Niklas Laninges nyhetsbrev #174
Chatbottens roll i beteendeförändring, hur lång tid det tar att skapa en vana och så lite måsar och råttor
Godmorgon kära prenumerant!
När jag startade detta nyhetsbrev för mer än 174 veckor sedan hade jag aldrig vågat drömma om att nå hela 3488 personer. Jag ville därför inleda dagens nyhetsbrev med att skicka ett stort tack till er alla!
Innan dagens meny vill jag också komma med två tips:
Den 30:e maj klockan 9:00 håller vi ett webbinarium om det stora butiksprojekt vi varit med i. Med på “scen” har vi Anna Haxne, hållbarhetsansvarig på Coop som berättar om sin och Coops erfarenhet av att släppa in oss psykologer i sin butik för att försöka få kunderna att agera mer hälsosamt. Webbinariet är självklart gratis, du anmäler dig här.
Sen vill jag slå ett slag för Nordic Behaviour Groups LinkedIn-sida. Sidan har varit rätt slumrande sedan vi startade företaget i november 2022 men nu kommer vi bli mer aktiv på veckobasis, dels genom att berätta mer om egna projekt men främst dela intressant forskning och beteendeförändrande insatser. Följ oss gärna om du vill få sådana uppdateringar.
Så till dagens meny:
Åsikt: Chatbotar kan trigga, men sällan vidmakthålla, förändring
Kunskap: Hur lång tid tar det att skapa en vana?
Inspiration: Stockholms Stad informerar om konsekvenser
Läst i veckan: Tredje riket av Karl Ove Knausgård
Chatbotar kan trigga, men sällan vidmakthålla, förändring
Som så många så är jag helt golvad av den teknikutveckling som svept över världen de senaste halvåret. Jag talar så klart om OpenAI:s verktyg ChatGPT och så kallade stora språkmodeller. Du är säkert en av de över 100 miljoner människor som fått in vanan att använda sådana modeller på daglig basis. Är du det inte är det hög tid att börja.
Varje vecka hittar jag nya tjänster som använder denna teknik. Vissa är mindre imponerande, exempelvis tjänster som genererar logotyper. Förvisso gratis, men man får verkligen vad man betalar för…
Bilden ovan är genererad av verktyget Looka.
Andra är mer imponerande, som denna tjänst som skapat en fråga-svar-tjänst utifrån några av världens största podcasts.
Här kan man alltså ställa frågor och få svar som grundas på vad exempelvis produktivitetsgurun Tim Ferriss eller stoikern Ryan Holiday har att säga om saken.
Här är två exempel jag fått:
Chatbotens roll i beteendeförändring
Vi är verkligen i början av denna revolution, men redan nu ser jag många användningsområden inom just beteendeförändring.
Idag är verktyg som bygger på denna teknik riktigt användbara för att generera träffsäkra rekommendationer kring möjliga sätt att adressera olika beteendeutmaningar. Alltså, om du kan definiera ditt problem så kan du på några sekunder få bra tips på hur du kan tackla utmaningar kring hälsa, försäljning, nedskräpning, motivation med mera.
Jag ser också att verktygen blir bättre och bättre på att anpassa sina råd utifrån ens specifika förutsättningar. För mig är det också väldigt tydligt hur verktygen snart kommer kunna ge relativt bra prediktioner för hur väl en rekommendation kommer att fungera utifrån en given kontext.
Säg exempelvis att man vill få mellanstadieelever att vara mer fysiskt aktiva under skoldagen. Verktyg som GPT4 kommer snabbt på flera förslag på hur detta kan åstadkommas. Än så länge kan verktyget dock inte förutspå vilka rekommendationer som hade fungerat bäst på säg en skola i ett utsatt område i södra Sverige, men nog är det bara en tidsfråga innan den kan simulera något sådant.
Notera att det jag nyss nämnt verkligen är två centrala leveranser i den typ av projekt vi på Nordic Behaviour Group arbetar med.
Känner jag mig hotad?
Ja lite…
Självklart ser jag fler möjligheter än hot.
Exempelvis betyder detta att vi inom en snar framtid kan lägga mer tid på att prata med målgruppen för att på så vis kunna förse GPT4 med mer tillförlitlig data om just målgruppens situation och behov. Jag ser också att vi kan fokusera mer på att hjälpa våra kunder implementera våra idéer och samla in data kring dessa. Att analysera datan för att se vad som fungerade och för vem kommer dock GPT4 göra snabbare och bättre än vår analysninja Erik.
Så vi kommer alltså lägga mindre tid på att slå i akademiska databaser, koda data och göra statistiska analyser i Excel och mer tid på att intervjua och implementera.
Det riktigt svåra med all beteendeförändring är dock vidmakthållande. Det är sedan länge uppenbart att så kallade nudges har kortvariga, om ens några, effekter. När det går snabbare att skapa uppslag och testa vad som kan förändra beteenden kan vi experter således lägga mer krut på insatser som ser till att förändringen sitter i länge.
Jag välkomnar denna utveckling!
Jag och Gabriella pratar om AI
Jag och min kollega Gabriella Stuart pratade Generativ AI med upphovsrättsorganisationen Bonus Copyright. Hela intervjun finns här, men orkar du inte scrolla fram till vad vi två hade att säga så bad jag ChatGPT gå igenom texten och summera vad vi sa. Här är resultatet:
Niklas Laninge tror att den klassiska definitionen av kreativitet kommer att bestå, men att kvalitetskrav och utförande kan öka. Han ser också risker för kreatörer när deras verk används som inspiration för AI utan att hänvisa till ursprungskällan.
Gabriella Stuart talar om användningen av AI för att sammanställa, processa och förmedla kunskap och data, som i hennes projekt om beteendeförändring. Hon tror inte att smarta databaser kommer att göra beslutsfattare helt självständiga, men att AI kan konkurrera med vissa yrkesgrupper, som författare av faktaböcker.
Både Laninge och Stuart ser AI som ett stöd snarare än en ersättning för komplexa yrkesroller, och Laninge påpekar vikten av källkritik när man använder AI i problemlösning och research. Slutligen betonar Laninge att vi måste vara medvetna om osäkerhetsfaktorer kring AI och vår egen tendens att bli för optimistiska kring teknikens potential.
Då jag ju är “hästens mun” i detta exempel kan jag intyg att GPT gjorde riktigt bra ifrån sig!
Hur lång tid tar det att skapa en vana?
Oavsett vad vissa populärvetenskapliga böcker säger så är alltid svaret från seriösa psykologiforskare: det beror på.
Nyligen fick jag ett tips från exakt en sådan forskare (psykologen Jonas Hjalmar Blom) om en studie som använt den hetaste tekniken för att hitta svaret på vanefrågan. I studien använde man så kallad maskininlärning för att gå igenom två väldigt omfattande dataset:
12 miljoner gymbesök
40 miljoner handtvättar på sjukhus
Med hjälp av denna avancerade dataanalysmetod har man kunnat dra slutsatser om exakt när personerna som utgjort underlaget fått in en vana av att gå till gymmet eller tvätta händerna. Definitionen av en vana i studien är då en persons beteende går att förutse med hög träffsäkerhet. Alltså när analysmodellen får rätt när denne föreslår när en person kommer tvätta händerna eller besöka gymmet nästa gång, och att detta stämmer väl in med hur personen faktiskt sedan agerade.
Tyvärr ger en så här pass avancerad studie ännu en gång det inte så klickvänliga resultatet: det beror på.
Det studien tydligt visar är att det dock bara tar veckor för personer att vanemässigt tvätta händerna medan det krävs månader för att någon fått in vanan av att gå till gymmet. Det man dock kunnat se är att det är svårt att få den vanemässiga gymmaren att öka antalet gymbesök hen gör per vecka. Sådana insatser har nästan ingen effekt.
En slutsats av studien är således att det är mer effektivt att hjälpa någon att skapa en gymvana än att försöka påverka den som redan har en vana, om än en inte så intensiv sådan. Exakt vad som krävs för att få den som gymmar en gång i veckan att göra så oftare framgår inte av studien, men att tjata verkar alltså inte fungera.
Stockholms stad informerar om konsekvenser
Jag och kollegorna på Nordic Behaviour Group arbetar en hel del med nedskräpningsprojekt. Exempelvis minskade vi arbetsbördan för de som städar Förpacknings- och tidningsinsamlingarna med närmare 20 procent i ett projekt från 2021. Här är ett exempel på hur den mest effektiva insatsen såg ut i det projektet.
Exemplet ovan använder sig av beteendeförändringstekniken Information om konsekvenser, det vill säga att man tydligt berättar om en negativ konsekvens som kommer av oönskat beteende. I fallet ovan att det alltså kostar väldigt mycket.
Just nu pågår en kommunikationskampanj runt om i Stockholm som använder ett liknande grepp, fast som informerar om en annan minst sagt oönskad konsekvens: ohyra.
Faktum är att vi sedan april utvärderar något likande i en annan del av landet. I våra projekt ingår det alltid en gedigen analys av målgruppens uppfattning kring beteendet vi vill påverka. När det kommer till nedskräpning så återkommer rädslan för ohyra som en sak man är rädd för att nedskräpning ska leda till. Oavsett vem vi talar med och vart hen bor så nämns ofta denna oönskade konsekvens.
I juni kan jag berätta mer om hur vår insats presterade, tills dess hoppas jag också att någon från Stockholms stad hört av sig och berättat hur deras användning av samma koncept påverkat deras utfallsmått.
Läst i veckan
I veckan läste jag klart den tredje delen av Karl Ove Knausgårds romansvit som började med boken Morgonstjärnan. Sin vana trogen så bär boken ett provokativt namn, Tredje riket, en titel som får vissa att hymla med ögonen men som faktiskt har mycket med bokens innehåll att göra.
Det är nog ingen hemlighet att jag älskat allt jag läst av Knausgård och att jag i princip har läst allt av honom. I Tredje riket så visar han dock upp en ny talang: han behärskar också konsten att skriva om en mordgåta. Alla Knausgårds böcker har ett otroligt driv, främst skapat av språket. Denna gång är det också handlingen som bidrar då en stor del av boken kretsar kring ett mord.
Min varma rekommendation är att du läser boken men har du inte läst del 1 och 2 så kan du börja med dessa, eller inte. Tredje riket fungerar bra som fristående verk också.
Jag hymlar inte med att korrfel och språkfel irriterar mig något kopiöst 😉
Men i sakfrågan om AI - blir det inte lite förnumstigt? Alltför många självklarheter får en text att kännas löjlig, tycker jag. Kommer du att rensa ut sådant?