Убийственные большие данные. Как математика превратилась в оружие массового поражения

В 2008 году, перед началом экономического кризиса, компания Cataphora из Сан-Франциско вывела на рынок систему ПО, ранжировавшую работников сферы высоких технологий по ряду параметров, в том числе по их способности генерировать идеи. Это было непросто. В конце концов, компьютерным программам сложно отличить интересную идею от любого другого набора слов. Если вдуматься, разница зачастую – только вопрос контекста. Вчерашние идеи – о том, что Земля круглая, или даже о том, что людям может понравиться рассматривать фотографии друг друга в социальных сетях, – это сегодняшние факты. Мы, люди, все чувствуем, когда идея становится установленным фактом, и знаем, когда она была разоблачена или отброшена, хоть и можем зачастую не соглашаться с этим. Однако это отличие ставит в тупик даже самый продвинутый ИИ. Поэтому системе Cataphora пришлось обратиться за подсказками к самим человеческим существам.

Cataphora забралась в корпоративную почту и мессенджеры в поисках идей. За основную гипотезу при этом принималось, что лучшие идеи имеют тенденцию распространяться более широко через сетевое общение. Если люди копируют и вставляют в свои сообщения определенные группы слов и делятся ими, эти слова, скорее всего, окажутся идеями – и программное обеспечение сможет их учитывать.

Но не все было так просто. Идеи – не единственные группы слов, широко распространяемые по социальным сетям. Мемы, например, пользовались бешеной популярностью и озадачивали компьютер. Также с огромной скоростью распространялись и слухи. Однако шутки и слухи следовали определенным паттернам, поэтому выяснилось, что можно научить программу отфильтровывать их, по крайней мере частично. Со временем система начала идентифицировать группы слов, которые, скорее всего, представляли собой идеи. Она отслеживала их через социальные сети, подсчитывая количество копирований, оценивая их распространенность и идентифицируя их источник.

Очень скоро образы наемных работников, казалось, приобрели четкие очертания. Некоторые из них были генераторами идей, как заключила система. На своей схеме работников Cataphora пометила таких генераторов идей кружками, которые были тем больше и тем темнее, чем больше идей генерировал сотрудник. Другие работники были проводниками – словно нейроны в распределенной сети, они переносили информацию. Самые эффективные проводники разносили определенные фразы по всей сети. Система также обозначила этих людей темным цветом.

Независимо от того, насколько эффективно Cata-phora измеряла потоки идей, сама концепция не была безнравственной. Вполне разумно воспользоваться подобным анализом, чтобы идентифицировать знания людей и соединять их с самими многообещающими коллегами и соавторами. IBM и Microsoft используют корпоративные программы именно для этих целей. Эта система очень похожа на алгоритм сайтов знакомств (и зачастую, без сомнения, она выдает столь же посредственные результаты). Большие данные также использовались для изучения продуктивности работников кол-центров.

Несколько лет назад исследователи из MIT проанализировали поведение работников колл-центра Банка Америки и выяснили, почему одни команды оказывались продуктивнее других. Они повесили так называемый социометрический бейдж на шею каждого сотрудника. Электроника в этих бейджах отслеживала место нахождения сотрудника и измеряла через каждые 16 миллисекунд тон их голоса и жесты. Она записывала, когда люди смотрели друг на друга, сколько времени каждый человек говорил, слушал и перебивал других. Четыре команды сотрудников колл-центра – всего 80 человек – носили эти бейджи в течение шести недель.

Работа этих сотрудников была крайне регламентированна. Разговоры друг с другом не поощрялись, потому что работники должны были проводить как можно больше времени на телефоне, решая проблемы клиентов. На перерыв работники могли уходить лишь по одному.

Исследователи, к своему удивлению, обнаружили, что самая быстрая и эффективная команда колл-центра оказалась и самой социальной. Эти сотрудники пренебрегали правилами и общались друг с другом больше остальных. И, когда всем сотрудникам предложили больше общаться, продуктивность колл-центра резко увеличилась.

Однако исследования, которые отслеживают поведение сотрудников, также могут быть использованы для их отбраковки. Когда экономику поразила рецессия 2008 года, сотрудники отделов кадров в техническом секторе взглянули на схемы Cataphora под другим углом. Они заметили, что, в то время как одни сотрудники были помечены большими темными кругами, круги других были меньше и светлее. Если предстояло сокращать сотрудников (а большинство компаний именно так и поступило), то было бы логично начинать как раз с тех кругов, что поменьше.

Были ли эти сотрудники действительно слабым звеном? Мы снова приходим к цифровой френологии. Если система «назначает» сотрудника «плохим генератором идей» или «слабым проводником», это становится ее собственной правдой – и ее результатом.