Doctoral Position in Customer-Facing AI in Marketing and Service

Am Center for AI Value, Teil der Technology Marketing Group an der ETH Zürich, untersuchen wir, wie Organisationen generative und multimodale KI in messbaren Wert umwandeln können. Unser aktueller Fokus liegt auf einer der bedeutendsten offenen Fragen in diesem Bereich: Wie sollte kundenorientierte KI gestaltet werden, wenn sie im Namen eines echten Unternehmens mit echten Kunden spricht.

Wir suchen einen Doktoranden, um dies zu verändern. Die Position umfasst drei Projekte, die alle in Zusammenarbeit mit Industriepartnern durchgeführt werden und darauf abzielen, von kontrollierten Experimenten in den Live-Betrieb überzugehen. Sie werden untersuchen, wie genau ein Unternehmen vorschreiben sollte, was sein KI-Agent sagt, was emotional und informativ passiert, wenn ein Gespräch von einer KI an einen menschlichen Kollegen übergeben wird, und wie multimodale Modelle die Leistung von Marketinginhalten vor deren Veröffentlichung vorhersagen können.

Die Forschung am Center basiert auf der Erfolgsbilanz der Gruppe in Datenwissenschaft, konversationaler KI und Marketinganalytik sowie auf erheblichen Investitionen in lokale GPU-Infrastruktur, die es uns ermöglicht, mit vertraulichen Partnerdaten unter vollständiger Datenkontrolle zu arbeiten. Der Schwerpunkt der Position liegt auf der Forschung, mit dem Ziel, in führenden internationalen Managementzeitschriften zu veröffentlichen. Das Startdatum ist flexibel. Bewerbungen werden angenommen, bis die Position besetzt ist. Für weitere Informationen wenden Sie sich bitte an Sebastian Tillmanns.

Projekt Hintergrund

Die Position umfasst drei Projekte, die jeweils in enger Zusammenarbeit mit einem Industriepartner durchgeführt werden und kontrollierte Experimente mit Zugang zu realen Betriebseinstellungen kombinieren. Die Projekte basieren auf etablierten Kooperationen, laufender Forschung und technischer Infrastruktur, die bereits am Center vorhanden ist.

• Prompt Granularität in KI-Sprachagenten: Unternehmen, die generative Sprachagenten einsetzen, müssen entscheiden, wie genau sie vorschreiben, was der Agent sagt. Diese Entscheidung wird als das maschinelle Pendant zum klassischen Trade-off zwischen Skripting und Empowerment in Serviceoperationen behandelt.
• Emotionale Verankerung bei KI-zu-Mensch Übergaben: Wenn ein Kunde in einem negativen emotionalen Zustand von einem Sprachagenten an einen menschlichen Mitarbeiter übergeben wird, bleibt die emotionale Anerkennung des KI-Agenten bestehen oder wird sie rückblickend als Skript wahrgenommen?
• Multimodale Vorhersage der Leistung von Marketinginhalten: Dieses Projekt entwickelt und benchmarkt multimodale Einbettungsansätze, die als Eingaben für Modelle dienen, die das Engagement eines Social-Media-Posts vor dessen Veröffentlichung vorhersagen.

Zusammen bieten die Projekte dem erfolgreichen Kandidaten etwas Seltenes: theoretisch fundierte experimentelle Fragen, Partner, die bereit sind, in Live-Operationen zu randomisieren, und Infrastruktur, die es ermöglicht, mit sensiblen Konversationsdaten zu arbeiten.

Aufgabenbeschreibung

Der erfolgreiche Kandidat wird originäre Forschung durchführen, die zu Veröffentlichungen in erstklassigen internationalen Zeitschriften führt. Zu den Verantwortlichkeiten gehören:

• Entwerfen und Durchführen kontrollierter Experimente, einschließlich Studien mit Live-Sprachinteraktion, und Vorbereitung zur Vorregistrierung.
• Verwendung und Erweiterung der bestehenden experimentellen Infrastruktur des Centers für diese Studien.
• Erweiterung und Validierung bestehender LLM-basierter Codierungs-Pipelines für transkriptbasierte Messungen.
• Analyse experimenteller und betrieblicher Daten mit geeigneten kausalen und psychometrischen Methoden.
• Vorbereitung und Koordination von Feldexperimenten innerhalb etablierter Industriekooperationen.
• Arbeiten mit multimodalen Einbettungsmodellen und Methoden des maschinellen Lernens zur Vorhersage der Inhaltsleistung.
• Präsentation der Ergebnisse auf internationalen Konferenzen und gegenüber Partnerorganisationen.
• Beitrag zur Lehre und Betreuung von Masterarbeiten innerhalb der Schwerpunkte des Centers.

Profil

Bildungshintergrund: Bewerber müssen einen Master of Science (MSc), Master of Arts (MA) oder Master of Philosophy (MPhil) in Betriebswirtschaft, Informatik oder verwandten Bereichen besitzen. Ein starkes Interesse an experimenteller Forschung und quantitativen empirischen Methoden ist entscheidend.

Organisatorische Fähigkeiten: Bewerber sollten hervorragende organisatorische Fähigkeiten zeigen, einschließlich der Fähigkeit, mehrere Aufgaben effektiv zu verwalten und zu priorisieren.

Kommunikationsfähigkeiten: Starke Kommunikations- und Schreibfähigkeiten in Englisch sind erforderlich.

Persönliche Eigenschaften: Der ideale Kandidat wird Initiative ergreifen, ergebnisorientiert, organisiert sein und Kreativität bei der Problemlösung zeigen.

Wir bieten eine ungewöhnliche Kombination für einen Doktoranden: theoretisch ambitionierte Fragen, etablierte Kooperationen mit Industriepartnern und die Infrastruktur, um die Arbeit richtig zu machen. Unsere Forschung ist tief in ETHs Engagement verwurzelt, verantwortungsbewusst zu handeln und gesellschaftlichen Nutzen zu innovieren.