara signifikan mengurangi upaya manual. Pekerjaan yang dulu membutuhkan keahlian teknis yang cukup tinggi kini menjadi lebih cepat dan lebih mudah diakses.

Namun, ada konsekuensi menarik dari semua efisiensi ini. Semakin mudah menghasilkan analisis, semakin penting pula untuk mempertanyakan apa yang sebenarnya disampaikan oleh analisis tersebut.

AI dapat mengidentifikasi korelasi, mengorganisir informasi kompleks, dan menghasilkan penjelasan yang sangat meyakinkan. Namun, AI tidak dapat menjamin bahwa data dasarnya representatif, bahwa analisis tersebut menjawab masalah komersial yang tepat, atau bahwa pola yang tampaknya bermakna akan tetap valid saat diteliti lebih mendalam.

Hal ini menempatkan tanggung jawab yang lebih besar pada peneliti untuk memahami metodologi, mengenali bias, dan mengkaji bukti secara kritis. Keterampilan-keterampilan ini tidak menjadi usang—justru semakin penting ketika teknologi dapat menghasilkan temuan yang tampak kredibel hanya dengan sekali klik.

Dan seiring dengan semakin otomatisnya mekanisme analisis, perbedaan yang sesungguhnya mungkin terletak pada peneliti yang mampu menghasilkan temuan dan mereka yang mampu menentukan apakah temuan tersebut layak dipercaya.

Nilai dari mengajukan pertanyaan yang belum pernah diajukan orang lain

Saya selalu percaya bahwa rasa ingin tahu adalah salah satu keterampilan yang paling diremehkan dalam riset pasar. Kita menghabiskan banyak waktu untuk mengajarkan peneliti cara merancang studi, menganalisis data, dan menafsirkan temuan. Namun, bagaimana cara mengajarkan seseorang untuk menyadari bahwa pertanyaan paling menarik mungkin adalah pertanyaan yang tidak dimasukkan oleh siapa pun dalam brief awal?

Pikirkan bagaimana riset biasanya berjalan. Sebuah merek memiliki masalah, menugaskan sebuah studi, dan mengharapkan jawaban. Seorang peneliti yang baik memberikan jawaban tersebut. Seorang peneliti yang hebat mungkin memperhatikan sesuatu yang tak terduga di sepanjang proses, mempertanyakan suatu asumsi, atau mengenali hubungan dengan sesuatu yang terjadi di pasar yang sama sekali berbeda.

Pertimbangkan penurunan konsumsi alkohol di kalangan orang dewasa muda, meningkatnya minat terhadap kesehatan, dan perubahan ekspektasi seputar pengalaman sosial. Masing-masing hal tersebut dapat diteliti secara terpisah, menghasilkan wawasan yang berguna bagi industri yang secara langsung terpengaruh. Namun, apa yang terjadi ketika seseorang mulai bertanya-tanya apakah perilaku-perilaku ini saling terkait? Mungkinkah hal ini menandakan perubahan yang lebih luas dalam cara orang bersosialisasi, apa yang mereka anggap sebagai malam yang menyenangkan, atau di mana mereka memilih untuk menghabiskan pendapatan yang dapat dibelanjakan?

Tiba-tiba, sebuah pertanyaan tentang konsumsi minuman memiliki implikasi bagi industri perhotelan, hiburan, ritel, dan bahkan industri-industri yang mungkin tidak pernah terpikirkan saat penelitian awal tersebut dimulai.

AI dapat membantu mengidentifikasi hubungan-hubungan ini, menghasilkan hipotesis, dan mengeksplorasi bukti yang tersedia. Namun, seseorang tetap membutuhkan rasa ingin tahu untuk mengejar kemungkinan yang tak terduga, penilaian untuk membedakan hubungan yang masuk akal dari kebetulan yang menarik, serta keyakinan untuk menantang batasan pertanyaan awal.

Inilah kualitas-kualitas yang saya duga akan semakin berharga seiring AI mengambil alih lebih banyak beban kerja analitis. Kemampuan untuk mengeksplorasi informasi dalam skala besar memang mengesankan, tetapi hal itu tidak secara otomatis memberi tahu kita penemuan mana yang dapat mengubah cara sebuah bisnis memandang pasarnya.

Terkadang, kontribusi terpenting yang diberikan seorang peneliti bukanlah menemukan jawabannya. Melainkan menyadari bahwa ada pertanyaan yang jauh lebih besar yang layak diajukan.

Dari wawasan ke pandangan ke depan

Selama sebagian besar sejarahnya, riset pasar berfokus pada pemahaman konsumen sebagaimana adanya saat ini. Apa yang mereka pikirkan? Bagaimana perilaku mereka? Apa yang memengaruhi keputusan mereka? Dan apa yang dapat dipelajari bisnis dari temuan-temuan tersebut?

Pertanyaan-pertanyaan tersebut tetap mendasar. Namun, saya percaya bahwa peneliti kini perlu mengambil langkah selanjutnya dan mempertimbangkan apa yang mungkin dapat diungkapkan oleh temuan mereka mengenai masa depan.

Di sinilah hubungan antara riset pasar dan wawasan strategis menjadi sangat menarik. Para futuris tidak mengklaim memiliki bola kristal. Pekerjaan mereka melibatkan pemeriksaan sinyal-sinyal yang muncul, mengeksplorasi bagaimana berbagai kekuatan perubahan mungkin berinteraksi, dan mempertimbangkan masa depan alternatif yang mungkin perlu dipersiapkan oleh bisnis.

Pertimbangkan contoh sebelumnya mengenai perubahan kebiasaan sosial. Riset mungkin menunjukkan bahwa konsumen muda semakin jarang mengonsumsi alkohol, lebih mementingkan kesehatan, dan mencari jenis pengalaman sosial yang berbeda. Wawasan-wawasan tersebut sudah berharga dengan sendirinya.

Namun, bayangkan menganalisis temuan-temuan tersebut bersamaan dengan perkembangan di bidang kesehatan, teknologi, pengeluaran rumah tangga, dan perubahan sikap terhadap keseimbangan antara pekerjaan dan kehidupan pribadi. Seperti apa bentuk bersosialisasi pada tahun 2036? Apakah model bisnis tradisional bar dan kehidupan malam masih berlaku? Bisakah jenis pengalaman perhotelan yang sama sekali berbeda menjadi arus utama? Dan peluang apa yang mungkin muncul bagi bisnis yang menyadari kemungkinan-kemungkinan tersebut sejak dini?

Kita tidak tahu jawabannya, dan justru itulah intinya. Pandangan ke depan bukanlah tentang berpura-pura bahwa kita dapat memprediksi masa depan dengan pasti. Ini tentang menggunakan apa yang kita ketahui hari ini untuk menyelidiki apa yang mungkin terjadi besok, memberikan kesempatan kepada bisnis untuk menguji proposisi baru, mempertimbangkan kembali investasi jangka panjang, dan bersiap menghadapi perubahan yang belum menjadi arus utama.

AI memiliki peran penting di sini. AI dapat memantau perkembangan yang muncul, menganalisis volume informasi yang sangat besar, mengidentifikasi hubungan, dan menghasilkan skenario yang mungkin terjadi. Seiring meningkatnya kemampuan tersebut, para peneliti akan memiliki alat yang semakin kuat untuk menjelajahi masa depan.

Tantangannya adalah menentukan skenario mana yang layak dipertimbangkan secara serius. Sebuah tren yang sedang berkembang mungkin akan mengubah wajah suatu industri, atau mungkin tetap terbatas pada segmen pasar yang relatif kecil. Membedakan antara kemungkinan-kemungkinan tersebut memerlukan bukti yang kuat, pemahaman tentang pasar yang lebih luas, serta penilaian untuk mengenali kapan asumsi-asumsi yang sudah mapan mungkin tidak lagi berlaku.

Di sinilah saya melihat peluang yang menarik bagi profesi penelitian. Alih-alih berhenti pada apa yang dipikirkan dan dilakukan konsumen saat ini, kita dapat menggunakan wawasan sebagai landasan untuk menanyakan apa yang mungkin berubah, mengapa hal itu bisa berubah, dan bagaimana bisnis mungkin meresponsnya.

Bagi saya, pandangan ke depan bukanlah pengganti wawasan. Ini adalah lapisan tambahan yang mengubah pemahaman tentang masa kini menjadi eksplorasi masa depan yang lebih terinformasi.

Apa yang akan membuat generasi berikutnya tak tergantikan?

Saya rasa kita sedang mendekati titik balik yang menarik dalam riset pasar. Selama beberapa dekade, kita telah berinvestasi besar-besaran dalam mengembangkan keahlian teknis, mengajarkan para peneliti cara merancang studi, mengelola data, menerapkan metode statistik, dan mengkomunikasikan temuan. Keterampilan-keterampilan tersebut tetap penting. Namun, seiring dengan semakin mampunya AI dalam melakukan sebagian besar pekerjaan, kita perlu mempertimbangkan kembali apa yang sedang kita persiapkan bagi generasi peneliti berikutnya.

Apakah kita melatih mereka untuk menjadi pengguna teknologi yang lebih baik, atau pemikir yang lebih baik?

Saya berpendapat bahwa perbedaan ini sangat penting. Seorang peneliti yang dapat menghasilkan analisis dalam hitungan detik memang berguna. Namun, peneliti yang menyadari bahwa analisis tersebut menjawab pertanyaan yang salah, menantang asumsi di baliknya, atau melihat peluang yang belum pernah dipertimbangkan orang lain, berpotensi menjadi tak ternilai harganya.

Dan mungkin kita perlu memikirkan kembali cara kita mengklasifikasikan keterampilan profesional. Rasa ingin tahu, imajinasi, empati, dan keberanian intelektual secara tradisional digambarkan sebagai keterampilan lunak, seolah-olah mereka hanyalah tambahan yang menyenangkan bagi urusan serius keahlian teknis. Namun, seiring teknologi mengubah cara penelitian dihasilkan, kualitas-kualitas ini mungkin menjadi semakin penting dalam menentukan seberapa besar nilai yang dihasilkan oleh penelitian tersebut.

Itu tidak berarti kita harus mengabaikan ketelitian metodologis atau menyerahkan setiap tugas analitis kepada AI. Justru sebaliknya. Keahlian teknis dan penilaian manusia perlu berkembang bersama-sama. Para peneliti yang memahami baik kemampuan maupun keterbatasan AI akan lebih siap untuk menggunakannya secara efektif tanpa mengorbankan kemandirian profesional mereka.

Saya optimis tentang ke mana hal ini dapat membawa profesi kita. Kita memiliki kesempatan untuk melampaui peran sebagai orang yang sekadar memberikan jawaban, menjadi orang yang membantu bisnis mengenali peluang, menantang asumsi mereka, dan bersiap menghadapi perubahan.

Tiga puluh lima tahun dari sekarang, saya ragu ada orang yang akan terkesan dengan seberapa cepat seorang peneliti dapat menghasilkan laporan atau menganalisis kumpulan data. Namun, saya menduga perusahaan-perusahaan akan tetap mengingat peneliti yang mengajukan pertanyaan yang mengubah pemahaman mereka tentang seluruh pasar.

Karena masa depan riset pasar tidak akan ditentukan semata-mata oleh apa yang dapat kita temukan berkat teknologi. Masa depan tersebut akan dibentuk oleh rasa ingin tahu kita untuk mempertanyakan, imajinasi untuk mengeksplorasi, dan penilaian untuk mengejarnya.

Apakah riset pasar Anda membantu Anda bersiap menghadapi apa yang akan datang?

Di Kadence International, rasa ingin tahu mendorong kami untuk melihat melampaui temuan-temuan langsung dan mengeksplorasi pertanyaan-pertanyaan yang lebih besar yang membentuk perilaku konsumen dan perubahan pasar. Kami menggabungkan riset pasar yang ketat, pemikiran strategis, dan pola pikir futuristik untuk membantu merek mengubah wawasan hari ini menjadi pemahaman yang lebih jelas tentang peluang di masa depan.

Diskusikan dengan Kadence tentang cara mengubah wawasan menjadi pandangan ke depan.