Applying language agents in market sizing: Case study in the lighting control industry
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Authors
Date
Department
Major/Subject
Mcode
Degree programme
Language
en
Pages
71
Series
Abstract
Market sizing is a key function in strategic decision making. However, it involves a significant level of human deduction, which is expensive and prone to biases. The smaller or more niche the market an organization targets, the harder it is to develop accurate estimates of its size. That is, the most difficult and expensive market sizing tasks are often conducted by businesses that have the least available resources. However, recently emerged language agents possess human-mimicking capabilities, exhibiting potential to decrease the level of human involvement required in the market sizing process. This thesis presents the first study addressing the integration of language agents into market sizing in the intelligent lighting control industry. The proposed methodology is applied in practice through a proof-of-concept tool that utilizes language agents to address the current size and development of a case company’s target market. This study finds that language agents can develop estimates of market size that are reasonably accurate in relation to estimates formulated by humans with only a fraction of the cost. However, the findings suggest that such performance can only be reached under favorable conditions, and due to the nondeterministic nature of LLMs, several runs of the tool are required to reach a sufficient level of confidence with its outputs. Due to these limitations, this thesis concludes that, as of now, language agents ought to be used as a complementary tool to human intelligence in strategic decision making, rather than replacing it. Nevertheless, as the technology develops rapidly, this is expected to change in the near future.Markkinakoon määrittäminen on tärkeä osa strategista päätöksentekoa. Se kuitenkin sisältää paljon ihmistyötä, mikä on kallista ja epätäydellistä. Mitä erikoistuneempi markkina on, sitä hankalampaa sen koon määrittäminen on. Täten haastavimpia ja kalleimpia markkinakoon määritysprosesseja päätyvät usein tekemään organisaatiot, joiden resurssit ovat rajallisimmat. Kieliagenttien ihmistä matkivat ominaisuudet kuitenkin osoittavat potentiaalia ihmisten tekemän työn vähentämiseen markkinakoon määrittämisprosessissa. Tämä työ esittelee ensimmäisen kieliagentteja hyödyntävän markkinakoon määrittämismenetelmän älykkään valonohjauksen toimialalla. Työssä esitettyä metodologiaa sovelletaan käytäntöön kehittämällä proof-of-concept -työkalu, joka hyödyntää kieliagentteja markkinakoon ja sen kehityksen määrittämiseen case-yhtiön kohdemarkkinassa. Työn tuloksena todetaan, että kieliagentit kykenevät tuottamaan kohtuullisen yhteneviä tuloksia verrattuna ihmislähtöiseen markkinakoon määrittämisprosessiin huomattavasti pienemmillä kustannuksilla. Saadut tulokset on kuitenkin todistettu vain tietyssä kontekstissa. Suurten kielimallien epädeterministisyyden vuoksi on työkalua suositeltavaa ajaa useamman kerran samoilla syötteillä, jotta tulosten luotettavuudesta voidaan varmistua. Näistä rajoitteista johtuen voidaan todeta, että kieliagentit eivät vielä korvaa ihmistä markkinakoon määrittämisessä, vaan ne toimivat ihmisen rinnalla tukemassa prosessia. Tämä voi kuitenkin muuttua lähitulevaisuudessa, sillä kielimallit kehittyvät nopeasti.Description
Supervisor
Luoma, JukkaThesis advisor
Hokkanen, PinjaHellström, Lars