Ako pomocou AI pripraviť výskumné zadanie a hypotézy

Profesia: Prieskumník trhu (29. profesia zo 100) Výstup: Výskumný brief, testovateľné hypotézy, návrh metódy a kritériá kvality dát. Modelová situácia: Firma A zvažuje nový program pravidelného servisu kancelárskej techniky.

1. „Zistite, či by o to bol záujem“ ešte nie je výskumné zadanie

Majiteľ servisnej firmy chce zaviesť ročný program preventívnej kontroly zariadení pre malé kancelárie. Predstavu má jednoduchú: za mesačný poplatok by zákazníci získali pravidelnú kontrolu a jasne opísaný postup pri poruche. Obchodníci sa domnievajú, že klienti program uvítajú. Vedenie však potrebuje rozhodnúť, či službu vyvíjať, v akom rozsahu a pre koho.

Výskumník dostane požiadavku: „Zistite, či ľudia o novú službu stoja.“ Takto položená otázka je príliš široká. Záujem pri nezáväznej otázke nie je rovnaký ako ochota podpísať zmluvu. Odpoveď môže navyše závisieť od toho, čo presne obsahuje program, aká je cena a či firma už podobnú službu využíva.

AI dokáže návrh zadania rozložiť na výskumné otázky, premenné a možné metódy. Nedokáže však rozhodnúť, že výskum je správne navrhnutý len preto, že výsledný dokument má profesionálny vzhľad.

2. Krok 1: Preložte podnikateľské rozhodnutie do otázok

Najprv si s objednávateľom výskumu ujasnite, čo sa stane podľa výsledku. Modelové rozhodnutie môže znieť: „Spustíme trojmesačný pilot preventívneho servisu pre konkrétny segment, alebo program najprv prepracujeme.“ Z neho vyplývajú tri zmysluplné otázky: Kto má problém, ktorý program rieši? Ako ho rieši dnes? Čo by mu pri zmene služby bránilo?

Do zadania si zapíšte aj to, čo už firma vie: počet aktívnych klientov, typické servisné požiadavky, reklamácie a existujúce zmluvy. Interné dáta nemusia odpovedať na celú otázku, no zabránia tomu, aby sa respondentov znova pýtali na ľahko zistiteľné fakty. Pozor na údaje, ktoré firma síce má, ale nemá oprávnenie spracovať na nový účel.

Zadefinujte cieľovú populáciu. Nie „všetky slovenské firmy“, ale napríklad malé kancelárske prevádzky vo vymedzenom regióne, ktoré používajú aspoň určitý typ techniky a rozhodujú o nákupe servisných služieb. Presné kritériá sú pracovným rozhodnutím a vyžadujú obchodné zdôvodnenie.

3. Krok 2: Rozlíšte predpoklad, hypotézu a dôkaz

Predpoklad vedenia „zákazníci chcú istotu“ nie je ešte merateľná hypotéza. Potrebujeme presne stanoviť, čo znamená „istota“, kto odpovedá a aký rozdiel budeme sledovať. Napríklad:

• H1: Prevádzky, ktoré v poslednom roku zaznamenali neplánovaný výpadok, častejšie uvádzajú záujem o preventívny servis než prevádzky bez takéhoto výpadku.
• H2: Vnímaná zrozumiteľnosť servisných podmienok súvisí s ochotou požiadať o nezáväznú ponuku.
• H3: Pri porovnateľnej cene uprednostní časť respondentov jasne uvedený rozsah služby pred všeobecným označením „prémiový servis“.

Sú to hypotézy na overenie, nie zistenia. H1 potrebuje presnú definíciu výpadku, obdobia a záujmu. H2 nesmie byť automaticky interpretovaná kauzálne. H3 vyžaduje porovnateľné varianty ponuky; samotná otázka „Páčila by sa vám jasnosť?“ by nedala použiteľný výsledok.

4. Krok 3: Nechajte AI odhaliť slabiny briefu

Prompt 1 – Návrh výskumného zadania

Pracuj ako asistent výskumníka trhu. Z nasledujúceho
podnikateľského rozhodnutia a doložených informácií
priprav výskumné zadanie.
Uveď: rozhodnutie, cieľovú populáciu, výskumné otázky,
testovateľné hypotézy, definície premenných,
možné zdroje dát, návrh metód, kritériá úspechu,
rozpočet ako položky bez vymýšľania cien a limity.
Pri každej hypotéze napíš, aký výsledok by ju
spochybnil. Oddeľ známe fakty od hypotéz.
Neuvádzaj vymyslené údaje o trhu ani zaručené závery.

Ak model navrhne iba online anketu rozposlanú existujúcim zákazníkom, pýtajte sa, čo tým zostane nepokryté. Takýto zber môže odhaliť potreby verných klientov, ale nemusí vystihovať firmy, ktoré sa o servisnú značku nikdy nezaujímali. Niekedy je užitočnejšie začať rozhovormi a až po objasnení rozhodovacích kritérií vytvoriť krátky dotazník.

5. Krok 4: Vyberte metódu podľa otázky, nie podľa ceny nástroja

Zvoľte kombináciu metód primeranú rozpočtu. Na pochopenie rozhodovacieho procesu možno vykonať osem až dvanásť kvalitatívnych rozhovorov s účelovo vybranými účastníkmi. Ide o modelový pracovný rozsah, nie univerzálnu normu a už vôbec nie o reprezentatívnu vzorku. Na odhad podielov v populácii treba osobitne navrhnutý kvantitatívny výber a primeraný počet odpovedí.

AAPOR odporúča posudzovať pokrytie cieľovej populácie, spôsob náboru, formulácie otázok a možné skreslenia. Metódu zvoľte ešte predtým, než AI dostane pokyn „vytvoriť graf záujmu“.

6. Krok 5: Pripravte merateľné kritériá rozhodnutia

Pred zberom údajov dohodnite, čo sa má stať pri rôznych výsledkoch. Napríklad pilot sa otvorí na ďalšie posúdenie, ak rozhovory ukážu opakujúci sa problém a test reálnej ponuky prinesie dostatok kvalifikovaných dopytov vzhľadom na náklady. Číselný prah musí vychádzať z ekonomiky služby a kapacít firmy, nie z náhodnej hodnoty, ktorú vygenerovala AI.

Dôležité je stanoviť aj možné negatívne rozhodnutie. Ak zákazníci problém pociťujú, ale nechcú za jeho riešenie platiť, výskum je užitočný práve preto, že môže firmu uchrániť pred chybnou investíciou. Účelom výskumu nie je nájsť argument na podporu vopred schváleného produktu.

7. Krok 6: Dajte brief otestovať skeptickému čitateľovi

Prompt 2 – Metodická oponentúra

Oponuj priloženému návrhu trhového výskumu.
Hľadaj nejasnú populáciu, sugestívne otázky,
nevhodný výber respondentov, chýbajúce alternatívy,
nesprávne kauzálne závery a riziká ochrany údajov.
Pri každej chybe uveď, ktoré rozhodnutie môže skresliť,
a navrhni opravu s vysvetlením. Nepredstieraj,
že prieskum prebehol. Vytvor zoznam otázok,
ktoré musí schváliť zadávateľ pred zberom dát.

Nechajte návrh prečítať aj niekomu, kto nemá záujem na výsledku vývoja novej služby. Môže odhaliť, že sa pri nábore zamieňajú firmy s kanceláriou a firmy, ktoré si techniku obsluhujú samy. Overte, kto je v konkrétnej organizácii oprávnený odpovedať na otázku o nákupe servisu.

8. Etika, ochrana údajov a skutočný výstup

Pripravte informáciu pre účastníkov: kto výskum robí, načo sa údaje použijú, aký je právny základ spracúvania, komu budú dostupné a ako dlho sa uchovajú. Účastníci nesmú byť uvedení do omylu, že ide o nezávislé akademické zisťovanie, ak v skutočnosti ide o komerčný výskum pre dodávateľa. ICC/ESOMAR kladie dôraz na transparentnosť, súkromie a ľudský dohľad vrátane používania AI.

Finálny brief má obsahovať: objednávateľa, rozhodnutie, populáciu, otázky, hypotézy, metodiku, plán náboru, kritériá kvality, spôsob analýzy, limity, ochranu údajov a formát správy. Na záver uveďte, ktoré veci musí firma rozhodnúť pred začiatkom zberu.

Z dobrého výskumu nemusí vzísť súhlas s nápadom vedenia. Jeho úlohou je zmenšiť neistotu poctivým spôsobom. AI je pri návrhu užitočný oponent a organizátor, nie zdroj vymyslenej odpovede na otázku, či trh produkt prijme.

Overiteľné zdroje (kontrola 24. 10. 2026)

1. AAPOR – Best Practices for Survey Research: https://aapor.org/standards-and-ethics/best-practices/
2. AAPOR – Standards and Ethics, kódex 2026: https://aapor.org/standards-and-ethics/
3. ICC/ESOMAR – International Code on Market, Opinion and Social Research and Data Analytics (2025): https://iccwbo.org/news-publications/business-solutions/iccesomar-international-code-market-opinion-social-research-data-analytics/
4. ESOMAR – Etické a profesijné princípy výskumu: https://esomar.org/representation/icc-esomar-code-of-conduct