Бесполезные данные и тенденция к масштабному манипулированию: потенциальные риски мониторинга мнимой активности пользователей

Бесполезные данные и тенденция к масштабному манипулированию: потенциальные риски мониторинга мнимой активности пользователей

Данные приобретают особое значение в современном цифровом мире. Компании собирают и анализируют с помощью технологий искусственного интеллекта (ИИ) огромное количество информации о пользователях для разработки маркетинговых стратегий, улучшения качества услуг и продукции, формирования социально-политических взглядов. Однако зачастую усилия и затраты не приводят к желаемым результатам, а лишь расширяют спектр потенциальных рисков.

Самые простые ИИ-модели, основанные на глубоком обучении, требуют больших объемов клиентских данных для получения достаточно надежных результатов. Архивы компаний растут в геометрической прогрессии. Проблема в том, что большая часть информации, собранной в социальных сетях и на просторах интернета оказывается бесполезной и не соответствует фактическим потребностям бизнеса.

Реальность такова, что немногие организации используют по назначению содержательные и достоверные данные. Кроме того, наблюдается тенденция к масштабному манипулированию. Информация с помощью алгоритмов тщательно отбирается и корректируется для получения заранее определенных выводов, а затем представляется как «истинная правда» и применяется для подтверждения ложных утверждений или навязывания определенной точки зрения.

Также накапливая все больше данных о своих клиентах, компании, которые не заботятся об обеспечении конфиденциальности и кибербезопасности, подвергают себя растущим репутационным, финансовым и юридическим рискам, не получая необходимой отдачи.

Еще недавно для сбора и анализа данных проводились специальные опросы, фокус-группы, узконаправленные исследования, в магазинах работали представители компаний, которые контактировали непосредственно с потребителями, производители товаров практиковали раздачу прототипов своей продукции потенциальным клиентам для тестирования и устраивали промоакции.

Хотя такие подходы все еще используются, многие компании предпочитают не тратить сил и времени на трудоемкие и дорогостоящие методы, «соскребая» из интернета и социальных сетей «бесплатные», но бесполезные данные.

В результате львиная доля собранных данных не соответствует запросам. Знание того, что пользователь неоднократно ищет на веб-сайте  определенный товар, но никогда его не покупает, может говорить только о заинтересованности. Однако ориентация исключительно на онлайн-активность вряд ли поможет определить причины отказа от покупки, такие как высокая цена, недостаточная информативность сайта или отсутствие технической поддержки.

Погоня за «бесплатными» некачественными данными и неправильная расстановка приоритетов привела к тому, что компании не в состоянии оценить реальное отношение клиентов к своей продукции. Мониторинг постов в социальных сетях позволяет фиксировать только самых активных пользователей, не предоставляя необходимой информации. Кроме того, это повышает уязвимость компаний к распространению ложных недостоверных данных, влияющих на репутацию.

Алгоритмы искусственного интеллекта по своей природе не могут быть предвзятыми. Их эффективность зависит от качества данных, на которых обучаются модели. И если компании не хотят тратиться на современные методы сбора информации, не стоит ожидать высоких результатов.

Еще одна проблема заключается в том, что даже при наличии правильных инструментов и данных, компании редко «прислушиваются» к рекомендациям ИИ. Если анализ показал, что необходимо изменить структуру бизнеса или инвестировать средства в новую непроверенную технологию, немногие руководители готовы рискнуть своей карьерой и последовать советам алгоритма, а чаще всего ориентируются на собственное чутье и опыт.

Нежелание действовать на основе данных свойственно и широкой публике. В эпоху безграничного личного инструментария, когда можно отслеживать каждую калорию, каждый шаг, вес, кровяное давление, пульс, есть доступ к биомедицинским показателям в режиме реального времени, проблема с ожирением во всем мире становится все более актуальной.

Сегодня масса возможностей для сбора и хранения любых объемов данных. Вопрос в том, действительно ли общество готово использовать их для достижения лучших результатов.

Оставьте свой комментарий